專利名稱：食品中異物的檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種食品中異物的檢測方法，尤其是一種通過對(duì)食品的X射線圖像進(jìn)行運(yùn)算處理，提取混入食品中異物圖像的檢測方法。
背景技術(shù)：
目前，對(duì)于包裝食品中混入異物的檢測方法通常是利用X射線采集該食品的X射線圖像，然后再通過人為干預(yù)，采用直接閾值或自適應(yīng)閾值分割法，提取食品X射線圖像中異物目標(biāo)圖像。
由于食品種類較多，而且可能混入的異物的種類、在食品中的位置形態(tài)具有不確定性，這就導(dǎo)致了傳統(tǒng)提取異物目標(biāo)圖像的分割方法具有較大的難度，尤其是在閾值的預(yù)先設(shè)定和檢測過程中的圖像提取都需要加入過多的人為因素，需要檢測人員具有較為豐富的實(shí)際經(jīng)驗(yàn)，容易出現(xiàn)誤分割目標(biāo)的現(xiàn)象，因此，傳統(tǒng)的通過提取異物圖像對(duì)食品中異物的檢測方法不僅缺乏準(zhǔn)確性，而且不適合連續(xù)在線檢測，無法滿足現(xiàn)代化食品生產(chǎn)企業(yè)的作業(yè)要求。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題在于針對(duì)上述包裝食品中異物目標(biāo)圖像的提取方法所存在的不足提供一種食品中異物的檢測方法，該方法運(yùn)用數(shù)學(xué)形態(tài)學(xué)對(duì)食品的X射線圖像進(jìn)行運(yùn)算處理，能夠方便的提取異物目標(biāo)圖像。
解決上述技術(shù)問題所采用的技術(shù)方案為一種食品中異物的檢測方法，它由以下步驟組成步驟1采集被檢食品的X射線圖像；步驟2對(duì)所采集的X射線圖像進(jìn)行對(duì)比度增強(qiáng)處理，獲得增強(qiáng)圖像；步驟3自動(dòng)計(jì)算增強(qiáng)圖像每一行的灰度分布曲線中的峰的數(shù)量；所述自動(dòng)計(jì)算依照下述方法進(jìn)行的逐個(gè)選取任意像素點(diǎn)，并計(jì)算與該像素點(diǎn)相鄰的兩個(gè)像素點(diǎn)的灰度值，當(dāng)所述相鄰的兩個(gè)像素點(diǎn)的灰度值同時(shí)小于或大于上述任意選取的像素點(diǎn)的灰度值時(shí)，該選取的像素點(diǎn)計(jì)為一個(gè)峰；步驟4利用所得到的峰的數(shù)量自動(dòng)獲取結(jié)構(gòu)寬度；所述結(jié)構(gòu)寬度的自動(dòng)獲取方法為當(dāng)峰的數(shù)量小于3時(shí)，自動(dòng)將所述結(jié)構(gòu)寬度設(shè)為3；當(dāng)峰的數(shù)量大于3時(shí)，首先計(jì)算所有峰處像素的元素寬度；然后將最大的元素寬度作為所述的結(jié)構(gòu)寬度；步驟5利用所述結(jié)構(gòu)寬度進(jìn)行形態(tài)學(xué)運(yùn)算，獲得模擬被檢食品的無異物X射線圖像；步驟6將步驟5獲得的模擬圖像與步驟2中處理后的圖像進(jìn)行圖像相減運(yùn)算，獲得食品中異物目標(biāo)圖像，完成食品中異物檢測。
由以上技術(shù)方案可以看出，本發(fā)明通過采用數(shù)學(xué)形態(tài)學(xué)的運(yùn)算來模擬正常食品--即內(nèi)部不存在異物的食品的圖像，然后再通過圖像減影方式進(jìn)行分割，從而獲得感興趣的異物目標(biāo)圖像。本發(fā)明克服了傳統(tǒng)的食品異物檢測方法中存在的圖像處理、提取困難以及誤分割目標(biāo)的不足，并將取得了良好的效果。
本發(fā)明的有益效果在于，可以快速地識(shí)別食品X射線圖像中的異物目標(biāo)，處理方法簡單，可應(yīng)用于在線檢測，也可應(yīng)用于其他圖像處理領(lǐng)域的感興趣目標(biāo)識(shí)別和提取。
以下，通過具體實(shí)施方式
并結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步的詳細(xì)說明。


圖1為本發(fā)明的流程示意圖；圖2為本發(fā)明所涉及一個(gè)具體實(shí)施例中一個(gè)圖像行的灰度曲線。
具體實(shí)施例方式
當(dāng)利用本發(fā)明所提供的方法對(duì)可能混有金屬異物的食品進(jìn)行檢測時(shí)，其過程如圖1所示的流程，其過程如下步驟1采集被檢食品的X射線圖像。
將待檢測包裝食品以一定的勻速運(yùn)動(dòng)通過檢測器，設(shè)定檢測器分辨率為0.5mm×0.5mm，當(dāng)待檢測包裝食品處于檢測器的正上方0.5mm寬度范圍內(nèi)，其通過部分被掃描成像。此時(shí)，X射線掃描的積分時(shí)間為Tint，檢測器像素分辨率寬度為Spixel，掃描次數(shù)位Ns，傳送帶運(yùn)動(dòng)速度位Vs，各參數(shù)之間存在的關(guān)系式為Tint=Spixel×Ns/Vs]]>在這一采集過程中，采用逐行多次掃描后取平均值的方法獲得被檢食品的降噪聲X射線圖像。
步驟2對(duì)采集的X射線圖像進(jìn)行對(duì)比度增強(qiáng)處理，獲得增強(qiáng)圖像。
X射線圖像的對(duì)比度增強(qiáng)可以依據(jù)以下算式進(jìn)行比度增強(qiáng)處理g(x,y)=Gb-GalnFb-lnFa[lnf(x,y)]+Ga]]>其中g(shù)(x，y)為變換后的灰度；f(x，y)為變換前的灰度值，Gb，Ga分別為變換后的灰度最大值和最小值，F(xiàn)b，F(xiàn)a為變換前灰度最大值和最小值。
步驟3自動(dòng)計(jì)算增強(qiáng)圖像每一行的灰度分布曲線中的峰的數(shù)量。由于金屬異物對(duì)X射線的阻擋較大，造成圖像行的灰度分布呈現(xiàn)不均勻，其灰度分布呈曲線狀。在曲線中存在多個(gè)峰。峰的計(jì)算方式為逐個(gè)選取任意像素點(diǎn)，并計(jì)算與該像素點(diǎn)相鄰的兩個(gè)像素點(diǎn)的灰度值，當(dāng)相鄰的兩個(gè)像素點(diǎn)的灰度值同時(shí)小于或大于上述任意選取的像素點(diǎn)的灰度值時(shí)，該選取的像素點(diǎn)計(jì)為一個(gè)峰。
圖2所示為一個(gè)X射線圖像中某一行的灰度分布曲線，從圖中可以看出共有4個(gè)峰，每個(gè)峰所在像素點(diǎn)的相鄰兩個(gè)像素點(diǎn)的灰度值都同時(shí)小于該像素點(diǎn)的灰度值，因此，該圖像行峰的數(shù)量為4。
步驟4根據(jù)得到的峰的數(shù)量自動(dòng)獲取結(jié)構(gòu)寬度。
結(jié)構(gòu)寬度的自動(dòng)獲取方法為當(dāng)峰的數(shù)量小于3時(shí)，自動(dòng)將所述結(jié)構(gòu)寬度設(shè)為3；當(dāng)峰的數(shù)量大于3時(shí)，依照以下算式首先計(jì)算所有峰處像素的元素寬度Width(i，k)＝|m-k|，if|Peak(i，m)-f(i，k)|＜ε其中，f(i，k)是距峰處像素Peak(i，m)處最近的像素點(diǎn)；ε是一個(gè)趨近于0的數(shù)字；
Width(i，k)即為該峰像素的元素寬度。
在完成計(jì)算后，將最大的元素寬度作為所述的結(jié)構(gòu)寬度。
步驟5利用所述結(jié)構(gòu)寬度進(jìn)行形態(tài)學(xué)運(yùn)算，獲得模擬被檢食品的無異物X射線圖像。
步驟6對(duì)步驟4獲得的模擬圖像與步驟2中處理后的圖像進(jìn)行圖像相減運(yùn)算，并按照事先設(shè)定的閾值對(duì)相減運(yùn)算后獲得的圖像進(jìn)行分割而獲得精確的食品中異物目標(biāo)圖像，完成食品中異物檢測。
由于X射線對(duì)不同異物的穿透能力不同，因此，圖像的行灰度分布曲線中的峰可以呈現(xiàn)波峰或波谷。在圖線中表現(xiàn)為曲線的上凸或者曲線的下凹。在利用形態(tài)學(xué)運(yùn)算進(jìn)行處理時(shí)，結(jié)構(gòu)開運(yùn)算能將灰度曲線上凸的部分去除保留凹的部分，閉運(yùn)算正好與開運(yùn)算相反。
為消除波峰或波谷而采用的形態(tài)學(xué)運(yùn)算包括結(jié)構(gòu)閉運(yùn)算或結(jié)構(gòu)開運(yùn)算。
結(jié)構(gòu)閉運(yùn)算由數(shù)學(xué)形態(tài)學(xué)先膨脹后腐蝕運(yùn)算得到，其運(yùn)算式為膨脹運(yùn)算依式[fgs](x)＝max(f(i-v)，...f(i)，...f(f+v))進(jìn)行；腐蝕運(yùn)算依式[fΘgs](x)＝min(f(i-v)，...f(i)，…f(i+v))進(jìn)行；結(jié)構(gòu)開運(yùn)算為[fΘgsg](x)。
上述各運(yùn)算式中，v是結(jié)構(gòu)寬度，i為運(yùn)算中心像素點(diǎn)位置。
食品中混入的金屬通常在灰度曲線中表現(xiàn)為凹部分，故使用結(jié)構(gòu)開運(yùn)算保留上凸部分去除凹部分從而模擬出正常圖像。
如果食品中混入塑料之類密度遠(yuǎn)小于食品密度的異物，則使用結(jié)構(gòu)閉運(yùn)算來模擬不含異物的食品圖像。
上述圖像處理的運(yùn)算過程完全是通過計(jì)算機(jī)進(jìn)行自動(dòng)運(yùn)算處理，在開始檢測時(shí)，只需要人工根據(jù)需要檢測的異物項(xiàng)目預(yù)先設(shè)定計(jì)算參數(shù)以及閾值，就可以實(shí)現(xiàn)整個(gè)檢測過程的全部自動(dòng)化。
最后所應(yīng)說明的是以上實(shí)施例僅用以說明而非限制本發(fā)明的技術(shù)方案，盡管參照上述實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解依然可以對(duì)本發(fā)明進(jìn)行修改或者等同替換，而不脫離本發(fā)明的精神和范圍的任何修改或局部替換，其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求范圍當(dāng)中。
權(quán)利要求
1.一種食品中異物的檢測方法，其特征在于包括以下步驟步驟1采集被檢食品的X射線圖像；步驟2對(duì)所采集的X射線圖像進(jìn)行對(duì)比度增強(qiáng)處理，獲得增強(qiáng)圖像；步驟3自動(dòng)計(jì)算增強(qiáng)圖像每一行的灰度分布曲線中的峰的數(shù)量；所述自動(dòng)計(jì)算依下述方法進(jìn)行逐個(gè)選取任意像素點(diǎn)，并計(jì)算與該像素點(diǎn)相鄰的兩個(gè)像素點(diǎn)的灰度值，當(dāng)所述相鄰的兩個(gè)像素點(diǎn)的灰度值同時(shí)小于或大于上述任意選取的像素點(diǎn)的灰度值時(shí)，該選取的像素點(diǎn)計(jì)為一個(gè)峰；步驟4利用自動(dòng)計(jì)算得到的所述峰的數(shù)量自動(dòng)獲取結(jié)構(gòu)寬度；所述結(jié)構(gòu)寬度的自動(dòng)獲取方法為當(dāng)峰的數(shù)量小于3時(shí)，自動(dòng)將所述結(jié)構(gòu)寬度設(shè)為3；當(dāng)峰的數(shù)量大于3時(shí)，依照以下算式首先計(jì)算所有峰處像素的元素寬度Width(i，k)＝|m-k|，if|Peak(i，m)-f(i，k)|＜ε其中，f(i，k)是距峰處像素Peak(i，m)處最近的像素點(diǎn)，ε是一個(gè)趨近于0的數(shù)字，Width(i，k)即為該峰像素的元素寬度；然后將最大的元素寬度作為所述的結(jié)構(gòu)寬度；步驟5利用所述結(jié)構(gòu)寬度進(jìn)行形態(tài)學(xué)運(yùn)算，獲得模擬被檢食品的無異物X射線圖像；步驟6將步驟5獲得的模擬圖像與步驟2中處理后的圖像進(jìn)行圖像相減運(yùn)算，獲得食品中異物目標(biāo)圖像，完成食品中異物檢測。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于所述的步驟1是采用逐行多次掃描后取平均值的方法獲得被檢食品的降噪聲X射線圖像。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于所述的步驟2依據(jù)以下算式進(jìn)行比度增強(qiáng)處理g(x,y)=Gb-GalnFb-lnFa[lnf(x,y)]+Ga]]>其中g(shù)(x，y)為變換后的灰度；f(x，y)為變換前的灰度值，Gb，Ga分別為變換后的灰度最大值和最小值，F(xiàn)b，F(xiàn)a為變換前灰度最大值和最小值。
4.根據(jù)權(quán)利要求1或2或3所述的方法，其特征在于所述的步驟4中的峰為灰度分布曲線中所呈現(xiàn)的波峰或波谷。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于所述的步驟5的形態(tài)學(xué)運(yùn)算為結(jié)構(gòu)閉運(yùn)算或結(jié)構(gòu)開運(yùn)算；所述結(jié)構(gòu)閉運(yùn)算由數(shù)學(xué)形態(tài)學(xué)先膨脹后腐蝕運(yùn)算得到，膨脹運(yùn)算依式[fgs](x)＝max(f(i-v)，...f(i)，...f(i+v))進(jìn)行；腐蝕運(yùn)算依式[fΘgs](x)＝min(f(i-v)，...f(i)，...f(i+v))進(jìn)行；所述結(jié)構(gòu)開運(yùn)算為[fΘgsg](x)上述各運(yùn)算式中，v是結(jié)構(gòu)寬度，i為運(yùn)算中心像素點(diǎn)的位置。
6.根據(jù)權(quán)利要求1或2或3或5所述的方法，其特征在于所述的步驟6中還增設(shè)有按照事先設(shè)定的閾值對(duì)相減運(yùn)算后獲得的圖像進(jìn)行分割而獲得精確的食品中異物目標(biāo)圖像的步驟。
全文摘要
本發(fā)明涉及一種食品中異物的檢測方法，其包括采集被檢食品的X射線圖像；進(jìn)行對(duì)比度增強(qiáng)處理；計(jì)算行灰度分布曲線中的峰的數(shù)量；獲取結(jié)構(gòu)寬度；獲得模擬被檢食品的無異物X射線圖像；進(jìn)行圖像相減運(yùn)算步驟，獲得食品中異物目標(biāo)圖像。本發(fā)明采用數(shù)學(xué)形態(tài)學(xué)的運(yùn)算來模擬正常食品的圖像，然后再通過圖像減影方式進(jìn)行分割，從而可以快速地識(shí)別食品X射線圖像中的異物目標(biāo)，處理方法簡單，可應(yīng)用于在線檢測。
文檔編號(hào)G06T7/40GK1749740SQ20041007781
公開日2006年3月22日 申請(qǐng)日期2004年9月15日 優(yōu)先權(quán)日2004年9月15日
發(fā)明者韓東海, 溫朝暉 申請(qǐng)人:中國農(nóng)業(yè)大學(xué)