CN119417823A 基于机器视觉的袋装肉内异物检测方法及系统 （西安阳云食品科技有限公司）

基于机器视觉的袋装肉内异物检测方法及一种基于机器视觉的袋装肉内异物检测方法及预设划分方法将第一平均图像划分为多个尺寸发明的方法可以有效提高袋装肉内异物检测的2获取历史时刻检测到的异物的纹理图以及多张历史袋装肉纹理图确定第一平均图像的各个区域与放大后的异物的纹理图之间域的相似度构建各个区域对应的损失函数，利用损失函数对所述异物检测模型进行训练；;获取多张合格品袋装肉的纹理图的第二平均图像，按照所述预获取放大后的所述异物的纹理图的第一傅里叶频谱图、所述第二傅里叶频谱图以及所述第二平均图像对应区域的计算所述第三傅里叶频谱图与所述第一傅里叶频谱图之获取第一傅里叶频谱图的高频区域的频率均值、频率方差和频率极;3获取第二傅里叶频谱图的高频区域的频率均值、频率方差和频率极;对第一傅里叶频谱图进行频谱移位将原点移到图像中心，并将距原点半径高频特征差异与所述第二高频特征差异之间的;式中，pk表示所述第一高频特征差异与所述第二高频特征差异之间的相似性，表示所述第一高频特征差异向量和所述第二高频特征差异向量之间的高频特征差异与所述第二高频特征差异之间的;示以自然常数e为底数的指数函数，表示所述第一高频特征差异向9.如权利要求1~8任意一项所述的基于机器视觉的袋装肉内异物检测方法，其特征在4要求1~9任意一项所述的基于机器视觉的袋装肉5中公开了一种基于X射线的人工智能异物检测方法，其利用X光机获取被检测物品的X射线透射图像并结合区域生长算法对异物进行检测，但是该方法难以识别密度差异较小的异获取历史时刻检测到的异物的纹理图以及多张历史袋装肉纹理图的第一平均图;6异物的纹理图之间的相似度来计算模型输入和输出之间的损失，在历史袋装肉纹理图第度pk成反比，在历史袋装肉纹理图第k个区域的真实标签为袋装肉内不存在异物的情况熵损失函数，损失函数在训练过程中能够更有效地捕捉到袋装肉图像中微小的异物特征。该区域的第二傅里叶频谱图以及所述第二平均图像对应区域的第三计算所述第三傅里叶频谱图与所述第一傅里叶频谱图之间的第一高频特征差异，[0009]本发明在获取第一平均图像的第k个区域与异物的纹理图之间的相似度时，不是直接将第一平均图像的第k个区域与异物的纹理图对比，而是引入了多张合格品袋装肉的;[0011]本发明利用第一高频特征差异向量来表征第三傅里叶频谱图的高频特征与第一7;[0013]本发明利用第二高频特征差异向量来表征第三傅里叶频谱图的高频特征与第二;式中，pk表示所述第一高频特征差异与所述第二高频特征差异之间的相似性，表示所述第一高频特征差异向量和所述第二高频特征差异向量之间的[0016]本发明利用第一高频特征差异向量与所述第二高频特征差异向量之间的余弦相8;()表示以自然常数e为底数的指数函数，表示所述第一高频特[0018]本发明中是通过第一高频特征差异向量和所述第二高频特征差异向量之间的欧[0021]优选地，按照预设划分方法将所述第一平均图像划分为多个尺寸相同的区域包张合格品袋装肉的纹理图像划分为多个尺寸相同器执行时实现本发明的基于机器视觉的袋装肉内异[0024]通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目图1是示意性示出根据本发明的实施例的基于机器视觉的袋装肉内异物检测方法图4是示意性示出根据本发明的实施例的基于机器视觉的袋装肉内异物检测系统9明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，;纹理图第个区域的真实标签为袋装肉内存在异物的情况下，令该区域内的损失函数惩罚异物的纹理图之间的相似度来计算模型输入和输出之间的损失，在历史袋装肉纹理图第度pk成反比，在历史袋装肉纹理图第k个区域的真实标签为袋装肉内不存在异物的情况熵损失函数，损失函数在训练过程中能够更有效地捕捉到袋装肉图像中微小的异物特征。将其划分为多个尺寸相同的区域；获取放大后的所述异物的纹理图的第一傅里叶频谱图、所述第一平均图像的该区域的第二傅里叶频谱图以及所述第二平均图像对应区域的第三对纹理图进行傅里叶变换即可获取对应的傅里算所述第一高频特征差异与所述第二高频特征差异之间的相似性，并将其作为所述相似[0037]第三傅里叶频谱图与所述第一傅里叶频谱图之间的第一高频特征差异是指第三频谱图与第二傅里叶频谱图之间的第二高频特征差异是指第三傅里叶频谱图的高频特征[0038]本实施例在获取第一平均图像的第k个区域与异物的纹理图之间的相似度时，不是直接将第一平均图像的第k个区域与异物的纹理图对比，而是引入了多张合格品袋装肉的相似度，从而使得第一平均图像的第k个区域与异物的纹理图之间的相似度计算更加准;[0040]本实施例利用第一高频特征差异向量来表征第三傅里叶频谱图的高频特征与第加准确地计算出第三傅里叶频谱图的高频特征与第一傅里叶频谱图的高频特征之间的差确定第二傅里叶频谱图和第三傅里叶频谱图的高频区;[0042]本实施例利用第二高频特征差异向量来表征第三傅里叶频谱图的高频特征与第加准确地计算出第三傅里叶频谱图的高频特征与第二傅里叶频谱图的高频特征之间的差;式中，pk表示所述第一高频特征差异与所述第二高频特征差异之间的相似性，表示所述第一高频特征差异向量和所述第二高频特征差异向量之间的余弦相似度。[0045]本实施例是依据第一高频特征差异向量与所述第二高频特征差异向量之间的余[0046]利用第一高频特征差异向量与所述第二高频特征差异向量之间的余弦相似度来一高频特征差异与所述第二高频特征差异之;[0048]本实施例中是通过第一高频特征差异向量和所述第二高频特征差异向量之间的[0051]S403、利用Gabor滤波器对所述异物灰度图进行卷积，从而得到所述异物的纹理[0053]本实施例在获取异物的纹理图时，首先对采集的异物的[0056]所述基于机器视觉的袋装肉内异物检测系统还包括通信总线和通信接口等本领任何适当的磁存储介质或者磁光存储介质，比如，阻变式存储器RRAM（ResistiveRandom存取存储器SRAM（StaticRandom_AccessMemory）、增强动态随机存取存储器EDRAM用程序、模块或两者访问的任何其他介质。任何这样的计算机存储介质可以是设备的一部