基于图像数据的袋式包装机产品质量检测方法

技术领域

本发明涉及图像数据处理技术领域，具体涉及一种基于图像数据的袋式包装机产品质量检测方法。

背景技术

包装是为产品提供保护及相关信息说明的重要载体，良好的包装是产品质量的基础保障，不仅可以给消费者带来安心，同时也对产品生产者提出了加工要求。在产品生产过程中，由于外界因素的影响以及袋式包装机自身的故障，可能会在产品的包装过程中导致包装产品表面出现缺陷。出现缺陷的包装不仅给消费者带来麻烦，也会对商家造成影响，故需要对包装产品表面进行质量检测。

包装产品表面的对比度能够表现出表面颜色信息的艳丽程度，在质量检测过程中，包装产品表面的对比度把控是一个重要的过程，现有相关技术中，由于包装产品表面的信息丰富，不同内容的区域较多，由于不同区域的对比度影响不同，若对于不同区域均采用同样的对比度计算方法，会导致对比度的获取精度不够高。

发明内容

为了解决现有技术中对于不同区域均采用同样的对比度计算方法，使得对比度的获取精度不够高的技术问题，本发明的目的在于提供一种基于图像数据的袋式包装机产品质量检测方法，所采用的技术方案具体如下：

本发明提供了一种基于图像数据的袋式包装机产品质量检测方法，所述方法包括：

获取袋式包装机包装产品的全景表面灰度图像，所述全景表面灰度图像包括背景区域、初步图形区域和初步文字区域；

获取每个像素点在预设第一尺寸邻域内的初始对比度；

基于初步标准文字尺寸将所述初步图形区域缩放，获得缩放图形区域；根据所述缩放图形区域与具有初步标准文字尺寸的初步文字区域的相似程度对初步图形区域进行筛选，获得第一文字区域；

依次对第一文字区域集合和初步文字区域集合进行融合分析，分别获得第一完整文字区域和第二完整文字区域；

分别在第一完整文字区域集合和第二完整文字区域集合中，针对每个完整文字区域中的每个像素点，根据完整文字区域与其他完整文字区域的形状相似性和其他完整文字区域中对应位置像素点的初始对比度，对每个像素点的初始对比度进行调整，获得每个像素点的最终对比度；以非文字区域内像素点的初始对比度作为最终对比度；

根据每个像素点在预设第二尺寸邻域内邻域像素点的最终对比度获得每个像素点的融合对比度，获得包装产品表面对比图；根据所述包装产品表面对比图对包装产品进行质量检测，获得检测结果。

进一步地，所述初始对比度的获取方法包括：

以每个像素点为中心的预设第一尺寸邻域中，邻域像素点与中心像素点的灰度值差异的平均值作为每个像素点的邻域灰度差异；

将每个像素点的邻域灰度差异与对应像素点的灰度值的比值作为每个像素点的初始对比度。

进一步地，所述初步标准文字尺寸的获取方法包括：

获取所有所述初步文字区域的最小外接矩形，获取所有所述最小外接矩形的长和宽的众数，将所述长和宽的众数作为所述初步标准文字尺寸。

进一步地，所述第一文字区域的获取方法包括：

获得所有所述初步图形区域的最小外接矩形，以所述初步图形区域的最小外接矩形的中心点为中心，根据所述初步标准文字尺寸进行等比缩放，获得缩放图形区域；

利用模板匹配算法获得每个所述缩放图形区域与每个具有初步标准文字尺寸的初步文字区域的相似度；若最大相似度大于预设阈值，则所述缩放图形区域为第一文字区域。

进一步地，所述融合分析的方法包括：

获取文字区域集合中所有文字区域的最小外接矩形，将所有文字区域的最小外接矩形的长和宽的众数作为参考标准文字尺寸；

根据文字区域的尺寸筛选出待融合文字区域和完整文字区域；将相邻两个待融合文字区域进行初步融合，获得初步融合区域；

将所述初步融合区域的尺寸与所属文字区域集合对应的参考标准文字尺寸的尺寸差异进行负相关映射并归一化获得融合尺寸相似度；

将相邻且具有参考标准文字尺寸的文字区域之间的最小距离作为参考距离；获取所述参考距离与所述初步融合区域对应的两个待融合文字区域之间的距离差异，将所述距离差异与对应两个待融合文字区域之间距离的比值作为约束距离；

将所述融合尺寸相似度和约束距离的乘积作为融合必要性，根据所述融合必要性判断对应两个待融合文字区域是否属于同一文字区域；将属于同一文字区域的待融合文字区域融合，获得完整文字区域。

进一步地，所述形状相似性的获取方法包括：

获取每个完整文字区域内每一行像素点的个数以及行像素平均灰度值，以两两之间完整文字区域内对应行像素点个数的差异与行像素平均灰度值差异的乘积，作为行信息差异；将完整文字区域内每行所述行信息差异的总和进行负相关映射并归一化作为所述形状相似性。

进一步地，所述完整文字区域内每个像素点的所述最终对比度的获取方法包括：

每个完整文字区域内每个像素点的最终对比度的获取方法为：

其中，

进一步地，所述融合对比度的获取方法包括：

将每个像素点在预设第二尺寸邻域内的邻域像素点的最终对比度的平均值作为所述每个像素点的融合对比度。

进一步地，所述检测结果的获取方法包括：

根据所述每个像素点的融合对比度获得包装产品表面对比图；利用索贝尔算子获得包装产品表面梯度图；利用LBP算法获得包装产品表面纹理特征图；

基于四元数傅里叶变换相位谱模型PQRT，根据所述包装产品表面对比图、包装产品表面梯度图、包装产品表面纹理特征图获得包装产品表面融合显著图；利用神经网络对所述包装产品表面融合显著图进行分析获得包装产品表面的缺陷区域，根据所述缺陷区域对包装产品进行质量检测，获得检测结果。

进一步地，所述背景区域、初步图形区域和初步文字区域的分割方法包括：

利用canny算子对所述全景表面灰度图像进行检测，获取所述全景表面灰度图像中相邻边缘像素点组成的封闭区域，封闭区域之外的区域为背景区域；

利用K-means聚类算法对所述封闭区域的面积进行K为2的聚类分析，距离度量为面积差异，获得两个类别；封闭区域平均面积最大的类别内的所述封闭区域为初步图形区域，封闭区域平均面积最小的类别内所述封闭区域为初步文字区域。

本发明具有如下有益效果：

本发明首先对包装产品全景表面灰度图像进行初步分割，分割的目的是为了初步划分出不同的区域。进一步地，对初步图形区域进行进一步划分并筛选出第一文字区域，对初步图形区域进行进一步的划分可以避免将较大的文字误判为图形区域，从而实现区域的精确分割。通过融合分析获得完整文字区域；通过对完整文字区域的分割与识别，使得后续对比度分析过程能够根据不同内容的区域进行针对性的分析，可以获得更加准确的对比度。在对比度分析过程中，形状相似性表示了完整文字区域之间的相似程度，所以基于其他完整文字区域对应位置的对比度和对应的形状相似性，获得完整文字区域内每个像素点的最终对比度能够使得对应像素点的最终对比度更具参考性，更能准确地表示出对应位置下的对比度信息。进而通过融合对比度的获取，进一步调整了每个像素点的最终对比度，使得由融合对比度获得的对比图中的对比度信息更具参考性，保证了包装产品质量检测过程的准确性。本发明通过对包装产品全景表面图像进行更加精确的划分，并且对不同区域进行针对性的对比度的获取，在对比度获取过程中参考了初始对比度以及形状相似性等多种因素，可以使获得的对比图更加精确，从而获得更加准确的检测结果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例所提供的一种基于图像数据的袋式包装机产品质量检测方法流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于图像数据的袋式包装机产品质量检测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种基于图像数据的袋式包装机产品质量检测方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种基于图像数据的袋式包装机产品质量检测方法的方法流程图，该方法包括：

步骤S1：获取袋式包装机包装产品的全景表面灰度图像，全景表面灰度图像包括背景区域、初步图形区域和初步文字区域。

本发明需要对袋式包装机包装产品的质量进行检测，故需先获取袋式包装机包装产品的全景表面图像数据，在本发明实施例中，使用工业相机，采用固定光源的形式采集包装产品所有视角的图像，将所有视角的图像采用图像拼接技术拼接到一张图像上，获得包装产品的全景表面图像，用于后续处理。在本发明实施例中，为了方便后续的图像处理，获取采集到的包装产品全景表面图像后，需要对全景表面图像进行灰度化处理。本发明一个实施例中通过加权灰度化的方法对全景表面图像进行灰度化处理，得到全景表面灰度图像U。需要说明的是，具体图像采集装置的部署以及相机的视角范围等参数设置，实施者可根据具体实际情况进行调整，在此不作限定；图像拼接技术以及加权灰度化的方法为本领域技术人员熟知的技术手段，在此不作赘述。

进一步地，根据先验知识可知，包装产品表面信息较为复杂，表面信息通常分为背景信息、图形信息与文字信息三大类，故在本发明实施例中，需要对全景表面灰度图像U进行分割，将图像分割为不同区域；分割的目的在于可以初步划分出不同的区域，方便后续进一步的分析。

优选地，本发明一个实施例中对全景表面灰度图像U进行分割的方法为：

使用canny算子对全景表面灰度图像U进行检测，获取全景表面灰度图像U中的边缘像素点，则相邻的边缘像素点所组成的封闭区域即为包括图形文字的区域，封闭区域之外且位于全景表面灰度图像U内的区域即为背景区域。由于封闭区域包含图形区域与文字区域两部分，并且对于图形区域而言，包装袋表面的图形往往数量较少且较大，故本发明实施例中利用K-means聚类算法对封闭区域的面积进行聚类，设置K为2，距离度量为面积差异，将封闭区域分成两个类别，其中类别内封闭区域的平均面积较大的为初步图形区域，类别内封闭区域的平均面积较小的为初步文字区域。需要说明的是，canny算子与K-means聚类算法均为本领域技术人员熟知的技术手段，在此不作赘述。

至此，获得了全景表面灰度图像U分割后的背景区域、初步图形区域与初步文字区域。

步骤S2：获取每个像素点在预设第一尺寸邻域内的初始对比度。

对于背景区域与图形区域而言，背景信息与图形信息往往具有一定的特殊含义并且存在相应的纹理特征，并且颜色信息比较丰富，所以可以通过区域内像素点灰度值的差异来完成像素点初始对比度的构建；对于文字区域而言，文字区域出现缺陷往往是文字的形状发生变化，并且文字区域内的像素点的灰度值变化不明显，若仅通过像素点灰度值的差异来构建对比度，获得的对比度可参考性较小且效果较差，故可通过像素点灰度值的差异构建的初始对比度为后续构建该区域内像素点的最终对比度提供参考，所以，需要获取所有区域内每个像素点的初始对比度。

优选地，本发明一个实施例中，每个像素点的初始对比度的构建方法包括：

对所有区域内的像素点进行分析，以每个像素点为中心，获取在预设第一尺寸邻域内邻域像素点与中心像素点的灰度值差异的平均值，将该平均值作为每个中心像素点的邻域灰度差异，求平均值的目的在于使获得的邻域灰度差异更加明显；将获得的中心像素点的邻域灰度差异与每个中心像素点的灰度值的比值作为每个中心像素点的初始对比度，邻域灰度差异越大，则获得的初始对比度越大。需要说明的是，本发明实施例中预设第一尺寸邻域的大小为3*3，具体大小可根据具体实施场景进行调整，在此不作限定。在本发明实施例中，初始对比度的表达式为：

其中，

至此，获得了所有区域中每个像素点的初始对比度。

步骤S3：基于初步标准文字尺寸将初步图形区域缩放，获得缩放图形区域；根据缩放图形区域与具有初步标准文字尺寸的初步文字区域的相似程度对初步图形区域进行筛选，获得第一文字区域。

对于初步图形区域而言，如果仅凭面积进行分割，可能会将较大的文字误判为图形区域，所以为了提高区域分割的精确性，需要对初步图形区域进行进一步的划分；首先需要根据初步文字区域获取初步标准文字尺寸，获取初步标准文字尺寸的原因是包装产品上的文字往往为同一字体，所以每个初步文字区域的最小外接矩形的大小应一致，获取初步标准文字尺寸可以更具有代表性。

优选地，本发明一个实施例中初步标准文字尺寸的获取方法为：

首先获得所有初步文字区域的最小外接矩形，将所有初步文字区域的最小外接矩形的长和宽的众数作为初步标准文字尺寸，即初步标准文字尺寸同时包含了长度信息和宽度信息；取众数的原因是众数代表了一组数据的整体趋向性，更具代表性。在本发明另一个实施例中，也可获得最小外接椭圆，通过统计椭圆的长轴众数和短轴众数获得初步标准文字尺寸，在本发明其他实施例中也可选用其他外接形状进行标准尺寸分析，在此不做限定及赘述。

进一步地，基于初步标准文字尺寸的大小将初步图形区域进行等比缩放，获得缩放图形区域。经过缩放后，缩放图形区域的尺寸为初步标准文字尺寸大小，为后续相似度的获取做准备；然后根据缩放图形区域与具有初步标准文字尺寸的初步文字区域的相似度来对初步图形区域进行筛选，获得第一文字区域。

优选地，本发明一个实施例中第一文字区域的获取方法为：

获取所有初步图形区域的最小外接矩形，以初步图形区域的最小外接矩形的中心点为中心根据初步标准文字尺寸的大小进行等比缩放，获得缩放图形区域；将初步图形区域缩放为初步标准文字尺寸大小，目的在于为后续相似度的获取做准备。

利用模板匹配算法对每个缩放图形区域与所有具有初步标准文字尺寸的初步文字区域进行相似度获取，为了提高分割的准确性，获得所有相似度中的最大相似度XS，将最大相似度XS进行归一化处理后的结果与预设阈值进行比较，若大于预设阈值，则该缩放图形区域为第一文字区域，若小于等于预设阈值，则该缩放图形区域为图形区域。需要说明的是，模板匹配算法与归一化的操作为本领域技术人员熟知的技术手段，在此不作赘述。本发明实施例中的预设阈值大小为0.8，具体大小可根据具体实施场景进行调整，在此不作限定。

至此，将初步图形区域中的文字区域分割出来并记为第一文字区域。

步骤S4：依次对第一文字区域集合和初步文字区域集合进行融合分析，分别获得第一完整文字区域和第二完整文字区域。

由于理想的文字区域应该为每一个文字区域表征了一个文字，在实际检测中，若字的不同部位笔画相连时，如“电”、“集”、“团”等字，经过canny算子检测，会得到一个文字区域，但是若字的不同部位笔画不相连时，如“品”、“二”、“元”等字，经过canny算子检测，可能会获得多个文字区域，所以需要对文字区域进行融合分析。融合分析的过程是为了获得完整的文字区域，对完整的文字区域内的像素点进行对比度的构建可以更加精确的反映出文字区域出现缺陷的可能性；由于步骤S1和步骤S3依次获得了初步文字区域与第一文字区域，且第一文字区域的文字尺寸与初步文字区域的文字尺寸相差较大，所以应该对第一文字区域集合和初步文字区域集合依次进行融合分析。

优选地，本发明一个实施例中融合分析的过程包括：

首先分别获得两个文字区域集合中所有文字区域的最小外接矩形，将文字区域的最小外接矩形的长和宽的众数作为参考标准文字尺寸；众数代表了一组数据的整体趋向性，更具代表性；至此分别获得了第一文字区域集合和初步文字区域集合的参考标准文字尺寸。

将第一文字区域集合和初步文字区域集合中的任意一个文字区域的最小外接矩形与所属集合对应的参考标准文字尺寸进行对比，若文字区域的最小外接矩形的长大于等于所属集合对应的参考标准文字尺寸的长并且宽也大于等于所属集合对应的参考标准文字尺寸的宽，说明该文字区域是完整文字区域，不需要进行融合；若文字区域的最小外接矩形的长小于所属集合对应的参考标准文字尺寸的长或宽小于所属集合对应的参考标准文字尺寸的宽，以第一文字区域集合中的文字区域A为例，则说明文字区域A属于某个文字区域的一部分，是待融合文字区域。由于一个完整的文字各个部分之间的空隙较小，距离较近，所以可以获取与文字区域A相邻的待融合文字区域，假设为文字区域B，将文字区域A与文字区域B进行初步融合，获取初步融合后的文字区域的最小外接矩形与参考标准文字尺寸的尺寸差异，该尺寸差异越小，则说明初步融合后的文字区域的最小外接矩形与参考标准文字尺寸越接近，则文字区域A与文字区域B越可能属于同一文字区域；对该尺寸差异进行负相关映射并归一化获得融合尺寸相似度，尺寸差异越小，融合尺寸相似度越大，说明融合后的文字区域的最小外接矩形与对应的参考标准文字尺寸的差异越小，两个待融合文字区域越有可能属于同一文字区域，则融合的必要性就越大。在本发明实施例中，融合尺寸相似度的表达式为：

其中，

由于两个待融合的文字区域本该属于同一个文字区域，故两个待融合的文字区域之间的距离应该与相邻两个具有参考标准文字尺寸的文字区域之间的距离具有明显差异，所以获取两个待融合的文字区域之间的距离，若两个待融合的文字区域之间的距离越小，说明这两个待融合的文字区域越可能属于同一个文字区域，则融合的必要性就越大；统计所有相邻的具有参考标准文字尺寸的初步文字区域之间的距离作为初始参考距离，以最小初始参考距离作为参考距离，选用最小初始参考距离作为参考距离是为后续获取约束距离做准备；获取参考距离与两个待融合的文字区域之间距离的差异，将该差异与两个待融合的文字区域之间距离的比值作为约束距离，约束距离的作用是通过距离对待融合的两个文字区域进行约束，防止较远的待融合文字区域进行融合。需要说明的是，距离的计算方法为本领域技术人员熟知的技术手段，在此不作赘述。

将融合尺寸相似度与约束距离相乘，获得的结果即为融合必要性，当融合必要性越大，则说明两个待融合文字区域越可能属于同一文字区域的不同部位，就越需要进行融合；当融合必要性越小，则说明两个待融合文字区域不属于同一文字区域，不需要进行融合。融合必要性的表达式为：

其中，

在融合必要性的表达式中，当融合尺寸相似度V越大时，说明两个待融合文字区域初步融合后的区域的最小外接矩形越接近对应的参考标准文字尺寸，就越可能属于同一文字区域，则融合必要性

将获取到的两个待融合的文字区域的融合必要性

当融合后的文字区域的最小外接矩形的尺寸不小于对应的参考标准文字尺寸时，说明此时已经获得了一个完整的文字区域，否则继续通过步骤S4进行融合，获得第一文字区域集合对应的第一完整文字区域。对初步文字区域集合根据对应的参考标准文字尺寸进行同样的融合分析，获得第二完整文字区域。

以“品”字为例，由于使用canny算子进行检测时，“品”字会被分割为三个部分，上方的“口”记为部分一、左下的“口”记为部分二、右下的“口”记为部分三，无论“品”字出现在第一文字区域集合中还是初步文字区域集合中，三个部分的尺寸都应小于所属集合对应的参考标准文字尺寸，故说明此时需要进行融合分析；假设部分一和部分二首先进行初步融合，此时初步融合后的文字区域的最小外接矩形与所属集合对应的参考标准文字尺寸的尺寸差异应该较小，故对尺寸差异进行负相关映射并归一化后获得的融合尺寸相似度会越大，说明部分一和部分二属于同一文字区域的可能性就越大；然后获取部分一和部分二所属集合对应的相邻且具有参考标准文字尺寸的文字区域之间的最小距离作为参考距离，参考距离为后续获取约束距离做准备，获取参考距离与部分一和部分二之间的距离的差异，将该差异与部分一与部分二之间距离的比值作为约束距离，由于部分一和部分二本就属于同一文字区域，故部分一和部分二之间的距离会较小，则约束距离的值会较大，故约束距离产生的约束效果会更好。将融合尺寸相似度与约束距离相乘获得融合必要性，则融合尺寸相似度越大，融合必要性就越大；部分一与部分二之间的距离越小，则约束距离就越大，融合必要性就越大；故部分一与部分二属于同一文字区域的可能性就越大；将获得的融合必要性与预设判断阈值进行比较，若大于等于预设判断阈值，就进行融合；此时部分一与部分二融合后的文字区域对应的尺寸应该仍小于部分一和部分二所属集合对应的参考标准文字尺寸，故需要继续进行上述分析，直至三个部分完成融合，此时的文字区域应不小于三个部分所属集合对应的参考标准文字尺寸，说明此时获得了一个完整的文字区域。

至此，获得第一文字区域集合对应的第一完整文字区域和初步文字区域集合对应的第二完整文字区域。

步骤S5：分别在第一完整文字区域集合和第二完整文字区域集合中，针对每个完整文字区域中的每个像素点，根据完整文字区域与其他完整文字区域的形状相似性和其他完整文字区域中对应位置像素点的初始对比度，对每个像素点的初始对比度进行调整，获得每个像素点的最终对比度；以非文字区域内像素点的初始对比度作为最终对比度。

因为文字区域的颜色信息较为规则，相同文字对应的不同区域之间的对比信息应当是一致的，所以可结合其他完整文字区域中相同位置下的初始对比度对一个完整文字区域中某个位置的初始对比度进行调整，在调整过程中需要考虑到两个完整文字区域之间的形状相似性，即形状相似性越大说明其他完整文字区域中的信息参考性越强。

由于字体的某些笔画的形状具有相似性且字体的规格大小基本一致，所以可以根据各个完整文字区域之间像素点的灰度值差异来获取完整文字区域之间的形状相似性，形状相似性表示了每两个完整文字区域之间的相似程度，基于形状相似性完成完整文字区域内像素点的对比度的构建，可以提高对比度的获取精度。

优选地，本发明一个实施例中形状相似性的获取方法包括：

获取每个完整文字区域内每一行像素点的个数以及行像素平均灰度值，以两两之间完整文字区域内对应行像素点个数的差异与行像素平均灰度值差异的乘积，作为行信息差异；将完整文字区域内每行行信息差异的总和进行负相关映射并归一化作为形状相似性。本发明实施例中形状相似性的表达式为：

其中，两完整文字区域以A区域和L区域为例，

进一步地，基于每个完整文字区域与其他完整文字区域的形状相似性和其他完整文字区域中对应位置的像素点的初始对比度，对每个像素点的初始对比度进行调整，可以获得每个完整文字区域内每个像素点的最终对比度，若两个完整文字区域的差异越大，则说明调整过程中对应其他完整文字区域内的对比度信息参考性越小。

优选地，本发明一个实施例中最终对比度的获取方法为：

每个完整文字区域内每个像素点的最终对比度的获取方法为：

其中，以像素点

在每个完整文字区域内每个像素点的最终对比度的获取公式中，以每个像素点所在的完整文字区域与其他完整文字区域的形状相似性作为初始对比度的权重，通过该权重对初始对比度进行调整，同时将每个像素点所在完整文字区域与对应的参考标准文字尺寸的融合尺寸相似度作为置信度调整最后结果，获得最终对比度，使获得的最终对比度更加精确、更能够准确表示出对应位置下的对比度信息，进而更具参考价值。由于非文字区域内的颜色信息往往较为复杂，根据步骤S2由像素点灰度值差异获得的初始对比度已经具有代表性，故可以将非文字区域内像素点的初始对比度作为最终对比度。

分别在第一完整文字区域集合和第二完整文字区域集合中，根据步骤S5获取每个像素点的最终对比度。

至此，获得了所有像素点的最终对比度。

步骤S6：根据每个像素点在预设第二尺寸邻域内邻域像素点的最终对比度获得每个像素点的融合对比度，获得包装产品表面对比图；根据包装产品表面对比图对包装产品进行质量检测，获得检测结果。

根据步骤S5获得了所有像素点的最终对比度，但是由于一个缺陷区域往往可能分布在多个不同区域内，比如缺陷区域的一部分位于文字区域，一部分位于图形区域，并且本发明中不同的区域有不同的对比度获取方法，所以隶属于同一缺陷区域内的像素点由于所处区域的不同，会导致区域内像素点的最终对比度相差过大，进而对后续进行质量检测时，造成干扰，所以本发明实施例中将每个像素点在预设第二尺寸邻域内邻域像素点的最终对比度进行融合，获得每个像素点的融合对比度。

优选地，本发明一个实施例中每个像素点的融合对比度的获取方法包括：

以每个像素点为中心，获取每个像素点在预设第二尺寸邻域内的邻域像素点的最终对比度的平均值作为每个中心像素点的融合对比度，取平均值的目的在于减少因不同区域之间像素点的最终对比度相差过大带来的干扰。需要说明的是，本发明实施例中预设第二尺寸邻域的大小为5*5，具体大小可根据具体实施场景进行调整，在此不作限定。在本发明实施例中，融合对比度的表达式为：

其中，

至此，可以根据每个像素点的融合对比度获得袋式包装机包装产品的表面对比图DBU，进一步可以根据表面对比图DBU对包装产品进行质量检测，但是为了在质量检测过程中获得更加准确的结果，可以考虑将更多的图像信息进行融合再进行质量检测。

优选地，本发明一个实施例中质量检测的方法包括：

利用索贝尔算子获得袋式包装机包装产品的表面梯度图

其中，

获得超复数四元数矩阵

将获得的包装产品表面融合显著图作为已训练好的神经网络的输入，神经网络模型为U-Net，损失函数为交叉熵函数，神经网络的输出为包装产品表面图像的缺陷区域；获取包装产品表面图像的缺陷区域的总面积S，设存在一个比较阈值

综上所述，本发明实施例通过canny算子和K-means聚类算法将包装产品的全景表面灰度图像进行初步分割，得到背景区域、初步图形区域和初步文字区域；进一步地，将以每个像素点为中心，在3*3邻域内的邻域灰度差异与中心像素点的比值作为每个像素点的初始对比度；进一步地，为了将区域进行精确的划分，避免较大的文字被识别为图形，所以基于初步标准文字尺寸，以所有初步图形区域的最小外接矩形的中心点为中心进行等比缩放，获得缩放图形区域，利用模板匹配算法将缩放图形区域与所有具有初步标准文字尺寸的初步文字区域进行相似度匹配，获得最大相似度，通过将最大相似度归一化后的值与预设阈值进行比较获得第一文字区域；进一步地，依次对第一文字区域和初步文字区域进行融合分析，依次获得第一完整文字区域和第二完整文字区域；进一步地，分别在第一完整文字区域集合和第二完整文字区域集合中，针对每个像素点，根据完整文字区域之间的形状相似性以及对应位置像素点的初始对比度对每个像素点的初始对比度进行调整，获得完整文字区域内每个像素点的最终对比度，非文字区域内像素点的初始对比度即为最终对比度；进一步地，根据以每个像素点为中心，在5*5邻域内邻域像素点的最终对比度的平均值作为每个中心像素点的融合对比度；进一步地，根据融合对比度获得对比图，根据对比图对包装产品进行质量检测。本发明根据图像数据处理技术，实现对区域的精确分割以及参考多个因素来完成对比度的构建，可以获得更加准确的对比图，提高了包装产品质量检测的准确性。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。