液态食品中异物在线视觉检测方法及关键技术研究

The problem of food security is the focus problem of major basic livelihood and society. However, at present, food appear foreign particles reports are emerging. All the food production enterprises in the product of foreign body detection depend entirely on the artificial eye observation to complete. It can’t meet the specification for the production of quality food and modern automated production demand. This project is based on the background of food safety and researches food foreign matter in visual detection system. This project put forward the Orthonormal Multi spectral and method for obtaining a variety of image vessel wall foreign body imaging method based on Industrial endoscope. Focus on the research of image registration based on phase correlation and Harris corner amount of resampling differential adaptive curvature of the total variation of residual image noise suppression preprocessing method. The key breakthrough foreign body image region Fisher evaluation of pyramid hierarchical model extraction method based on function. And the application of research results to validate the actual production line. The theory and method of the project will effectively solve the bottleneck problem obtained foreign body visual inspection in the liquid food. Greatly improve the detection accuracy and speed, to ensure food quality and safety.

食品安全问题是重大基本民生问题和社会关注的焦点问题。然而目前，食品中出现各种异物的报道层出不穷，各大食品生产企业对产品中的异物检测完全依靠人工肉眼观察来完成，无法满足食品生产质量规范和现代自动化生产的需求。本项目以食品安全背景，研究液态食品中异物视觉检测方法，提出基于正交多光谱成像法和基于工业内窥镜的容器内壁异物成像法等多种图像获取方法，重点研究基于Harris角点量的相位相关和重采样的图像配准方法、基于差分曲率的自适应全变分残差图像噪声抑制等图像预处理方法，重点突破基于金字塔分层模型的Fisher评价函数法的异物图像区域提取，基于在线序列极限学习机的异物目标识别算法等，构建高速液态食品自动化生产线上产品中异物实时视觉检测方法体系，并将研究成果应用于实际生产线上进行验证。项目所取得的理论成果与方法将有效解决液态食品中异物视觉检测的瓶颈难题，大幅提升检测的精度和速度，保障食品质量安全。

食品安全问题是重大基本民生问题和社会关注的焦点问题，然而食品中出现各种异物的报道层出不穷，各大食品生产企业对产品中的异物检测主要依靠人工肉眼观察来完成，同时自动化生产线的速度逐年提高，现有常规检验方法已经无法满足食品生产质量规范和现代自动化生产的需求。本项目以食品安全背景，研究了液态食品中异物视觉在线检测方法，首先，研究了系列异物图像获取方法，创造性的提出了基于正交多光谱成像法的容器内部附着异物检测方法、基于工业内窥镜成像法的不透明容器内壁全方位检测方法和基于“翻转-跟踪拍摄-快速返回”的序列图像获取方法，研究了图像检测区域标定与定位、噪声抑制等预处理方法，包括基于Harris角点量的相位相关和重采样亚像素级图像配准、基于差分曲率的自适应全变分残差图像噪声抑制方法等，研究了高速高精度异物图像检测与识别算法，包括基于金字塔分层模型的Fisher评价函数法的异物图像区域提取算法、基于快速型Mean Shift和Kalman滤波的运动目标跟踪算法等方法，实现了异物的检测与识别，构建高速液态食品自动化生产线上产品中异物实时视觉检测方法体系，项目最后把研究成果应用于实际生产线，并进行了大量的实际产品验证。项目所取得的理论成果与方法将有效解决液态食品中异物视觉检测的瓶颈难题，大幅提升检测的精度和速度，保障食品质量安全。.项目以液态食品安全为切入点，紧密围绕食品自动检测装备自主创新的迫切要求，针对液态食品自动化生产线高速度和高精度检测的特殊要求，重点突破液态食品中异物视觉实时检测的理论方法和关键技术难题，解决液态食品精密制造装备自主研制中的关键科学问题，提高食品检测的速度和精度，保证食品安全。项目研究内容设计机器视觉、数字图像处理、光学成像、机械设计与传动控制、模式识别、认知学与人工智能等多个学科专业领域，属于多学科交叉应用基础研究项目。项目强调自主创新，研究成果打破国外技术垄断，下一届阶段将推广应用于食品自动化生产线上，提高我国食品生产线的自动化和智能化水平。