基于計算機視覺的PET瓶回收識別算法

羅美辰 于艷杰 羅 濤 秦順畢 宿 艷

（哈爾濱學院，黑龍江 哈爾濱 150000）

PET瓶是飲料、礦泉水等食用液體外包裝的重要形式，在食品市場有非常廣泛的應用。不同食品企業(yè)為了體現自身產品與其他企業(yè)產品的差異，往往采用不同形狀、不同體積的設計，從而形成形式各異的PET瓶[1]。如果使用完畢后直接丟棄PET瓶，就會污染環(huán)境[2]。因此，如果能夠對PET瓶進行回收，不僅可以避免環(huán)境污染，還可以重復利用聚對苯二甲酸材料，產生相應的經濟價值?？紤]以廢品回收形式的回收PET瓶需要大量的人工并且會增加回收成本，因此設計PET瓶智能回收裝置具有較高的現實意義[3]。智能回收的關鍵在于區(qū)分PET瓶的形狀和體積，從而將其放置到合理的回收容納倉。因為回收過程是在完全無人值守的情況下進行的，所以就需要將這種辨識區(qū)分工作交給計算機。該文在計算機視覺技術的基礎上構建PET瓶智能回收識別算法，并通過試驗對算法進行驗證。

1 基于濾波技術的PET瓶圖像去噪處理

運用計算機視覺技術實現智能回收識別PET瓶的功能主要分為3個步驟：1） 對PET瓶圖像進行去噪處理。2） 對PET瓶圖像進行輪廓提取。3） 根據視覺算法計算出的PET形狀、體積等指標并運用分類算法進行分類。

PET瓶智能回收裝置上的攝像機拍攝PET瓶圖像，但是在自然光條件和常規(guī)背景下，PET瓶圖像會含有大量的噪聲，例如椒鹽噪聲、隨機噪聲和高斯噪聲等。因此，需要采取計算機視覺技術中的濾波算法去除噪聲，主要的濾波算法有均值濾波算法、中值濾波算法以及高斯濾波算法。

均值濾波算法需要采用1個濾波窗口，然后用窗口內所有像素的灰度數值的平均值代替要處理的像素。該方法可以較好地處理隨機噪聲和椒鹽噪聲，如果窗口尺寸選取得不合理，就會導致圖像模糊。因此，均值濾波除了要注意選擇合理的窗口尺寸外，還要配合銳化技術消除模糊效應。

以1個3×3像素的平滑窗口為例，其進行均值處理的模板如圖1所示，其數學處理模型如公式（1）所示。

圖1 均值濾波中的3×3模板

式中：h（m，n）為濾波后的像素灰度；f（m，n）為原始像素灰度。

由圖1可知，（m，n）就是待處理像素，這是一個以（m，n）為中心的3×3模板?？梢愿鶕禐V波的原理計算（m，n）點的像素灰度（中值濾波就是用濾波窗口在圖像平面內選取1個包括待處理像素的濾波區(qū)域，將區(qū)域內的所有像素值都按灰度的大小進行排列，然后用中間值代替待處理像素的灰度值），如公式（2）所示。

在數字圖像的各類噪聲中，大部分噪聲都服從高斯分布，因此濾波處理中出現了專門的高斯濾波技術，這類去噪技術的數學模型如公式（3）所示。

式中：σ為表征高斯噪聲的高斯系數，需要在使用過程中進行明確；x為橫坐標；y為縱坐標。

將該濾波器作用于圖像就可以完成高斯濾波，如公式（4）所示。

1幅帶有椒鹽噪聲、隨機噪聲和高斯噪聲的PET瓶圖像如圖2所示。

圖2 帶有椒鹽噪聲、隨機噪聲和高斯噪聲的PET瓶圖像

采用計算機視覺技術中的3種濾波算法對圖2中的PET瓶圖像進行處理后，得到的去噪圖像如圖3所示。

圖3 計算機視覺技術濾波后的PET瓶圖像

由圖3可知，經過3種濾波處理后，有效去除了PET瓶圖像上的椒鹽噪聲、隨機噪聲和高斯噪聲。

2 基于邊緣檢測技術的PET瓶輪廓提取

在濾波去噪的PET瓶圖像上，為了提取PET瓶的輪廓，需要采用計算機視覺技術中的邊緣檢測算法。常見的有Robert邊緣檢測算法、Sobel邊緣檢測算法以及邊緣檢測算法等。

Robert邊緣檢測算子是典型的梯度檢測算子。梯度算子就是求一階導數的數學模型。以連續(xù)的數學函數f（x，y）為例，它在（x，y）這一點的梯度如公式（5）所示。

式中：f為像素灰度函數；x為像素橫坐標；y為像素縱坐標；Gx為像素水平梯度；Gy為像素垂直梯度。

梯度的方向角度一般都指向f在（x，y）的最大變化處。因此，在求取梯度的過程中，每個像素點都成為偏導數求取的執(zhí)行位置。為了便于實現這種計算，經常采用不同的卷積模版，使用模版可以簡化偏導數的計算過程，因此也產生了不同形式的邊緣檢測方法。

Sobel邊緣檢測方法的基礎也是梯度算子。其實施的過程中融合了濾波去噪處理，而且Sobel模板分別從水平方向和垂直方向執(zhí)行邊緣檢測。也就是說，這個邊緣檢測的梯度算子是分成了2個方向的梯度算子。在這2個算子中，X方向的算子對垂直邊緣的檢測效果更好，Y方向的算子對水平邊緣的檢測效果更好。Sobel模版2個方向的邊緣檢測模板如圖4所示。

圖4 Sobel邊緣檢測算法使用的模板

與基于梯度算子的邊緣檢測方法相比，Canny邊緣檢測方法是一種全新的方法。Canny邊緣檢測方法的依據如下：首先，抑制圖像中的噪聲，以便為邊緣特征的精確定位奠定基礎。其次，構建最優(yōu)定位測度算子，實現對圖像信噪比進行檢測和定位操作的目標。最后，采用拉普拉斯算子，先進行平滑處理，再進行求導數運算，從而提取邊緣。

Canny邊緣檢測的一般執(zhí)行步驟如下：1） 使用高斯濾波器及其對應的模板執(zhí)行卷積操作，消除圖像中的固有噪聲。2） 使用偏導數求取算子來搜索原始圖像中沿X方向和Y方向的2個偏導（Gx，Gy），從而計算各點的梯度數值。3） 在第二步得出的梯度數值的基礎上，進一步求取各個梯度的方向。4） 在第三步計算出的梯度方向的基礎上，對各個梯度進行大致分類，即水平方向、垂直方向、45°方向以及135°方向。經過這一步的處理，所有的梯度方向都可以獲得其隸屬的方向區(qū)域。5） 在整幅圖像中去除偽邊緣特征，也就是那些在梯度方向上灰度差距并不大的邊緣特征。6） 通過2個閾值來判斷真正邊緣特征的位置。2個閾值的大小有差別，當被判斷處的灰度差異大于較大的閾值時，這一點是明確的邊緣特征；當被判斷處的灰度差異小于較小的閾值時，這一點一定不是邊緣特征；當被判斷處的灰度差異介于高、低閾值之間時，還不能明確這一點是否為邊緣特征，需要進一步判斷，即判斷該點像素的鄰域像素中是否存在大于高閾值的點，如果存在，那么該點為邊緣，如果不存在，那么該點不是邊緣。

該文采用Canny邊緣檢測算法對PET瓶圖像進行輪廓提取，根據圖3得到的濾波去噪后的PET瓶圖像執(zhí)行Canny邊緣檢測，得到的PET瓶輪廓如圖5所示。

由圖5可知，經過Canny邊緣檢測算法的處理可以獲得PET瓶清晰、完整的輪廓，并且這種輪廓是單像素的，不存在偽邊緣特征，可以計算PET瓶的體積和形狀，從而進行分類識別。

圖5 計算機視覺技術Canny邊緣檢測后的PET瓶圖像

3 基于Bayes算法的PET瓶分類識別及試驗

在通過計算機視覺技術獲得PET瓶的準確輪廓后，可以根據邊界像素位置計算得到PET瓶的形狀和體積信息。

從實現原理來看，Bayes算法屬于一種歸納推理方法，它根據一定的先驗知識和后驗知識，再結合統計學的原理完成分類推斷。因此，在Bayes算法中，基于先驗知識的先驗分布概率和基于后驗知識的后驗分布概率是非常重要的。先驗概率分布函數是在總體分布基礎上建立的概率分布，因此歷史數據信息的積累和分析對Bayes算法的執(zhí)行、準確的推理和判斷具有重要價值。后驗概率分布函數依賴后引入的數據信息、未知特征的提取和分析，這也是Bayes算法能夠獲得準確分類結果的保障。

基于計算機視覺算法和Bayes分類算法對不同形狀體積的PET瓶進行分類識別試驗，結果見表1。

由表1可知，該分類識別試驗一共選擇了9種（50 mL、100 mL、125 mL、330 mL、500 mL、600 mL、1.0 L、2.0 L以及2.5 L）不同體積形狀的PET瓶，每種PET瓶的數量均為1000個。500 mL、2.5 L PET瓶的識別準確率全部為100%，100 mL PET瓶的識別率最低，但是也達到了99%。這充分表明該文采用的計算機視覺技術和Bayes分類技術的有效性，也為PET瓶的智能回收提供了一種具有實用價值的方法和途徑。

表1 不同形狀體積PET瓶的Bayes分類識別結果

4 結語

作為一種塑料制品，PET瓶在飲料和礦泉水等液體包裝中占有十分重要的地位。但是，不及時回收使用后的PET瓶就會造成環(huán)境污染。為了提高PET瓶的回收和二次重塑使用率，該文提出了一種基于計算機視覺技術的PET瓶回收識別方法。首先，采用計算機視覺技術中的3種濾波技術對PET瓶圖像進行去噪處理。其次，采用Canny邊緣檢測算法獲得PET瓶的準確輪廓。最后，根據Bayes算法對已經計算出體積的PET瓶進行分類識別。