CN121113402A - 一种密封检测方法、装置及系统 - Google Patents

Abstract

本发明涉及密封检测设备技术领域，尤其涉及一种密封检测方法、装置及系统，本发明中，检测物在第一检测工位和第二检测工位分别由检测相机对目标点位下的检测物的顶面、底面进行分别拍摄，在拍摄后，对拍摄图像进行内包装区域提取和外包装轮廓提取，通过内包装袋边缘与所述外包装轮廓之间的距离是否大于指定像素判断外包装是否密封，在确认外包装密封后，通过对内包装袋进行密封线拟合的方式判断内包装的密封性，在确认内、外包装均密封良好时，再次提取外包装密封线以判断外包装密封线的倾斜角度，基于上述多次检测后，最终得到密封检测的结果，整个过程中，无需人为参与，检测效率高，且检测更为准确。

Description

一种密封检测方法、装置及系统

技术领域

本发明密封检测设备技术领域，尤其是涉及一种密封检测方法、装置及系统。

背景技术

在如医用耗材等医疗器械生产的完后，需要进行两层包装，第一层为内包装袋，使用的是浅蓝色的医用纸塑袋，第二层则是透明的聚氯乙烯塑料包装袋。

密封包装的要求中，第一层的密封不可以出现未密封成功的情况，而第二层包装袋不可以出现未密封及密封歪斜的情况，否则会导致密封失效，医用耗材等生产的医疗器械被污染的情况，引发医疗事故。

现有技术中，多为人工观察的方式对的医用耗材等医疗期限的包装的密封进行检查，成本较高，检查效率较低，长时间检查时易因疲劳而导致出现漏查、判断失误的情况。

发明内容

有鉴于此，本发明的目的在于提供一种密封检测方法，以缓解现有技术中人工观察的成本较高，检查效率较低，易出现漏查、判断失误的情况。

第一方面，本申请提供了一种密封检测方法，应用于密封检测系统中的控制单元，所述系统还包括：

检测机构，包括光源和检测相机，光源包括面光源和拱形隧道光源，面光源的发光端朝向检测物，拱形隧道光源设于检测物的远离面光源的一侧，检测相机设于拱形隧道光源的远离检测物的一侧且检测端朝向检测物，检测机构有两个并形成有第一检测工位和第二检测工位，以分别用于检测检测物的两面。

该方法包括：

获取目标点位下的拍摄图像；

对拍摄图像进行内包装区域提取和外包装轮廓提取；

判断内包装袋边缘与外包装轮廓之间的距离是否大于指定像素；

若是，对内包装袋进行密封线拟合得到密封线拟合结果，同时，提取外包装密封线，确定外包装密封线相对于外包装边缘的倾斜角度；

基于密封线拟合结果、外包装密封线及外包装密封线倾斜角度，得到密封检测结果。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，基于内包装袋密封线拟合结果、外包装密封线及外包装密封线倾斜角度，得到密封检测结果的步骤，包括：

若内包装袋密封线拟合结果、外包装密封线及倾斜角度均满足预设要求，确定密封检测结果为密封良好。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，对内包装袋进行密封线拟合得到密封线拟合结果的步骤，包括：

对拍摄图像进行边缘线提取后，针对每个边缘线，向内平移指定像素，得到基准线。

针对每个基准线，采用边缘找点的算子进行密封线查找，得到若干点。

判断以指定算法对若干点进行线性拟合后是否能得到拟合密封线。

若是，确定密封线拟合结果为合格。

若否，确定密封线拟合结果为异常。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，指定算法为改进的最小二乘法；判断以指定算法对若干点进行线性拟合后是否能得到拟合密封线的步骤，包括：

随机从若干点中抽取两个采样点以确定一条临时直线；

计算其余所有点到临时直线的距离，并将距离小于预设阈值的目标点归入共识集，得到多个共识集；

选择共识集中内目标点数量最多的临时直线所对应的共识集作为最大共识集；

基于共识集内的所有目标点，通过最小二乘法进行最终拟合，得到密封线的拟合直线方程；

根据拟合直线方程的拟合优度或共识集的内目标点比例，判断密封线的连续性是否合格。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，提取外包装密封线，确定外包装密封线相对于外包装边缘的倾斜角度的步骤，还包括：

对所述拍摄图像进行增强处理，得到增加后的所述拍摄图像；

对拍摄图像进行canny边缘提取，以提取到整个外包装袋的两侧边缘线。

针对每个边缘线，向内平移指定像素，进行外包装密封线提取。

判断外包装密封线与外包装边缘线之间的角度是否小于预设角度阈值。

若是，确认外包装袋密封良好。

若否，确认外包装袋密封线倾斜。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，对拍摄图像进行增强处理的步骤，包括：

获取预设的目标灰度范围；

分析拍摄图像的灰度直方图，并基于直方图形态确定拍摄图像中代表有效信息的特征灰度范围；

根据目标灰度范围和特征灰度范围，计算线性变换系数；其中，线性变换系数包括增益参数和偏移参数；

对拍摄图像执行点运算计算每个像素的灰度平方后，基于增益参数、偏移参数，执行线性变换，得到增强后的拍摄图像。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，根据目标灰度范围和特征灰度范围，计算线性变换系数的步骤，包括：

以如下算式计算：

α = (Z_max - Z_min)÷(X_high - X_low)；

β = Z_min - (α × X_low)

其中，α为增益参数，β为偏移参数，Z_max为目标灰度范围的上限值、Z_min为目标灰度范围的下限值，X_high为特征灰度范围的上限值、X_low为特征灰度范围的下限值。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，获取目标点位下的拍摄图像的步骤之前，还包括：

获取目标工件的包装类型。

基于包装类型，确定目标点位。

移动目标工件至目标点位。

第二方面，本申请提供一种密封检测装置，应用于密封检测系统中的控制单元，装置包括：

获取模块，用于获取目标点位下的拍摄图像。

提取模块，用于对拍摄图像进行内包装区域提取和外包装轮廓提取。

判断模块，用于判断内包装袋边缘与外包装轮廓之间的距离是否大于指定像素。

拟合模块，用于在内包装袋边缘与外包装轮廓之间的距离大于指定像素的情况下，对内包装袋进行密封线拟合得到密封线拟合结果，同时，提取外包装密封线，确定外包装密封线相对于外包装边缘的倾斜角度。

检测模块，用于基于密封线拟合结果、外包装密封线及倾斜角度，得到密封检测结果。

第三方面，本申请提供一种密封检测系统，包括控制单元，控制单元用于执行上述提供的密封检测方法。

进一步地，系统还包括：

检测平台，为高透材质并用于承载检测物。

移送机构，用于拾取检测物移送至检测平台，或，将检测物从检测平台移出。

传送装置，与检测平台传动连接，以驱动检测平台依次经过第一检测工位和第二检测工位；

其中，第一检测工位和第二检测工位内均设置有多个检测点。检测平台于检测点停顿，以使检测相机能够拍摄对应位置的检测物。

本发明实施例带来了以下有益效果：

本发明中，检测物在第一检测工位和第二检测工位分别由检测相机对目标点位下的检测物的顶面、底面进行分别拍摄，在拍摄后，对拍摄图像进行内包装区域提取和外包装轮廓提取，通过内包装袋边缘与所述外包装轮廓之间的距离是否大于指定像素判断外包装是否密封，在确认外包装密封后，通过对内包装袋进行密封线拟合的方式判断内包装的密封性，在确认内、外包装均密封良好时，再次提取外包装密封线以判断外包装密封线的倾斜角度，基于上述多次检测后，最终得到密封检测的结果，整个过程中，无需人为参与，检测效率高，且检测更为准确。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域技术人员来讲，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他的附图。

图1为本发明实施例提供的流程示意图；

图2为本发明实施例提供密封检测装置的结构示意图；

图3为本发明实施例提供的密封检测系统的轴视结构示意图一；

图4为本发明实施例提供的密封检测系统的轴视结构示意图二；

图5为发明实施例提供的密封检测系统的俯视结构示意图；

图6为发明实施例提供的密封检测系统的侧视结构示意图。

附图标记：

1-获取模块；2-提取模块；3-判断模块；4-拟合模块；5-检测模块；

100-检测平台；200-检测机构；210-检测相机；220-面光源；230-拱形隧道光源；300-移送机构；310-水平驱动组件；311-第一驱动件；312-第二驱动件；320-纵向驱动组件；330-拾取组件；400-传送装置；500-存放组件；510-存放槽；520-隔板；530-接近传感器。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

为了便于对本实施例进行理解，下面先对本申请设计的技术用语进行简单介绍。

Blob分析（连通域分析）：是机器视觉和图像处理中的一种基本技术，用于检测、分析和处理图像中连通区域（即“Blob”）的特征。其中，“Blob”可以理解为图像中一群连通的、具有相似属性（如灰度值、颜色、纹理）的像素集合。它通常对应着图像中的一个“斑点”或一个“区域”，如工业检测中的零件、产品缺陷（如黑点、划痕）、医学图像中的细胞、肿瘤、交通监控中的车辆、自然场景中的苹果、人脸等。“分析”则指的是提取这些连通区域的各种属性，并进行筛选、计数和测量。

canny边缘提取（Canny Edge Detection）是图像处理中的一种边缘检测算法。用于从图像中提取出精确、连续且纤细的边缘。它通过“去噪>计算梯度>非极大值抑制>双阈值连接”这一流程，在数字图像中精确地定位出灰度变化的边界。

实施例1

本申请实施例提供的本发明实施例提供了一种密封检测方法，应用于密封检测系统中的控制单元，所述系统还包括：检测机构200，包括光源和检测相机210，光源包括面光源220和拱形隧道光源230，面光源220的发光端朝向检测物，拱形隧道光源230设于检测物的远离面光源220的一侧，检测相机210设于拱形隧道光源230的远离检测物的一侧且检测端朝向检测物，检测机构200有两个并形成有第一检测工位和第二检测工位，以分别用于检测检测物的两面。

结合图1所示，该方法如下：

S100，获取目标点位下的拍摄图像。

S200，对拍摄图像进行内包装区域提取和外包装轮廓提取。

S300，判断内包装袋边缘与外包装轮廓之间的距离是否大于指定像素。

若是，执行步骤S400-S500。

S400，对内包装袋进行密封线拟合得到密封线拟合结果，同时，提取外包装密封线，确定外包装密封线相对于外包装边缘的倾斜角度。

S500，基于密封线拟合结果、外包装密封线及倾斜角度，得到密封检测结果。

具体地，本实施例中，检测物在第一检测工位和第二检测工位分别由检测相机210对目标点位下的检测物的顶面、底面进行分别拍摄。在拍摄后，对检测相机210所拍摄的图像进行内包装区域提取和外包装轮廓提取，随后，通过内包装袋边缘与所述外包装轮廓之间的距离是否大于指定像素判断外包装是否密封。确认外包装密封后，通过对内包装袋进行密封线拟合的方式判断内包装的密封性。在确认内、外包装均密封良好时，再次提取外包装密封线以判断外包装密封线的倾斜角度。基于上述多次检测后，最终得到密封检测的结果。在整个检测过程中，无需人为参与，检测效率高，且检测更为准确。

其中，在检测时，由于检测相机210为面光设置且周向设置有拱形隧道光源230，能够在缓解医用耗材的包装袋的反光问题的同时，还能够凸显出外包装袋的密封口，保证检测的准确性。面光源220能够罩设出内部密封缺陷和内容物问题，而拱形隧道光源230能够捕捉表面密封缺陷和外观瑕疵。本实施例中将两者结合，以能够通过密封检测方法一次性、全方位地检测检测物的密封状态。

并且，面光源220与拱形隧道光源230的结合使用下，可以应对不同材质、不同结构的密封检测物的照明要求，同时，还能提升图像质量和检测精度，在针对特定缺陷类型，可使用最合适的光源照明模式或组合模式，能获得对比度更高、细节更清晰、干扰更少的图像，从而提高密封检测方法的准确率和可靠性。

具体地，本实施例中，目标点位有多个且均位于第一检测工位和第二检测工位中，检测物在移动至第一检测工位和第二检测工位后，由面光源220和拱形隧道对检测物进行照明，并由检测相机210对检测物进行拍摄以获取拍摄图像。

此处需要说明的是，本实施例中，指定像素为150像素。内包装袋边缘与外包装轮廓之间的距离为：内包装的一侧的封口边缘与其相对的、最接近的外包装袋的封口边缘之间的直线距离。

在本实施例中，步骤S300之后，还包括：

若否，执行步骤S310。

S310，确定密封检测结果为外包装袋未密封。

在判断所述内包装袋边缘与所述外包装轮廓之间的距离是否大于指定像素的步骤中，若距离不大于指定像素，则直接确定密封检测结果为所述外包装袋未密封，无需进行后续的密封线拟合及倾斜角度判断等处理，减少了处理步骤，从而提高了检测效率，同时还避免了因外包装未密封而导致的误判情况。

本实施例中，步骤S500包括：

S510，若内包装袋密封线拟合结果、外包装密封线及倾斜角度均满足预设要求，确定密封检测结果为密封良好。

具体地，本实施例中，通过综合判断内包装袋密封线拟合结果、外包装密封线存在性及倾斜角度是否均满足预设要求，来最终确定密封检测结果，实现了对内外包装密封质量的全面、自动化判定。从而保证了只有在所有关键密封指标均合格时才判定为“密封良好”，显著提升了检测结果的准确性和可靠性，避免了单项检测可能导致的漏判或误判，进一步保证了检测物包装的完整性与安全性。

本实施例中，步骤S500，对内包装袋进行密封线拟合得到密封线拟合结果的步骤还包括：

S501，对拍摄图像进行边缘线提取后，针对每个边缘线，向内平移指定像素，得到基准线。

S502，针对每个基准线，采用边缘找点的算子进行密封线查找，得到若干点。

S503，判断以指定算法对若干点进行线性拟合后是否能得到拟合密封线。

若是，执行步骤S504；若否，执行步骤S505。

S504，确定密封线拟合结果为合格。

S505，确定密封线拟合结果为异常。

本实施例中，所提取的边缘线为内包装袋区域的左、右两侧边缘线。即内包装袋的实际边界。通过向内（从包装袋的边缘朝向包装袋中心的方向）平移边缘线生成基准线。基于基准线精确查找和上述拟合密封点，利用算法进行线性拟合和存在性判断，实现了对内包装密封线的高精度、自动化定位与判定。并提升了密封缺陷识别的准确性和可靠性，有效避免了因密封线模糊或位置偏差导致的误检或漏检，进一步提升了整个检测系统的鲁棒性和自动化水平。

具体地，本实施例中，若内外边缘线像素小于或等于150像素，直接判定外包装袋未密封。首先，需在拍摄的图像中提取内包装袋，内包装密封后的颜色较未密封的颜色深，能够看出有密封线，利用内包装袋（浅蓝色）与外包装袋（透明）及背景的颜色差异，使用G通道-R通道（浅蓝色在G通道的值较高，在R通道的值较低），相减后可以显著增强内包装区域与背景的对比度，抑制无关信息，从而将绿色通道的像素值减去红色通道的像素值并同时进行线性图像增强，以凸显浅蓝色物体的同时，将周围的像素变黑，使内包装区域更加突出，以此得到只有内包装袋的图像。

随后，使用blob（连通域分析）分析提取内包装袋，将增强后的图像通过设定一个阈值转换为二值图像。内包装袋区域变为白色（前景，像素值255），背景变为黑色（背景，像素值0），对二值图像进行Blob分析，识别并标记出所有连通的白色区域。此时，根据已知的包装袋大致面积和形状，设置合适的过滤器（本实施例中为长宽比），从所有连通域中精确提取出代表内包装袋的像素区域，并排除可能存在的噪声点，随后将区域转化为边缘，只提取两端的边缘线，以左右两侧边缘线往内侧指定像素（150像素）进行平移后，得到两条新的基准线，从而将密封线的搜索范围精确定位到密封线最可能出现的位置。

随后，以平移后的每条基准线为中心，设置一个狭窄的“卡尺”形搜索区域。在该区域内，使用边缘点检测算子，沿基准线以固定间隔搜索并定位灰度变化最剧烈的点（即边缘点）。这些点就是潜在的密封线特征点。将收集到的所有密封线特征点使用最小二乘法进行直线拟合，若成功拟合出线，表明找到的点足够多且线性排列，形成了有效的密封线，则判断内包装袋有密封。若无法拟合成线，可认为是找到的特征点数量极少、点过于分散导致拟合误差巨大，则判断该侧内包装袋未密封或密封不良，表明该区域没有找到连续的线性边缘特征，则判断内包装袋未密封。

上述过程中，虽然设置了一个狭窄的“卡尺”形搜索区域，但是仍不排除密封线上的一个“污点”可能导致边缘点跳到“污点”的边界上，而不是密封线上。若采用常规最小二乘法，由于其对这类点非常敏感。所以本申请中指定算法指改进的最小二乘法，该改进的最小二乘法的改进核心思想是利用“密封线在卡尺内应是连续路径”这一几何特征。

结合第一方面，步骤S503包括：

S5031，随机从若干点中抽取两个采样点以确定一条临时直线。

S5032，计算其余所有点到临时直线的距离，并将距离小于预设阈值的目标点归入共识集，得到多个共识集。

S5033，选择共识集中内目标点数量最多的临时直线所对应的共识集作为最大共识集。

S5034，基于共识集内的所有目标点，通过最小二乘法进行最终拟合，得到密封线的拟合直线方程。

S5035，根据拟合直线方程的拟合优度或共识集的内目标点比例，判断密封线的连续性是否合格。

首先，在步骤S5031随机采样：从步骤S502所有找到的若干点中，完全随机地抽取两个点作为采样点，基于两点确定一条直线这一基础的原理，以用最小的样本量构成一个直线模型。

随后，在步骤S5032构建共识集：对于步骤S5031中确定的临时直线，计算除采样点外其他所有点到这条直线的距离（具体指垂直距离）。将距离小于某个阈值（例如，卡尺宽度的一半）的点标记为“内点”（即目标点），认为它们与这条临时直线是共识的。

重复执行上述随机选取采样点、构建临时直线、确定共识集的过程多次（比如100次、1000次），得到多个共识集。通过大量重复的随机抽样和评估，算法以一种“蛮力”但高效的方式遍历了可能的模型空间。

随后，在步骤S5033选择那个拥有最多目标点点（即共识集规模最大）的临时模型所对应的共识集，并将其命名为“最大共识集”。

可以理解的，由真实密封线产生的“正确点”在数量上会形成主流。即使存在高达30%-40%的干扰点（离群点），只要有一次抽样抽到了两个“正确点”，由此建立的临时直线就会获得大量其他“正确点”的支持（即大的共识集）。而一个抽到了“污点”的模型，则很难获得大量其他点的认同。因此通过宣召拥有目标点数量最多的临时直线所对应的共识集作为最大共识集，能够得到一个纯净的数据集，这个数据集里的点，有极高的概率都是来自于真实的密封线，而那些污点、噪声点已经被有效地排除在外。

随后，在步骤S5034执行最终拟合：拿到经过筛选的、高质量的“最大共识集”后，用这个“最大共识集”内的所有点，对这个集合内的所有点再进行一次最小二乘拟合，拟合得到最终的拟合直线方程。

可以理解的，常规最小二乘法对离群点非常敏感，但其优点是能在无偏差的情况下给出最优的拟合结果。现在，离群点已经在前面步骤中被剔除，剩下的都是高可信度的目标点。此时再使用最小二乘法，就能充分发挥其精度高的优势，而避免了其怕干扰的劣势。

最后，执行步骤S5035执行连续性判断，其中有两个判断依据：目标点比例或拟合直线方程的拟合优度。

对于目标点比例：目标点比例=最大共识集内目标点数量÷步骤S502找到的所有点的数量，这个比例直接反映了密封线的“连贯性”或“清洁度”，果密封线是连续、清晰的，那么绝大多数边缘点都应该落在最大共识集内，比例会很高（例如>85%）。如果密封线存在断裂、严重污渍覆盖，那么会有大量点被当作离群点排除，导致内点比例很低。可以设定一个阈值（如70%），低于该阈值则判为不合格。

对于拟合直线方程的拟合优度：例如计算最终拟合直线的残差平方和或R²确定系数，这衡量了最大共识集内的点与最终直线的紧密程度，即使内点比例高，但如果这些内点本身非常分散，拟合出的直线残差很大，说明密封线虽然连续但不平直，可能存在弯曲或抖动，这也是一种质量缺陷。

综合以上指标，给出一个“合格”或“不合格”的二元判断，从而实现对密封质量自动化检测。

这样，通过随机采样结合共识集机制，确保了算法不会被个别“污点”所影响，始终致力于寻找那个由最多证据（边缘点）支持的、代表密封线连续路径的几何模型。

本实施例中，步骤S400，还包括：

S410，对拍摄图像进行增强处理，得到增加后的拍摄图像。

S420，对拍摄图像进行canny边缘提取，以提取到整个外包装袋的两侧边缘线。

S430，针对每个边缘线，向内平移指定像素，进行外包装密封线提取。

S440，判断外包装密封线与外包装边缘线之间的角度是否小于预设角度阈值。

S450，若是，确认外包装袋密封良好。

S460，若否，确认外包装袋密封线倾斜。

本实施例中，通过对拍摄图像进行Canny边缘提取，以精准获取透明外包装袋的两侧边缘线，并基于向内平移指定像素后的区域进行密封线提取，从而缓解了透明材料边缘与背景对比度低、难以准确捕捉的问题技术难题。通过计算并判断外包装密封线与边缘线之间的角度是否小于预设阈值，实现了对外包装密封是否歪斜的自动化、定量化判定，显著提升了检测的准确性与可靠性，杜绝了因密封线倾斜导致的密封失效问题，进一步保障了医用耗材包装的完整性与安全性。

具体地，在本实施例中，需首先提取到外包装袋的轮廓，由于外包装使用的透明材料，其边缘与背景（通常是白色或灰色的玻璃板）对比度非常低，人眼都难以分辨，传统阈值分割方法基本失效。因此，先对拍摄图像进行增强处理。随后，对外包装袋图像进行canny边缘提取，提取到整个包装袋，再提取出左右两侧的边缘，从左侧及右侧边缘向内平移150像素进行提取密封线，随后即可判断密封线与外边元之间所呈夹角的角度。

其中，采用的Canny边缘检测算法具体为：首先对图像进行轻微模糊，以去除相机噪声和包装袋上的微小划痕等干扰，计算图像中每个像素点的亮度梯度强度和方向。其中，透明边缘处虽然灰度变化微弱，但仍存在梯度变化，Canny算法对此非常敏感。随后，只保留梯度方向上强度最大的点，细化边缘线。随后，将梯度强度与预设的高阈值和低阈值比较，若梯度强度大于高阈值，认定为强边缘（即一定是边界）；若梯度强度介于低阈值和高阈值之间，认定为“弱边缘”（即可能是边界）；若梯度强度小于低阈值，则认定为“抑制”（即不是边界）。最后，只有与“强边缘”相连的“弱边缘”才会被保留，以有效确保提取出的边缘是连续的、完整的轮廓线，而不是断断续续的点。从而，得到一张二值图，其中白色的像素点构成了外包装袋的左右两侧和上下侧的边缘线。

结合第一方面，步骤S410包括：

S411，获取预设的目标灰度范围；

S412，分析拍摄图像的灰度直方图，并基于直方图形态确定拍摄图像中代表有效信息的特征灰度范围；

S413，根据目标灰度范围和特征灰度范围，计算线性变换系数；其中，线性变换系数包括增益参数和偏移参数；

S414，对拍摄图像执行点运算计算每个像素的灰度平方后，基于增益参数、偏移参数，执行线性变换，得到增强后的拍摄图像。

具体的，步骤S411中，

（1）对于显示：通常是 [0, 255](8位图像)。

（2）对于后续处理：取决于您的相机位深或库函数要求，可能是 [0, 1023](10位)，[0, 4095](12位)，或者是 [0.0, 1.0](浮点数归一化)。

我们记目标最小值为 Z_min，最大值为 Z_max，从而确定输出图像的目标灰度范围[Z_min, Z_max]。

通过该步骤依据下游应用的需求设定了灰度的“起跑线”Z_min和“终点线”Z_max。

S412，分析输入图像的灰度直方图，并基于直方图形态确定输入图像中代表有效信息的特征灰度范围。

具体的，统计输入图像的特征灰度范围 [X_low, X_high] ，其中X_low为特征灰度范围的最小值，具体指直方图低灰度侧像素数量开始稳定增长的临界点，X_high为特征灰度范围的最大值，具体指直方图高灰度侧像素数量开始显著下降的临界点。

这是最关键的一步。直接使用图像的最小灰度值(I_min)和最大灰度值(I_max)，因为它们可能只是几个极端噪声像素或饱和像素决定的，不能代表图像主体内容的真实动态范围。直接用它们进行计算，会导致变换效果很差，对比度拉伸不充分。因此，我们需要通过分析灰度直方图的形态来找到“有效信息”的边界，即找到能代表“有效信息”的范围。

绘制灰度直方图：对平方增强后的输入图像 I，分析其灰度直方图。

确定低阈值 X_low：在直方图上，从低灰度值一端开始，忽略掉左侧可能存在的代表“纯背景噪声”的少量像素，找到一个灰度值点 X_low。在这个点右侧，像素数量开始显著、稳定地增长。这个点代表了有效信号区域的起始点，表明真正的物体信息开始出现了，这个点就是X_low，它有效地过滤掉了暗场的噪声。

确定高阈值 X_high：同理，在直方图的高灰度值一端，忽略掉右侧可能存在的极少数“饱和像素”或高亮点噪声，找到一个灰度值点 X_high。在这个点左侧，像素数量开始显著下降。这个点代表了有效信号区域的结束点，这个点就是 X_high，它有效地过滤掉了亮场的噪声和过曝点。

通过上述方式确定的[X_low, X_high]这个区间，能够精准地捕捉图像中包含的绝大部分有用信息（如图中的边缘、纹理）的分布的灰度动态范围，这是实现高质量自适应增强的关键前提。我们的目标就是将这个区间映射到 [Z_min, Z_max]。

S413,根据所述目标灰度范围和所述特征灰度范围，计算线性变换系数，线性变换系数包括增益参数α和偏移参数β。

具体的，计算公式如下：

α = (目标输出范围的总宽度) ÷ (输入有效信号范围的宽度)

用公式表示为：

α = (Z_max - Z_min)÷ (X_high - X_low)

其中，(X_high - X_low)是输入信号的“宽度”，(Z_max - Z_min)是想要输出的“宽度”。增益参数 α 就是这两个宽度的比例。如果 α>1，说明在放大对比度；如果 α<1，说明在压缩对比度。根据描述（让亮的更亮，暗的更暗），α通常会大于 1。

同时，计算预设值 β（偏移参数），具体的，计算公式如下：

β = 目标输出的起点 - (拉伸后的输入起点)

用公式表示为：

β = Z_min - (α × X_low)

经过α的增益后，原来输入的有效信号起点 X_low变成了α × X_low。但我们希望它应该被映射到 Z_min。所以，我们需要加上一个偏移量 β，使得 α × X_low + β = Z_min，反推就得到了上面的公式。

下面，进行举例说明：

假设：

目标输出范围是 [0, 255]。

分析直方图后，确定输入图像的有效灰度范围是 [100, 600]。

计算：

α = (255 - 0)÷(600 - 100) = 255÷500 = 0.51

这里 α<1，是因为输入范围(500)比输出范围(255)还宽，所以是压缩对比度。如果想强制放大，则需调整 [X_low, X_high]，例如只取 [300, 600]，则 α = 255÷300 =0.85（仍然小于1）。若要大于1，输入范围必须小于255，例如取 [100, 300]，则 α = 255÷200 ≈ 1.28。

β = 0 - 0.51 × 100 = -51

最终变换为：I_out = 0.51 × I_in - 51

当I_in = 100(有效范围起点)，I_out = 0.51×100 - 51 = 0。

当I_in = 600(有效范围终点)，I_out = 0.51×600 - 51 = 255。

这样就准确地将有效范围映射到了整个输出范围。

随后，对拍摄图像执行点运算计算每个像素的灰度平方后，基于所述增益参数、所述偏移参数，执行线性变换，得到增强后的拍摄图像。

具体的，通过将图像与自身进行乘法点运算以实现图像增强。具体地，对于输入图像中的每一像素点，由原灰度值I(x,y)的平方计算并输出新图像中的灰度值I_new(x,y)，I_new(x,y)= I(x,y)×I(x,y)，这个操作极大地放大了微弱的目标（边缘）与背景之间的对比度，使得原本不明显的边缘变得非常突出。随后，在上述平方运算的基础上，再进行一个线性变换：I_final(x,y)= α×[I(x, y)×I(x,y)] +β；其中，α为增益参数，β为偏移参数。α通常是一个大于1的增益（Gain）参数，它的作用是进一步放大经过平方增强后的对比度差异，让亮的更亮，暗的更暗，使得边缘信号更强；β是一个偏移（Bias）参数，它的作用是调整整体亮度水平，因为平方和乘以系数后，图像的整体灰度值会变得非常大，可能超出标准显示范围（0-255）或相机位深（如0-4095），加上一个固定值可以将其平移回一个合适的范围内，或者为后续的Canny算法设置一个更理想的亮度基线。

在本实施例中，步骤S100之前，还包括：

S10，获取目标工件的包装类型。

S20，基于包装类型，确定目标点位。

S30，移动目标工件至目标点位。

具体地，本实施例中，检测物在进行检测前，需对检测物进行检测，以根据预置的数据库查询型号，从而判定其所属的包装类型为“长包装”（长度≥150mm）或“短包装”（长度<150mm）。

系统的主控单元（如PLC或工控机）根据判定的包装类型，从内存中调用预设的移动与拍照程序。若为短包装，则设定目标点位为1个，即检测相机210的正下方中心点。在此点拍摄一张图像即可覆盖整个工件的密封区域。若为长包装，则设定目标点位为2个，即第一点位（用于拍摄包装左侧密封区域）和第二点位（用于拍摄包装右侧密封区域）。系统需按顺序先后移动至这两个点位进行拍摄，才能获得完整的检测图像。

随后，将工件依次准确地定位到第一检测工位和第二检测工位汇中前述所确定的每一个目标点位上，并通过检测相机以进行图像采集。

本实施例通过对短包装采用单次拍照，对长包装采用两次拍照的方式，避免了为所有工件统一采用多次拍照所造成的效率浪费，也防止了为长工件仅拍一张图可能导致的边缘分辨率不足或畸变增大等问题，在保证检测质量的同时，实现了系统吞吐量的最大化。

本实施例所提供的一种密封检测装置，应用于提供的密封检测系统中的控制单元。结合图2所示，该装置包括：获取模块1、提取模块2、判断模块3、拟合模块4、检测模块5。

获取模块1用于获取目标点位下的拍摄图像。

提取模块2用于对拍摄图像进行内包装区域提取和外包装轮廓提取。

判断模块3用于判断内包装袋边缘与外包装轮廓之间的距离是否大于指定像素。

拟合模块4用于在内包装袋边缘与外包装轮廓之间的距离大于指定像素的情况下，对内包装袋进行密封线拟合得到密封线拟合结果，同时，提取外包装密封线。

检测模块5用于基于密封线拟合结果、外包装密封线及倾斜角度，得到密封检测结果。

第三方面，本申请实施例还提供一种密封检测系统，请结合图3至图6。本实施例所提供的密封检测系统包括控制单元，该控制单元用于执行上述提供的密封检测方法，该系统还包括检测平台100、移送机构300和传送装置400。

检测平台100的底面为高透材质并用于承载检测物。移送机构300用于拾取检测物移送至检测平台100，或，将检测物从检测平台100移出。传送装置400与检测平台100传动连接。

传送装置400驱动检测平台100依次经过第一检测工位和第二检测工位。

并且，本实施例中的两个检测机构200于检测平台100的周向形成有第一检测工位和第二检测工位。

具体地，本实施例中的面光源220的发光端朝向检测平台100，拱形隧道光源230设于检测平台100的远离面光源220的一侧，检测相机210设于拱形隧道光源230的远离检测平台100的一侧且检测端朝向检测平台100。

具体地，在医用耗材封装结束后，将带有包装袋的医用耗材堆叠在移送机构300的取料位置。随后，移送机构300拾取包装好的医用耗材移动至检测平台100上，此时，检测平台100为初始位置，移送机构300停留于此位置，传送装置400运行驱动以使检测平台100到达检测机构200的检测位置。

检测平台100到达检测位置后，由光源照射检测平台100，第一检测位和第二检测位分别对包装好的医用耗材的上、下两侧进行拍摄检测，以实现对医用耗材的外包装的检测。

在检测时，由于检测相机210为面光设置且周向设置有拱形隧道光源230，能够在缓解医用耗材的包装袋的反光问题的同时，还能够凸显出外包装袋的密封口，保证检测的准确性。

面光源220能够罩设出内部密封缺陷和内容物问题，而拱形隧道光源230能够捕捉表面密封缺陷和外观瑕疵。本实施例中将两者结合，以能够一次性、全方位地检测检测物的密封状态。

并且，面光源220与拱形隧道光源230的结合使用下，可以应对不同材质、不同结构的密封检测物的照明要求，同时，还能提升图像质量和检测精度，在针对特定缺陷类型，可使用最合适的光源照明模式或组合模式，能获得对比度更高、细节更清晰、干扰更少的图像，从而提高机器视觉算法的识别准确率和可靠性。

此外，在对不同规格的包装袋进行检测时，传送装置400能够使对医用耗材的包装袋准确置于检测机构200的检测点，以实现对不同规格的医用耗材的包装袋的检测。

检测结束后，传送装置400驱动检测平台100进行复位运动，检测平台100移回至初始位置，移送机构300再次拾取检测后的检测物并根据检测结果将其移送至下一区域。

在本实施例中，第一检测工位第二检测工位内均设置有多个检测点（即上述目标点位）。检测平台100于检测点停顿，以使检测相机210能够拍摄对应位置的检测物。

本实施例中，长度小于150mm的包装袋视为短包装袋。在对短包装袋进行检测时，传送装置400驱动短包装袋移动至检测机构200相对处，检测机构200对短包装袋的中间部位拍摄便可拍摄整个短包装袋，即第一检测工位和第二检测工位内均设置有一个检测点。检测平台100到达检测点时，检测机构200能够拍摄整个短包装袋，随后可通过对拍摄画面进行图像分析，以实现对短包装袋的密封性的检测。

本实施例中，长度为150mm-300mm的包装袋为长包装袋，在对长包装袋进行检测时，传送装置400驱动检测平台100或检测机构200，使检测机构200对长包装袋进行两次拍摄，即第一检测工位和第二检测工位内分别对应设置有两个检测点，以分别对长包装袋的两侧实现单独拍摄，随后对两次拍摄所得的画面进行图像分析，以实现对长包装袋的密封性的检测。

在此结构下，本实施例提供的密封检测装置采用移动拍摄的方式对医用耗材的包装袋的密封性进行拍摄检测，第一检测工位和第二检测工位中可设置多个检测点，以对应不同长度的包装，对短包装和长包装均能够实现准确检测，能够兼容不同长度的医用耗材包装的密封检测，适用性较优。

具体地，本实施例中，传送装置400具体采用直线模组。本实施例中的直线模组包括传动连接的滚珠直线导轨和伺服电机，能够实现平稳的直线运动。以使驱动检测平台100移动时能够将包装袋准确移送到检测机构200的预设检测点，从而保证每次拍摄时，包装袋的目标区域（尤其是密封口）都位于成像视野的固定位置。

在本实施例中，密封检测装置还包括存放组件500。存放组件500具有用于放置合格品的第一存放空间和用于放置不合格品的第二存放空间，第一存放空间和第二存放空间均位于移送机构300的移动轨迹上。

本实施例中，在检测机构200完成对检测平台100上的医用耗材包装袋的密封性拍摄检测后，能够根据图像分析结果（合格或不合格）自动做出判断。

随后，移送机构300根据判定结果，若判定为合格品，移送机构300将其移送并放置于第一存放空间。若判定为不合格品，移送机构300则将其移送并放置于第二存放空间，从而实现对包装袋的全自动检测与分类。

在本实施例中，存放组件500包括存放槽510和隔板520。存放槽510的槽内壁沿存放槽510的延伸方向设有多个卡槽。隔板520与卡槽相适配，多个隔板520可拆卸的插设于存放槽510内以形成第一存放空间和第二存放空间。

其中，存放槽510的槽内壁沿存放槽510的延伸方向设有多个卡槽。隔板520与卡槽相适配，多个隔板520可拆卸的插设于存放槽510内以形成第一存放空间和第二存放空间。

本实施例中，存放槽510内壁沿长度方向设置多个卡槽，隔板520可拆卸的插设至卡槽中以将存放槽510内的空间分隔，从而形成第一存放空间（合格品区）和第二存放空间（不合格品区），且第一存放空间和第二存放空间的大小和位置可以根据实际需求进行快速、灵活的调整。

当需要存放短包装袋时，可以插入更多隔板520，将存放槽510分隔成多个较小的独立空间，方便分类堆放且不易倾倒。当需要存放长包装袋时，可以减少甚至移除部分隔板520，成更长的存放空间，以容纳长包装袋（长度可达400mm）。此结构下，能够对不同规格的医用耗材包装袋实现存放，无需更换整个存放组件500，极大地提升了设备的适应性和操作便捷性。

需要说明的是，本实施例中，未检测的装有医用耗材的包装袋放置于存料箱中，存料箱内同样设置多个与存放槽510，未检测的装有医用耗材包装袋堆叠在存料箱内。

在本实施例中，存放组件500包括接近传感器530。接近传感器530有多个并间隔设于存放槽510的外壁上。

具体地，本实施例中，多个接近传感器530设置在存放槽510的外壁上并间隔设置，接近传感器530能够检测自身与检测机构200之间的间距，可通过接近传感器530的检测结果判断存放槽510是否放置于预设位置，以保证移送机构300能够将检测后的包装袋放入存放槽510内。

在本实施例中，移送机构300包括水平驱动组件310、纵向驱动组件320和拾取组件330。

其中，水平驱动组件310具有水平移动端，水平驱动组件310设于检测平台100的一侧。纵向驱动组件320具有纵向移动端，纵向驱动组件320与水平移动端传动连接。拾取组件330包括用于拾取检测物的拾取件，拾取件与纵向移动端传动连接。

本实施例中，水平驱动组件310能够水平面内驱动水平移动端移动。纵向驱动组件320安装在水平移动端上，从而跟随水平移动端一起水平移动，并能够在垂直方向驱动纵向移动端进行升降运动，从而带动拾取件实现水平、竖直方向的移动。

并且，本实施例中，水平移动端的移动轨迹与物料堆叠处、存放槽510、检测平台100相对，以使拾取件能够在水平驱动组件310和纵向驱动组件320的联动结构的驱动下进行下行取料、物料转移、下行放料的动作。

在本实施例中，水平驱动组件310包括第一驱动件311和第二驱动件312。第一驱动件311设于检测平台100的一侧，并具有第一移动端。第二驱动件312设于第一移动端，第二驱动件312的移动端为水平移动端。

本实施例中，由第一驱动件311和与第一驱动件311传动连接的第二驱动件312形成水平移动结构。

其中，作为一种可实施的方式，第一驱动件311可选为大范围移动的驱动件，第二驱动件312选用小范围微调驱动件，两者配合使用以实现拾取件的准确移动。

在本实施例中，第一驱动件311和第二驱动件312均通过转动结构实现水平方向的驱动，即第一移动端和第二驱动件312的移动端的移动轨迹均为弧形。从而形成覆盖从取料位置、检测平台100到存放组件500之间的工作区域，相较于直线往返的移动轨迹，弧形运动路径通常更短、更流畅，减少了无效行程，从而显著提升了拾取件在大范围移动时的效率。

并且，此结构下，第二驱动件312能够对第一驱动件311定位后的位置进行精细、灵活的微调。两弧形的叠加扩展了拾取件在水平面内的可达工作范围和定位灵活性。

在本实施例中，移动机构还包括定位相机。定位相机设于纵向驱动组件320，定位相机的拍摄方向朝向下方。

具体地，本实施例中的定位相机为3D相机。3D相机设置于第一驱动件311的一侧，且3D相机的拍摄方向朝向下方。在移送机构300拾取未检测的装有医用耗材的包装袋时，3D相机能够拍摄到拾取组件330和包装袋的相对位置，从而实现对包装袋的尺寸的判断，以确定包装袋的规格与对包装袋的检测方式，并能够根据包装袋的具体位置以驱动第一驱动件311、第二驱动件312和纵向驱动组件320，以使拾取组件330能够准确拾取包装袋。

在本实施例中，拾取件为真空吸盘。拾取组件330还包括真空发生器，真空发生器与真空吸盘相接。

真空吸盘通过负压吸附的方式拾取装有医用耗材的包装袋，接触面积大且受力均匀，不易损坏包装袋。

其中，在拾取时，由水平驱动组件310带动纵向驱动组件320和真空吸盘移动至包装袋上方，随后，纵向驱动组件320驱动真空吸盘下移至真空吸盘与包装袋贴合，真空发生器产生负压，使吸盘牢固吸附在包装袋表面。

在放置时，真空发生器快速释放负压（或切换为正压吹气），吸盘可瞬时脱离包装袋，实现快速、可靠释放，显著缩短了拾放循环时间，提升了整体效率。

并且，真空吸盘可设置多个。且至少两个真空吸盘沿直线间隔设置形成吸盘组，吸盘组有多个，多个吸盘组并列设置。

多个真空吸盘沿直线间隔设置后组成一个吸盘组，从而对包装袋形成多点吸附拾取，以保证吸附稳定。

多个吸盘组并列设置的结构下，能够同时对多个包装袋进行吸附拾取，从而提升检测效率。

具体地，本实施例中，真空吸盘共有四个，每两个形成一个吸盘组并用于对一个包装袋进行吸附拾取，两个吸盘组能够同时对两个包装袋进行吸附拾取，提升了检测效率。

在本实施例中，检测平台100为高透玻璃材质。

传送装置400与检测平台100的直接传动连接以驱动检测平台100沿第一子光源、第二子光源的设置方向移动，使第一检测件和第二检测件能够依次对检测平台100上的包装袋的顶面、底面实现检测。

同时，高透玻璃的平整度和光学均匀性，有助于维持由第二子光源和第二检测件形成的“拱形光”场的稳定性和均匀性。玻璃表面光滑，能够减少不必要的漫反射，使得拱形光能够更集中、更规则地照射在包装袋底面密封区域，进一步凸显缺陷特征，提升底面检测的灵敏度和可靠性，为底面检测（特别是关键的拱形光成像）提供了清晰、无失真的光学通道。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种密封检测方法，其特征在于，应用于密封检测系统中的控制单元，所述系统还包括：

检测机构，包括光源和检测相机，所述光源包括面光源和拱形隧道光源，所述面光源的发光端朝向检测物，所述拱形隧道光源设于检测物的远离所述面光源的一侧，所述检测相机设于所述拱形隧道光源的远离所述检测物的一侧且检测端朝向所述检测物，所述检测机构有两个并形成有第一检测工位和第二检测工位，以分别用于检测所述检测物的两面；

所述方法包括：

获取目标点位下的拍摄图像；

对所述拍摄图像进行内包装区域提取和外包装轮廓提取；

判断内包装袋边缘与所述外包装轮廓之间的距离是否大于指定像素；

若是，对所述内包装袋进行密封线拟合得到密封线拟合结果，同时，提取外包装密封线，确定所述外包装密封线相对于外包装边缘的倾斜角度；

基于所述密封线拟合结果、所述外包装密封线及所述倾斜角度，得到密封检测结果。

2.根据权利要求1所述的方法，其特征在于，基于所述密封线拟合结果、所述外包装密封线及所述倾斜角度，得到密封检测结果的步骤，包括：

若所述内包装袋密封线拟合结果、所述外包装密封线及所述倾斜角度均满足预设要求，确定所述密封检测结果为密封良好。

3.根据权利要求1所述的方法，其特征在于，所述对所述内包装袋进行密封线拟合得到密封线拟合结果的步骤，包括：

对所述拍摄图像进行边缘线提取后，针对每个所述边缘线，向内平移指定像素，得到基准线；

针对每个所述基准线，采用边缘找点的算子进行密封线查找，得到若干点；

判断以指定算法对所述若干点进行线性拟合后是否能得到拟合密封线；

若是，确定密封线拟合结果为合格；

若否，确定密封线拟合结果为异常。

4.根据权利要求3所述的方法，其特征在于，所述指定算法为改进的最小二乘法；判断以指定算法对所述若干点进行线性拟合后是否能得到拟合密封线的步骤，包括：

随机从所述若干点中抽取两个采样点以确定一条临时直线；

计算其余所有所述点到所述临时直线的距离，并将所述距离小于预设阈值的目标点归入共识集，得到多个所述共识集；

选择所述共识集中内所述目标点数量最多的临时直线所对应的共识集作为最大共识集；

基于所述共识集内的所有所述目标点，通过最小二乘法进行最终拟合，得到所述密封线的拟合直线方程；

根据所述拟合直线方程的拟合优度或所述共识集的内所述目标点比例，判断所述密封线的连续性是否合格。

5.根据权利要求1所述的方法，其特征在于，提取外包装密封线，确定所述外包装密封线相对于外包装边缘的倾斜角度的步骤，还包括：

对所述拍摄图像进行增强处理，得到增加后的所述拍摄图像；

对所述拍摄图像进行canny边缘提取，以提取到整个外包装袋的两侧边缘线；

针对每个所述边缘线，向内平移所述指定像素，进行外包装密封线提取；

判断所述外包装密封线与所述外包装边缘线之间的角度是否小于预设角度阈值；

若是，确认外包装袋密封良好；

若否，确认外包装袋密封线倾斜。

6.根据权利要求5所述的方法，其特征在于，对所述拍摄图像进行增强处理的步骤，包括：

获取预设的目标灰度范围；

分析所述拍摄图像的灰度直方图，并基于直方图形态确定所述拍摄图像中代表有效信息的特征灰度范围；

根据所述目标灰度范围和所述特征灰度范围，计算线性变换系数；其中，所述线性变换系数包括增益参数和偏移参数；

对所述拍摄图像执行点运算计算每个像素的灰度平方后，基于所述增益参数、所述偏移参数，执行线性变换，得到增强后的所述拍摄图像。

7.根据权利要求6所述的方法，其特征在于，根据所述目标灰度范围和所述特征灰度范围，计算线性变换系数的步骤，包括：

以如下算式计算：

α = (Z_max - Z_min)÷(X_high - X_low)；

β = Z_min - (α × X_low)

其中，α为所述增益参数，β为所述偏移参数，Z_max为所述目标灰度范围的上限值、Z_min为所述目标灰度范围的下限值，X_high为所述特征灰度范围的上限值、X_low为所述特征灰度范围的下限值。

8.根据权利要求1所述的方法，其特征在于，所述获取目标点位下的拍摄图像的步骤之前，还包括：

获取目标工件的包装类型；

基于所述包装类型，确定目标点位；

移动所述目标工件至所述目标点位。

9.一种密封检测装置，其特征在于，应用于密封检测系统中的控制单元；所述装置包括：

获取模块，用于获取目标点位下的拍摄图像；

提取模块，用于对所述拍摄图像进行内包装区域提取和外包装轮廓提取；

判断模块，用于判断所述内包装袋边缘与所述外包装轮廓之间的距离是否大于指定像素；

拟合模块，用于在所述内包装袋边缘与所述外包装轮廓之间的距离大于指定像素的情况下，对所述内包装袋进行密封线拟合得到密封线拟合结果，同时，提取外包装密封线，确定所述外包装密封线相对于外包装边缘的倾斜角度；

检测模块，用于基于所述密封线拟合结果、所述外包装密封线及所述倾斜角度，得到密封检测结果。

10.一种密封检测系统，其特征在于，包括控制单元，所述控制单元用于执行如权利要求1-8任一项所述的方法；所述系统还包括：

检测平台，为高透材质并用于承载检测物；

移送机构，用于拾取所述检测物移送至所述检测平台，或，将所述检测物从所述检测平台移出；

传送装置，与所述检测平台传动连接，以驱动所述检测平台依次经过所述第一检测工位和所述第二检测工位；

其中，所述第一检测工位和所述第二检测工位内均设置有多个检测点；

所述检测平台于所述检测点停顿，以使所述检测相机能够拍摄对应位置的所述检测物。