使用OpenCV检测传送带瓶装液位时出现值解包错误如何解决

报错ValueError: not enough values to unpack (expected 2, got 0)的本质是：你固定低阈值的情况下，部分帧经过阈值处理、形态学操作后没有检测到任何有效轮廓，contours为空列表，导致后续zip(contours, areas)得到空可迭代对象，解包失败。调高阈值后每帧都能检出轮廓，因此不会触发报错。

你可以通过以下步骤在保留固定阈值的前提下解决报错，同时提升检测稳定性：

• 第一步：新增轮廓非空判断，没有检测到有效轮廓时直接跳过当前帧的后续处理逻辑，避免解包失败。修改后代码片段如下：

contours = cv2.findContours(bottle_open.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
contours = imutils.grab_contours(contours)
# 新增非空判断，没有轮廓直接跳过当前帧
if not contours:
    continue
bottle_clone = frame.copy()
cv2.drawContours(bottle_clone, contours, 0, (255,0,0), 2)
areas = [cv2.contourArea(contour) for contour in contours]
(contours, areas) = zip(*sorted(zip(contours,areas),key = lambda a:a[1]))

• 第二步：新增无效轮廓过滤逻辑，提前筛除面积过小的噪点轮廓，避免无有效轮廓时触发报错，同时降低误检概率：

areas = [cv2.contourArea(contour) for contour in contours]
# 过滤面积小于阈值的无效轮廓，阈值可根据实际瓶身大小自行调整
valid_list = [(c, a) for c, a in zip(contours, areas) if a > 200]
if not valid_list:
    continue
(contours, areas) = zip(*sorted(valid_list, key = lambda a:a[1]))

• 第三步：可优化预处理逻辑提升轮廓检出率，在保留固定阈值的前提下减少无轮廓的情况：
  • 调整高斯模糊的核大小、形态学操作的核大小或迭代次数，减少预处理对瓶身轮廓的损耗
  • 若场景存在光照波动，可替换固定阈值为自适应阈值，适配光线变化的同时保证轮廓质量

内容的提问来源于stack exchange，提问作者sentago