一種基于DSP的PET瓶蓋缺陷檢測(cè)算法的設(shè)計(jì)

黃偉基 謝云

（廣東工業(yè)大學(xué)自動(dòng)化學(xué)院）

一種基于DSP的PET瓶蓋缺陷檢測(cè)算法的設(shè)計(jì)

黃偉基 謝云

（廣東工業(yè)大學(xué)自動(dòng)化學(xué)院）

提出了一種基于DSP的PET瓶蓋缺陷檢測(cè)算法，能快速檢測(cè)瓶蓋內(nèi)外圓邊緣是否有缺陷，密封圈內(nèi)是否有污點(diǎn)。檢測(cè)算法主要包括圖像預(yù)處理、二值化、感興趣區(qū)域提取、瓶蓋的邊緣提取、缺陷檢測(cè)等。實(shí)驗(yàn)證明：本算法每小時(shí)可檢測(cè)瓶蓋數(shù)36000個(gè)以上，可檢測(cè)出0.1 mm的缺陷。

嵌入式；瓶蓋圖像；DSP

0 引言

近年來(lái)，隨著我國(guó)塑料瓶吹塑生產(chǎn)工藝流程的技術(shù)提升以及瓶級(jí)塑料樹(shù)脂質(zhì)量的提高，塑料瓶蓋及瓶身的生產(chǎn)量獲得了飛速地發(fā)展，生產(chǎn)總量已位于世界前列，但瓶蓋檢測(cè)技術(shù)發(fā)展緩慢。中國(guó)急需價(jià)格合理、性能可靠、適合我國(guó)國(guó)情的瓶蓋在線檢測(cè)系統(tǒng)。

瓶蓋的缺陷檢測(cè)主要是檢測(cè)外蓋（即瓶蓋的外圓邊緣），以及密封圈（即瓶蓋的內(nèi)圓）是否有缺陷，成型是否飽滿，結(jié)構(gòu)是否完整，有無(wú)明顯收縮，瓶?jī)?nèi)有無(wú)污點(diǎn)等。目前國(guó)內(nèi)還沒(méi)有較為完善的瓶蓋檢測(cè)技術(shù)，主要靠人工檢測(cè)。但現(xiàn)在國(guó)內(nèi)的瓶蓋生產(chǎn)速度可達(dá)每秒10個(gè)以上，人工檢測(cè)根本無(wú)法達(dá)到該速度。

針對(duì)這一狀況，本文提出了基于DSP的聚對(duì)苯二甲酸類（polyethylene terephthalate，PET）塑料瓶蓋缺陷在線檢測(cè)系統(tǒng)，并著重討論缺陷檢測(cè)的算法。

1 PET瓶蓋缺陷機(jī)器視覺(jué)檢測(cè)原理

1.1 機(jī)器視覺(jué)系統(tǒng)硬件組成

機(jī)器視覺(jué)系統(tǒng)主要由圖像采集、圖像處理、結(jié)果輸出三部分組成[1]，檢測(cè)系統(tǒng)的硬件結(jié)構(gòu)框圖如圖1所示。機(jī)器視覺(jué)的重要基礎(chǔ)和核心是圖像處理技術(shù)。圖像處理技術(shù)主要包括圖像預(yù)處理技術(shù)、感興趣區(qū)域提取、二值化分割技術(shù)等。圖像處理技術(shù)為后續(xù)的幾何特征提取和目標(biāo)參數(shù)計(jì)算做了充分地準(zhǔn)備，是整個(gè)機(jī)器視覺(jué)檢測(cè)系統(tǒng)不可缺少的部分。

1.2 缺陷檢測(cè)算法的功能及流程

PET瓶蓋缺陷主要是檢測(cè)瓶蓋內(nèi)外圓邊緣是否有缺陷，瓶蓋內(nèi)部密封圈內(nèi)是否有污點(diǎn)。本算法先對(duì)圖像數(shù)據(jù)進(jìn)行相應(yīng)的預(yù)處理，并使圖像的缺陷特征明顯表現(xiàn)出來(lái)，然后采用缺陷識(shí)別算法對(duì)圖像的缺陷進(jìn)行檢測(cè)。算法功能流程圖見(jiàn)圖2。

圖1 檢測(cè)系統(tǒng)的硬件結(jié)構(gòu)框圖

2 PET瓶蓋缺陷檢測(cè)算法設(shè)計(jì)

DSP對(duì)圖像采集卡拍得的圖片進(jìn)行分析，找出缺陷并通知剔除裝置剔除不合格產(chǎn)品。一幅圖片拍攝后，數(shù)據(jù)在DSP中進(jìn)行如下處理。

2.1 中值濾波[2]

任何一幅未經(jīng)處理的原始圖像，都存在著一定程度的噪聲干擾。噪聲惡化了圖像質(zhì)量，使圖像模糊甚至淹沒(méi)特征，給圖像分析處理帶來(lái)困難。因此，對(duì)圖像的預(yù)處理，首先從濾波開(kāi)始。

本算法采用3×3中值濾波，其基本思想是用像素點(diǎn)鄰域灰度值的中值代替該像素點(diǎn)的灰度值。由于不依賴于鄰域內(nèi)那些與典型值差別很大的值，該方法在去除脈沖噪聲的同時(shí)又能保留圖像的邊緣細(xì)節(jié)。中值濾波器在處理連續(xù)圖像函數(shù)時(shí)與線性濾波器的工作方式類似，但是濾波過(guò)程卻不再是加權(quán)運(yùn)算。

2.2 閾值分割[3]

把一幅灰度圖像轉(zhuǎn)換成二值圖像是閾值分割的最簡(jiǎn)單形式。設(shè)原始圖像為f (x，y)，首先以一定準(zhǔn)則在f (x，y)中找出一個(gè)灰度值T作為閾值，將圖像分割為兩部分，即把大于該閾值像素點(diǎn)的灰度值置為0，小于或等于該閾值像素點(diǎn)的灰度值置為255，閾值運(yùn)算后的圖像為二值圖像g (x，y)，數(shù)學(xué)表達(dá)式如下：

圖2 算法功能流程圖

本算法實(shí)際使用了最大類間方差閾值分割，該方法簡(jiǎn)單而快速。方法如下：把直方圖在某一閾值處分割成兩組，當(dāng)被分成的兩組間方差最大時(shí)，確定閾值。圖像像素?cái)?shù)為N，灰度范圍為[0，L－1]，對(duì)應(yīng)灰度級(jí)i的像素?cái)?shù)為ni，則有：

把圖像中的像素按閾值T分成兩類C0和C1，C0由灰度值在[0，T]之間的像素組成，C1由灰度值在[T+I，L－1]之間的像素組成，各組產(chǎn)生的概率如下：

上述為最大類間方差閾值分割的數(shù)學(xué)表示過(guò)程。在以后的研究中，根據(jù)算法的運(yùn)行速度還將考慮采用局部閾值最大類間方差閾值分割法，這樣的閾值分割將能提取更多的有效信息。圖3是經(jīng)過(guò)閾值分割后的效果圖。

2.3 投影

求圓心是圓缺陷檢測(cè)的基礎(chǔ)。本算法運(yùn)用簡(jiǎn)單求圓心的方法：把閾值分割后的圖像分別投影到X和Y軸，然后各自求出投影長(zhǎng)度的中心坐標(biāo)，即是圓心坐標(biāo)。若投影到X和Y坐標(biāo)的陰影長(zhǎng)度相差超過(guò)某個(gè)理論值，即可斷定該瓶蓋有缺陷，不用進(jìn)行下一步算法。只有當(dāng)投影到X和Y坐標(biāo)上的陰影基本相等才繼續(xù)下一步處理。圖4為對(duì)X及Y軸進(jìn)行投影后的結(jié)果圖，求得AB與DC中點(diǎn)即為圓心。

圖3 最大類間方差閾值分割后的效果圖

圖4 對(duì)X及Y軸投影后的效果圖

2.4 邊緣提取

求出圓心后再對(duì)閾值分割的圖像進(jìn)行邊緣提取，本算法采用Soble算子。

步驟為：① 分別將2個(gè)方向模板沿著圖像從一個(gè)像素移動(dòng)到另一個(gè)像素，并將像素的中心與圖像中的某個(gè)像素位置重合；② 將模板內(nèi)的系數(shù)與圖像上相對(duì)應(yīng)的像素值相乘；③ 將所有相乘的值相加；④將2個(gè)卷積的最大值賦給圖像中對(duì)應(yīng)模板中心位置的像素，作為像素新的灰度值；⑤ 選取合適閾值T，若新像素灰度值大于或等于T，則判斷該像素點(diǎn)為圖像邊緣點(diǎn)。圖5為Soble算子的卷積模板。圖6為用Soble算法對(duì)瓶蓋進(jìn)行邊緣提取的效果圖。

圖5 Soble算子的卷積模板

圖6 邊緣提取后的效果圖

2.5 缺陷檢測(cè)

內(nèi)外圓缺陷檢測(cè)：求得圓心和進(jìn)行邊緣提取后，即可通過(guò)檢測(cè)圓每個(gè)區(qū)域的面積是否大致相等來(lái)判斷是否有缺陷。如圖7所示，從圓心出發(fā)，將圓環(huán)分成若干等份，計(jì)算每個(gè)區(qū)域的面積。若相差不大，則沒(méi)有缺陷；若有明顯的差別，則說(shuō)明該瓶口有缺陷，圖7所示為明顯有缺陷。

污點(diǎn)檢測(cè)：若某黑像素區(qū)域?yàn)槎噙B通點(diǎn)，并且該區(qū)域到圓心的距離小于半徑，則斷定內(nèi)蓋內(nèi)有污點(diǎn)，如圖8所示。

圖7 瓶蓋外圓檢測(cè)

圖8 密封圈內(nèi)污點(diǎn)檢測(cè)

3 實(shí)驗(yàn)及結(jié)果分析

經(jīng)過(guò)試驗(yàn)驗(yàn)證，本算法每幀圖像處理時(shí)間小于80 ms；數(shù)據(jù)精度大于76像素/英寸；可檢測(cè)出0.1 mm的缺陷；系統(tǒng)處理瓶蓋速度每小時(shí)達(dá)36000個(gè)以上；準(zhǔn)確率達(dá)98%，較好地滿足了生產(chǎn)線上的要求。

本算法目的是檢測(cè)瓶蓋內(nèi)外圓邊緣是否有缺陷，瓶蓋密封圈內(nèi)是否有污點(diǎn)。圖9和圖10分別列出了這兩種缺陷的情況。

圖9 檢測(cè)出瓶蓋邊緣有缺陷的效果圖

圖10 檢測(cè)出瓶蓋密封圈內(nèi)有污點(diǎn)的效果圖

4 結(jié)論

本文提出一種基于DSP的瓶蓋缺陷檢測(cè)算法，該算法能快速識(shí)別內(nèi)外圓邊緣缺陷和密封圈內(nèi)污點(diǎn)，可用于生產(chǎn)線上；系統(tǒng)高效實(shí)用且安裝方便，所用到的軟硬件技術(shù)若加以改進(jìn)后可適用于各種制造業(yè)的在線缺陷檢測(cè)，技術(shù)推廣前景廣泛。

[1] 康耐視.藥片顆粒的機(jī)器視覺(jué)檢測(cè)系統(tǒng)[J].自動(dòng)化博覽,2010,(增1):85.

[2] Khanfir S, Jemni M. Reconfigurable hardware implementations for lifting-based DWT image processing algorithms[C] //IEEE The 2008 International Conference on Embedded Software and Systems, ICESS,2008.

[3] 王成群.基于機(jī)器視覺(jué)的音膜同心度測(cè)量系統(tǒng)系統(tǒng)的研究與設(shè)計(jì)[D].廣東:廣東工業(yè)大學(xué),2008.

A PET Cap Detecting Algorithm Based on ARM and DSP

Huang Weiji Xie Yun
(Dept. of Automation, Guangdong University of Technology)

The paper describes a rapid algorithm to detect the deficiency of plastic bottle cap and the cap sealing ring if it is stained without touch. The algorithm includes image preprocessing, extraction of the interesting region and cap edge, defect detection and so on. The rationality and stability of the online inspection system are proved by theory and test. The algorithm can detect more than 36,000 caps per hour and 0.1mm defects.

Embedded; PET Cap Image; DSP

黃偉基，男，1987年生，廣東工業(yè)大學(xué)在校碩士研究生，專業(yè)為控制理論與控制工程，主要研究方向：機(jī)器視覺(jué)、嵌入式系統(tǒng)應(yīng)用。E-Mail：346542854@qq.com。

謝云，女，1964年生，自動(dòng)化學(xué)院副院長(zhǎng)，教授，主要研究方向：機(jī)器視覺(jué)、IC設(shè)計(jì)、信息與通信技術(shù)。