基于數(shù)字圖像處理的玻璃瓶瑕疵檢測(cè)系統(tǒng)

吳房勝，徐金秀，李如平

(1.安徽工商職業(yè)學(xué)院電子信息系，安徽合肥231131；2.安徽鴻路集團(tuán)設(shè)計(jì)院，安徽合肥231131)

基于數(shù)字圖像處理的玻璃瓶瑕疵檢測(cè)系統(tǒng)

吳房勝1，徐金秀2，李如平1

(1.安徽工商職業(yè)學(xué)院電子信息系，安徽合肥231131；2.安徽鴻路集團(tuán)設(shè)計(jì)院，安徽合肥231131)

市場(chǎng)上眾多的玻璃瓶產(chǎn)品表面存在裂縫、破損、磨損帶過大等問題，如流入市場(chǎng)即成為次品并要求退回，嚴(yán)重影響了產(chǎn)品質(zhì)量，并消耗了大量的勞動(dòng)力．為解決此問題，研究了一套裝置，利用數(shù)字圖像處理技術(shù)，通過改進(jìn)的Sobel檢測(cè)算子方法，對(duì)采集的圖像進(jìn)行邊緣檢測(cè)，并結(jié)合ARM控制技術(shù)，自動(dòng)檢測(cè)玻璃瓶瑕疵，并將其剔除，替代了傳統(tǒng)的用人工目視的檢測(cè)方法，克服了人工檢測(cè)速度慢、檢測(cè)結(jié)果可靠性低、一致性和穩(wěn)定性差，無法提高產(chǎn)品質(zhì)量，檢測(cè)效率低等問題．

圖像處理；Sobel算子；玻璃瓶；瑕疵

圖1 裝置在線檢測(cè)的結(jié)構(gòu)示意圖

該自動(dòng)瓶檢系統(tǒng)采用ARM技術(shù)，因其具有高性能的處理速度，該裝置具有很高的檢測(cè)精度，檢測(cè)速度與灌裝生產(chǎn)線的線速完全匹配，高精度微米級(jí)在線檢測(cè)的精度可以根據(jù)要求任意調(diào)節(jié)，用來檢測(cè)玻璃瓶瑕疵、玻璃磨損等，并可自動(dòng)分類剔除次品．企業(yè)中可用于新裝配線或舊線技術(shù)的升級(jí)與改造，最高在線檢測(cè)速度可達(dá)到90 000個(gè)/小時(shí)[3]．

2 系統(tǒng)的基本算法

2.1 圖像增強(qiáng)算法

在拍攝過程中，玻璃瓶圖像是通過攝相機(jī)將生產(chǎn)線上玻璃瓶圖像抓拍下來，經(jīng)過嵌入式視頻采集卡采集圖像信息，將其轉(zhuǎn)換成BMP位圖的格式存儲(chǔ)到系統(tǒng)中．在圖片的采集與傳輸過程中，難免會(huì)遭到各種外界因素(電磁輻射、噪音等)甚至人為因素的影響，使所拍攝的玻璃瓶的圖像效果不太理想．這些噪聲干擾對(duì)圖像質(zhì)量有嚴(yán)重影響，會(huì)使拍攝的圖片變得模糊不清，雖然這些外界噪聲肉眼一般是無法辨別的，但噪聲干擾可以覆蓋甚至改變圖片特征，使系統(tǒng)對(duì)次品是否合格品的精確判斷帶來嚴(yán)重困難．因此，在對(duì)玻璃瓶判斷檢測(cè)之前，必須改善圖像質(zhì)量，消除噪聲，使拍攝圖像的輪廓更加突出[4]．

拍攝的玻璃瓶圖像首先采用圖像增強(qiáng)算法對(duì)其噪聲的干擾實(shí)施前期處理，保證檢測(cè)精度．由于圖像中的頻譜處在較低的空間頻率域中，而噪聲頻譜在空間頻率區(qū)域較高，圖像與噪聲區(qū)域之間的關(guān)聯(lián)性不大，據(jù)此可消除這些外界噪聲.本系統(tǒng)結(jié)合實(shí)際情況，提出一種領(lǐng)域平均法，對(duì)采集到的圖像實(shí)施濾波去噪聲.該方法是一種比較簡(jiǎn)單的平滑方法，算法不但簡(jiǎn)單快捷，而且噪聲平滑效果也非常好．

領(lǐng)域平均法的基本原理是將拍攝的圖片其中一個(gè)像素的灰度值與其周圍鄰近的N個(gè)像素的灰度值進(jìn)行疊加，然后除以N+1求平均值，作為該點(diǎn)像素的灰度值．該方法是比較簡(jiǎn)便的空間域處理方法．該方法利用模板計(jì)算的思想，模板操作完成了一種鄰域運(yùn)算，即某個(gè)確定像素點(diǎn)的灰度值，不僅與本像素灰度有關(guān)，而且與其鄰近點(diǎn)的像素灰度也有關(guān)[5]．鄰域平均法用數(shù)學(xué)公式表達(dá)如下：

式中，f(i,j)是一幅給定的噪聲圖像，g(m,n)是領(lǐng)域平均法處理后得到的圖像，S是所取鄰域中各鄰近像素的坐標(biāo)，m,n=0,1,...,N-1，N是集合中像素點(diǎn)的集合．在點(diǎn)(m,n)的鄰域中的f(i,j)的幾個(gè)象素中，通過算出它們灰度值的平均值，得出g(m,n)中的每個(gè)象素點(diǎn)的灰度值，使圖像得到平滑，在實(shí)際應(yīng)用時(shí)，一般按照不同的需求選擇使用不同的模板，如3×3、5×5、7×7等，在選擇模板時(shí)，如果圖像越大，數(shù)據(jù)運(yùn)算量也越大，考慮到本裝置采用32位ARM處理器控制，其處理能力遠(yuǎn)不如計(jì)算機(jī)，因此選擇的模板一般要小一點(diǎn)，這樣能夠節(jié)省時(shí)間和運(yùn)算量．如一種常見的3×3模板：

為算出新圖中該點(diǎn)像素的灰度值，首先將原圖中一個(gè)像素的灰度值與其周圍鄰近四個(gè)像素的灰度值相加，即將當(dāng)前像素點(diǎn)與其上下左右四個(gè)像素點(diǎn)相加，再除以5求平均值，算出灰度的平均值，將求出的灰度平均值代替當(dāng)前像素點(diǎn)的灰度值[6]．

該方法就是利用四周鄰近像素的平均值來代替該點(diǎn)像素的灰度值，從而很大程度上削弱一定頻率的噪聲.該方法雖減小了噪聲，但圖像有一定程度上的模糊．

2.2 圖像邊緣檢測(cè)

邊緣檢測(cè)已成為當(dāng)前工控視覺研究領(lǐng)域最活躍的應(yīng)用領(lǐng)域，在工程的應(yīng)用中具有舉足輕重作用．圖像的邊緣檢測(cè)，是玻璃瓶圖像分割、玻璃瓶圖像區(qū)域的識(shí)別及其形狀提取等圖像分析的關(guān)鍵技術(shù)基礎(chǔ)．物體的邊緣是按照?qǐng)D像的不連續(xù)的特征為形式出現(xiàn)的，也就是圖像的局部亮度變化最明顯的部分為物體的邊緣，如紋理結(jié)構(gòu)的突變、顏色的突變、灰度值的突變等，物體的邊緣即為不同區(qū)域的分界處．邊緣按特性分，可分為兩類：一種為線條邊緣，另一種為階躍性邊緣[7]．當(dāng)一個(gè)像素處在玻璃瓶圖像中某物體的臨界點(diǎn)上時(shí)，則其附近的領(lǐng)域就成了一個(gè)灰度級(jí)的變化區(qū)域．線條邊緣的二階方向?qū)?shù)是在邊緣處取極值；而階躍性邊緣是在邊緣處成零交叉，兩者大不相同．針對(duì)玻璃瓶圖像中各個(gè)像素的鄰域，邊緣檢測(cè)算子均要對(duì)其定位，并對(duì)其灰度變化率及變化方向展開運(yùn)算[8]．

目前比較常用的邊緣檢測(cè)算子為Roberts檢測(cè)算子，該算法是求對(duì)角線方向相鄰的兩個(gè)像素的差值，是一種利用局部差分算子查找邊緣的算子，Roberts檢測(cè)算子如表1所示，其算法如公式(2)所示，在2×2鄰域上計(jì)算對(duì)角導(dǎo)數(shù)[9]：

表1 Roberts算子

式中，g(i,j)為Roberts交叉算子，f(i,j)為輸入的圖像．進(jìn)行平方根計(jì)算后，便于人眼的視覺觀察．但考慮到實(shí)際情況，為了計(jì)算更加簡(jiǎn)單方便，一般采用絕對(duì)值的方法來近似計(jì)算交叉算子，算法如公式(3)所示:

另外還能夠比較兩絕對(duì)值的最大值，這樣算更加簡(jiǎn)便，算法如公式(4)所示：

利用式(4)進(jìn)行計(jì)算，對(duì)圖像的邊緣取向非常好．因此，對(duì)于長(zhǎng)度相同但取向不同的圖像邊緣，采用公式(4)所得到的合成幅度比采用公式(2)得到的變化要?。甊oberts檢測(cè)算子可分別用這兩個(gè)卷積核進(jìn)行表達(dá)：，圖像中的每個(gè)像素點(diǎn)均用這兩個(gè)卷積核進(jìn)行卷積，再利用公式(3)，即可求出函數(shù)g(i,j)的結(jié)果，運(yùn)算結(jié)果是一幅邊緣幅度圖像[10]．

如果采用前面介紹的Roberts檢測(cè)算子方法，圖像會(huì)有一個(gè)致命的弱點(diǎn)，那就是圖像的抗噪聲能力非常低.但Sobel算子卻大不相同，它是把方向差分運(yùn)算與局部平均融合在一起進(jìn)行計(jì)算的一種算法．該算法以圖像中某個(gè)像素為中心，截取一個(gè)3×3像素的窗口，如表2所示，然后分別計(jì)算窗口像素在水平方向與垂直方向上的偏導(dǎo)數(shù)，算法如公式(5)、(6)所示[11]．

表2 Sobel算子

在采用Sobel進(jìn)行邊緣檢測(cè)時(shí)，加權(quán)系數(shù)c為定值，取2，從而能夠求出偏導(dǎo)數(shù)幅值與角度的計(jì)算公式：

Sobel算子的卷積核可表示為：

圖2 Sobel算子

利用Sobel算子的兩個(gè)卷積核，一個(gè)計(jì)算出圖像的垂直邊緣，另一個(gè)計(jì)算出圖像的水平邊緣，這樣得到的邊緣檢測(cè)效果比較好，并且抗噪聲效果也比較好．該算法使用的模板越大，其抗噪聲能力就越好，是一種非常實(shí)用的邊緣檢測(cè)手段．

考慮到玻璃瓶瓶身裂紋、破裂形狀的不規(guī)則性等因素，邊緣在多個(gè)方向都可能存在梯度，如果能構(gòu)造一個(gè)方向模板對(duì)采集的圖像進(jìn)行邊緣檢測(cè)，則能獲取的玻璃瓶瑕疵信息必然會(huì)比普通的Sobel算子更齊全，考慮到實(shí)際情況，本檢測(cè)裝置采用改進(jìn)的Sobel邊緣檢測(cè)算子對(duì)玻璃瓶圖像進(jìn)行邊緣檢測(cè)．

改進(jìn)的Sobel邊緣檢測(cè)算子引入了改進(jìn)的八個(gè)方向的Sobel邊緣檢測(cè)算子．其模板表示如圖3所示．

圖38 個(gè)方向的Sobel算子模板

圖像中某個(gè)像素點(diǎn)B及周圍3×3區(qū)域的灰度如圖4所示，設(shè)qi為圖像經(jīng)過Sobel算子第i+1個(gè)模板處理后得到的B點(diǎn)灰度值，其中i取0到7．

圖4 B像素點(diǎn)灰度圖

則對(duì)q0計(jì)算表達(dá)式為：

處理后的B點(diǎn)的灰度值為qB=max{qi}，i=0,1…7．

圖像處理時(shí)，對(duì)圖像的掃描從第2行開始結(jié)束于第M-1行，第2列開始結(jié)束于第N-1列，這樣就保證了在研究圖像中任何一點(diǎn)(i,j)周圍的3×3領(lǐng)域內(nèi)的像素都不會(huì)超出矩陣范圍．通過將八個(gè)方向的模板一一與所研究的像素中心點(diǎn)周圍的3×3領(lǐng)域相點(diǎn)乘，得到8個(gè)值，最后取8個(gè)值中絕對(duì)值最大的作為研究的像素點(diǎn)(i,j)變換后的灰度值，而結(jié)果中取最大值的模板所對(duì)應(yīng)的檢測(cè)方向的垂向即為邊緣的方向[12]．

3 檢測(cè)裝置硬件設(shè)計(jì)

檢測(cè)裝置的硬件設(shè)計(jì)采用ARM控制技術(shù)，核心控制器件為三星公司的S3C2440芯片，主要完成玻璃瓶傳輸、數(shù)字圖像處理、界面顯示與次品剔除等功能．

3.1 檢測(cè)裝置硬件總體設(shè)計(jì)

檢測(cè)裝置硬件設(shè)計(jì)主要由兩個(gè)部分組成：主器件控制部分與外圍擴(kuò)展部分．主器件控制部分由主控制芯片S3C2440、存儲(chǔ)器、以太網(wǎng)控制器等組成；外圍擴(kuò)展部分由工控觸摸屏、供電電源、通訊接口、圖像采集等部分組成．系統(tǒng)硬件總體框圖如圖5所示．

圖5 系統(tǒng)硬件總體框圖

該控制系統(tǒng)采用相互獨(dú)立式的結(jié)構(gòu)，每一個(gè)模塊都可完成各自獨(dú)立的功能．每個(gè)模塊通過總線方式將工控觸摸屏模塊、主控制模塊、圖像采集模塊聯(lián)接在一起，最終實(shí)現(xiàn)具有圖像采集、次品剔除、屏幕顯示等功能的控制系統(tǒng)．控制板上還具有232、485等通訊接口、以太網(wǎng)接口、輸入輸出口等部分，便于系統(tǒng)功能的擴(kuò)展與升級(jí)[13]．

3.2 CCD攝像頭

攝像機(jī)選用敏通公司的1/2英寸黑白低照度高解析攝像機(jī)MTV1881EX，該攝像機(jī)CCD總像素為795(水平)×596(垂直)，掃描系統(tǒng)為625線，每秒50場(chǎng)，視頻輸出為復(fù)合式影像信號(hào)輸出，具有內(nèi)外同步功能和自動(dòng)增益控制功能[14]．?dāng)z像機(jī)鏡頭選用AVENIR公司的CCTVLENS型手動(dòng)定焦鏡頭，焦距25 mm，手動(dòng)光圈．

3.3 嵌入式視頻捕捉卡

檢測(cè)裝置對(duì)圖像信號(hào)的捕捉利用武漢萬德數(shù)碼科技有限公司的VC302嵌入式視頻捕捉卡（見圖6），左上側(cè)白色插頭為視頻輸入接口，右側(cè)插頭為與主控芯片連接的總線數(shù)據(jù)接口．其工作流程是將攝像機(jī)信號(hào)接入左側(cè)白色插口，經(jīng)過數(shù)據(jù)的采集處理，信號(hào)經(jīng)過右端總線接口連到主控模塊的輸入總線接口，利用32位ARM芯片分析并處理數(shù)據(jù)．該視頻捕捉卡提供了完整的靜止和活動(dòng)圖像采集方案；每次捕捉并緩存1幀，支持最高25幀/秒捕捉速度；支持4種輸出圖像格式．

圖6 VC302嵌入式視頻捕捉卡

視頻捕捉卡具有FIFO式存儲(chǔ)器，在內(nèi)部對(duì)玻璃瓶圖像進(jìn)行捕捉的同時(shí)，處理器就開始讀取已捕捉的玻璃瓶圖像信息，而不需要等一幀全部捕捉完成再讀取，這樣能夠增強(qiáng)處理器的處理效率．該采集卡采集速度快、使用方便、性能穩(wěn)定，所以本系統(tǒng)采用此采集卡是比較理想的選擇[15]．

該采集卡與ARM主控芯片的連線如圖7所示，利用8位并行數(shù)據(jù)總線傳輸數(shù)據(jù)，采用芯片ATF16V8B輸出圖像采集卡的地址和片選信號(hào)，地址由VC302采集卡的地址總線A1A0兩位決定．

4 檢測(cè)裝置軟件設(shè)計(jì)

檢測(cè)裝置的軟件采用EVC++實(shí)現(xiàn)的，為了使玻璃瓶瑕疵檢測(cè)系統(tǒng)的軟件便于設(shè)計(jì)、調(diào)試、移植和維護(hù)，要求整個(gè)軟件系統(tǒng)采用獨(dú)立模塊化結(jié)構(gòu)設(shè)計(jì)，各個(gè)模塊相互獨(dú)立又相互聯(lián)系．

圖像處理函數(shù)按功能進(jìn)行了分類，軟件界面可以通過多種方式調(diào)用特定的圖像處理函數(shù)，并將處理后的圖像顯示在指定的區(qū)域，軟件對(duì)圖像進(jìn)行數(shù)字圖像處理后，檢測(cè)出次品并分類剔除，流程圖如圖8所示．

圖8 軟件流程圖

5 結(jié)論

上述主要介紹了玻璃瓶瑕疵檢測(cè)系統(tǒng)硬件及軟件的設(shè)計(jì)思想及程序的開發(fā)方式，在明確系統(tǒng)軟件功能及設(shè)計(jì)任務(wù)的基礎(chǔ)之上，根據(jù)軟件功能劃分設(shè)計(jì)模塊并編寫程序.本系統(tǒng)經(jīng)過軟硬件的調(diào)試，系統(tǒng)工作正常，界面友好，功能強(qiáng)大并易于擴(kuò)展，實(shí)現(xiàn)了圖像采集卡的連接、參數(shù)的設(shè)定、自動(dòng)數(shù)字圖像處理等功能．?dāng)?shù)字圖像處理玻璃瓶瑕疵的過程和效果良好，檢測(cè)效果圖如圖9(a)、(b)所示，(a)圖為瓶身處玻璃破碎，(b)圖為瓶身磨損帶過大，這兩種情況均為次品，需將其剔除．

在檢測(cè)過程中，檢測(cè)結(jié)果具一致性、系統(tǒng)精度可達(dá)到5 mm(可調(diào))、穩(wěn)定性和可靠性均達(dá)到99.99%，確保了出廠產(chǎn)品的合格率，實(shí)現(xiàn)零漏檢．大大減少了人工和次品退貨造成的各種費(fèi)用，降低企業(yè)成本；該系統(tǒng)由軟件控制檢測(cè)精度，保證質(zhì)檢結(jié)果和檢測(cè)精度的可靠性，極大地保障了產(chǎn)品質(zhì)量的穩(wěn)定性．

圖9 次品檢測(cè)示意圖

[1]文西芹,張永忠.扭矩傳感器的現(xiàn)狀與發(fā)展趨勢(shì)[J].儀表技術(shù)與傳感器,2001(12):1-3.

[2]印保靖，成勇，史偉，等.轉(zhuǎn)矩轉(zhuǎn)速測(cè)量裝置轉(zhuǎn)速特性檢測(cè)方法的研究[J].上海計(jì)量測(cè)試,2006(6):15-16.

[3]吳紀(jì)國,袁道成.數(shù)字圖像處理技術(shù)在幾何量精密測(cè)量中的應(yīng)用研究[J].儀器儀表學(xué)報(bào),2007(8):9-10.

[4]連錦湮.機(jī)器計(jì)算機(jī)視覺的應(yīng)用——打孔機(jī)影像定位系統(tǒng)設(shè)計(jì)[J].今日電子,2006(10):83-86.

[5]張恒.基于ARM的視覺定位技術(shù)研究[D].廣州:廣東工業(yè)大學(xué),2007.

[6]吳房勝,歐陽名三.數(shù)字圖像處理技術(shù)在高精度自動(dòng)對(duì)中裝置中的研究[J].煤炭工程,2009(1):110-112

[7]尹建新.基于計(jì)算機(jī)視覺木材表面缺陷檢測(cè)方法研究[D].杭州:浙江工業(yè)大學(xué),2007:22-23.

[8]李群,張玉存.基于LabVIEW下扭矩傳感器實(shí)驗(yàn)平臺(tái)的研究[J].傳感器技術(shù)學(xué)報(bào),2003,16(4):504-506.

[9]沈全鵬.基于數(shù)字圖像處理的車牌定位研究[D].廣州:廣東工業(yè)大學(xué),2007:6-30.

[10]吳房勝,歐陽名三.電機(jī)轉(zhuǎn)速測(cè)量器件高精度檢測(cè)裝置的研究[D].淮南:安徽理工大學(xué),2010.

[11]于彬.基于數(shù)字圖像處理的陶瓷瓶裂紋檢測(cè)研究[D].湖北:武漢理工大學(xué),2007.

[12]余蘇勝.微電機(jī)電氣性能智能測(cè)試系統(tǒng)的研究[D].杭州:浙江大學(xué), 2001.

[13]岡薩雷斯.數(shù)字圖像處理(MATLAB版)[M].北京:電子工業(yè)出版社, 2006.

[14]何秀偉.電機(jī)測(cè)試技術(shù)[M].北京:機(jī)械工業(yè)出版社,1985.

[15]Fiorini P,Shiller Z.Motion planning in dynamic environments using Velocity obstacles[J].The Internationa1 Journal of Robotics Research, 1998,17(7):760-772.

【編校：李青】

Glass Bottle Defect Inspection System Based on Digital Image Processing

WU Fangsheng1,XU jinxiu2,LI Ruping1
(1.Anhui Business Vocational College,Hefei,Anhui 231131,China;2.Anhui Honglu Group,Hefei,Anhui 231131,China)

In today’s market,a number of quality issues such as glass cracks,damage and excessive wear exist at the surface of Glass products,and if these glass bottles go into the market,they will become the defective products and lead to refunds,seriously affecting the quality of products,and consuming a lot of workforce.To solve this problem,this paper studies a set of devices using digital image processing technology to detect the acquired image edge through improved Sobel operator detection method. Combined with ARM control technology,it automatically detects and removes glass defects.Replacing the traditional methods of manual visual detection,the system overcomes the issues of slow manual testing,the low reliability of test results,the poor consistency and stability,inability to improve product quality,and the low testing efficiency.

image processing;sobel operator;glass bottles;flaws

TP231

A

1671-5365(2014)06-0103-05

目前市場(chǎng)上眾多的玻璃產(chǎn)品表面，存在玻璃瓶裂縫、破損以及磨損帶過大等質(zhì)量瑕疵問題，該類玻璃瓶如流入市場(chǎng)即成為次品并要求退回，嚴(yán)重影響了產(chǎn)品質(zhì)量，并消耗了大量的勞動(dòng)力．為解決此問題，研究了一套檢測(cè)裝置，利用數(shù)字圖像處理技術(shù)中的Sobel邊緣檢測(cè)算子方法，對(duì)采集的圖像進(jìn)行邊緣檢測(cè)，并結(jié)合32位嵌入式微處理器S3C2440，實(shí)現(xiàn)了玻璃瓶瑕疵的高精度自動(dòng)檢測(cè)，完成玻璃瓶破碎與瓶身磨損帶過大等問題的檢測(cè)，不僅提高了瓶檢質(zhì)量的可靠性、一致性和穩(wěn)定性，也提高了檢測(cè)效率、檢測(cè)精度及產(chǎn)品質(zhì)量，且檢測(cè)功能的可擴(kuò)展性較大．該系統(tǒng)大大降低了人工檢測(cè)勞動(dòng)強(qiáng)度，并且避免了人工的誤操作，為灌裝飲料企業(yè)的技術(shù)升級(jí)和改造提供了可靠保障，降低了次品率和出廠產(chǎn)品的退回率，提高了企業(yè)效率．

1 系統(tǒng)概述及工作原理

檢測(cè)裝置由兩個(gè)部分構(gòu)成，一個(gè)部分是數(shù)字圖像采集處理部分，另一個(gè)部分是動(dòng)作控制、檢測(cè)數(shù)量控制等部分，主控制單元采用32位嵌入式微處理器S3C2440，其裝置的結(jié)構(gòu)示意圖如圖1所示．被檢測(cè)的玻璃瓶安放在傳送帶上勻速前進(jìn)，遮光密封盒為檢測(cè)室的箱體，檢測(cè)室箱體尺寸為110 cm(長(zhǎng)度)×60 cm(寬度)×50 cm(高度)，所有檢測(cè)的玻璃瓶均通過檢測(cè)室箱體，箱體內(nèi)裝有攝像頭，并在攝像頭對(duì)面開一個(gè)比檢測(cè)瓶直徑略大的槽口，保證有充足的光線照射．當(dāng)攝像頭拍攝到瓶身照片后，對(duì)其進(jìn)行數(shù)字圖像處理，突出邊緣信息，判斷玻璃瓶是否有瑕疵，并判別該瑕疵是玻璃瓶裂縫、破損還是瓶身磨損．判斷瓶身磨損的方法是結(jié)合實(shí)際情況，計(jì)算瓶身磨損上下線的距離，如果計(jì)算值在人工設(shè)定值范圍之內(nèi)，則被判定為瓶身磨損．當(dāng)玻璃瓶被分類判別后，由ARM處理器控制相應(yīng)設(shè)備，將破碎的玻璃瓶剔除至檢測(cè)室箱體側(cè)面的破碎次品存放處，將瓶身磨損的玻璃瓶剔除至磨損次品存放處[1-2]．

2014-04-06修回：2014-05-12

安徽省廳級(jí)自然科研項(xiàng)目(KJ2011B069、KJ2013Z105)；2013年國家級(jí)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目(201312216019)

吳房勝(1983-)，男，講師，碩士，研究方向?yàn)橹悄軝z測(cè)技術(shù)

時(shí)間：2014-05-16 11:31

http://www.cnki.net/kcms/detail/51.1630.Z.20140516.1131.006.html