空瓶檢測機器人瓶底缺陷檢測方法探究

譚佩儀

摘要：在食品行業(yè)，飲料灌裝前都需要接受空瓶瓶底缺陷檢測，對比傳統(tǒng)的人工監(jiān)測技術，機器視覺技術效果更好，綜合成本低，運用范圍更廣。本文針對基于機器視覺技術的空瓶檢測機器人技術對瓶底定位和缺陷問題進行研究，對其瓶底圖像采集和方式進行分析和優(yōu)化。

關鍵詞： 空瓶檢測機器人、瓶底缺陷、檢測方法

目前，我國的瓶底定位算法的內容較多，重心法和三點源擬合法較為常見。這些方式都有自身的優(yōu)點，但是在運行中風險也客觀存在。本文總結了常規(guī)檢測活動中，瓶底圖像定位存在的問題以及誤差常見的原因，集合瓶底防滑紋的幾何特征提出了改進防滑紋的多種方法。如可以對瓶底圖預處理后就可以消除圖像中的噪點，也可以采用重心法預先獲取圓心，并以此為圓擬合算法輸入邊緣，后采用多次隨機圓擬合算法來減少干擾點對定位的影響。

1.案例研究本文選取啤酒瓶為研究對象，探討其缺陷類型和具體特征，如可以將瓶底分為中心區(qū)域和防滑區(qū)域兩個部分，可以在瓶底的區(qū)域采用最小矩形中心檢測法，防滑區(qū)域則為分割防滑識別方法;確定好基礎信息后將所有的數(shù)據(jù)導入到向量機結合徑向基核函數(shù)中進行分類研究，分析瓶底數(shù)據(jù)檢測的結果。最后設計一個帶有算法驗證功能的空瓶檢測軟件，其特點在于：實際的檢驗過程中，主要從瓶底圖像采集、模型、特征三個方面分析圖像。如空瓶會采用光源頻閃的方式來觸發(fā)相機拍照，空瓶經過檢測工位時需要提前調解光圈、焦距，進而保證圖像清晰，拍攝的時候也要求相機的光源位于空瓶的底部下方，相機位于空瓶的正上方。

2.圖像采集系統(tǒng)研究圖形采集需要采用光電傳感器、光源和相機三種設備，其中光源是檢測設備圖像采集的主要設備，也是圖像特征顯現(xiàn)的重要依據(jù)。光源可以為系統(tǒng)獲得高質量的圖像，因為每一個檢測對象選擇的光源結果不同，為了達到最好的圖像采集結果，需要科學選擇光源，保證采集的有效性。相機是成像的核心元件，在光源影響下，設備工控機接受設備傳輸?shù)膱D像，進行算法處理后將檢測的結果輸出并顯示出來，因為不同的相機其分辨率、快門時間以及曝光的時間差異，因此針對不同的圖像需要選擇匹配的相機來檢測。作為視覺檢驗的關鍵設備，光電傳感器運用了光電的原理來控制設備運行，如在空瓶檢測的基礎環(huán)境中放置發(fā)光器接收器，操作時瓶子擋住了發(fā)光器的光線，接收器無法接收到信息，傳感器此時也會產生電平脈沖信號輸出信息，對空瓶拍照。

3.圖像處理系統(tǒng)空瓶缺陷采集的圖像處理系統(tǒng)包括了計算器、觸摸顯示器以及相應的算法軟件。

3.1圖像的預處理研究目前的圖形預處理階段需要接受綜合的圖像模糊和降噪處理，可采用均值濾波、高斯濾波以及中值濾波等技術進行分析，這些技術可以將原圖像所有的像素點的灰度值設置為區(qū)域像素灰度中值，進而生成新的圖像;中值濾波技術可以消除圖像的孤立點噪聲，十分適合脈沖噪聲。中值濾波技術在圖像處理技術中運用十分廣泛，是一個經典的平噪聲處理方法，如均值濾波算法屬于一種線性的濾波技術，多采用領域平均法，即將圖形的特殊區(qū)域的像素點灰值設置為其中值，進而生成新的圖像。

3.2閾值處理閾值處理的是一種常見的基本算法，其圖像中的物體和背景像素分開，進而設置新的目標像素點。若設置的分割閾值是一個適合整個圖像的參數(shù)，其處理結果被稱之為全局分割閾值處理。實際操作時，分割閾值在圖像上十分不均勻，若像素點的坐標唯一就稱之為動態(tài)閾值處理，若處理表現(xiàn)出變化的狀態(tài)即為局部閾值處理。

3.3邊緣檢測邊緣檢測是一種基本的特征處理方式，其中邊緣檢測可以有效解決數(shù)字圖像和機器視覺基本處理問題。如通過圖形檢測方法可以精準找出圖像中梯度變化的明顯區(qū)域進而獲得詳細的邊緣細節(jié)信息。在實際的機器視覺檢測中邊緣信息是一個重要的圖像特征信息內容，常用的方式包括了Canny 算子、Sobel 算子等。

4.自動控制檢驗系統(tǒng)自動控制檢驗系統(tǒng)的內容較多，其中包括了光電傳感器、擊出器以及可編程邏輯控制器以及變頻器等?？刂葡到y(tǒng)需要處理工業(yè)鏈的道路信息啟動、報警和停止功能，如空瓶檢測系統(tǒng)運行時候其在工業(yè)鏈道路上進行高速移動，內部的光電傳感器聯(lián)合內置的高速計數(shù)器確定每一個空瓶的具體位移情況?？掌恳苿拥教蕹の粫r候，整個器械就需要執(zhí)行剔除動作，即使分離工業(yè)生產線鏈條，進而提升生產效率。

5.瓶底缺陷檢測分析一般采集的瓶底圖像類型可以分為內部破損、瓶底氣泡以及瓶底結石和環(huán)形針等。內部破損指的是空瓶在運輸中瓶底內部有破損缺口，具體表現(xiàn)為防滑紋區(qū)域的斑點。瓶底裂紋是瓶底的中心區(qū)域出現(xiàn)了細長、彎曲、形狀不規(guī)則的黑色條狀裂紋。瓶底氣泡缺陷大多表現(xiàn)為瓶底區(qū)域出現(xiàn)的白色小氣泡，多是玻璃瓶燒制問題。瓶底結石是啤酒生產中常見的缺陷，主要表現(xiàn)為中心區(qū)域出現(xiàn)不規(guī)則的黑色區(qū)域，其在瓶底的圖像中位置多變，但是整個缺陷的形狀不規(guī)則、單一，整體變現(xiàn)為黑色矩形區(qū)域。本次設計的空瓶檢測生產技術立足于機器視覺技術實現(xiàn)處理，其中檢測的內容包括了瓶口、瓶身和瓶底，計算機采用圖像處理措施對三個圖像進行算法處理和分析，并可以針對問題進行集中處理，以此來提升缺陷的檢測效果和質量。整體的檢測技術受到的影響因素如下：第一是工業(yè)現(xiàn)場的鏈道發(fā)生抖動導致光照不均勻，后期環(huán)境光和相機的感光噪聲發(fā)生問題，導致采集的圖像有噪音，瓶底也容易出現(xiàn)不穩(wěn)定問題;第二是啤酒生產廠家的啤酒類型多，瓶子的形狀大小和規(guī)則也不一樣，容易引起算法缺陷問題，若瓶底有防滑區(qū)域且內部的防滑紋也屬于陰影部分，整個瓶底缺陷也可能出現(xiàn)一些問題，直接影響干擾檢驗的結果，這也對瓶底缺陷算法是普適性和準確性提出了要求。針對此問題，相關技術人員結合瓶底防滑紋特點將瓶底的圖像分為防滑區(qū)域和中心區(qū)域兩個部分，因此可以針對該特點采用不同的檢測方式，預防防滑紋檢測誤差問題。如可以針對瓶底的中心區(qū)域進行最小矩形的中心區(qū)域缺陷檢測，其中的瓶底防滑紋可以采用基于區(qū)域的瓶底缺陷識別方法，并可以通過提取多種特征來識別缺陷問題。整體可以采用支持向量結合徑向基核函數(shù)對瓶底缺陷特征分類。之后也能夠采用多特征支持的向量算法，最后確定最終的檢測結果。

6.結語本次研究基于區(qū)域分割概率提出了瓶底缺陷的識別方法，后通過對比分析對多種方法的效果進行了研究論證，提出了基于支持向量機算法的函數(shù)作為瓶底的圖像缺陷算法，基本解決了瓶底防滑紋對缺陷檢測的干擾問題。

參考文獻：

[1]黃森林. 啤酒空瓶檢測機器人的瓶身缺陷檢測算法研究及應用[D].湖南大學，2018.

[2]范濤. 空瓶檢測機器人的啤酒瓶底缺陷圖像識別方法[D].湖南大學，2018.

[3]范濤，朱青，王耀南，周顯恩，劉遠強.空瓶檢測機器人瓶底缺陷檢測方法研究[J].電子測量與儀器學報，2017，31（09）：1394-1401.

[4]鄭葉欣. 高速高精度空瓶檢測機器人瓶身質量檢測算法研究與應用[D].湖南大學，2017.

[5]彭玉. 飲料空瓶檢測機器人的瓶口缺陷識別算法研究[D].湖南大學，2017.

東莞職業(yè)技術學院 ?廣東 ?東莞 ?523808