基于機(jī)器視覺(jué)的玻璃瓶重量檢測(cè)研究

姜 佳，鄒光明*，許家旺，謝澤祺，閔 達(dá)

（1.武漢科技大學(xué) 冶金裝備及其控制教育部重點(diǎn)實(shí)驗(yàn)室，武漢 430081；2.武漢科技大學(xué) 機(jī)械傳動(dòng)與制造工程湖北省重點(diǎn)實(shí)驗(yàn)室，武漢 430081）

0 引言

在玻璃瓶罐行業(yè)，由于玻璃料滴溫度波動(dòng)、供料機(jī)沖頭與液壓缸工作不同步、料滴重量不穩(wěn)定等因素導(dǎo)致10%的玻璃瓶罐產(chǎn)品重量不合格，因此在生產(chǎn)過(guò)程中需要檢測(cè)玻璃瓶的重量是否符合生產(chǎn)要求。傳統(tǒng)的檢測(cè)方法基于人工手動(dòng)測(cè)量檢測(cè)，例如，在生產(chǎn)時(shí)候，每隔10分鐘，玻璃瓶罐生產(chǎn)工人就需要從輸送帶上將玻璃瓶進(jìn)行稱重，根據(jù)重量是否符合要求調(diào)整供料機(jī)的開(kāi)口。由于玻璃瓶罐生產(chǎn)屬于高溫環(huán)境，特別在夏天，工作環(huán)境溫度高，工人每隔一段時(shí)間就需要換人，這種傳統(tǒng)的測(cè)量方法受人為因素的影響較大，并且測(cè)量效率低，無(wú)法滿足測(cè)量的精度要求[1～3]。因此，基于機(jī)器視覺(jué)的自動(dòng)化非接觸測(cè)量是一種解決方式。

基于機(jī)器視覺(jué)的檢測(cè)和測(cè)量在工業(yè)生產(chǎn)中已經(jīng)得到了廣泛的使用，可用在檢測(cè)產(chǎn)品的質(zhì)量、測(cè)量產(chǎn)品的幾何參數(shù)、目標(biāo)識(shí)別等多領(lǐng)域[4]。在物體尺寸測(cè)量方面，周平等利用機(jī)器視覺(jué)技術(shù)，獲取雞蛋圖像，建立體積與像素體積和表面積與像素表面積之間的線性預(yù)測(cè)模型[5]；周世凡等獲取冷態(tài)模擬玻璃料滴的圖像，利用機(jī)器視覺(jué)技術(shù)，用水平切片法計(jì)算物體的體積和重量[6]。我國(guó)在玻璃瓶罐質(zhì)量檢測(cè)研制方向相對(duì)落后，在玻璃瓶罐外形尺寸測(cè)量上，陸志敏等利用機(jī)器視覺(jué)和圖像處理技術(shù)檢測(cè)玻璃瓶瓶罐瓶口的內(nèi)徑、外徑、瓶子高度和瓶的垂直度，實(shí)現(xiàn)了玻璃瓶罐的外形尺寸檢測(cè)[7]。

本文，利用機(jī)器視覺(jué)技術(shù)對(duì)玻璃瓶的重量進(jìn)行非接觸自動(dòng)化測(cè)量，首先搭建基于機(jī)器視覺(jué)的玻璃瓶測(cè)量系統(tǒng)，拍攝玻璃瓶圖片，對(duì)拍攝到的玻璃瓶瓶口和瓶身圖片進(jìn)行輪廓提取，對(duì)相機(jī)進(jìn)行視覺(jué)標(biāo)定，獲得提取輪廓的參數(shù)信息。然后對(duì)獲取的輪廓參數(shù)信息進(jìn)行分析，分別得到瓶口壁厚尺寸，瓶身輪廓尺寸信息，對(duì)瓶身輪廓按玻璃瓶罐結(jié)構(gòu)特征分為瓶口、瓶頸瓶肩、瓶身、瓶底四部分，每部分體積累加得到玻璃瓶的體積和重量。

1 測(cè)量原理

1.1 玻璃瓶重量求解方法

玻璃瓶的重量可由玻璃瓶體積、密度計(jì)算得到，瓶罐的體積根據(jù)玻璃瓶的結(jié)構(gòu)特征分段累加計(jì)算得到。將玻璃瓶體分為若干部分，如圖2(a)所示，每一部分都力求為規(guī)則幾何體，確定各部分相應(yīng)尺寸，再利用公式計(jì)算體積。不是規(guī)則幾何部分如瓶底，用近似的計(jì)算方法求其體積。對(duì)于待測(cè)的玻璃瓶，將玻璃瓶分為四個(gè)部分，即瓶口、瓶頸、瓶身和瓶底。

1.1.1 瓶身體積計(jì)算

瓶身部分是規(guī)則圓柱形，瓶身的體積計(jì)算如式(1)所示：

其中：d為瓶身的直徑；h為瓶身的高度。

1.1.2 瓶頸體積計(jì)算

瓶頸的體積VPJ，將瓶沿軸向進(jìn)行分段，求每一個(gè)分段的體積，累加各段體積得到該部分的體積。每一個(gè)分段取分段平均直徑，按規(guī)則圓柱體體積公式計(jì)算。

1.1.3 瓶口體積計(jì)算

對(duì)于冠型瓶口，瓶口形狀不規(guī)則，計(jì)算瓶口的體積時(shí)，將其水平分割成若干厚度相同的同軸微圓筒，使用積分的方式求得體積，公式如式(2)所示：

其中：hr為瓶口的高度；Δh為微圓筒高度；d為微圓筒直徑；

1.1.4 瓶底體積計(jì)算

瓶底的體積VPD，根據(jù)瓶底結(jié)構(gòu)的具體情況來(lái)計(jì)算，將其分割成若干規(guī)則幾何形計(jì)算體積。對(duì)于本文測(cè)量的玻璃瓶瓶底如圖1所示，分割為左右扇形圓環(huán)、內(nèi)凹柱體、內(nèi)凹球面。

1）左右兩側(cè)的扇形圓環(huán)如圖1(b)所示陰影處，扇形圓環(huán)體積公式如式(3)所示：

式(3)中，F(xiàn)x為扇形截面面積，其公式如式(4)所示：

2）柱體體積公式：

3）內(nèi)凹球面體積公式：

瓶底的體積等于扇形圓環(huán)體積與柱球形體積之和：

式(7)中：d為瓶底的直徑；R為扇形圓環(huán)半徑；h柱為內(nèi)凹柱體高度；h球?yàn)閮?nèi)凹球體高度；Rq為內(nèi)凹球體半徑。

式中：VR為玻璃瓶罐的容積。

1.2 水平切分法

根據(jù)上一節(jié)的分析，玻璃瓶分割后，除瓶底外的其他部分均是規(guī)則的幾何圖形，在瓶口、瓶頸和瓶身部分，玻璃瓶的截面可認(rèn)為是一個(gè)規(guī)則的回轉(zhuǎn)體，因此，可利用其旋轉(zhuǎn)特征求玻璃瓶體積，瓶頸與瓶口的體積是將玻璃瓶沿軸向分段，求每一個(gè)分段的體積后進(jìn)行累加。因此，在該方法的基礎(chǔ)上對(duì)瓶口、瓶頸和瓶身部分提出水平切分再積分的方法進(jìn)行體積計(jì)算，如圖2(b)所示，體積計(jì)算公式如式(10)所示：

圖2 玻璃瓶示意圖

式(10)中：h為瓶口、瓶頸、瓶身的高度和，di為水平切分截面直徑。

瓶底的部分單獨(dú)求解，瓶底的直徑和高度在已知的情況下可利用公式求解，玻璃瓶罐加工工藝對(duì)瓶底的高度有規(guī)定值，根據(jù)相機(jī)的標(biāo)定結(jié)果和瓶底的高度找到瓶底和瓶身的分界像素分割水平線，分割水平線以上瓶身部分按水平分割再積分的方法進(jìn)行累加，瓶底部分求得像素直徑。累加各部分體積得到玻璃瓶的體積，得到玻璃瓶的重量。

2 系統(tǒng)方案設(shè)計(jì)

2.1 測(cè)量系統(tǒng)

設(shè)計(jì)基于機(jī)器視覺(jué)的檢測(cè)平臺(tái)，搭建玻璃瓶圖像的采集系統(tǒng)，該系統(tǒng)包括CCD相機(jī)、光源箱、光源、圖像采集卡和計(jì)算機(jī)。CCD相機(jī)分別獲取玻璃瓶的瓶口圖像和瓶身圖像，型號(hào)為佳能kiss x7。為了照亮目標(biāo)，區(qū)分目標(biāo)與背景，克服環(huán)境光的干擾，搭建光源箱。照明光源用于突出被測(cè)部位的特征，使用環(huán)形光源放置在被測(cè)物體的正上方。后期需要用計(jì)算機(jī)對(duì)圖像進(jìn)行處理，因此需要利用圖像采集卡將拍攝到的圖像存儲(chǔ)至計(jì)算機(jī)上。圖像采集系統(tǒng)如圖3所示。

圖3 圖像采集測(cè)量系統(tǒng)圖

2.2 圖像處理流程圖

搭建好圖像采集系統(tǒng)并獲取玻璃瓶瓶口和瓶身圖像后，需要對(duì)圖像進(jìn)行一系列操作，提取出瓶口和瓶身輪廓參數(shù)。由于所獲得的圖像是帶有大量噪點(diǎn)的原始圖像，需要進(jìn)行濾波降噪、閾值分割等預(yù)處理，方便進(jìn)行下一步輪廓提取[7，8]。玻璃瓶瓶口和瓶身的圖像處理流程圖如圖4所示。

圖4 圖像處理流程圖

2.2.1 瓶口圖像處理

對(duì)瓶口的原始圖像，利用濾波降噪、閾值分割和輪廓提取算法獲得瓶口的特征輪廓。

獲得的瓶口原始圖利用Halcon軟件將RGB圖像進(jìn)行灰度處理轉(zhuǎn)換為灰度圖像，然后進(jìn)行圖像預(yù)處理，在處理過(guò)程中，圖像上的噪聲不易被察覺(jué)，為了防止后續(xù)的圖像處理加深噪聲的影響，在邊緣提取之前需要進(jìn)行濾波處理，去掉圖像中存在的噪聲[10～13]。常用的噪聲處理主要包括中值濾波和高斯濾波。圖像上存在的單個(gè)像素噪聲無(wú)法直接觀察到，本文通過(guò)給原始圖加上噪聲后，采用高斯濾波、中值濾波算法對(duì)轉(zhuǎn)換后的灰度圖像進(jìn)行降噪處理，通過(guò)對(duì)比，選擇中值濾波算法進(jìn)行降噪。

根據(jù)降噪后的灰度直方圖選取合適的閾值，使圖像的特征與背景間的對(duì)比更加明顯。如果特征區(qū)域包含其他沒(méi)有被分離的區(qū)域，還需要將該提取到的圖像特征區(qū)域打斷，再一次分割出特征區(qū)域。

瓶口的輪廓通過(guò)配合Canny算子對(duì)瓶口的內(nèi)外圈特征進(jìn)行輪廓提取，利用最小二乘法計(jì)算得到擬合圓，在所提取的擬合圓輪廓的基礎(chǔ)上獲取需要的輪廓具體參數(shù)，包括圓心像素值，內(nèi)外輪廓半徑像素差值。

2.2.2 瓶身圖像處理和體積計(jì)算

對(duì)瓶身圖像進(jìn)行預(yù)處理后，獲得瓶身的特征輪廓，瓶身的輪廓使用外接矩形算法提取出瓶寬和瓶高等幾何信息，采用水平切片法求得瓶口、瓶身和瓶頸的像素面積，瓶底部分單獨(dú)利用公式求解。然后采用Halcon軟件標(biāo)定相機(jī)的各種參數(shù)，將提取出的輪廓的像素尺寸轉(zhuǎn)換為以毫米為單位的真實(shí)尺寸，從而進(jìn)行下一步的計(jì)算。結(jié)合相機(jī)標(biāo)定的結(jié)果，可得到輪廓對(duì)應(yīng)的實(shí)際尺寸信息進(jìn)而求得玻璃瓶的體積。

2.3 相機(jī)標(biāo)定

為了確定拍攝圖像的圖像坐標(biāo)與真實(shí)尺寸坐標(biāo)的轉(zhuǎn)換關(guān)系，需要對(duì)相機(jī)進(jìn)行標(biāo)定。本文采用傳統(tǒng)張氏標(biāo)定法[9]進(jìn)行相機(jī)標(biāo)定，通過(guò)拍攝標(biāo)定物來(lái)建立現(xiàn)實(shí)世界中的某一點(diǎn)與圖像上點(diǎn)間的轉(zhuǎn)換關(guān)系，以此方式得到相機(jī)參數(shù)。使用圓形點(diǎn)標(biāo)定板作為參照物，并借助Halcon軟件來(lái)提取標(biāo)定板中的圓點(diǎn)以及半徑，根據(jù)標(biāo)定板上已知的特征圓點(diǎn)與圖像像素坐標(biāo)對(duì)應(yīng)的像素關(guān)系來(lái)建立函數(shù)關(guān)系，通過(guò)求解并經(jīng)過(guò)優(yōu)化處理后得出相機(jī)的參數(shù)，完成相機(jī)標(biāo)定。圓點(diǎn)型標(biāo)定板的外形尺寸為150mm×150mm，其中有7×7個(gè)小圓點(diǎn)，每個(gè)小圓點(diǎn)的直徑為7.5mm，相鄰圓點(diǎn)中心距為15mm。

3 結(jié)果與分析

3.1 實(shí)驗(yàn)測(cè)量

實(shí)驗(yàn)測(cè)量的玻璃瓶采用小口吹壓成型工藝，壁厚均勻，冠型瓶口，瓶身為黑色，結(jié)構(gòu)呈溜肩狀，外形圓柱錐面，瓶底凹球型。玻璃瓶實(shí)際重量由精度為0.001g的高精度天平秤測(cè)得，用排水法測(cè)若干組玻璃瓶體積V。通過(guò)公式驗(yàn)證其密度均勻的特征，得到玻璃瓶密度平均值為ρ=2.486g/cm3。玻璃瓶罐瓶底尺寸按工藝要求取值h球=3mm，Rq=115mm。

3.2 圖像預(yù)處理

先將獲取到的RGB圖像進(jìn)行灰度處理轉(zhuǎn)換為灰度圖像，然后進(jìn)行圖像預(yù)處理。瓶口部分所存在的單個(gè)像素噪聲無(wú)法直接觀察到，加入噪聲后分別進(jìn)行中值、高斯濾波處理后的效果如圖5所示，瓶口圖5(a)、圖5(d)對(duì)比，發(fā)現(xiàn)中值濾波的效果更好，通過(guò)此方式能夠有效去除原圖中的噪聲干擾。瓶身部分圖像的噪聲集中在圖像右上角，對(duì)瓶身原圖分別進(jìn)行高斯濾波、中值濾波后的效果如圖6所示，瓶身圖6(b)、圖6(c)對(duì)比，發(fā)現(xiàn)均值濾波的效果更好，采用此方式對(duì)瓶身進(jìn)行濾波處理。

圖5 瓶口圖像預(yù)處理

圖6 瓶身圖像預(yù)處理

3.3 圖像增強(qiáng)與特征提取

圖像增強(qiáng)是對(duì)圖像中的目標(biāo)特征進(jìn)行增強(qiáng)處理，增強(qiáng)圖像特征與背景間的對(duì)比使圖像特征更加明顯。根據(jù)圖像的灰度直方圖確定灰度主要分布的區(qū)間進(jìn)行灰度變換，對(duì)其進(jìn)行 值分割處理使背景與特征能夠清晰的區(qū)分處理便于特征提取[14～16]。瓶口部分圖像增強(qiáng)與特征提取處理，根據(jù)瓶口灰度直方圖分布，雙波峰代表區(qū)域?yàn)楸尘?，將閾值取在波谷處，如圖7灰度區(qū)間所示。根據(jù)瓶身灰度直方圖，背景與特征有明顯的區(qū)分段，將閾值取在前半段，如圖8灰度區(qū)間所示。閾值分割處理后瓶口部分得到結(jié)果如圖9(a)所示，閾值分割圖中含有背景，將背景與特征打斷，選出特征區(qū)域得到如圖9(b)所示。瓶身部分通過(guò)增強(qiáng)處理后將玻璃瓶身特征的像素灰度進(jìn)行均衡化處理，閾值分割得到結(jié)果如圖9(c)所示?？梢钥闯鎏卣髋c背景能夠清晰的區(qū)分出來(lái)，便于輪廓提取。

圖7 瓶口灰度直方圖

圖8 瓶身灰度直方圖

圖9 瓶口圖像增強(qiáng)與特征提取處理

3.4 輪廓邊緣提取

對(duì)于瓶口部分邊緣特征的提取，采用Canny算子。Canny算子不僅可以檢測(cè)圖形的邊緣，還能識(shí)別邊緣的方向。通過(guò)閾值分割配合Canny算子對(duì)瓶口的內(nèi)外圈特征進(jìn)行輪廓提取得到，再利用最小二乘法計(jì)算得到擬合圓如圖10(a)所示。在所提取的擬合圓輪廓的基礎(chǔ)上獲取需要的輪廓具體參數(shù)，包括圓心像素值，內(nèi)外輪廓半徑像素差。

對(duì)于瓶身圖像的邊緣特征提取，在瓶身不含噪聲的圖像中，像素變化不光滑的像點(diǎn)即為邊緣點(diǎn)，提取所有的邊緣點(diǎn)便是圖像特征的邊緣，這里使用常見(jiàn)的基于梯度的邊緣檢測(cè)算法對(duì)瓶身部分進(jìn)行邊緣提取，得到如圖10(b)所示的瓶身輪廓。輪廓中由于反光等因素出現(xiàn)一些細(xì)小空洞，在輪廓提取前還需要進(jìn)行形態(tài)學(xué)運(yùn)算將空洞補(bǔ)齊，這個(gè)過(guò)程不會(huì)改變瓶身的實(shí)際尺寸，再進(jìn)行瓶身輪廓提取得到如圖10(c)所示的邊緣。在所提取的輪廓基礎(chǔ)上需要獲得輪廓具體參數(shù)，玻璃瓶體積的計(jì)算不僅需要得到壁厚，還要包括瓶身不同部分的寬度與高度。

圖10 輪廓邊緣提取

3.5 尺寸測(cè)量與各部分體積計(jì)算

對(duì)于各部分的體積計(jì)算，利用分段法和水平切分法累加得到玻璃瓶的體積，實(shí)驗(yàn)所用的玻璃瓶實(shí)際壁厚取平均值2.46mm。實(shí)際重量取平均值204.340g。為了驗(yàn)證該方法的精確性和準(zhǔn)確性，重復(fù)測(cè)量8次，測(cè)量的結(jié)果如表1所示，測(cè)量誤差如圖11所示。實(shí)驗(yàn)結(jié)果表明，壁厚測(cè)量值的相對(duì)誤差小于1%，玻璃瓶的重量相對(duì)誤差滿足在2%以內(nèi)。當(dāng)前測(cè)量系統(tǒng)獲得了比較滿意的結(jié)果，可以達(dá)到生產(chǎn)線上檢測(cè)要求，但是精確度還有待進(jìn)一步提高。

表1 測(cè)量結(jié)果

圖11 壁厚和重量的測(cè)量誤差

4 結(jié)語(yǔ)

針對(duì)傳統(tǒng)的人工檢測(cè)玻璃瓶重量的方法，提出基于機(jī)器視覺(jué)的自動(dòng)檢測(cè)方法，利用機(jī)器視覺(jué)系統(tǒng)采集玻璃瓶瓶口和瓶身圖片，結(jié)合一系列算法對(duì)圖像進(jìn)行濾波、二值化和邊緣提取，實(shí)現(xiàn)對(duì)玻璃瓶壁厚和各部分直徑的測(cè)量，采用水平切分法和分段法計(jì)算玻璃瓶體積，從而得到玻璃瓶重量的檢測(cè)。經(jīng)驗(yàn)證，使用本文所提方法得到的玻璃瓶壁厚檢測(cè)相對(duì)誤差在1%以內(nèi)，玻璃瓶重量相對(duì)誤差在2%以內(nèi)。