酒瓶口缺陷檢測(cè)技術(shù)探究

李亞萍，馮占偉，張曉輝

（1.河南機(jī)電職業(yè)學(xué)院智能工程學(xué)院，河南鄭州 451100；2.河南省鄭新科創(chuàng)有限公司；河南鄭州 450001）

0 引言

中國(guó)是世界上最大的啤酒生產(chǎn)和消費(fèi)國(guó)，其中90%以上采用的是玻璃瓶裝。當(dāng)前，我國(guó)廢舊玻璃瓶的回收率只有15%左右，不利于新時(shí)代綠色發(fā)展和生態(tài)文明建設(shè)。

近年來(lái)，機(jī)器視覺(jué)技術(shù)快速發(fā)展，國(guó)內(nèi)高校和機(jī)器視覺(jué)公司在瓶口缺陷檢測(cè)方面都有研究。黃志鴻等針對(duì)空瓶再回收時(shí)存在的瓶口破損缺陷提出一種基于極限學(xué)習(xí)機(jī)的檢測(cè)算法，該方法先提取表面特征，然后運(yùn)用遺傳算法對(duì)極限學(xué)習(xí)機(jī)的輸入進(jìn)行優(yōu)化，最后選取樣本對(duì)分類器進(jìn)行訓(xùn)練與測(cè)試。然而這種方法的先驗(yàn)知識(shí)數(shù)據(jù)統(tǒng)計(jì)想要實(shí)際應(yīng)用于生產(chǎn)線，仍然需要大量的數(shù)據(jù)計(jì)算。而利用VisionPro 軟件數(shù)據(jù)庫(kù)結(jié)合圖像處理算法進(jìn)行檢測(cè)，可以提高檢測(cè)的準(zhǔn)確率和魯棒性。

本文主要研究機(jī)器視覺(jué)對(duì)于酒瓶口缺陷的檢測(cè)技術(shù)，首先用工業(yè)相機(jī)對(duì)空瓶瓶口進(jìn)行圖像采集，通過(guò)視覺(jué)軟件VisionPro對(duì)采集到的圖像進(jìn)行圖片處理、缺陷定位，可準(zhǔn)確地判斷瓶口是否有缺陷瑕疵。重點(diǎn)研究缺陷檢測(cè)圖片處理算法，以及數(shù)據(jù)庫(kù)的選取測(cè)試，最終完成酒瓶口的缺陷檢測(cè)。

1 信息采集

建立軟件VisionPro 識(shí)別系統(tǒng)需要足夠多的訓(xùn)練樣本，因此，在實(shí)驗(yàn)開(kāi)始之前需要采集良品、破損、劃痕、污漬等不同的樣本。訓(xùn)練集共計(jì)150 個(gè)樣本，其中包含啤酒瓶在不同背景下的樣本。

2 瓶口圖像處理

在VisionPro 軟件對(duì)瓶口圖像處理時(shí)，首先進(jìn)行像源（Image Source）導(dǎo)入，導(dǎo)入之后的處理過(guò)程包括灰度轉(zhuǎn)換，灰度是指圖像以黑度的點(diǎn)數(shù)（像素）的二維數(shù)組（表格）方式保存，每個(gè)像素的光濃度值或灰度值用0～255 之間的整數(shù)來(lái)表示；然后利用視覺(jué)工具（CogPMAlignTool 1）做模板匹配；最后運(yùn)用探測(cè)缺陷的視覺(jué)工具（CogPaInspectTool 1）與斑點(diǎn)工具（CogBlobTool 1），辨別處于用戶給出閾值灰度范圍內(nèi)的不同像素組，并以斑點(diǎn)的形式將區(qū)域顯示出來(lái)。

由于周圍光照的原因會(huì)造成誤檢，所以利用相機(jī)采集玻璃啤酒瓶圖像時(shí)需要調(diào)整周圍的光源方向，并在相機(jī)下方加裝偏振片。

綜上所述，圖像處理過(guò)程的主要步驟為圖像的灰度轉(zhuǎn)換、良品模板訓(xùn)練、閾值分割、斑點(diǎn)處理、形態(tài)學(xué)調(diào)整。

3 圖像灰度化

在對(duì)啤酒瓶進(jìn)行檢測(cè)之前，需要將啤酒瓶口圖像進(jìn)行處理，將彩色圖像轉(zhuǎn)換為灰度圖像（圖1），其優(yōu)點(diǎn)是占用空間少，降低計(jì)算運(yùn)行過(guò)程中的數(shù)據(jù)處理量?；叶葓D像的進(jìn)一步處理是二值圖像，二值圖像是指圖像是由像素構(gòu)成并且只有兩種可能的取值狀態(tài)，圖像中的任何像素點(diǎn)的灰度值范圍是0～255，這兩個(gè)分別代表黑色和白色。

圖1 灰度轉(zhuǎn)換示例

采集啤酒瓶口圖像，并對(duì)采集到的圖像進(jìn)行灰度處理，處理后的圖像只含有灰度信息，不含有彩色信息。這種轉(zhuǎn)換有效降低了圖像的噪聲，達(dá)到去噪的效果，從而使圖像更具準(zhǔn)確性、大幅提高系統(tǒng)檢測(cè)識(shí)別的速度。

灰度轉(zhuǎn)換是圖像增強(qiáng)的重要方法之一，其轉(zhuǎn)換原理是通過(guò)變換函數(shù)將原圖的灰度f(wàn)（x，y）由g=T［f］得出新的灰度g（x，y）：

灰度空間是為了放大需要的ROI 感興趣區(qū)域，相對(duì)地抑制不感興趣區(qū)域。通過(guò)分段線性變換，原圖像函數(shù)f（x，y）在［0，Mf］，ROI 感興趣的區(qū)域在［a，b］，使其最終拉伸到［c，d］，則分段線性變換表達(dá)式為：

對(duì)不同的區(qū)間采用不同的線性變換，來(lái)實(shí)現(xiàn)灰度空間的增強(qiáng)和抑制。

4 良品模板訓(xùn)練

在實(shí)際的啤酒瓶回收過(guò)程中，對(duì)瓶口的缺陷情況檢測(cè)主要針對(duì)啤酒瓶是否有破損現(xiàn)象，是否能繼續(xù)回收利用。本次實(shí)驗(yàn)將人為模擬了瓶口的破損情況，并選用一個(gè)標(biāo)準(zhǔn)的無(wú)任何缺陷的瓶口圖，將其訓(xùn)練為視覺(jué)檢測(cè)系統(tǒng)的良品模板。

良品瓶口圖的圖像訓(xùn)練過(guò)程為選擇算法（PatMax 和PatQuick），確定訓(xùn)練區(qū)域以及區(qū)域形狀，找好中心原點(diǎn)，確定能接受的閾值。當(dāng)完成良品瓶口圖像處理后，可以手動(dòng)查看圖像的不同狀態(tài)。良品瓶口圖的訓(xùn)練狀態(tài)如圖2 所示。

圖2 良品瓶口圖的訓(xùn)練狀態(tài)

圖2 中的良品模板訓(xùn)練應(yīng)用了PatMax 算法。算法選擇之后，接下來(lái)要對(duì)良品瓶口圖進(jìn)行訓(xùn)練區(qū)域的規(guī)定，將區(qū)域形狀瓶口固定在形狀之內(nèi)，模式選擇原點(diǎn)模式，并且確保中心原點(diǎn)在瓶口中央，不能偏離太多?？山邮艿拈撝嫡{(diào)整為0.4，并在區(qū)域模式內(nèi)對(duì)限定框調(diào)整掩膜，掩膜即圖像之間進(jìn)行的各種位運(yùn)算操作。以上圖像處理的各種參數(shù)都設(shè)置完成之后，便可以提取訓(xùn)練圖像進(jìn)行訓(xùn)練，圖像訓(xùn)練成功的標(biāo)志是在軟件窗口左下方顯示已訓(xùn)練字樣。

5 拉普拉斯算法邊緣檢測(cè)

圖像中灰度差異的兩個(gè)相鄰區(qū)域之間總存在邊緣界限，邊緣是灰度值不能保持連續(xù)的表現(xiàn)。由于灰度差異邊緣在圖像上的變化比較劇烈，傳統(tǒng)的邊緣檢測(cè)就是利用在差異處變換比較劇烈這個(gè)特點(diǎn)，對(duì)圖像各個(gè)像素點(diǎn)進(jìn)行數(shù)學(xué)上的微分或二階微分來(lái)確定邊緣像素點(diǎn)。

拉普拉斯算子法是一種線性二次微分算子，其旋轉(zhuǎn)不變性的性質(zhì)可以滿足不同方向的圖像銳化要求，在圖像邊緣信息不清晰時(shí)，能夠?qū)D像邊緣信息增強(qiáng)。拉普拉斯算子公式為：

對(duì)圖像進(jìn)行拉普拉斯算子銳化時(shí)，輸出結(jié)果可用G（x，y）表示為：

對(duì)灰度圖像進(jìn)行圖像銳化，得到效果更好的圖像，啤酒瓶口的邊緣信息會(huì)被增強(qiáng)，瓶口圖像與背景區(qū)分度較大。拉普拉斯算子在圖像閾值分割、邊緣檢測(cè)中使用中起到的作用更大，銳化圖像結(jié)果如圖3 所示。

圖3 銳化圖像結(jié)果

6 閾值分割

完成對(duì)良品瓶口圖的模板訓(xùn)練之后，需要對(duì)所有圖像進(jìn)行PatInspect 訓(xùn)練。在進(jìn)行啤酒瓶口缺陷檢測(cè)識(shí)別時(shí)，需要應(yīng)用配置PatInspect 工具，目的是通過(guò)使用PatMax 算法探測(cè)被拍攝物體的缺陷位置。缺陷的定義是不同于正常預(yù)期圖像差別的變化，缺陷在表達(dá)上可能是部分缺失或者是多余、雜亂的其他因素。

視覺(jué)檢測(cè)程序完成良品圖像的訓(xùn)練之后，再次運(yùn)行檢測(cè)程序，待檢測(cè)的圖像會(huì)和訓(xùn)練圖像進(jìn)行類似區(qū)域間的像素灰度值檢測(cè)，從而在圖像上輸出濃度不同的區(qū)域（圖4）。

圖4 PatInspect 訓(xùn)練呈現(xiàn)結(jié)果

7 斑點(diǎn)處理

斑點(diǎn)處理工具是視覺(jué)應(yīng)用的一部分，在視覺(jué)檢測(cè)軟件中斑點(diǎn)工具為CogBlobTool，該工具可以將待檢圖像的缺陷區(qū)域進(jìn)行斑點(diǎn)處理。創(chuàng)建斑點(diǎn)工具后，可以在指定的灰度范圍內(nèi)查找斑點(diǎn)。該工具通過(guò)辨別用戶定義的灰度范圍內(nèi)不同的像素組查找對(duì)象。使用該工具得出的圖像斑點(diǎn)分析圖包含面積、質(zhì)心、周長(zhǎng)、主軸等多種屬性，是一種以二維形狀呈現(xiàn)的圖像（圖5）。

圖5 斑點(diǎn)分析圖

8 結(jié)果檢測(cè)

對(duì)啤酒瓶口進(jìn)行缺陷檢測(cè)的目的是識(shí)別截面是否有破損，是否符合回收利用的要求。為了驗(yàn)證啤酒瓶口缺陷在線檢測(cè)程序的正確性以及檢測(cè)效率，需要進(jìn)行多次驗(yàn)證。準(zhǔn)備好的廢舊啤酒瓶，并在瓶口上人為制造缺陷，再由相機(jī)進(jìn)行拍攝，傳輸?shù)揭曈X(jué)軟件中進(jìn)行圖像處理。

據(jù)實(shí)驗(yàn)數(shù)據(jù)統(tǒng)計(jì)圖像檢測(cè)結(jié)果正確率為99%以上，檢測(cè)速度是人工的5 倍以上?；跈C(jī)器視覺(jué)的缺陷檢測(cè)系統(tǒng)能夠較好地克服人工檢測(cè)的缺點(diǎn)。從斑點(diǎn)圖可以看出缺陷的位置。判斷結(jié)果為Accept 的圖像說(shuō)明瓶口完好，判斷結(jié)果為Reject 的圖像說(shuō)明瓶口存在破損，需要另做處理，不能直接回收利用。原圖顯示、斑點(diǎn)呈現(xiàn)與輸出結(jié)果如圖6～圖8 所示。

圖6 原圖顯示

圖7 斑點(diǎn)呈現(xiàn)

圖8 輸出結(jié)果呈現(xiàn)

9 結(jié)束語(yǔ)

本文研究了啤酒瓶口缺陷檢測(cè)技術(shù)，通過(guò)實(shí)驗(yàn)和編程在對(duì)瓶口缺陷的檢測(cè)識(shí)別進(jìn)行研究。但在實(shí)際應(yīng)用過(guò)程中仍存在不足之處，下一步將繼續(xù)開(kāi)展瓶口缺陷檢測(cè)在實(shí)際回收過(guò)程中系統(tǒng)裝置的開(kāi)發(fā)研究，使視覺(jué)缺陷檢測(cè)系統(tǒng)達(dá)到在回收過(guò)程中完全取代人工檢測(cè)的水平。