基于机器视觉的医用塑料瓶瓶口检测系统研究

岳昊 武栓虎

Abstract： Pharmaceutical plastic bottles will produce flaws at the mouth of the bottle during the production process， such as nicks and thinner bottle-mouth. This type of medicine bottle cannot be sealed， affecting the tightness of medicines and endangering the health of drug users. At present， many companies still rely on manual inspections. Because the defects are not obvious， the rate of human error detection is high. For this reason， a set of medicine-based plastic bottle and mouth detection system based on machine vision is designed. A high-speed industrial camera， through the hard trigger in the designated station of the assembly line， takes the phase on the top of the plastic bottle， designs the algorithm according to the characteristics of the image， and the vision system completes positioning， segmentation and detection. Through actual production tests， it is verified that this system is superior to manual detection in terms of accuracy and speed， and meets the inspection requirements of enterprises.

引言

醫用塑料瓶在生产过程中，会出现部分瑕疵品，如瓶口过薄或豁口等，尤其是瓶口过薄，此类瑕疵并不明显，人工漏检率高。漏检的瑕疵药瓶无法有效承接后续的封口过程，药品的密封性受到影响，危害使用者健康。

基于机器视觉的检测具有非接触性的优点，且精度高，速度快，目前基于机器视觉的对瓶口的检测多应用于玻璃瓶，文献 [1-2]是对啤酒瓶瓶口的检测，由于材质不同检测方式也不同。文献[3]是对铝塑泡罩药品包装的检测，但医用塑料瓶的瓶口检测系统较少。

为了解决这一问题，设计了一套基于机器视觉的医用塑料瓶瓶口检测系统，目的是能够替代传统的人工检测方式，提高生产效率。

下面分别对系统构成和检测算法展开论述，最后将给出相关结论。

1系统构成

医用塑料瓶瓶口检测系统主要包括3个模块，分别是：图像采集模块、图像处理模块与逻辑电路控制模块。系统设计结构如图1所示。

由图1可知，药瓶在流水线上匀速运动，当药瓶触发红外传感器时，传感器发送相机取相信号。设定相机的触发延迟，时长为瓶盖由触发位置匀速运动到相机正下方的所用时间。相机的取相结果交由图像处理模块进行分析。图像处理模块根据处理结果决定是否发出剔除信号。处理结果将管控吹气阀是否在剔除工位剔除不合格药瓶。研究得到系统的处理流程如图2所示。

2算法分析及构成

为了准确检测瓶口瑕疵点，需要对瓶口进行分割。因为瓶口和瓶体的颜色相近，无法一次性快速且准确地做到定位分割。为了提高速度和精度，先利用传统的图像分割算法对瓶口进行初步定位，确定其初步位置，缩小检测范围，然后利用检测算法精确判断瓶口位置，并计算厚度，识别瑕疵。此后，对不合格的药瓶发出剔除信号。

2.1检测区域定位

如图3（a）所示，药瓶瓶体为白色，考虑到初步定位所需，皮带背景选择黑色，利于分割。相机由上至下取相，同时配合使用同轴光源[4]，使得瓶口部分更为显著，利于后续的分割过程。实际环境中取相效果如图3所示。其中，（b）为合格瓶口，（c）、（d）、（e）为不合格瓶口（瑕疵点用矩形框出）。由图3可以看出，瓶口瑕疵处并不明显。

首先对图像进行灰度阈值分割[5]，此分割方法虽然简单，但满足处理要求，且在速度上优于自适应阈值分割等分割方法。分割阈值可结合实际生产环境的光照条件等因素综合设定。这里，就在研发后调取了图3（e）的分割结果即如图4所示。

由分割结果可知，结果中存在一些杂质，可以对分割结果采用开运算，即先进行腐蚀、再进行膨胀，此法可消除分割结果中一些孤立的杂质，且不破坏主体结构[6]。处理后结果将如图5所示。至此，检测区域初步定位完成，此结果可满足接下来的检测要求。

2.2算法设计

瓶口过薄在图像中并不明显，常规的检测算法难以检测这一缺陷。参考图3，在瓶口的瑕疵部位，瓶口边界点模糊，而无缺陷部位边界分明，因此这里将首先限定检测范围，进一步缩短检测时间，然后沿瓶口所在圆的切线的垂直线寻找突变点的方式实现检测。

取2.1节中的分割结果，如图5所示，对瓶口部分拟合圆，拟合方式采用最小二乘法。获取圆心O与半径R，以O为圆心做2个同心圆，其半径分别为R1，R2。并且R1=R-L1，R2=R+L2，根据实际条件设定L1，L2的值，使得瓶口处于2个同心圆之间，如图6所示。

将2个圆做差运算得到区域D，并将区域D等面积划分为N个区域，分别为D1，D2，D3，...，Dn，每个Di作为一个独立的检测区域。如图7所示。

在每个扇形块中沿圆的射线方向由内向外寻找2个突变点[7]，如图8（a）所示（图中用a，b表示），并计算2个突变点的距离。若两个突变点的距离与标准厚度之差的绝对值大于给定阈值或突变点的个数不为2个（若距离不符合要求，则为口壁过薄；若不足2個点，可断定此处瓶口含豁口），则该扇形块即为异常块。统计异常块的个数，若个数大于设定阈值，则该药瓶为不合格品。仍以图3（e）为例，研发得到图3（e）的检测结果如图8（b）所示。其中，突变点用十字标出，绘制瑕疵点到圆心的连线，同时显示检测结果。

综合前述研究可知，图8为示意图，检测块较少，仅为直观说明检测过程。实际系统中，可通过数据采集模块，采集瓶口的标准厚度与检测误差值。合理设置厚度阈值和异常块个数阈值可有效地控制检测精度，满足企业生产要求。

3系统运行结果

本套系统使用C++编程语言，MFC作为编程框架。分为2个主要模块，即：数据采集模块和检测模块。其中，数据采集模块采集正常药瓶瓶口数据，并保存；检测模块则在检测时读取数据，用于检测。

通过大量医用塑料瓶的生产过程验证，该系统可以准确识别缺陷瓶口，准确率达99%以上，最快速度可达10个/s，可抵数个人工，满足了企业对瓶口检测的要求。

4结束语

为了解决人工检测医用塑料瓶瓶口速度和准确率低的问题，设计了一套基于机器视觉的医用塑料瓶瓶口检测系统，该系统能准确检测瓶口缺口与过薄等轻微瑕疵。

同时系统设有数据采集模块，能针对不同规格的医用塑料瓶采集标准数据，实现对该类瓶口的检测，满足企业需求，具有一定的实用价值。

参考文献

[1] 罗时光. 基于机器视觉的玻璃瓶口缺陷检测方法[J]. 包装工程，2018，39（3）：183-187.

[2] 黄志鸿，毛建旭，王耀南，等. 基于机器视觉的啤酒瓶口缺陷检测分类方法研究[J]. 电子测量与仪器学报，2016，30（6）：873-879.

[3] 周显恩，王耀南，朱青，等. 基于机器视觉的瓶口缺陷检测方法研究[J]. 电子测量与仪器学报，2016，30（5）：702-713.

[4] 杨锐. 机器视觉照明技术与装置实验研究[D]. 郑州：中原工学院，2016.

[5] 吴一全，孟天亮，吴诗婳. 图像阈值分割方法研究进展20年（1994—2014）[J]. 数据采集与处理，2015，30（1）：1-23.

[6] 武瑛. 形态学图像处理的应用[J]. 计算机与现代化，2013（5）：90-94.

[7] 单紫薇. 基于机器视觉测量的齿轮图像边界提取算法研究[D]. 沈阳：沈阳工业大学，2017.