空瓶检测机器人瓶底缺陷检测方法探究

谭佩仪

摘要：在食品行业，饮料灌装前都需要接受空瓶瓶底缺陷检测，对比传统的人工监测技术，机器视觉技术效果更好，综合成本低，运用范围更广。本文针对基于机器视觉技术的空瓶检测机器人技术对瓶底定位和缺陷问题进行研究，对其瓶底圖像采集和方式进行分析和优化。

关键词： 空瓶检测机器人、瓶底缺陷、检测方法

目前，我国的瓶底定位算法的内容较多，重心法和三点源拟合法较为常见。这些方式都有自身的优点，但是在运行中风险也客观存在。本文总结了常规检测活动中，瓶底图像定位存在的问题以及误差常见的原因，集合瓶底防滑纹的几何特征提出了改进防滑纹的多种方法。如可以对瓶底图预处理后就可以消除图像中的噪点，也可以采用重心法预先获取圆心，并以此为圆拟合算法输入边缘，后采用多次随机圆拟合算法来减少干扰点对定位的影响。

1.案例研究本文选取啤酒瓶为研究对象，探讨其缺陷类型和具体特征，如可以将瓶底分为中心区域和防滑区域两个部分，可以在瓶底的区域采用最小矩形中心检测法，防滑区域则为分割防滑识别方法;确定好基础信息后将所有的数据导入到向量机结合径向基核函数中进行分类研究，分析瓶底数据检测的结果。最后设计一个带有算法验证功能的空瓶检测软件，其特点在于：实际的检验过程中，主要从瓶底图像采集、模型、特征三个方面分析图像。如空瓶会采用光源频闪的方式来触发相机拍照，空瓶经过检测工位时需要提前调解光圈、焦距，进而保证图像清晰，拍摄的时候也要求相机的光源位于空瓶的底部下方，相机位于空瓶的正上方。

2.图像采集系统研究图形采集需要采用光电传感器、光源和相机三种设备，其中光源是检测设备图像采集的主要设备，也是图像特征显现的重要依据。光源可以为系统获得高质量的图像，因为每一个检测对象选择的光源结果不同，为了达到最好的图像采集结果，需要科学选择光源，保证采集的有效性。相机是成像的核心元件，在光源影响下，设备工控机接受设备传输的图像，进行算法处理后将检测的结果输出并显示出来，因为不同的相机其分辨率、快门时间以及曝光的时间差异，因此针对不同的图像需要选择匹配的相机来检测。作为视觉检验的关键设备，光电传感器运用了光电的原理来控制设备运行，如在空瓶检测的基础环境中放置发光器接收器，操作时瓶子挡住了发光器的光线，接收器无法接收到信息，传感器此时也会产生电平脉冲信号输出信息，对空瓶拍照。

3.图像处理系统空瓶缺陷采集的图像处理系统包括了计算器、触摸显示器以及相应的算法软件。

3.1图像的预处理研究目前的图形预处理阶段需要接受综合的图像模糊和降噪处理，可采用均值滤波、高斯滤波以及中值滤波等技术进行分析，这些技术可以将原图像所有的像素点的灰度值设置为区域像素灰度中值，进而生成新的图像;中值滤波技术可以消除图像的孤立点噪声，十分适合脉冲噪声。中值滤波技术在图像处理技术中运用十分广泛，是一个经典的平噪声处理方法，如均值滤波算法属于一种线性的滤波技术，多采用领域平均法，即将图形的特殊区域的像素点灰值设置为其中值，进而生成新的图像。

3.2阈值处理阈值处理的是一种常见的基本算法，其图像中的物体和背景像素分开，进而设置新的目标像素点。若设置的分割阈值是一个适合整个图像的参数，其处理结果被称之为全局分割阈值处理。实际操作时，分割阈值在图像上十分不均匀，若像素点的坐标唯一就称之为动态阈值处理，若处理表现出变化的状态即为局部阈值处理。

3.3边缘检测边缘检测是一种基本的特征处理方式，其中边缘检测可以有效解决数字图像和机器视觉基本处理问题。如通过图形检测方法可以精准找出图像中梯度变化的明显区域进而获得详细的边缘细节信息。在实际的机器视觉检测中边缘信息是一个重要的图像特征信息内容，常用的方式包括了Canny 算子、Sobel 算子等。

4.自动控制检验系统自动控制检验系统的内容较多，其中包括了光电传感器、击出器以及可编程逻辑控制器以及变频器等。控制系统需要处理工业链的道路信息启动、报警和停止功能，如空瓶检测系统运行时候其在工业链道路上进行高速移动，内部的光电传感器联合内置的高速计数器确定每一个空瓶的具体位移情况。空瓶移动到剔除工位时候，整个器械就需要执行剔除动作，即使分离工业生产线链条，进而提升生产效率。

5.瓶底缺陷检测分析一般采集的瓶底图像类型可以分为内部破损、瓶底气泡以及瓶底结石和环形针等。内部破损指的是空瓶在运输中瓶底内部有破损缺口，具体表现为防滑纹区域的斑点。瓶底裂纹是瓶底的中心区域出现了细长、弯曲、形状不规则的黑色条状裂纹。瓶底气泡缺陷大多表现为瓶底区域出现的白色小气泡，多是玻璃瓶烧制问题。瓶底结石是啤酒生产中常见的缺陷，主要表现为中心区域出现不规则的黑色区域，其在瓶底的图像中位置多变，但是整个缺陷的形状不规则、单一，整体变现为黑色矩形区域。本次设计的空瓶检测生产技术立足于机器视觉技术实现处理，其中检测的内容包括了瓶口、瓶身和瓶底，计算机采用图像处理措施对三个图像进行算法处理和分析，并可以针对问题进行集中处理，以此来提升缺陷的检测效果和质量。整体的检测技术受到的影响因素如下：第一是工业现场的链道发生抖动导致光照不均匀，后期环境光和相机的感光噪声发生问题，导致采集的图像有噪音，瓶底也容易出现不稳定问题;第二是啤酒生产厂家的啤酒类型多，瓶子的形状大小和规则也不一样，容易引起算法缺陷问题，若瓶底有防滑区域且内部的防滑纹也属于阴影部分，整个瓶底缺陷也可能出现一些问题，直接影响干扰检验的结果，这也对瓶底缺陷算法是普适性和准确性提出了要求。针对此问题，相关技术人员结合瓶底防滑纹特点将瓶底的图像分为防滑区域和中心区域两个部分，因此可以针对该特点采用不同的检测方式，预防防滑纹检测误差问题。如可以针对瓶底的中心区域进行最小矩形的中心区域缺陷检测，其中的瓶底防滑纹可以采用基于区域的瓶底缺陷识别方法，并可以通过提取多种特征来识别缺陷问题。整体可以采用支持向量结合径向基核函数对瓶底缺陷特征分类。之后也能够采用多特征支持的向量算法，最后确定最终的检测结果。

6.结语本次研究基于区域分割概率提出了瓶底缺陷的识别方法，后通过对比分析对多种方法的效果进行了研究论证，提出了基于支持向量机算法的函数作为瓶底的图像缺陷算法，基本解决了瓶底防滑纹对缺陷检测的干扰问题。

参考文献：

[1]黄森林. 啤酒空瓶检测机器人的瓶身缺陷检测算法研究及应用[D].湖南大学，2018.

[2]范涛. 空瓶检测机器人的啤酒瓶底缺陷图像识别方法[D].湖南大学，2018.

[3]范涛，朱青，王耀南，周显恩，刘远强.空瓶检测机器人瓶底缺陷检测方法研究[J].电子测量与仪器学报，2017，31（09）：1394-1401.

[4]郑叶欣. 高速高精度空瓶检测机器人瓶身质量检测算法研究与应用[D].湖南大学，2017.

[5]彭玉. 饮料空瓶检测机器人的瓶口缺陷识别算法研究[D].湖南大学，2017.

东莞职业技术学院  广东  东莞  523808