針對當前瓶底圓心定位方法精度不高、瓶底防滑紋區(qū)域缺陷易誤檢等問題,利用瓶底防滑紋的幾何特征,提出一種改進的基于變權重隨機圓擬合的瓶底定位算法,首先采用重心法對瓶底圓心進行快速預定位,再采用變權重隨機圓擬合法實現(xiàn)瓶底精定位。然后檢測瓶底圖像疑似缺陷區(qū)域,并提取區(qū)域面積、輪廓長度、圓形度、灰度方差和灰度均值等特征,采用支持向量機算法進行分類決策,檢測出缺陷。實驗表明,瓶底定位誤差小于6個像素,缺陷檢測準確率為92.7%,基本滿足實際生產(chǎn)精度的要求。 

【文章來源】：電子測量與儀器學報. 2017,31(09)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

空瓶檢測機器人結構

蛄炕?岷暇斷蚧?撕??云康茲畢萏卣鶻?蟹擲唷?1瓶底圖像采集空瓶在鏈道上依次經(jīng)過4個檢測工位，若檢測到某個空瓶為缺陷瓶則向擊出器發(fā)出剔除指令，以確保后續(xù)生產(chǎn)線中沒有缺陷瓶。空瓶檢測機器人的結構如圖1所示。圖1空瓶檢測機器人結構Fig．1Structureofemptybottledetectionrobot照明光源采用OPT公司LED面光源，每當空瓶經(jīng)過1次檢測工位，則光源頻閃1次，與此同時，觸發(fā)相機拍照。拍照前需要對相機進行焦距和光圈的調節(jié)，保證拍攝的圖像清晰，以便后續(xù)圖像處理。瓶底相機采用TXG12工業(yè)相機，瓶底圖像采集模塊如圖2所示。圖2瓶底圖像采集裝置Fig．2AcquisitiondeviceofbottlebottomimagePLC選用西門子公司S7-200，當空瓶經(jīng)過瓶底光電傳感器時，PLC接收到光電傳感器輸入信號后觸發(fā)相機拍照。相機拍照后經(jīng)過千兆網(wǎng)將圖像傳輸至工控機，工控機對接收到的圖像進行算法處理檢測缺陷。由于檢測工位到剔除工位之間的距離是固定的，旋轉編碼器將剔除距離轉換為高速計數(shù)脈沖，通過累計脈沖數(shù)量對每個空瓶進行精準定位，PLC接收到工控機發(fā)送的壞瓶信號后，當壞瓶到達剔除工位時，迅速向擊出器發(fā)出剔除壞瓶指令［11］。2瓶底圖像定位目前瓶底檢測區(qū)域定位方法主要有Hough變換法［12］、最小二乘法、隨機圓擬合法［13］等。其中Hough變換法是圓擬合的經(jīng)典算法，但其計算耗時，速度慢。隨機圓擬合法和最小二乘法速度快，但抗干擾能力不強，易被瓶底防滑紋區(qū)域缺陷干擾。本文采用一種改進的基于權重變化的隨機圓擬合的瓶底定位算法，魯棒性比普通的

·1396·電子測量與儀器學報第31卷圓擬合算法好。圖3所示為基于變權重隨機圓擬合算法流程。圖3瓶底圖像定位流程Fig．3Procedureofbottlebottomimagelocation2．1瓶底圖像預處理在空瓶檢測系統(tǒng)實際運行過程中，由于機械抖動、光照不均等因素的影響，相機獲取的瓶底圖像中經(jīng)常會有噪聲存在，噪聲會影響瓶底圖像的定位與缺陷檢測。因此在檢測瓶底缺陷之前，先盡量消除瓶底圖像中存在的噪聲干擾。在對瓶底圖像的預處理過程中，由于噪聲主要是離散單一的干擾點，且和周圍區(qū)域存在明顯的灰度差。故對整幅圖像運用中值濾波去除離散噪聲點。然后采用灰度拉伸增強瓶底邊緣輪廓區(qū)域(ＲOI)與周圍區(qū)域的對比效果。2．2自適應閾值分割圖像由于防滑紋區(qū)域與白色中心區(qū)域灰度值相差較大，故對兩個區(qū)域采用局部自適應閾值分割處理。便于后續(xù)瓶底圖像的定位和缺陷檢測。通過計算像素的8鄰域的平均灰度值，來決定二值化的閾值T的大校運用閾值分割將瓶底圖像劃分成兩部分，背景顯現(xiàn)為灰度值為0的黑色區(qū)域，瓶底邊緣輪廓顯現(xiàn)為一個間隔均勻的黑色防滑紋圓環(huán)，圓環(huán)內部為一個均勻白色圓形區(qū)域。I(x，y)=0，I(x，y)＜T255，I(x，y)≥{T(1)2．3形態(tài)學處理瓶底圖像經(jīng)過自適應閾值分割處理后，邊緣特征變得明顯可辨，但瓶底邊緣輪廓外部仍然存在一些細小的白色連通域。由于這些白色連通域不是離散的像素點，故不可采用中值濾波直接濾除。因此選擇對圖像進行形態(tài)學處理。先對圖像進行先腐蝕后膨脹操作去除單個離散的像素點，再采用形態(tài)學閉運算填充瓶底輪廓外部的白色連通域。在對瓶底圖像進行形態(tài)學處理后基本消除了瓶底輪廓外部的白色連通域以及單個離散噪聲點，進一步突出圖像邊緣防滑紋路信息。2．4邊緣提取形態(tài)學處理后的瓶?

【參考文獻】：
期刊論文
[1]基于機器視覺的啤酒瓶口缺陷檢測分類方法研究[J]. 黃志鴻,毛建旭,王耀南,周顯恩,歷艷琨,劉學兵.  電子測量與儀器學報. 2016(06)
[2]基于機器視覺的瓶口缺陷檢測方法研究[J]. 周顯恩,王耀南,朱青,吳成中,彭玉.  電子測量與儀器學報. 2016(05)
[3]以LED點陣為特征的差動式視覺檢測技術[J]. 蘇國營.  電子測量技術. 2016(02)
[4]基于神經(jīng)網(wǎng)絡的醫(yī)藥微弱異物視覺檢測機器人[J]. 吳成中,王耀南,馮明濤,張輝,周顯恩.  電子測量與儀器學報. 2015(12)
[5]一種多次隨機圓檢測及擬合度評估的瓶口定位法[J]. 周顯恩,王耀南,李康軍,易國,吳成中.  儀器儀表學報. 2015(09)
[6]基于HRM特征提取和SVM的目標檢測方法[J]. 劉松松,張輝,毛征,孟博,李昂.  國外電子測量技術. 2014(10)
[7]一種自適應權值的多特征融合分類方法[J]. 張文博,姬紅兵,王磊.  系統(tǒng)工程與電子技術. 2013(06)
[8]智能空瓶檢測系統(tǒng)瓶底快速定位實現(xiàn)[J]. 馬思樂,黃彬,何印洲,王金晨,楊金鳳.  自動化儀表. 2012(10)
[9]基于最小二乘擬合法的焊點形狀檢測[J]. 俞龍江,楊英,孫圣和.  儀器儀表學報. 2007(07)

博士論文
[1]啤酒瓶視覺檢測機器人研究[D]. 段峰.湖南大學 2007

碩士論文
[1]基于機器視覺的玻璃瓶在線檢測算法研究及系統(tǒng)實現(xiàn)[D]. 于曉東.華中科技大學 2013
[2]基于機器視覺的啤酒瓶瓶口檢測系統(tǒng)的研究[D]. 張?zhí)锾?山東科技大學 2009



本文編號：2961951