啤酒生产线快速缺陷检测及动态计数系统研究
发布时间：2021-10-07 15:15
随着啤酒行业的迅速发展,为达到现代化工业生产线的高标准要求,需要完善和改进原有的啤酒生产线。啤酒包装质量和啤酒瓶计数是啤酒生产和销售的重要环节。对于啤酒包装质量,如啤酒盖印刷图案出现错印、漏印、模糊等情况以及啤酒瓶瓶口出现破损等情况。对于啤酒瓶计数,传统的光电法只能对单道上的啤酒瓶进行计数。针对市场需求,提出以工业生产线上啤酒盖、啤酒瓶瓶口的缺陷检测和多道生产线上啤酒瓶计数为研究对象,以数字图像为载体,设计了一种结合机器视觉和图像处理的啤酒生产线快速缺陷检测及动态计数系统。针对实际工业需求,主要完成如下算法的研究:（1）啤酒盖图案印刷缺陷检测。判断啤酒盖是否存有印刷图案及图案是否存有明显的缺陷。结合工业实时性,提出基于图像特征统计法对啤酒盖图案印刷缺陷类型进行识别检测,同时与基于本文提取的特征参数设计的SVM（Support Vector Machine）分类器和Alexnet模型进行试验检测对比,实验结果验证了本文方法具有更好的识别率。（2）啤酒瓶瓶口缺陷检测。判断啤酒瓶瓶口是否存在明显的缺陷。由于在实时系统中,无需标出啤酒瓶口缺陷的具体位置,所以针对该类缺陷检测,提出先进行图像预处...
【文章来源】：内蒙古工业大学内蒙古自治区
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
啤酒生产线快速缺陷检测及动态计数的执行流程
第二章啤酒生产线快速缺陷检测与动态计数系统总体方案设计9好，以提高算法的有效性为目的。所以，工业相机的选型、工业镜头的选型及光源类型是必要的。2）检测实时性：啤酒生产线均采用高速生产线，单道生产线进行啤酒瓶缺陷检测时生产速度至少为40000瓶/小时，即检测系统对于算法的处理时间每瓶最多为90毫秒。3）检测准确率：综合考虑，总系统的检测率均达到93%以上，其中啤酒瓶多道生产线计数高达100%。2.2总系统结构设计方案本系统利用工业相机先后实现啤酒盖图案印刷缺陷检测、啤酒瓶口缺陷检测及多道生产线啤酒瓶动态计数，总体成像装置如图2-1所示。图2-1总系统成像示意图Fig.2-1Schematicdiagramoftotalsystemimaging由图2-1可知，工业相机和工业镜头对图像的采集起着关键性作用，而光源在采集过程中也扮演着重要的角色。因为啤酒瓶是一种特殊的玻璃制品，拥有反射及折射的功能。所以本文在进行瓶口区域的缺陷检测时，主要利用调节环型光源的亮度，且垂直照射，结合光线反射，利用镜头采集数据集。2.3硬件结构的设计方案2.3.1工业相机的选择工业相机作为采集图像的设备[39]，其核心部件是利用面阵CCD或CMOS传感器。工业相机的选择会影响采集图像的质量，而图像质量的好坏直接影响后续计算机进行图像处理的效果。所以，选择合适的工业相机是非常重要的。本文主要从以下几方面考虑对工业相机的选型。
第二章啤酒生产线快速缺陷检测与动态计数系统总体方案设计11图2-2工业相机Fig.2-2Industrialcamera表2-1MV-EM120C工业相机的参数Table.2-1ParametersofMV-EM120CindustrialcameraMV-EM120C型号的工业相机最高分辨率1280960曝光方式帧曝光像素尺寸3.753.75同步方式外触发或连续触发传感器CCD输出方式GigE千兆以太网光学尺寸1/3”数据传输距离可达100米帧率30fps镜头接口C口内存128MB供电要求12V曝光时间10s-0.2s功耗1.7w数据位数12外形尺寸29*29*292.3.2工业镜头的选择镜头是聚焦光线，让成像获得清晰影像结构。光学镜头主要分为监控级和工业级两种类型，对于图像质量要求不高及价格比较低的场合适合采用监控镜头，对于工业零件检测及科学研究场合适合采用工业镜头。视场角及焦距作为关键的技术参数。视场角表示系统可以观察的物体尺寸范围。焦距表示透镜中心至光聚集焦点的距离。视场角的范围随着焦距的变短而变大，观察范围也变大，但采集的图像中易导致物体目标模糊；相反，视场角随着焦距的变长而变小，观察范围也变小，但采集的图像中能够清晰的看到物体目标。所以，在光学系统中，短焦距比长焦距有较好的聚集光能力。以获得高质量图像为目的，需选择畸变孝工作距离较近的镜头，进而减少后续的图像处理压力，以及降低对检测结果的影响。综合多方面的因素考虑，选用的镜头既要与工业相机接口匹配，又要与CCD尺寸是一致的。所以选用型号为AFT-1614MP的镜头进行本课题的检测研究。如图2-3为AFT-1614MP工业镜头的实物图，且表2-2为AFT-1614MP镜头的相关参数。图2-3工业镜头Fig.2-3Industriallens
【参考文献】：
期刊论文
[1]基于机器视觉的零件外形缺陷检测[J]. 侯占林,赵京. 组合机床与自动化加工技术. 2019(11)
[2]金属零件表面缺陷检测系统中的机器视觉应用分析[J]. 符林芳. 工业加热. 2019(04)
[3]基于机器视觉的钢材表面缺陷识别方法分析[J]. 刘亚楠. 计量与测试技术. 2018(12)
[4]快速连通域标记算法在堆叠棒材计数中的应用研究[J]. 康世英,姚斌. 机械与电子. 2018(11)
[5]基于机器视觉的玻璃瓶口缺陷检测方法[J]. 罗时光. 包装工程. 2018(03)
[6]基于高鲁棒性遗传算法的印刷质量自动检测方法研究与实现[J]. 李果,周玉松. 西昌学院学报(自然科学版). 2017(04)
[7]冷轧带钢表面缺陷检测系统设计[J]. 徐森,屈尔庆,陈海永,刘坤,孙鹤旭. 仪表技术与传感器. 2017(01)
[8]基于极限学习机的玻璃瓶口缺陷检测方法研究[J]. 黎牧星,黄志鸿. 计算技术与自动化. 2016(04)
[9]Hough变换和轮廓匹配相结合的瞳孔精确检测算法[J]. 毛顺兵. 计算机应用. 2016(05)
[10]复杂背景下基于二维OTSU和肤色分割结合的掌纹图像分割方法[J]. 薛延学,刘敏,马思欣,帅建坤,雷丹. 西安理工大学学报. 2015(03)
博士论文
[1]啤酒瓶视觉检测机器人研究[D]. 段峰.湖南大学 2007
硕士论文
[1]基于特征点的图像配准技术研究[D]. 杨福嘉.哈尔滨工程大学 2019
[2]基于机器视觉的印字缺陷检测系统研究与实现[D]. 黄文军.五邑大学 2015
[3]基于机器视觉的药品包装在线检测系统研究[D]. 张煜文.西安建筑科技大学 2012
[4]基于机器视觉的棒材自动计数系统[D]. 汤翔.山东大学 2011
本文编号：3422290
【文章来源】：内蒙古工业大学内蒙古自治区
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
啤酒生产线快速缺陷检测及动态计数的执行流程
第二章啤酒生产线快速缺陷检测与动态计数系统总体方案设计9好，以提高算法的有效性为目的。所以，工业相机的选型、工业镜头的选型及光源类型是必要的。2）检测实时性：啤酒生产线均采用高速生产线，单道生产线进行啤酒瓶缺陷检测时生产速度至少为40000瓶/小时，即检测系统对于算法的处理时间每瓶最多为90毫秒。3）检测准确率：综合考虑，总系统的检测率均达到93%以上，其中啤酒瓶多道生产线计数高达100%。2.2总系统结构设计方案本系统利用工业相机先后实现啤酒盖图案印刷缺陷检测、啤酒瓶口缺陷检测及多道生产线啤酒瓶动态计数，总体成像装置如图2-1所示。图2-1总系统成像示意图Fig.2-1Schematicdiagramoftotalsystemimaging由图2-1可知，工业相机和工业镜头对图像的采集起着关键性作用，而光源在采集过程中也扮演着重要的角色。因为啤酒瓶是一种特殊的玻璃制品，拥有反射及折射的功能。所以本文在进行瓶口区域的缺陷检测时，主要利用调节环型光源的亮度，且垂直照射，结合光线反射，利用镜头采集数据集。2.3硬件结构的设计方案2.3.1工业相机的选择工业相机作为采集图像的设备[39]，其核心部件是利用面阵CCD或CMOS传感器。工业相机的选择会影响采集图像的质量，而图像质量的好坏直接影响后续计算机进行图像处理的效果。所以，选择合适的工业相机是非常重要的。本文主要从以下几方面考虑对工业相机的选型。
第二章啤酒生产线快速缺陷检测与动态计数系统总体方案设计11图2-2工业相机Fig.2-2Industrialcamera表2-1MV-EM120C工业相机的参数Table.2-1ParametersofMV-EM120CindustrialcameraMV-EM120C型号的工业相机最高分辨率1280960曝光方式帧曝光像素尺寸3.753.75同步方式外触发或连续触发传感器CCD输出方式GigE千兆以太网光学尺寸1/3”数据传输距离可达100米帧率30fps镜头接口C口内存128MB供电要求12V曝光时间10s-0.2s功耗1.7w数据位数12外形尺寸29*29*292.3.2工业镜头的选择镜头是聚焦光线，让成像获得清晰影像结构。光学镜头主要分为监控级和工业级两种类型，对于图像质量要求不高及价格比较低的场合适合采用监控镜头，对于工业零件检测及科学研究场合适合采用工业镜头。视场角及焦距作为关键的技术参数。视场角表示系统可以观察的物体尺寸范围。焦距表示透镜中心至光聚集焦点的距离。视场角的范围随着焦距的变短而变大，观察范围也变大，但采集的图像中易导致物体目标模糊；相反，视场角随着焦距的变长而变小，观察范围也变小，但采集的图像中能够清晰的看到物体目标。所以，在光学系统中，短焦距比长焦距有较好的聚集光能力。以获得高质量图像为目的，需选择畸变孝工作距离较近的镜头，进而减少后续的图像处理压力，以及降低对检测结果的影响。综合多方面的因素考虑，选用的镜头既要与工业相机接口匹配，又要与CCD尺寸是一致的。所以选用型号为AFT-1614MP的镜头进行本课题的检测研究。如图2-3为AFT-1614MP工业镜头的实物图，且表2-2为AFT-1614MP镜头的相关参数。图2-3工业镜头Fig.2-3Industriallens
【参考文献】：
期刊论文
[1]基于机器视觉的零件外形缺陷检测[J]. 侯占林,赵京. 组合机床与自动化加工技术. 2019(11)
[2]金属零件表面缺陷检测系统中的机器视觉应用分析[J]. 符林芳. 工业加热. 2019(04)
[3]基于机器视觉的钢材表面缺陷识别方法分析[J]. 刘亚楠. 计量与测试技术. 2018(12)
[4]快速连通域标记算法在堆叠棒材计数中的应用研究[J]. 康世英,姚斌. 机械与电子. 2018(11)
[5]基于机器视觉的玻璃瓶口缺陷检测方法[J]. 罗时光. 包装工程. 2018(03)
[6]基于高鲁棒性遗传算法的印刷质量自动检测方法研究与实现[J]. 李果,周玉松. 西昌学院学报(自然科学版). 2017(04)
[7]冷轧带钢表面缺陷检测系统设计[J]. 徐森,屈尔庆,陈海永,刘坤,孙鹤旭. 仪表技术与传感器. 2017(01)
[8]基于极限学习机的玻璃瓶口缺陷检测方法研究[J]. 黎牧星,黄志鸿. 计算技术与自动化. 2016(04)
[9]Hough变换和轮廓匹配相结合的瞳孔精确检测算法[J]. 毛顺兵. 计算机应用. 2016(05)
[10]复杂背景下基于二维OTSU和肤色分割结合的掌纹图像分割方法[J]. 薛延学,刘敏,马思欣,帅建坤,雷丹. 西安理工大学学报. 2015(03)
博士论文
[1]啤酒瓶视觉检测机器人研究[D]. 段峰.湖南大学 2007
硕士论文
[1]基于特征点的图像配准技术研究[D]. 杨福嘉.哈尔滨工程大学 2019
[2]基于机器视觉的印字缺陷检测系统研究与实现[D]. 黄文军.五邑大学 2015
[3]基于机器视觉的药品包装在线检测系统研究[D]. 张煜文.西安建筑科技大学 2012
[4]基于机器视觉的棒材自动计数系统[D]. 汤翔.山东大学 2011
本文编号：3422290
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3422290.html
最近更新
教材专著
