空瓶检测机器人瓶底缺陷检测方法研究
发布时间：2021-01-07 04:53
针对当前瓶底圆心定位方法精度不高、瓶底防滑纹区域缺陷易误检等问题,利用瓶底防滑纹的几何特征,提出一种改进的基于变权重随机圆拟合的瓶底定位算法,首先采用重心法对瓶底圆心进行快速预定位,再采用变权重随机圆拟合法实现瓶底精定位。然后检测瓶底图像疑似缺陷区域,并提取区域面积、轮廓长度、圆形度、灰度方差和灰度均值等特征,采用支持向量机算法进行分类决策,检测出缺陷。实验表明,瓶底定位误差小于6个像素,缺陷检测准确率为92.7%,基本满足实际生产精度的要求。
【文章来源】：电子测量与仪器学报. 2017,31(09)北大核心
【文章页数】：8 页
【部分图文】：
空瓶检测机器人结构
蛄炕?岷暇断蚧?撕??云康兹毕萏卣鹘?蟹掷唷?1瓶底图像采集空瓶在链道上依次经过4个检测工位，若检测到某个空瓶为缺陷瓶则向击出器发出剔除指令，以确保后续生产线中没有缺陷瓶。空瓶检测机器人的结构如图1所示。图1空瓶检测机器人结构Fig．1Structureofemptybottledetectionrobot照明光源采用OPT公司LED面光源，每当空瓶经过1次检测工位，则光源频闪1次，与此同时，触发相机拍照。拍照前需要对相机进行焦距和光圈的调节，保证拍摄的图像清晰，以便后续图像处理。瓶底相机采用TXG12工业相机，瓶底图像采集模块如图2所示。图2瓶底图像采集装置Fig．2AcquisitiondeviceofbottlebottomimagePLC选用西门子公司S7-200，当空瓶经过瓶底光电传感器时，PLC接收到光电传感器输入信号后触发相机拍照。相机拍照后经过千兆网将图像传输至工控机，工控机对接收到的图像进行算法处理检测缺陷。由于检测工位到剔除工位之间的距离是固定的，旋转编码器将剔除距离转换为高速计数脉冲，通过累计脉冲数量对每个空瓶进行精准定位，PLC接收到工控机发送的坏瓶信号后，当坏瓶到达剔除工位时，迅速向击出器发出剔除坏瓶指令［11］。2瓶底图像定位目前瓶底检测区域定位方法主要有Hough变换法［12］、最小二乘法、随机圆拟合法［13］等。其中Hough变换法是圆拟合的经典算法，但其计算耗时，速度慢。随机圆拟合法和最小二乘法速度快，但抗干扰能力不强，易被瓶底防滑纹区域缺陷干扰。本文采用一种改进的基于权重变化的随机圆拟合的瓶底定位算法，鲁棒性比普通的
·1396·电子测量与仪器学报第31卷圆拟合算法好。图3所示为基于变权重随机圆拟合算法流程。图3瓶底图像定位流程Fig．3Procedureofbottlebottomimagelocation2．1瓶底图像预处理在空瓶检测系统实际运行过程中，由于机械抖动、光照不均等因素的影响，相机获取的瓶底图像中经常会有噪声存在，噪声会影响瓶底图像的定位与缺陷检测。因此在检测瓶底缺陷之前，先尽量消除瓶底图像中存在的噪声干扰。在对瓶底图像的预处理过程中，由于噪声主要是离散单一的干扰点，且和周围区域存在明显的灰度差。故对整幅图像运用中值滤波去除离散噪声点。然后采用灰度拉伸增强瓶底边缘轮廓区域(ＲOI)与周围区域的对比效果。2．2自适应阈值分割图像由于防滑纹区域与白色中心区域灰度值相差较大，故对两个区域采用局部自适应阈值分割处理。便于后续瓶底图像的定位和缺陷检测。通过计算像素的8邻域的平均灰度值，来决定二值化的阈值T的大校运用阈值分割将瓶底图像划分成两部分，背景显现为灰度值为0的黑色区域，瓶底边缘轮廓显现为一个间隔均匀的黑色防滑纹圆环，圆环内部为一个均匀白色圆形区域。I(x，y)=0，I(x，y)＜T255，I(x，y)≥{T(1)2．3形态学处理瓶底图像经过自适应阈值分割处理后，边缘特征变得明显可辨，但瓶底边缘轮廓外部仍然存在一些细小的白色连通域。由于这些白色连通域不是离散的像素点，故不可采用中值滤波直接滤除。因此选择对图像进行形态学处理。先对图像进行先腐蚀后膨胀操作去除单个离散的像素点，再采用形态学闭运算填充瓶底轮廓外部的白色连通域。在对瓶底图像进行形态学处理后基本消除了瓶底轮廓外部的白色连通域以及单个离散噪声点，进一步突出图像边缘防滑纹路信息。2．4边缘提取形态学处理后的瓶?
【参考文献】：
期刊论文
[1]基于机器视觉的啤酒瓶口缺陷检测分类方法研究[J]. 黄志鸿,毛建旭,王耀南,周显恩,历艳琨,刘学兵. 电子测量与仪器学报. 2016(06)
[2]基于机器视觉的瓶口缺陷检测方法研究[J]. 周显恩,王耀南,朱青,吴成中,彭玉. 电子测量与仪器学报. 2016(05)
[3]以LED点阵为特征的差动式视觉检测技术[J]. 苏国营. 电子测量技术. 2016(02)
[4]基于神经网络的医药微弱异物视觉检测机器人[J]. 吴成中,王耀南,冯明涛,张辉,周显恩. 电子测量与仪器学报. 2015(12)
[5]一种多次随机圆检测及拟合度评估的瓶口定位法[J]. 周显恩,王耀南,李康军,易国,吴成中. 仪器仪表学报. 2015(09)
[6]基于HRM特征提取和SVM的目标检测方法[J]. 刘松松,张辉,毛征,孟博,李昂. 国外电子测量技术. 2014(10)
[7]一种自适应权值的多特征融合分类方法[J]. 张文博,姬红兵,王磊. 系统工程与电子技术. 2013(06)
[8]智能空瓶检测系统瓶底快速定位实现[J]. 马思乐,黄彬,何印洲,王金晨,杨金凤. 自动化仪表. 2012(10)
[9]基于最小二乘拟合法的焊点形状检测[J]. 俞龙江,杨英,孙圣和. 仪器仪表学报. 2007(07)
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]基于机器视觉的玻璃瓶在线检测算法研究及系统实现[D]. 于晓东.华中科技大学 2013
[2]基于机器视觉的啤酒瓶瓶口检测系统的研究[D]. 张田田.山东科技大学 2009
本文编号：2961951
【文章来源】：电子测量与仪器学报. 2017,31(09)北大核心
【文章页数】：8 页
【部分图文】：
空瓶检测机器人结构
蛄炕?岷暇断蚧?撕??云康兹毕萏卣鹘?蟹掷唷?1瓶底图像采集空瓶在链道上依次经过4个检测工位，若检测到某个空瓶为缺陷瓶则向击出器发出剔除指令，以确保后续生产线中没有缺陷瓶。空瓶检测机器人的结构如图1所示。图1空瓶检测机器人结构Fig．1Structureofemptybottledetectionrobot照明光源采用OPT公司LED面光源，每当空瓶经过1次检测工位，则光源频闪1次，与此同时，触发相机拍照。拍照前需要对相机进行焦距和光圈的调节，保证拍摄的图像清晰，以便后续图像处理。瓶底相机采用TXG12工业相机，瓶底图像采集模块如图2所示。图2瓶底图像采集装置Fig．2AcquisitiondeviceofbottlebottomimagePLC选用西门子公司S7-200，当空瓶经过瓶底光电传感器时，PLC接收到光电传感器输入信号后触发相机拍照。相机拍照后经过千兆网将图像传输至工控机，工控机对接收到的图像进行算法处理检测缺陷。由于检测工位到剔除工位之间的距离是固定的，旋转编码器将剔除距离转换为高速计数脉冲，通过累计脉冲数量对每个空瓶进行精准定位，PLC接收到工控机发送的坏瓶信号后，当坏瓶到达剔除工位时，迅速向击出器发出剔除坏瓶指令［11］。2瓶底图像定位目前瓶底检测区域定位方法主要有Hough变换法［12］、最小二乘法、随机圆拟合法［13］等。其中Hough变换法是圆拟合的经典算法，但其计算耗时，速度慢。随机圆拟合法和最小二乘法速度快，但抗干扰能力不强，易被瓶底防滑纹区域缺陷干扰。本文采用一种改进的基于权重变化的随机圆拟合的瓶底定位算法，鲁棒性比普通的
·1396·电子测量与仪器学报第31卷圆拟合算法好。图3所示为基于变权重随机圆拟合算法流程。图3瓶底图像定位流程Fig．3Procedureofbottlebottomimagelocation2．1瓶底图像预处理在空瓶检测系统实际运行过程中，由于机械抖动、光照不均等因素的影响，相机获取的瓶底图像中经常会有噪声存在，噪声会影响瓶底图像的定位与缺陷检测。因此在检测瓶底缺陷之前，先尽量消除瓶底图像中存在的噪声干扰。在对瓶底图像的预处理过程中，由于噪声主要是离散单一的干扰点，且和周围区域存在明显的灰度差。故对整幅图像运用中值滤波去除离散噪声点。然后采用灰度拉伸增强瓶底边缘轮廓区域(ＲOI)与周围区域的对比效果。2．2自适应阈值分割图像由于防滑纹区域与白色中心区域灰度值相差较大，故对两个区域采用局部自适应阈值分割处理。便于后续瓶底图像的定位和缺陷检测。通过计算像素的8邻域的平均灰度值，来决定二值化的阈值T的大校运用阈值分割将瓶底图像划分成两部分，背景显现为灰度值为0的黑色区域，瓶底边缘轮廓显现为一个间隔均匀的黑色防滑纹圆环，圆环内部为一个均匀白色圆形区域。I(x，y)=0，I(x，y)＜T255，I(x，y)≥{T(1)2．3形态学处理瓶底图像经过自适应阈值分割处理后，边缘特征变得明显可辨，但瓶底边缘轮廓外部仍然存在一些细小的白色连通域。由于这些白色连通域不是离散的像素点，故不可采用中值滤波直接滤除。因此选择对图像进行形态学处理。先对图像进行先腐蚀后膨胀操作去除单个离散的像素点，再采用形态学闭运算填充瓶底轮廓外部的白色连通域。在对瓶底图像进行形态学处理后基本消除了瓶底轮廓外部的白色连通域以及单个离散噪声点，进一步突出图像边缘防滑纹路信息。2．4边缘提取形态学处理后的瓶?
【参考文献】：
期刊论文
[1]基于机器视觉的啤酒瓶口缺陷检测分类方法研究[J]. 黄志鸿,毛建旭,王耀南,周显恩,历艳琨,刘学兵. 电子测量与仪器学报. 2016(06)
[2]基于机器视觉的瓶口缺陷检测方法研究[J]. 周显恩,王耀南,朱青,吴成中,彭玉. 电子测量与仪器学报. 2016(05)
[3]以LED点阵为特征的差动式视觉检测技术[J]. 苏国营. 电子测量技术. 2016(02)
[4]基于神经网络的医药微弱异物视觉检测机器人[J]. 吴成中,王耀南,冯明涛,张辉,周显恩. 电子测量与仪器学报. 2015(12)
[5]一种多次随机圆检测及拟合度评估的瓶口定位法[J]. 周显恩,王耀南,李康军,易国,吴成中. 仪器仪表学报. 2015(09)
[6]基于HRM特征提取和SVM的目标检测方法[J]. 刘松松,张辉,毛征,孟博,李昂. 国外电子测量技术. 2014(10)
[7]一种自适应权值的多特征融合分类方法[J]. 张文博,姬红兵,王磊. 系统工程与电子技术. 2013(06)
[8]智能空瓶检测系统瓶底快速定位实现[J]. 马思乐,黄彬,何印洲,王金晨,杨金凤. 自动化仪表. 2012(10)
[9]基于最小二乘拟合法的焊点形状检测[J]. 俞龙江,杨英,孙圣和. 仪器仪表学报. 2007(07)
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]基于机器视觉的玻璃瓶在线检测算法研究及系统实现[D]. 于晓东.华中科技大学 2013
[2]基于机器视觉的啤酒瓶瓶口检测系统的研究[D]. 张田田.山东科技大学 2009
本文编号：2961951
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2961951.html
