基于机器视觉的白酒液体杂质检测系统研究

发布时间：2020-10-31 19:55

　　 酒作为中华文化的重要组成部分,在人们的生活中起着不可替代的作用。在白酒生产过程中,生产环节繁多且工艺复杂,特别是在灌装环节中,灌装瓶清洗不干净、过滤系统故障、压盖包装时机械冲撞等原因会导致瓶内液体中混入玻璃碎片、絮状物、毛发等杂质。如果这些含有杂质的白酒流入市场,不仅严重损害消费者的身体健康,也对企业和社会造成极大的负面影响。因此有必要研究一种实时可靠的白酒液体杂质检测系统。本文针对当前透明瓶装白酒液体杂质的检测方法效率低下以及现有的杂质检测系统复杂、抗干扰能力差、价格昂贵等问题,提出了一种基于机器视觉的在线检测方法,并在该方法的基础上设计了一套检测透明瓶装白酒液体杂质的检测系统,主要根据透明瓶装白酒液体中杂质的运动特性,通过工业计算机驱动工业相机对透明瓶体图像进行连续采集并进行图像处理分析,从而实现对液体中的杂质进行检测。本文首先根据所提出的视觉检测方法和设计要求,设计了一套视觉检测方案,包括图像采集、光源及照明、系统机械硬件和软件平台等。其中图像采集设备采用迈德威视公司的MV-GE1000M-T CMOS型号的可见光工业相机,光源及照明方式采用平行LED背光源,系统机械硬件主要为垂直翻转机构,系统的软件平台是基于Microsoft公司的Visual Studio 2013和德国MVTech公司的机器视觉图像处理算法库Halcon的Windows平台。根据白酒液体中杂质的特点,设计图像处理检测算法是本文研究的主要内容。论文中对图像处理技术的基本概念和方法等做了相关介绍,并将图像滤波、边缘检测、灰度变换、特征提取、帧间差法、KNN学习算法等算法结合起来,实现了透明瓶装白酒液体杂质检测算法的设计,将具有动态干扰的气泡、污渍和位于透明瓶体内的杂质区分开来。本文通过编程对检测系统的上位机进行设计,该上位机主要采用C#语言和Halcon图像处理算法在Windows平台上实现白酒杂质检测与剔除功能,以及在上位机中实现数据显示及发送、存储等功能。主要包括图像获取模块、杂质检测模块、存储模块、通讯模块、及人机交互界面模块等。为了验证该检测系统的实时性和稳定性,本文搭建了实验平台,并对实验数据和结果进行分析。实验结果表明,即使在动态干扰环境下,所提出的白酒液体杂质检测系统的实时性和稳定性都有很大的提高,在一定程度上解决了透明瓶装白酒液体自动化生产过程中的杂质检测难题。
【学位单位】：太原理工大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP391.41;TS262.3
【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题研究背景与意义
        1.1.1 研究背景
        1.1.2 研究的意义
    1.2 国内外研究现状
    1.3 主要研究内容与论文结构安排
        1.3.1 主要研究内容
        1.3.2 论文结构安排
第二章 白酒液体杂质检测系统平台设计
    2.1 检测系统平台设计
        2.1.1 检测系统平台设计要求
        2.1.2 检测系统平台设计
        2.1.3 图像采集设备选择
        2.1.4 光源及照明方案选择
    2.2 检测系统机械硬件设计
    2.3 检测系统软件开发模式
    2.4 本章小结
第三章 白酒液体杂质视觉检测算法研究
    3.1 图像预处理算法
        3.1.1 图像滤波
        3.1.2 直方图均衡化
        3.1.3 灰度变换
        3.1.4 形态学图像处理
    3.2 ROI提取
    3.3 基于帧差算法的运动物体检测
    3.4 基于KNN的白酒液体杂质检测
        3.4.1 KNN算法原理
        3.4.2 检测系统核心特征参数训练
        3.4.3 白酒液体杂质检测
    3.5 本章小结
第四章 检测系统软件开发及调试
    4.1 系统软件架构设计
    4.2 软件介绍
        4.2.1 系统软件开发平台-Microsoft Visual Studio
        4.2.2 机器视觉软件-Halcon
    4.3 检测系统上位机软件设计
        4.3.1 软件开发环境搭建
        4.3.2 图像获取模块设计
        4.3.3 液体杂质检测模块设计
        4.3.4 图像存储模块设计
        4.3.5 上位机和S7-200PLC的通信模块设计
        4.3.6 人机交互界面设计
    4.4 本章小结
第五章 检测系统实验和结果分析
    5.1 检测系统平台搭建
    5.2 系统的整体运行测试
    5.3 实验结果与分析
    5.4 本章小结
第六章 结论与展望
    6.1 总结
    6.2 展望
参考文献
致谢
攻读学位期间发表的学术论文

【相似文献】

相关期刊论文 前10条

1 宋春华;彭泫知;;机器视觉研究与发展综述[J];装备制造技术;2019年06期

2 ;机器视觉对线缆市场的影响及趋势[J];功能材料信息;2018年04期

3 郑植;席先鹏;王楠;蒋欣燎;夏山淋;;机器视觉在网球捡球机器人中的应用研究[J];科技创新与应用;2019年16期

4 朱阳芬;银冬平;邹舜章;王海文;周为;;机器视觉在汽车行业中的发展与应用[J];汽车实用技术;2017年22期

5 吴东明;王丽娟;;基于GPS和机器视觉的自主导航定位农机设备研究[J];农机化研究;2018年02期

6 ;机器视觉时代,最好的时代![J];智能机器人;2018年02期

7 宗卫红;;台达机器视觉系统助力制造业迈向智造新时代——访台达集团-中达电通机器视觉产品项目经理王风路[J];国内外机电一体化技术;2016年06期

8 何遥;;宇视揭秘安防机器视觉[J];中国公共安全;2016年19期

9 阮晋蒙;;机器视觉:让中国制造2025“看”得更远[J];新经济导刊;2017年Z1期

10 ;凌华科技推出三款高性能机器视觉产品[J];自动化应用;2017年02期

相关博士学位论文 前10条

1 侯杰;飞行器机器视觉框架设计及算法研究[D];西安电子科技大学;2017年

2 郭依正;基于机器视觉的俯视群养猪个体识别与饮水行为分析研究[D];江苏大学;2018年

3 李晨;基于机器视觉的不同属性表面中微弱缺陷的检测技术研究[D];浙江大学;2018年

4 胡志新;基于机器视觉的钢轨踏面磨耗剥落检测技术研究[D];南昌大学;2018年

5 吴衡;机器视觉鬼成像理论与实验研究[D];华南理工大学;2017年

6 项森伟;高温单晶硅液位和直径视觉检测关键技术及应用研究[D];浙江大学;2018年

7 胡越黎;目的机器视觉研究及其在皮肤症状识别中的应用[D];上海大学;2005年

8 韩彦芳;机器视觉中的聚类检测新方法[D];上海交通大学;2006年

9 饶洪辉;基于机器视觉的作物对行喷药控制系统研究[D];南京农业大学;2006年

10 周平;基于机器视觉的自然目标特征学习与即时检测[D];浙江大学;2006年

相关硕士学位论文 前10条

1 姜金怿;基于机器视觉的焊缝定位算法研究[D];沈阳建筑大学;2017年

2 李凌燕;基于机器视觉的焊点检测算法研究[D];沈阳建筑大学;2017年

3 易振彧;基于机器视觉的碟式镜面实时监控[D];浙江大学;2019年

4 李潇;基于机器视觉数据采集的MES关键技术研究[D];浙江大学;2019年

5 刘宏文;基于机器视觉的水果自动分拣系统关键技术研究[D];北京邮电大学;2019年

6 高华;基于机器视觉的工件定位与识别系统[D];浙江大学;2019年

7 翁敬喻;基于机器视觉的口罩带缺失检测方法研究[D];西安理工大学;2016年

8 吴佳宁;基于机器视觉的木板实时检测算法[D];沈阳工业大学;2019年

9 王一妍;基于机器视觉的轮毂铸造面质量检测研究[D];沈阳工业大学;2019年

10 代伟;基于机器视觉的墨区墨量控制研究[D];西安理工大学;2019年

本文编号：2864433