發(fā)布時間：2021-10-05 17:04

　　近年來,隨著機器視覺和人工智能技術(shù)的不斷發(fā)展,各行各業(yè)都亟待新一輪產(chǎn)業(yè)升級。由于中國瓶裝白酒的外觀設(shè)計復(fù)雜多樣,導(dǎo)致異物圖像捕捉困難,視覺檢測難度極高,因此依靠人眼檢測酒瓶中可見異物的人工檢測方法依然占據(jù)主流地位。可見,在當(dāng)今的科研趨勢和市場環(huán)境下,展開基于機器視覺的酒瓶中異物檢測技術(shù)的相關(guān)研究具有十分重要的意義。本文設(shè)計了一種針對瓶裝白酒的酒瓶中可見異物檢測流程,基于該檢測流程著重討論并研究了兩種檢測算法:基于隨機森林的酒瓶中異物檢測算法和基于輕量化網(wǎng)絡(luò)的酒瓶中異物檢測算法。具體研究工作如下:分析了酒液中各類異物的物理特性,并據(jù)此采用了翻轉(zhuǎn)倒置酒瓶的方法以能夠捕捉到異物運動的圖像序列。設(shè)計了一套圖像采集實驗系統(tǒng),并對該系統(tǒng)的各個組成部分進(jìn)行了簡要的介紹,其中包括光源和工業(yè)相機的選型,以及照明方式的選取�；诋愇锏倪\動軌跡,提出了在酒瓶倒置回正后1秒左右檢測大型沉淀類異物,3秒左右檢測其他類型異物的檢測思路。研究了基于隨機森林的酒瓶中異物檢測算法。該算法主要分為四個步驟:候選異物的選取、分類、位置判定以及匹配,首先采用基于移動平均的自適應(yīng)局部閾值分割方法實現(xiàn)候選異物的選取,然后提取了候... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：95 頁

【學(xué)位級別】：碩士

【部分圖文】：

機器視覺技術(shù)在各種工業(yè)中的應(yīng)用

電子科技大學(xué)碩士學(xué)位論文24纖鹵素?zé)舻�，在這些光源中熒光燈和LED光源用的最多。根據(jù)光源中放電對象的不同，可以將光源分為鹵素?zé)�、熒光燈和氨氣燈等；根�?jù)光源發(fā)光形狀的不同可以分為點光源、線光源和面光源等[48]。不同機器視覺光源的各項技術(shù)指標(biāo)對比如表3-2所示。表3-2常見機器視覺光源的技術(shù)指標(biāo)對比光源類別光效/（1lmw)顯色指數(shù)/Ra色溫/K平均壽命/(萬h)LED燈80~10070~80全系列5~10白熾燈151002800~30000.1普通熒光燈7070全系列1三基色熒光燈9380~98全系列1.2高頻無極燈55~7075~853000~40004~8由表可知，LED燈雖然具備能耗低，發(fā)熱量少的特點，但是它的亮度卻依然很高，環(huán)境適應(yīng)能力很強。綜合本文的應(yīng)用場景、圖像采集實驗系統(tǒng)的實際需求以及光源的性價比等各個方面，本文最終選擇LED燈面光源作為圖像采集實驗系統(tǒng)的照明光源，其實物圖如圖3-1所示。圖3-1LED燈面光源對于所有的基于機器視覺的檢測系統(tǒng)而言，選擇合適的照明方式能為目標(biāo)物體提供良好的照明環(huán)境，便于采集到清晰的目標(biāo)圖像，從而為完成快速、準(zhǔn)確檢測提供了重要保障。常用的照明方式有直接照明、暗場照明、漫射照明、背光照明以及同軸照明[49]，如圖3-2所示。本文根據(jù)某大曲白酒瓶的特性選取了背光照明方式。因為本文的藍(lán)色白酒瓶是一種外表極其光滑的玻璃容器，如果采用直接照明方式的話，就很容易導(dǎo)致玻璃

第三章圖像采集實驗系統(tǒng)及檢測方案設(shè)計25酒瓶上存在一些亮斑和大面積反光，進(jìn)而造成采集到的酒瓶圖像上出現(xiàn)一些亮白部分，使得圖像信息丟失，這將對酒瓶中可見異物的檢測結(jié)果造成很大影響。經(jīng)過大量重復(fù)的實驗測試，本文根據(jù)白酒玻璃瓶能夠?qū)饩�進(jìn)行反射、折射的特性，最終采用了一個LED燈面光源作為背景光源，待檢酒瓶處于相機和光源中間。此時所拍攝到的酒瓶圖像中，異物與背景的對比度會大大增強，這將有助于后續(xù)數(shù)據(jù)集的制作以及算法的實現(xiàn)。（a）（b）（c）（d）（e）圖3-2不同的照明方式（a）直接照明；（b）暗場照明；（c）背光照明；（d）漫場照明；（e）同軸照明3.2.2工業(yè)相機選型由于本文所檢測的酒瓶中異物的尺寸較小，因此所選用工業(yè)相機的分辨率必須要達(dá)到一定的要求。此時就需要根據(jù)待檢測酒瓶的尺寸選擇合適本文環(huán)境的工業(yè)相機，本文所檢測的某大曲瓶裝白酒的實物圖如圖3-3所示。圖中包含酒液的部分為檢測區(qū)域，經(jīng)測量得到其水平方向的距離為89mm，有垂直方向的距離為176mm。因此，本文設(shè)定目標(biāo)的高度為90mm，目標(biāo)的寬度為180mm，再結(jié)合本文環(huán)境下酒液中常見異物的尺寸，可以計算出本文所要選取的工業(yè)相機水平方向的分辨率至少為3600像素，垂直方向的分辨率至少為1800像素。

【參考文獻(xiàn)】：
期刊論文
[1]基于機器視覺的瓶裝白酒雜質(zhì)檢測[J]. 邵志敏,張意,張衛(wèi)華,周激流.  四川大學(xué)學(xué)報(自然科學(xué)版). 2019(02)
[2]基于機器視覺的酒液異物智能檢測方法研究[J]. 吳曉敏,耿春明.  機械工程與自動化. 2016(01)
[3]基于智能視覺的透明液體可見異物檢測軟件設(shè)計[J]. 張樸,程明.  計算機測量與控制. 2015(03)
[4]基于視覺的酒液中異物自動識別方法研究[J]. 薛婷,陳彥龍,吳斌.  光電子.激光. 2012(11)
[5]基于機器視覺的酒液智能檢測系統(tǒng)研究與開發(fā)[J]. 周博文,王耀南,張輝,葛繼.  中國機械工程. 2010(07)
[6]基于機器視覺的大輸液智能燈檢機研究[J]. 李楊果,王耀南,王威.  光電工程. 2006(11)

碩士論文
[1]可見光圖像弱小目標(biāo)的檢測與跟蹤研究[D]. 章立.西安科技大學(xué) 2018
[2]基于分類器的液體內(nèi)微小異物檢測技術(shù)[D]. 仇友昌.電子科技大學(xué) 2018
[3]透明液體中低對比度雜質(zhì)檢測方法的研究[D]. 買熱哈巴·優(yōu)素甫江.北方工業(yè)大學(xué) 2017
[4]瓶裝液體可見異物的機器視覺檢測技術(shù)研究[D]. 賈盈盈.哈爾濱工程大學(xué) 2018
[5]基于圖像處理的瓶內(nèi)異物自動檢測[D]. 鮑冉冉.東南大學(xué) 2016
[6]基于圖像處理的藥液可見異物檢測[D]. 李麗嫻.中南大學(xué) 2014
[7]基于機器視覺的酒液異物在線檢測技術(shù)研究[D]. 陳文廣.華中科技大學(xué) 2014
[8]異型瓶裝溶液異物的機器視覺檢測技術(shù)研究[D]. 張耀.湖南大學(xué) 2012
[9]基于機器視覺的瓶裝液體異物檢測技術(shù)研究[D]. 劉靜寒.合肥工業(yè)大學(xué) 2012
[10]基于機器視覺的安瓿內(nèi)可見異物檢測系統(tǒng)的研究[D]. 李偉.清華大學(xué) 2010



本文編號：3420168