針對(duì)當(dāng)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(wèn)題,利用瓶底防滑紋的幾何特征,提出一種改進(jìn)的基于變權(quán)重隨機(jī)圓擬合的瓶底定位算法,首先采用重心法對(duì)瓶底圓心進(jìn)行快速預(yù)定位,再采用變權(quán)重隨機(jī)圓擬合法實(shí)現(xiàn)瓶底精定位。然后檢測(cè)瓶底圖像疑似缺陷區(qū)域,并提取區(qū)域面積、輪廓長(zhǎng)度、圓形度、灰度方差和灰度均值等特征,采用支持向量機(jī)算法進(jìn)行分類(lèi)決策,檢測(cè)出缺陷。實(shí)驗(yàn)表明,瓶底定位誤差小于6個(gè)像素,缺陷檢測(cè)準(zhǔn)確率為92.7%,基本滿足實(shí)際生產(chǎn)精度的要求。 

【文章來(lái)源】：電子測(cè)量與儀器學(xué)報(bào). 2017,31(09)北大核心

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

空瓶檢測(cè)機(jī)器人結(jié)構(gòu)

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(guò)4個(gè)檢測(cè)工位，若檢測(cè)到某個(gè)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(méi)有缺陷瓶。空瓶檢測(cè)機(jī)器人的結(jié)構(gòu)如圖1所示。圖1空瓶檢測(cè)機(jī)器人結(jié)構(gòu)Fig．1Structureofemptybottledetectionrobot照明光源采用OPT公司LED面光源，每當(dāng)空瓶經(jīng)過(guò)1次檢測(cè)工位，則光源頻閃1次，與此同時(shí)，觸發(fā)相機(jī)拍照。拍照前需要對(duì)相機(jī)進(jìn)行焦距和光圈的調(diào)節(jié)，保證拍攝的圖像清晰，以便后續(xù)圖像處理。瓶底相機(jī)采用TXG12工業(yè)相機(jī)，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(mén)子公司S7-200，當(dāng)空瓶經(jīng)過(guò)瓶底光電傳感器時(shí)，PLC接收到光電傳感器輸入信號(hào)后觸發(fā)相機(jī)拍照。相機(jī)拍照后經(jīng)過(guò)千兆網(wǎng)將圖像傳輸至工控機(jī)，工控機(jī)對(duì)接收到的圖像進(jìn)行算法處理檢測(cè)缺陷。由于檢測(cè)工位到剔除工位之間的距離是固定的，旋轉(zhuǎn)編碼器將剔除距離轉(zhuǎn)換為高速計(jì)數(shù)脈沖，通過(guò)累計(jì)脈沖數(shù)量對(duì)每個(gè)空瓶進(jìn)行精準(zhǔn)定位，PLC接收到工控機(jī)發(fā)送的壞瓶信號(hào)后，當(dāng)壞瓶到達(dá)剔除工位時(shí)，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(cè)區(qū)域定位方法主要有Hough變換法［12］、最小二乘法、隨機(jī)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(jì)算耗時(shí)，速度慢。隨機(jī)圓擬合法和最小二乘法速度快，但抗干擾能力不強(qiáng)，易被瓶底防滑紋區(qū)域缺陷干擾。本文采用一種改進(jìn)的基于權(quán)重變化的隨機(jī)圓擬合的瓶底定位算法，魯棒性比普通的

·1396·電子測(cè)量與儀器學(xué)報(bào)第31卷圓擬合算法好。圖3所示為基于變權(quán)重隨機(jī)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(yù)處理在空瓶檢測(cè)系統(tǒng)實(shí)際運(yùn)行過(guò)程中，由于機(jī)械抖動(dòng)、光照不均等因素的影響，相機(jī)獲取的瓶底圖像中經(jīng)常會(huì)有噪聲存在，噪聲會(huì)影響瓶底圖像的定位與缺陷檢測(cè)。因此在檢測(cè)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(duì)瓶底圖像的預(yù)處理過(guò)程中，由于噪聲主要是離散單一的干擾點(diǎn)，且和周?chē)鷧^(qū)域存在明顯的灰度差。故對(duì)整幅圖像運(yùn)用中值濾波去除離散噪聲點(diǎn)。然后采用灰度拉伸增強(qiáng)瓶底邊緣輪廓區(qū)域(ＲOI)與周?chē)鷧^(qū)域的對(duì)比效果。2．2自適應(yīng)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(duì)兩個(gè)區(qū)域采用局部自適應(yīng)閾值分割處理。便于后續(xù)瓶底圖像的定位和缺陷檢測(cè)。通過(guò)計(jì)算像素的8鄰域的平均灰度值，來(lái)決定二值化的閾值T的大校運(yùn)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(gè)間隔均勻的黑色防滑紋圓環(huán)，圓環(huán)內(nèi)部為一個(gè)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(xué)處理瓶底圖像經(jīng)過(guò)自適應(yīng)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(xì)小的白色連通域。由于這些白色連通域不是離散的像素點(diǎn)，故不可采用中值濾波直接濾除。因此選擇對(duì)圖像進(jìn)行形態(tài)學(xué)處理。先對(duì)圖像進(jìn)行先腐蝕后膨脹操作去除單個(gè)離散的像素點(diǎn)，再采用形態(tài)學(xué)閉運(yùn)算填充瓶底輪廓外部的白色連通域。在對(duì)瓶底圖像進(jìn)行形態(tài)學(xué)處理后基本消除了瓶底輪廓外部的白色連通域以及單個(gè)離散噪聲點(diǎn)，進(jìn)一步突出圖像邊緣防滑紋路信息。2．4邊緣提取形態(tài)學(xué)處理后的瓶?

【參考文獻(xiàn)】：
期刊論文
[1]基于機(jī)器視覺(jué)的啤酒瓶口缺陷檢測(cè)分類(lèi)方法研究[J]. 黃志鴻,毛建旭,王耀南,周顯恩,歷艷琨,劉學(xué)兵.  電子測(cè)量與儀器學(xué)報(bào). 2016(06)
[2]基于機(jī)器視覺(jué)的瓶口缺陷檢測(cè)方法研究[J]. 周顯恩,王耀南,朱青,吳成中,彭玉.  電子測(cè)量與儀器學(xué)報(bào). 2016(05)
[3]以LED點(diǎn)陣為特征的差動(dòng)式視覺(jué)檢測(cè)技術(shù)[J]. 蘇國(guó)營(yíng).  電子測(cè)量技術(shù). 2016(02)
[4]基于神經(jīng)網(wǎng)絡(luò)的醫(yī)藥微弱異物視覺(jué)檢測(cè)機(jī)器人[J]. 吳成中,王耀南,馮明濤,張輝,周顯恩.  電子測(cè)量與儀器學(xué)報(bào). 2015(12)
[5]一種多次隨機(jī)圓檢測(cè)及擬合度評(píng)估的瓶口定位法[J]. 周顯恩,王耀南,李康軍,易國(guó),吳成中.  儀器儀表學(xué)報(bào). 2015(09)
[6]基于HRM特征提取和SVM的目標(biāo)檢測(cè)方法[J]. 劉松松,張輝,毛征,孟博,李昂.  國(guó)外電子測(cè)量技術(shù). 2014(10)
[7]一種自適應(yīng)權(quán)值的多特征融合分類(lèi)方法[J]. 張文博,姬紅兵,王磊.  系統(tǒng)工程與電子技術(shù). 2013(06)
[8]智能空瓶檢測(cè)系統(tǒng)瓶底快速定位實(shí)現(xiàn)[J]. 馬思樂(lè),黃彬,何印洲,王金晨,楊金鳳.  自動(dòng)化儀表. 2012(10)
[9]基于最小二乘擬合法的焊點(diǎn)形狀檢測(cè)[J]. 俞龍江,楊英,孫圣和.  儀器儀表學(xué)報(bào). 2007(07)

博士論文
[1]啤酒瓶視覺(jué)檢測(cè)機(jī)器人研究[D]. 段峰.湖南大學(xué) 2007

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



本文編號(hào)：2961951