郭克友，廉麗冰，李 娜，紀(jì) 彬

GUO Ke-you,LIAN Li-bing,LI Na, JI Bin

（北京工商大學(xué) 材料與機(jī)械工程學(xué)院，北京 100048）

0 引言

我國(guó)作為一個(gè)啤酒生產(chǎn)大國(guó)，啤酒產(chǎn)業(yè)的技術(shù)在不斷更新。然而在啤酒瓶檢測(cè)技術(shù)方面，國(guó)內(nèi)大部分采用傳統(tǒng)的人工檢測(cè)，效率低，已不能滿足生產(chǎn)需求。國(guó)外的啤酒瓶檢測(cè)技術(shù)起步較早，空瓶檢測(cè)速度高達(dá)60000瓶/小時(shí)，而我國(guó)對(duì)于能夠檢測(cè)空瓶的檢測(cè)機(jī)器還處于理論研究階段，主要有湖南大學(xué)研制的啤酒瓶視覺(jué)檢測(cè)機(jī)器人、北京賽騰動(dòng)力科技有限公司、廣州輕工集團(tuán)等，雖然已經(jīng)研制出樣機(jī)，但還并未成功應(yīng)用于市場(chǎng)上[1,2]。國(guó)外的空瓶檢測(cè)系統(tǒng)都針對(duì)的是新瓶，若引用國(guó)外研發(fā)的空瓶檢驗(yàn)系統(tǒng)對(duì)我國(guó)的回收啤酒瓶進(jìn)行檢測(cè)，很難保證較高的破損檢測(cè)率，而且引進(jìn)國(guó)外設(shè)備的成本和后期的維修費(fèi)用都很高。根據(jù)國(guó)內(nèi)實(shí)際情況，需要設(shè)計(jì)符合我國(guó)國(guó)情的啤酒瓶檢測(cè)設(shè)備。因此，提出基于計(jì)算機(jī)視覺(jué)庫(kù)的啤酒瓶口缺陷檢測(cè)系統(tǒng)。

1 圖像采集的硬件平臺(tái)設(shè)計(jì)

1.1 旋轉(zhuǎn)平臺(tái)的介紹

在實(shí)際生產(chǎn)中應(yīng)用的圖像采集系統(tǒng)是由光源、相機(jī)、鏡頭、圖像采集卡等組合而成的光、電、機(jī)一體化的檢測(cè)裝置[3,4]。根據(jù)啤酒瓶口的形狀和物理光學(xué)分析可采用無(wú)影燈原理來(lái)獲取瓶口圖像信息，環(huán)形排列方式的LED燈即可滿足系統(tǒng)要求。為突出瓶口的表面特征，將LED燈置于啤酒瓶口和相機(jī)之間，相機(jī)通過(guò)環(huán)形光源的中央內(nèi)孔采集啤酒瓶口圖像。在相機(jī)選型中采用的是大恒公司的GC1020C型號(hào)，這是德國(guó)AVT工業(yè)相機(jī)中的一款，具有1024×768高分辨率和千兆以太網(wǎng)接口，與相機(jī)搭配使用的鏡頭則選用COMPUYER系列的8mm焦距的鏡頭。

圖1 瓶口圖像采集裝置

考慮到系統(tǒng)的運(yùn)行速度，運(yùn)行環(huán)境和處理效果之后，采集啤酒瓶口圖像的硬件設(shè)備選為如圖1所示的環(huán)形模擬采集裝置，由相機(jī)、鏡頭、照明裝置和機(jī)械轉(zhuǎn)動(dòng)平臺(tái)組成。啤酒瓶在檢測(cè)過(guò)程中沿環(huán)形曲線傳送，旋轉(zhuǎn)平臺(tái)每次能夠檢測(cè)8個(gè)啤酒瓶，轉(zhuǎn)速調(diào)節(jié)范圍為0～50000瓶/小時(shí)；亮度調(diào)節(jié)分為0～4檔，其中0檔為照明關(guān)閉狀態(tài)，1～4檔光照逐漸增強(qiáng)。啤酒瓶口的背景設(shè)計(jì)為黑色，可降低外界光照條件等帶來(lái)的噪聲影響。

1.2 圖像采集系統(tǒng)的介紹

圖像采集卡是圖像采集部分和圖像處理部分的接口。相機(jī)的電荷耦合器件傳感器把光線轉(zhuǎn)變成電荷，通過(guò)模擬芯片轉(zhuǎn)換成數(shù)字信號(hào)，數(shù)字信號(hào)經(jīng)過(guò)壓縮保存到內(nèi)置硬盤卡保存，后把數(shù)據(jù)傳輸給計(jì)算機(jī)，最后由計(jì)算機(jī)進(jìn)行處理。通過(guò)采用AVT PvAPI函數(shù)庫(kù)和OpenCV編程，實(shí)現(xiàn)驅(qū)動(dòng)和設(shè)置相機(jī)，并達(dá)到連續(xù)圖像采集和單幀處理功能，而由單幀的連續(xù)輸出，即可形成視頻的處理效果。

2 圖像處理方法

由于硬件條件和光照條件的影響，通過(guò)啤酒瓶口圖像模擬采集裝置采集的圖像存在大量隨機(jī)噪聲，對(duì)瓶口破損識(shí)別存在很大的影響。而對(duì)圖像進(jìn)行處理，可以使圖像感興趣區(qū)域的特征突出，使圖像中的噪聲衰減，進(jìn)而保證后續(xù)圖像處理算法的精度和速度[5]。

2.1 預(yù)處理

啤酒瓶口圖像的預(yù)處理過(guò)程包括對(duì)圖像進(jìn)行灰度化，直方圖均衡化和圖像分割等步驟。使用圖像空間轉(zhuǎn)化函數(shù)把彩色的瓶口圖像轉(zhuǎn)化為灰度圖，可以滿足后續(xù)的圖像處理操作；直方圖均衡化依據(jù)的原理是用累積函數(shù)對(duì)圖像的灰度值進(jìn)行調(diào)整，增強(qiáng)圖像中目標(biāo)像素與背景像素的對(duì)比度。通過(guò)對(duì)啤酒瓶口圖像進(jìn)行直方圖均衡化處理，可以增強(qiáng)破損區(qū)域的像素信息；運(yùn)用圖像分割可以把啤酒瓶口圖像劃分成環(huán)形區(qū)域和非環(huán)形區(qū)域，對(duì)于背景為黑色，研究對(duì)象為瓶口的白色像素區(qū)域，采用最大類間方差法可以很好地去除背景里的白色噪音，并且有效地把瓶口區(qū)域識(shí)別出來(lái)。

2.2 形態(tài)學(xué)處理

經(jīng)過(guò)圖像分割處理后的啤酒瓶口圖像內(nèi)部會(huì)出現(xiàn)局部的空穴，對(duì)后續(xù)的特征參數(shù)提取有很大的干擾，因此需要用到形態(tài)學(xué)方法對(duì)圖像進(jìn)行相關(guān)處理。形態(tài)學(xué)的開(kāi)運(yùn)算和閉運(yùn)算是應(yīng)用最廣泛的兩種算法，開(kāi)運(yùn)算會(huì)使原有的孤立像素點(diǎn)去除，閉運(yùn)算則使物體輪廓內(nèi)部的細(xì)小空洞填充，使毗鄰的區(qū)域相連通[6]，綜上可確定同時(shí)采用形態(tài)學(xué)的開(kāi)運(yùn)算和閉運(yùn)算對(duì)啤酒瓶口圖像進(jìn)行處理，可增強(qiáng)瓶口輪廓特征，提高破損識(shí)別的準(zhǔn)確率。對(duì)啤酒瓶口進(jìn)行處理的各階段效果如圖2所示。

2.3 啤酒瓶口定位

圖2 圖像處理各階段效果

啤酒瓶在高轉(zhuǎn)速下運(yùn)轉(zhuǎn)，相機(jī)實(shí)時(shí)獲取瓶口圖像，從而不能保證每一個(gè)瓶口中心點(diǎn)坐標(biāo)相同。因此需要對(duì)啤酒瓶口進(jìn)行定位，而對(duì)啤酒瓶口定位的準(zhǔn)確與否，直接影響瓶口特征向量提取的有效性，以及啤酒瓶口破損判別的準(zhǔn)確性。Hough圓變換法是計(jì)算機(jī)視覺(jué)中應(yīng)用最為廣泛的檢測(cè)圓的方法，該算法的最大特點(diǎn)是可靠性高，在噪聲影響、圖像輕微畸變甚至部分區(qū)域模糊的情況下仍然能取得較理想的結(jié)果[7,8]，因此啤酒瓶口的定位采用Hough變換法。如圖3所示為通過(guò)運(yùn)用Hough圓變換處理后的部分瓶口圓心位置的效果圖。

圖3 瓶口定位

3 缺陷檢測(cè)原理

通過(guò)對(duì)大量啤酒瓶口的缺陷特征分析，本文提出四個(gè)基于連通域特征的啤酒瓶口破損檢測(cè)參數(shù)，分別是周長(zhǎng)、面積、圓形度和相對(duì)圓心距離。周長(zhǎng)指連通區(qū)域邊界上像素點(diǎn)的像素?cái)?shù)目之和，完好的瓶口圖像中，周長(zhǎng)最大，若存在破損時(shí)，周長(zhǎng)會(huì)減??；面積指連通區(qū)域內(nèi)所有像素點(diǎn)的像素之和，完好的圖像中，面積最大，若存在破損時(shí)，面積會(huì)減??；圓形度指基于區(qū)域面積和周長(zhǎng)而計(jì)算得到的有關(guān)區(qū)域形狀復(fù)雜度的特征量，計(jì)算公式為：，它的取值范圍在0～1之間，圓形的圓形度為1，圖形的形狀越趨于圓，則圓形度越接近1。相對(duì)圓心距離指啤酒瓶口的圓心與各連通域質(zhì)心之間的距離，將瓶口圓心到瓶口環(huán)形區(qū)域的距離設(shè)定一個(gè)經(jīng)驗(yàn)閾值，可以避開(kāi)瓶口圓環(huán)區(qū)域內(nèi)部或外部存在的噪聲干擾。通過(guò)分析這四個(gè)破損參數(shù)的影響情況，可確定了一個(gè)用于檢測(cè)瓶口破損的方案。

圖4 破損檢測(cè)參數(shù)分析

對(duì)部分瓶口進(jìn)行采樣和分析以確定破損檢測(cè)方案，如圖4和表1所示，共對(duì)897個(gè)破損輪廓采取5種方式檢測(cè)。圖4(a)中橫坐標(biāo)表示被檢測(cè)的啤酒瓶口輪廓數(shù)目，縱坐標(biāo)表示啤酒瓶口輪廓的正檢率，每條曲線表示以不同的特征參數(shù)進(jìn)行輪廓檢測(cè)時(shí)的正檢率，曲線最后均會(huì)趨于穩(wěn)定狀態(tài)，趨于穩(wěn)態(tài)時(shí)的數(shù)值即為該特征參數(shù)選擇方式下的正檢率；圖4(b)中橫坐標(biāo)表示被檢測(cè)的啤酒瓶口輪廓數(shù)目，縱坐標(biāo)表示被誤檢測(cè)的數(shù)，每條曲線表示以不同的破損特征參數(shù)檢測(cè)啤酒瓶口時(shí)誤檢測(cè)輪廓數(shù)。

表1 不同特征參數(shù)選擇下的檢測(cè)效果

由表1的數(shù)據(jù)明顯得出采取一種參數(shù)時(shí)破損檢測(cè)的正確率僅有89.771%，當(dāng)采用兩種或三種參數(shù)時(shí)，檢測(cè)效果相對(duì)較好，而運(yùn)用四種參數(shù)時(shí)，檢測(cè)效果明顯增強(qiáng)，達(dá)到97.979%。綜合了4種特征參數(shù)對(duì)啤酒瓶口破損識(shí)別的影響，確定采用周長(zhǎng)、面積、圓形度和相對(duì)圓心距離4種參數(shù)判別瓶口是否破損。

4 分析檢測(cè)結(jié)果

部分檢測(cè)結(jié)果如圖5所示，圖中每組圖像上下對(duì)應(yīng)，上面的表示待檢測(cè)的瓶口圖像，下面的是檢測(cè)后的圖像，第1組是完好的啤酒瓶口，其他6組則為破損不一的啤酒瓶口。通過(guò)觀察這7組圖像及其檢測(cè)結(jié)果，可知無(wú)論是什么形式的破損都能被系統(tǒng)檢測(cè)出來(lái)，系統(tǒng)的檢測(cè)速度是47000瓶/小時(shí)（13.05瓶/秒），檢測(cè)結(jié)果滿足系統(tǒng)的準(zhǔn)確性和實(shí)時(shí)性要求。

圖5 啤酒瓶口部分檢測(cè)結(jié)果

5 結(jié)論

首先建立起啤酒瓶口圖像采集系統(tǒng)，并初步確立了啤酒瓶口破損檢測(cè)前對(duì)瓶口圖像的處理方案，經(jīng)分析確定采用周長(zhǎng)、面積、圓形度和相對(duì)圓心距離4個(gè)特征作為瓶口的破損識(shí)別特征，綜合運(yùn)用4個(gè)特征參數(shù)，瓶口的準(zhǔn)確識(shí)別率達(dá)到97.979%。檢測(cè)結(jié)果表明該檢測(cè)系統(tǒng)符合我國(guó)啤酒瓶檢測(cè)技術(shù)指標(biāo)，能夠滿足一般啤酒生產(chǎn)灌裝企業(yè)的檢測(cè)要求，具有一定的經(jīng)濟(jì)價(jià)值。

[1]劉文志.基于機(jī)器視覺(jué)的啤酒瓶瓶口檢測(cè)系統(tǒng)研究[D].廣州:華南理工大學(xué),2011.

[2]李娜.啤酒瓶口破損檢測(cè)技術(shù)研究[D].北京:北京工商大學(xué),2013.

[3]Rafael C.Gonzalez,Richard E.Woods.Digital Image Processing[J].Electronic Industry Press,2007:643-665.

[4]Zhang jie,Ma shuyuan Huang jie,et.al.A machine vision system for Real-Time automated Gear Fatigue Pitting Detection[C].Proceedings of 2012 Intenational Conference on Mechanical Engineering and Material Science.2012:183-186.

[5]Shuhong Jiao,Xueguang Li,Xin Lu.An improved Otsu method for image segmentation[C].8th International Conference on Signal Processing,ICSP2006,2006:16-20.

[6]Otsu.A Threshold Selection Method from Gray 2 Level Histogram[J].IEEE Trans on SMC-9,1979:62-66.

[7]張?zhí)锾?基于機(jī)器視覺(jué)的啤酒瓶瓶口檢測(cè)系統(tǒng)的研究[D].青島:山東科技大學(xué),2009.

[8]高翔,谷吉海.基于Canny算法的啤酒空瓶雜質(zhì)檢測(cè)方法[J].包裝工程.2009,30(3):63-65.