張 哲，朱錚濤，李 淵，劉 杰

(廣東工業(yè)大學(xué) 信息工程學(xué)院，廣東 廣州 510006)

瓶蓋缺陷在線自動檢測技術(shù)研究

張 哲，朱錚濤，李 淵，劉 杰

(廣東工業(yè)大學(xué) 信息工程學(xué)院，廣東 廣州 510006)

針對瓶蓋生產(chǎn)過程中存在的缺陷，文中提出了基于視覺的在線檢測方法。對瓶蓋檢測裝置的圖像采集系統(tǒng)獲取的原始圖像，運用自適應(yīng)閾值提取感興趣區(qū)域，利用圓的幾何性質(zhì)找出瓶蓋區(qū)域的圓心，然后通過圖像差分法所得到的差分區(qū)域面積判斷瓶蓋飛邊缺陷；由于HSV顏色空間中H與S通道反映顏色差異，由此通過加權(quán)色差公式，將k值的大小設(shè)置成大于1，從而更加突顯色差缺陷，以便于檢測。該系統(tǒng)已經(jīng)應(yīng)用于生產(chǎn)實際，結(jié)果表明，該在線檢測技術(shù)能夠勝任高速瓶蓋生產(chǎn)線中缺陷瓶蓋檢測的工作。

瓶蓋檢測；機(jī)器視覺；動態(tài)閾值；飛邊檢測；色差檢測

0 引 言

近年來，飲業(yè)發(fā)展趨勢直接影響對瓶蓋產(chǎn)品的需求。瓶蓋作為飲料包裝工業(yè)之重要一環(huán)，且居飲料包裝工業(yè)關(guān)鍵地位，產(chǎn)品的質(zhì)量更加受到關(guān)注[1-4]。盡管現(xiàn)代化流水線為瓶蓋的生產(chǎn)提供了很多便利，但是瓶蓋制造時由于注塑機(jī)壓力過大、注料過多，模具加工不合標(biāo)準(zhǔn)、有異物混入等原因,導(dǎo)致瓶蓋不可避免地產(chǎn)生飛邊、色差等缺陷。現(xiàn)有的國內(nèi)及國外瓶蓋質(zhì)量檢測裝置中，多采用康耐視公司智能相機(jī)對瓶蓋的質(zhì)量進(jìn)行實時檢測。該系統(tǒng)價格偏高且操作復(fù)雜，不適合一線工人使用，并且處理速度偏低。文獻(xiàn)[1]主要從硬件角度提出了瓶蓋質(zhì)量缺陷檢測的方案，但是在檢測到缺陷瓶蓋時缺少對缺陷種類的判斷。文獻(xiàn)[2]通過采用直線擬合的方法針對瓶蓋高蓋、歪蓋、無蓋等缺陷進(jìn)行實時檢測，然而并沒有針對瓶蓋邊沿的飛邊以及色差等缺陷進(jìn)行檢測。

文中介紹了瓶蓋檢測系統(tǒng)的圖像采集模塊與處理邏輯控制電路模塊，并分析了系統(tǒng)的工作原理。為確定瓶蓋區(qū)域，文中提出了自適應(yīng)閾值分割[5-6]提取感興趣區(qū)域[7-9]。針對瓶蓋飛邊缺陷，通過圓的幾何性質(zhì)尋找瓶蓋圓心并采用圖像差分法找出飛邊區(qū)域，計算飛邊面積；將圖像從RGB彩色空間轉(zhuǎn)換到HSV彩色空間[10-11]，運用HSV彩色空間的加權(quán)色差公式查出瓶蓋色差。根據(jù)實際測試得到的檢測結(jié)果，檢測單個瓶蓋用時50 ms左右。該系統(tǒng)的采集圖像方案與檢測算法滿足了瓶蓋飛邊與色差缺陷的檢測要求。

1 檢測要求

如圖1(a)所示，直徑為28 mm的藍(lán)色瓶蓋的檢測要求如下：

(1)瓶蓋的直徑在允許公差范圍之內(nèi)；

(2)瓶蓋周圍沒有多余膠質(zhì)粘連；

(3)瓶蓋的顏色偏差在人肉眼可辨別的范圍之內(nèi)。

圖1 瓶蓋圖像

為快速準(zhǔn)確地檢測出瓶蓋缺陷，快速提取瓶蓋的形狀特征與顏色特征是關(guān)鍵。圖1(b)、(c)所示分別為飛邊瓶蓋與色差瓶蓋，可將以上缺陷特征轉(zhuǎn)化為瓶蓋周圍是否有大面積連通灰度區(qū)域及瓶蓋圖像彩色空間中各通道均值與正常瓶蓋是否存在足夠大差值。

2 系統(tǒng)結(jié)構(gòu)

瓶蓋自動檢測系統(tǒng)由圖像采集模塊、圖像處理與邏輯控制電路模塊組成。

2.1 圖像采集模塊

圖像采集模塊是瓶蓋自動檢測裝置實現(xiàn)檢測功能的重要模塊，屬于整個系統(tǒng)的前端，負(fù)責(zé)采集瓶蓋的圖像?；镜膱D像采集模塊由CCD、鏡頭、光電開關(guān)和光源組成。圖像采集系統(tǒng)工作原理如圖2所示。

圖2 圖像采集系統(tǒng)

CCD選用Basler acA-1300gc型號，采用Gige接口以便于快速傳輸圖像，鏡頭焦距25 mm，光源為環(huán)形光源，瓶蓋蓋頂貼住傳送帶，帶瓶蓋螺紋一面面向CCD，采集圖像為彩色圖像。當(dāng)瓶蓋到位,觸發(fā)光電開關(guān)后，光電開關(guān)向CCD發(fā)送一個延時拍照信號，延時時間的起始時刻為瓶蓋觸發(fā)光電開關(guān)時，終止時刻為瓶蓋出現(xiàn)在CCD視野的中心位置時。

2.2 圖像處理與邏輯控制電路模塊

圖像處理與邏輯控制電路模塊是瓶蓋自動檢測系統(tǒng)的分析與執(zhí)行模塊，負(fù)責(zé)將采集到的瓶蓋圖像進(jìn)行處理并依據(jù)分析結(jié)果執(zhí)行是否剔除的指令。圖像分析由計算機(jī)完成，邏輯控制電路由51系列單片機(jī)為核心的電路所組成，圖像處理與邏輯控制電路系統(tǒng)工作原理與流程如圖3所示。

圖3 圖像處理與邏輯電路控制系統(tǒng)流程圖

由CCD采集得來的圖像被傳送到計算機(jī)中進(jìn)行相應(yīng)的圖像處理，并把分析結(jié)果通過串口傳入到控制電路中，由控制電路發(fā)送信號至吹氣閥。

3 算法分析與實現(xiàn)

3.1 瓶蓋區(qū)域提取

在同樣的采集環(huán)境下，瓶蓋的規(guī)格不同，如顏色的差異在轉(zhuǎn)換成灰度圖像后，灰度也是不相同的，固定閾值分割顯然無法應(yīng)對提取各種規(guī)格的瓶蓋的區(qū)域。自適應(yīng)閾值分割方法可用來有效應(yīng)對多批次不同規(guī)格瓶蓋。閾值的自適應(yīng)法有迭代法[5]、最大類間方差法(Otsu法)[12]等。迭代法需要根據(jù)過去經(jīng)驗預(yù)先設(shè)定初始值并且需要多次迭代，最大類間方差法則需要做多次方差統(tǒng)計，在運行時間上不適合快速在線檢測。文中采用經(jīng)一維高斯濾波后的灰度圖像直方圖的波谷求取圖像的閾值。

算法分析與實現(xiàn)：由于圖像中瓶蓋目標(biāo)與背景灰度相差較大，瓶蓋與背景的灰度會在直方圖的不同灰度段集中分布，并形成兩個波峰與一個波谷，只需根據(jù)圖像的灰度直方圖一階導(dǎo)數(shù)求出極小值即可找到最佳閾值。然而由于背景光照不勻等原因，圖像的灰度直方圖會出現(xiàn)多個波谷，即無效極小值增多，干擾了最佳閾值的篩選。為此，引用一維高斯函數(shù)，對圖像的灰度直方圖做高斯平滑，從而消除了因光照不勻?qū)е碌臒o效極小值出現(xiàn)。

如圖4所示，圖(a)為在黑色背景下的瓶蓋圖像，圖(b)的白色區(qū)域為瓶蓋經(jīng)過自適應(yīng)閾值分割之后，再進(jìn)行面積篩選與連通域填充所得的瓶蓋圖像區(qū)域。

圖4 感興趣區(qū)域

3.2 瓶蓋飛邊缺陷檢測

為了便于找到瓶蓋飛邊缺陷的位置，需要選擇瓶蓋圓圓心為基準(zhǔn)點。由于飛邊缺陷的影響，傳統(tǒng)Hough[13-14]變換無法提取出瓶蓋圓心。文中通過圓的幾何性質(zhì)實現(xiàn)在已提取瓶蓋區(qū)域中對瓶蓋圓心的準(zhǔn)確定位，如圖5所示。

圖5 瓶蓋圓心定位

圓心定位算法步驟如下：

Step2：連接BC并計算出BC線段的中點坐標(biāo)E，連接AE并延長AE至邊緣點D。

Step4：計算AD的中點O，即瓶蓋的圓心坐標(biāo)。

通過圓心定位算法所得到的O點為圓心，以O(shè)A為半徑做圓并與已提取出的瓶蓋區(qū)域圖像做差來判斷是否有飛邊。處理結(jié)果如圖6所示。其中，圖(a)白色區(qū)域為采用3.1的方法提取的感興趣區(qū)域；圖(b)為采用圓心定位的方法找出圓心并做出了標(biāo)準(zhǔn)圓；圖(c)為采用圖像差分法所得出的飛邊區(qū)域。

圖6 瓶蓋區(qū)域圓心定位

3.3 瓶蓋色差檢測

一般的，彩色圖像由R,G,B三分量的值來表示，但R,G,B三分量之間常有較高的相關(guān)性，作為瓶蓋顏色差異的特征去判斷常常不能得到理想的效果[15]。HSV彩色空間三通道之間卻無相關(guān)性，且表示方法與人類對色彩的感知相一致[16]。由此，針對瓶蓋色差出現(xiàn)在顏色不夠飽和這一特性，文中將圖像從RGB彩色空間轉(zhuǎn)換到HSV彩色空間中，并利用HSV色差公式[11]來計算出顏色偏差。色差公式定義如下：

(1)

其中

(2)

其中，(H1,S1,V1)，(H2,S2,V2)分別為待測瓶蓋圖像與正常瓶蓋圖像的顏色值。

由于HSV彩色空間中，H通道描述的是一種純色的顏色屬性，S飽和度則表示一種顏色被白光稀釋的程度，V通道表示亮度，根據(jù)實際瓶蓋顏色色差的偏差，更多的是表現(xiàn)在色度與飽和度上；故將原色差公式引入一個權(quán)值k，以凸顯H，S通道顏色偏差。將原色差公式定義成如下形式：

(3)

其中，當(dāng)k>1時，瓶蓋圖像在H，S通道的偏差將會被放大。

4 結(jié) 果

為驗證算法的穩(wěn)定性與準(zhǔn)確性，將該圖像采集系統(tǒng)以及算法應(yīng)用到對直徑28mm藍(lán)色瓶蓋檢測中。在現(xiàn)場圖像采集條件下，設(shè)置瓶蓋半徑取值在300至310個像素內(nèi)，色差公式中k值定為5，實驗結(jié)果見表1。

表1 瓶蓋自動檢測裝置準(zhǔn)確率

文中采用VisualC++ 6.0為開發(fā)工具，基于MFC框架編寫了人機(jī)交互界面。計算機(jī)處理器為酷睿i5 3.4GHz，2GB內(nèi)存，操作系統(tǒng)為Windows7，采集圖像分辨率為1 296*958，處理速度達(dá)到50ms/幀。實驗結(jié)果表明，文中系統(tǒng)能完成瓶蓋飛邊和色差等缺陷的檢測，準(zhǔn)確率可以達(dá)到99%以上。

5 結(jié)束語

根據(jù)瓶蓋檢測的要求和圖像特點，文中提出了一種瓶蓋區(qū)域提取的方法。在瓶蓋區(qū)域中尋找瓶蓋圓圓心，以定位飛邊位置，采用圖像差分法計算飛邊面積，利用加權(quán)色差公式查出色差，該系統(tǒng)在實際檢測過程中表現(xiàn)出了較高的準(zhǔn)確性與穩(wěn)定性。算法在實際應(yīng)用中，需根據(jù)所檢測的瓶蓋尺寸以及顏色做出對應(yīng)的參數(shù)調(diào)整，并配合生產(chǎn)線上的邏輯電路控制拍照與剔除缺陷瓶蓋等自動化操作。

[1] 陳靖宇，付江云，謝振南,等.基于實時濾波的瓶蓋密封性測試系統(tǒng)設(shè)計[J].計算機(jī)測量與控制，2012，20(3)：951-954.

[2] 鄭云峰，王貴錦，何 貝,等.基于直線擬合算法的PET瓶瓶蓋檢測方法[J].計算機(jī)應(yīng)用研究，2011，28(11)：4398-4400.

[3]ZhouWenju,FeiMinrui,ZhouHuiyu,etal.Asparserepresentationbasedfastdetectionmethodforsurfacedefectionofbottlecaps[J].Neurocomputing，2014，123(10)：406-414.

[4] 鄭海成，謝 云.PET瓶封蓋質(zhì)量在線檢測系統(tǒng)的設(shè)計與實現(xiàn)[J].電子技術(shù)應(yīng)用，2012，38(8)：20-22.

[5] 劉 杰，安博文.基于動態(tài)閾值分割的目標(biāo)提取技術(shù)[J]．紅外技術(shù)，2008，30(12)：706-708.

[6] 陳 磊.視頻圖像中的運動目標(biāo)檢測算法研究[D]．長沙：湖南大學(xué)，2007.

[7]LvZhenhan,LinLiqun,LiYuan.APETbottlemouthdetectionmethodbasedonmorphologic[C]//Procofthirdinternationaljointconferenceoncomputationalscienceandoptimization.Xiamen:[s.n.],2010.

[8]ShenYehu,MoRui,WeiLei.Bottlecapscratchesdetectionwithcomputervisiontechniques[C]//Procofninthinternationalconferenceonnaturalcomputation.[s.l.]:[s.n.],2013.

[9]RamliS,MustafaMM,HussainA,etal.Automaticdetectionof‘ROIs’forplasticbottleclassification[C]//Procofthe5thstudentconferenceonresearchanddevelopment.Malaysia:[s.n.],2007.

[10] 田 巍，莊鎮(zhèn)泉.基于HSV色彩空間的自適應(yīng)膚色檢測[J].計算機(jī)工程與應(yīng)用，2004，40(14)：81-85.

[11] 馬 玲，張曉輝.HSV顏色空間的飽和度與明度關(guān)系模型[J].計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報，2014，26(8)：1272-1278.

[12]GonzalezRC,WoodsRE.Digitalimageprocessing[M].阮秋琦，阮宇智,譯.第3版．北京：電子工業(yè)出版社，1998.

[13] 朱芳芳，顧宏斌，孫 瑾.一種改進(jìn)的Hough變換直線檢測算法[J].計算機(jī)技術(shù)與發(fā)展，2009，19(5):19-22.

[14] 吳慧蘭，劉國棟，劉炳國,等.基于SIFT算法的圓心快速精確定位技術(shù)研究[J].光電子·激光,2008,19(11):1512-1515.

[15] 陳 毅，劉曉玉，蔣 崢,等.基于RGB和HSV的膠囊異囊缺陷識別方法[J].計算機(jī)工程與設(shè)計，2014，35(11):3888-3892.

[16]PavlovaPE,CyrrilovKP,MoumdjievIN.ApplicationofHSVcoloursysteminidentificationbycolourofbiologicalobjectsonthebasisofmicroscopicimages[J].ComputerizedMedicalImagingandGraphics，1996(5)：357-364.

Research on Online Automatic Detecting Technology for Bottle Cap Defects

ZHANG Zhe，ZHU Zheng-tao，LI Yuan，LIU Jie

(School of Information Engineering,GDUT,Guangzhou 510006,China)

Considering the defects existing in the production process,an on-line detection method based on vision is proposed.Through the image collection system of the bottle cap detecting device to acquire the image,then the adaptive threshold is used to extract region of interest.Using geometric properties of circle to find the center of bottle cap region,then image difference method is used to distinguish burr defects.In addition,H and S channel reflects the color difference in HSV color space,chromatic aberration expression with weighing can be used to check out color difference,color difference will be highlight whenkvalueissetgreaterthan1.Thesystemhasbeenappliedinactualproduction,whichindicatesthattheonlinedetectiontechniquebecompetentatthedefectdetectioninhighspeedproductionofbottlecap.

bottle cap detection;machine vision;dynamic threshold;chromatic aberration detection;color difference detection

2015-08-13

2015-11-18

時間：2016-05-05

國家自然科學(xué)基金面上項目(61471134)

張 哲(1991-)，男，碩士研究生，研究方向為視覺檢測；朱錚濤，博士，副教授，研究方向為視覺檢測技術(shù)。

http://www.cnki.net/kcms/detail/61.1450.TP.20160505.0828.078.html

TP

A

1673-629X(2016)06-0151-04

10.3969/j.issn.1673-629X.2016.06.033