陳儒俠，任德均，嚴(yán)扎杰，高永勛，付興勇

?

基于機(jī)器視覺的注塑空瓶缺陷檢測系統(tǒng)

陳儒俠，任德均，嚴(yán)扎杰，高永勛，付興勇

（四川大學(xué)制造科學(xué)與工程學(xué)院，四川 成都 610065）

為了利用數(shù)字圖像處理技術(shù)實(shí)現(xiàn)對注塑空瓶缺陷的自動檢測，根據(jù)注塑瓶制造生產(chǎn)線的工作環(huán)境和檢測要求，對注塑空瓶缺陷的光學(xué)特征進(jìn)行分析，將注塑瓶空瓶檢測分為3個工位檢測，分別是瓶底檢測、瓶身檢測和瓶口檢測。研究了檢測過程中的圖像獲取、圖像預(yù)處理、圖像匹配、外圍設(shè)備通信控制和可視化操作等關(guān)鍵技術(shù)，實(shí)現(xiàn)了一個適用于車間、基于機(jī)器視覺的在線生產(chǎn)檢測的空瓶缺陷檢測系統(tǒng)。測試顯示，該視覺系統(tǒng)實(shí)時(shí)性好、可靠性高，能準(zhǔn)確檢測出有缺陷的不合格的空瓶并及時(shí)剔除，有效地提高了生產(chǎn)線的工作效率。

機(jī)器視覺；數(shù)字圖像處理技術(shù)；圖像預(yù)處理；圖像匹配

1 引言

隨著市場對注塑空瓶質(zhì)量和數(shù)量的需求日益增加，近年來，該行業(yè)得到快速發(fā)展。但是國內(nèi)大多數(shù)產(chǎn)品質(zhì)量檢測主要依靠人工方法，傳統(tǒng)人工檢測的缺陷有：①檢測速度慢、效率低，無法滿足高速自動化生產(chǎn)線需求；②檢測精度低，檢測質(zhì)量受人為因素影響，錯檢率、誤檢率較高；③勞動強(qiáng)度大，工作環(huán)境差；④人力資源浪費(fèi)，無法滿足當(dāng)前工業(yè)現(xiàn)代化管理要求[1]。本文研究的正是基于某注塑空瓶生產(chǎn)企業(yè)的實(shí)際需求，研發(fā)的一套以機(jī)械、電氣、軟件、圖像等技術(shù)為基礎(chǔ)，結(jié)合各種輔助器件協(xié)調(diào)工作，實(shí)現(xiàn)檢測并剔除有缺陷空瓶的自動化在線注塑瓶缺陷檢測系統(tǒng)。

2 空瓶檢測系統(tǒng)組成

根據(jù)目前用戶需求，設(shè)計(jì)了基于機(jī)器視覺的一個高精度、高速度、非接觸性的空瓶檢測系統(tǒng)。在自動化生產(chǎn)線上，該系統(tǒng)將需要檢測的空瓶分為瓶底、瓶身、瓶口3個工位進(jìn)行檢測。當(dāng)空瓶運(yùn)動到檢測工位時(shí)，圖像采集系統(tǒng)對空瓶高速拍照，獲取的圖像傳送到工控機(jī)并進(jìn)行算法處理；根據(jù)3個工位的結(jié)果得出最終結(jié)果，通過PLC向剔除裝置發(fā)出信號，將不合格產(chǎn)品剔除?；跈C(jī)器視覺的空瓶缺陷檢測系統(tǒng)如圖1所示。

圖1 系統(tǒng)整體結(jié)構(gòu)

2.1 圖像采集設(shè)備

空瓶檢測系統(tǒng)需要多方面緊密配合。首先，圖像采集設(shè)備必須能采集到高質(zhì)量的圖像，以滿足空瓶缺陷檢測精度要求，并且光源的光照均勻、具有較長的使用壽命。在注塑瓶質(zhì)檢系統(tǒng)中，結(jié)合檢測部位的幾何特征，同時(shí)考慮到被檢測對象材質(zhì)的表面容易反光，因此瓶底與瓶口采用低角度環(huán)形光源進(jìn)行照明，而瓶身采用面光源進(jìn)行照明。為了滿足檢測精度，選擇了分辨率為1296px×966px 即130萬全局曝光的黑白相機(jī)，其內(nèi)部感光芯片型號為Sony公司的ICX445芯片，采用千兆網(wǎng)接口。由于外界環(huán)境對于圖像的質(zhì)量以及算法處理影響很大，所以設(shè)備采用封閉的圖像采集環(huán)境，盡可能地排除外界環(huán)境對成像的干擾，保證獲取到質(zhì)量穩(wěn)定的圖像。

2.2 控制設(shè)備

根據(jù)用戶需求，實(shí)現(xiàn)控制設(shè)備與計(jì)算機(jī)的信息交互，接收主機(jī)的控制命令，驅(qū)動執(zhí)行機(jī)構(gòu)對不合格產(chǎn)品的剔除、修改外接設(shè)備的參數(shù)以及收集外圍系統(tǒng)的狀態(tài)，并將信息及時(shí)反饋給工控機(jī)，以便及時(shí)作出相應(yīng)的調(diào)整?？紤]速度、穩(wěn)定性和通用性等因素，采用可編程邏輯控制器（PLC）作為底層控制的核心部件，并與主機(jī)采用RS485串口通訊接口進(jìn)行數(shù)據(jù)傳輸[2]。本系統(tǒng)由1臺S7-300的PLC實(shí)現(xiàn)對光源控制器、相機(jī)、傳送帶、設(shè)備報(bào)警指示器、傳感器、剔除氣缸等部件的實(shí)時(shí)控制。

2.3 系統(tǒng)軟件設(shè)計(jì)

本系統(tǒng)的開發(fā)平臺建立在微軟公司W(wǎng)indows7操作系統(tǒng)上，所有關(guān)于目標(biāo)對象的圖像處理算法使用MATLAB完成，人機(jī)交互界面采用面向?qū)ο蟮腃#編程語言編寫。其主要功能模塊包括：圖像采集模塊、算法處理模塊、通訊控制模塊和系統(tǒng)控制模塊。圖像采集模塊負(fù)責(zé)對圖像采集設(shè)備進(jìn)行控制，比如拍照時(shí)間、曝光時(shí)間、相機(jī)的參數(shù)設(shè)置和圖像數(shù)據(jù)的傳輸與存儲。算法模塊主要針對一定類型不同大小的檢測對象，具有建模和檢測的功能。通訊模塊主要實(shí)現(xiàn)數(shù)據(jù)的交換。系統(tǒng)控制模塊主要負(fù)責(zé)以上3個模塊的協(xié)同工作、監(jiān)控系統(tǒng)的運(yùn)行狀態(tài)，并根據(jù)情況進(jìn)行調(diào)整和記錄檢測結(jié)果等。

3 缺陷檢測原理及圖像處理方法

3.1 缺陷檢測類型

本系統(tǒng)的空瓶缺陷檢測算法與缺陷的類型和光學(xué)特征息息相關(guān)。本文以瓶底檢測為例，實(shí)際生產(chǎn)注塑瓶瓶底缺陷主要有砂眼、孔洞、字符檢測、瓶底污漬等。瓶底砂眼如圖2所示。

圖2 瓶底砂眼

3.2 基于特征點(diǎn)的圖像配準(zhǔn)算法

在基于特征點(diǎn)的圖像配準(zhǔn)算法中，特征的選取是基礎(chǔ)，所有幾何計(jì)算都是在此基礎(chǔ)上進(jìn)行的，將直接關(guān)系到算法。同時(shí)，特征點(diǎn)的選取是在人工經(jīng)驗(yàn)的基礎(chǔ)上進(jìn)行的，因此，所選取的特征點(diǎn)應(yīng)該要相對鄰域內(nèi)的其他點(diǎn)有某些奇異性[3]。根據(jù)實(shí)際瓶底特征選取“S9 P&G 11”字符作為特征點(diǎn)來計(jì)算每個圖像的偏移量，具體計(jì)算流程為圖像截取→閾值分割→形態(tài)學(xué)處理→邊界提取。

首先，選取的特征點(diǎn)為模腔字符“S9 P&G 11”，結(jié)合其在瓶底原始圖像中的成像特點(diǎn)與圖像灰度值特征，來移動有效檢測區(qū)域的起始坐標(biāo)和終點(diǎn)坐標(biāo)，確定包括瓶底字符信息在內(nèi)的最小外接矩形，同時(shí)考慮在進(jìn)瓶階段傳送帶的不均勻運(yùn)行造成的瓶底位置的細(xì)小位置變化，適當(dāng)?shù)叵蛲鈹U(kuò)展幾個像素點(diǎn)的距離，就得到了相對合理的ROI有效處理區(qū)域，瓶底字符圖像如圖3所示。

圖像增強(qiáng)以后，字符圖像與鄰域內(nèi)的背景圖像對比度非常大，所以基于灰度值的閾值分割就是一個快速且方便的方法[4]。采用固定閾值方法，取該ROI區(qū)域內(nèi)的圖像灰度平均值，然后再加一個固定的閾值作為偏移量，再將處理區(qū)域圖像的每個像素點(diǎn)的灰度值與該偏移量進(jìn)行大小比較，當(dāng)大于時(shí)該像素點(diǎn)灰度值賦值為1，否則賦值為0，瓶底字符區(qū)閾值分割圖如圖4所示。

圖3 瓶底字符圖像

圖4 瓶底字符區(qū)閾值分割圖

然后經(jīng)過形態(tài)學(xué)處理，一般的形態(tài)學(xué)處理的對象都是基于二值圖像，因?yàn)檫@種圖像的各個分量是Z2（圖像中所有有序像素對的集合）的元素，形態(tài)學(xué)處理的基礎(chǔ)是腐蝕和膨脹，從數(shù)學(xué)方面來說膨脹或者腐蝕都是將圖像與核做卷積運(yùn)算[5]。開運(yùn)算是先腐蝕后膨脹的過程，腐蝕的作用收縮或細(xì)化，膨脹的作用是“增長”或“粗化”二值圖像中的物體。通過開運(yùn)算得到平滑經(jīng)過圖像增強(qiáng)以后的二值圖像中目標(biāo)圖像區(qū)域的輪廓，打斷細(xì)長的區(qū)域并去除圖像輪廓中面積小于結(jié)構(gòu)元素的細(xì)節(jié)部分，開運(yùn)算后的圖像如圖5所示。

通過上面的形體學(xué)操作處理以后，在瓶底檢測模塊中，截取的ROI區(qū)域的背景基本為黑色，灰度值在0～15內(nèi)，瓶底字符區(qū)域的特征相對背景對比度很大，可以通過字符的面積特征直接將其選中。在開運(yùn)算的基礎(chǔ)上通過選擇面積為20～99 999的所有對象，獲取到的字符如圖6所示。

圖5 開運(yùn)算后的圖像

圖6 通過面積特征所選取的字符圖像

3.3 圖像相減法

瓶底序列圖像完成圖像預(yù)處理以及通過利用瓶底圖像上模腔信息字符固有特征，經(jīng)過幾何空間變換計(jì)算出每張圖像基于第一張基準(zhǔn)圖像的幾何位置偏移量，并將其平移到指定位置。

檢測主要采用的方法是圖像相減法，即在兩幅圖像相對應(yīng)像素點(diǎn)之間做減法運(yùn)算，從而得出兩幅圖像之間的差異，如果相減后的差值在差值允許范圍內(nèi)，則判斷瓶底質(zhì)量合格，否則判定為質(zhì)量不合格。圖像相減法數(shù)學(xué)表達(dá)式如下：

由于瓶底的缺陷主要是砂眼和孔洞，因此其檢測思路為：在注塑瓶質(zhì)檢系統(tǒng)采集序列圖像穩(wěn)定以后，首先采集一定數(shù)量的合格的瓶底照片，經(jīng)過圖像預(yù)處理、圖像增強(qiáng)、仿射變換以后做加權(quán)平均運(yùn)算，求一個類似于該系列注塑瓶底“平均圖像”的一個基準(zhǔn)圖像。與在線實(shí)時(shí)采集的圖像做減法運(yùn)算，根據(jù)所得差值判定該瓶底質(zhì)量是否合格，其流程圖如圖7所示。

利用上述方法，同時(shí)對瓶口、瓶底、瓶身進(jìn)行缺陷檢測，如果有一項(xiàng)檢測結(jié)果超標(biāo)，則認(rèn)定為不合格產(chǎn)品。

圖7 圖像相減法流程圖

4 系統(tǒng)測試

利用上述算法，實(shí)現(xiàn)了對注塑空瓶的在線檢測。該瓶底為典型的砂眼，可以計(jì)算出該砂眼的大小為32個像素，超過標(biāo)準(zhǔn)瓶的預(yù)設(shè)值，因此可判斷該瓶不合格（NG），同時(shí)系統(tǒng)控制模塊會剔除該缺陷瓶。注塑瓶底砂眼的檢測效果如圖8所示。

在系統(tǒng)運(yùn)行時(shí)間方面，實(shí)際生產(chǎn)線的檢測速度一般需要達(dá)到10 800瓶/h或者更高，本系統(tǒng)初步確定的是3瓶/s，也就是每個工位的檢測時(shí)間為300 ms，因此要合理地分配運(yùn)行時(shí)間，保證整個系統(tǒng)的處理速度。PLC和氣動控制部分約占用50 ms，PLC調(diào)度生產(chǎn)線時(shí)間約為30 ms，最后分配給圖像采集與算法處理的時(shí)間為220 ms。利用本系統(tǒng)檢測能夠滿足生產(chǎn)中對注塑空瓶的檢測要求。

5 結(jié)束語

文中設(shè)計(jì)的基于機(jī)器視覺的注塑空瓶缺陷檢測系統(tǒng)實(shí)現(xiàn)了高速自動化生產(chǎn)線注塑空瓶的缺陷檢測，且具有結(jié)構(gòu)簡單緊湊、成本低廉、操作簡單、檢測速度快等優(yōu)點(diǎn)，其檢測效果遠(yuǎn)高于人工檢測效果。

［1］段峰，王耀南，雷曉峰，等.機(jī)器視覺技術(shù)及其應(yīng)用綜述［J］.自動化博覽，2002（03）：59-62.

［2］李耿，宗光華.PC機(jī)與PLC串行通信的實(shí)現(xiàn)［J］.微計(jì)算機(jī)信息，2012，18（4）：8-9.

［3］謝九成.醫(yī)學(xué)圖像配準(zhǔn)技術(shù)及應(yīng)用研究［D］.長沙：湖南大學(xué)，2008.

［4］陽樹洪.灰度圖像閾值分割的自適應(yīng)和快速算法研究［D］.重慶：重慶大學(xué)，2014.

［5］Anon.Fast moving cigarette carton lines takes to Easy Max［J］.Folding Carton Industry，2006.

〔編輯：嚴(yán)麗琴〕

2095－6835（2018）19－0013－03

TP391.41

A

10.15913/j.cnki.kjycx.2018.19.013

陳儒俠（1993—），男，四川南充人，碩士研究生，主要研究方向?yàn)闄C(jī)器視覺。任德均（1971—），男，四川成都人，博士，副教授，主要研究方向?yàn)闄C(jī)器視覺、嵌入式控制系統(tǒng)、機(jī)電一體化。嚴(yán)扎杰（1994—），男，藏族，甘肅舟曲人，碩士研究生，主要研究方向?yàn)榍度胧娇刂葡到y(tǒng)。高永勛（1991—），男，河南鄭州人，碩士研究生，主要研究方向?yàn)闄C(jī)器視覺。付興勇（1990—），男，山東菏澤人，碩士研究生，主要研究方向?yàn)闄C(jī)器視覺。