胡艷麗 劉團(tuán)結(jié) 李世杰 余禮鑫

摘 要：隨著當(dāng)今社會(huì)醫(yī)藥行業(yè)的發(fā)展，對(duì)藥瓶缺陷精準(zhǔn)檢測(cè)尤為重要。系統(tǒng)采用S7-1200PLC作為核心控制器，完成了基于機(jī)器視覺的缺陷檢測(cè)系統(tǒng)設(shè)計(jì)，包括機(jī)械結(jié)構(gòu)設(shè)計(jì)、電氣控制系統(tǒng)設(shè)計(jì)、圖像處理設(shè)計(jì)、上位機(jī)軟件系統(tǒng)設(shè)計(jì)四大部分。在分析現(xiàn)有缺陷檢測(cè)問題的基礎(chǔ)上，對(duì)四大模塊進(jìn)行設(shè)計(jì)及對(duì)內(nèi)部原理進(jìn)行剖析，形成以機(jī)械、電氣、視覺、軟件為一體的智能制造解決方案。系統(tǒng)通過調(diào)試，可以實(shí)現(xiàn)對(duì)塑制飲料瓶缺陷的穩(wěn)定、精準(zhǔn)檢測(cè)。

關(guān)鍵詞：機(jī)器視覺;缺陷檢測(cè);PLC;圖像處理

中圖分類號(hào)：TP273;TP391? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：1673-260X（2021）02-0018-05

隨著科技的發(fā)展和人們生活水平的不斷提高，醫(yī)療健康和食品安全問題引起了越來越多的關(guān)注。藥瓶的質(zhì)量關(guān)系著藥品的貯存、銷售、運(yùn)輸、和使用等方面，直接影響著藥品的有效性和安全性。藥瓶的生產(chǎn)過程包含多個(gè)環(huán)節(jié)和流程，每個(gè)環(huán)節(jié)都要進(jìn)行嚴(yán)格的質(zhì)檢，出廠前藥瓶的表面檢測(cè)就是很重要的環(huán)節(jié)，即對(duì)氣線、裂紋、斑點(diǎn)等瑕疵進(jìn)行檢測(cè)及瓶身直徑測(cè)量，不允許有缺陷存在。

傳統(tǒng)檢測(cè)方式為人工燈檢，要求工作人員在暗室中進(jìn)行操作，即通過目視檢測(cè)藥瓶是否有缺陷，存在檢查速度慢、操作繁瑣、可靠性差和漏檢率高等缺點(diǎn)，并且檢測(cè)人員容易產(chǎn)生疲勞感[1]。因此，檢測(cè)結(jié)果受工作環(huán)境和工作人員的狀態(tài)影響較大?；跈C(jī)器視覺的缺陷檢測(cè)方法和人工相比較，速度快、成本低、準(zhǔn)確率高和客觀因素干擾小[2]。本文以注塑藥瓶為對(duì)象，針對(duì)其在生產(chǎn)過程中可能存在的缺陷，完成了基于機(jī)器視覺技術(shù)的缺陷檢測(cè)系統(tǒng)的研究和設(shè)計(jì)。該設(shè)計(jì)已申請(qǐng)發(fā)明專利（申請(qǐng)?zhí)枺?0201.505839.6）和實(shí)用新型專利（申請(qǐng)?zhí)枺?02021030207.0）。

1 機(jī)械結(jié)構(gòu)設(shè)計(jì)

現(xiàn)在大多數(shù)產(chǎn)線不論是生產(chǎn)設(shè)備還是打包設(shè)備都是依靠傳送帶運(yùn)輸注塑藥瓶，加大了瓶底檢測(cè)的難度。另外，產(chǎn)線運(yùn)行過程中傳輸帶導(dǎo)軌會(huì)造成對(duì)藥瓶的二次傷害[3]。

視覺檢測(cè)設(shè)備應(yīng)滿足以下檢測(cè)要求：

（1）檢測(cè)速度須大于或等于產(chǎn)線生產(chǎn)速度（3-4/s）;

（2）完成瓶身360°全方位無死角視覺檢測(cè);

（3）應(yīng)避免非生產(chǎn)缺陷造成的二次損傷。

本設(shè)計(jì)在原有傳送帶上，增加真空吸附裝置，可以使飲料瓶在不需要導(dǎo)軌的情況下和傳送帶緊密吸合。同時(shí)通過設(shè)計(jì)結(jié)構(gòu)小巧的雙傳送帶加持裝置，將其架設(shè)在原有注塑藥瓶產(chǎn)線上，可以輕松解決底部檢測(cè)問題，并實(shí)現(xiàn)生產(chǎn)設(shè)備和打包設(shè)備之間的無縫連接。

1.1 瓶底檢測(cè)機(jī)構(gòu)設(shè)計(jì)

由于注塑藥瓶材質(zhì)極輕，通過對(duì)稱放置傳送帶方法，利用傳送帶的摩擦力，可以實(shí)現(xiàn)瓶底懸空并且隨傳送帶移動(dòng)，在傳送帶底部架設(shè)瓶底工業(yè)相機(jī)，以及瓶底環(huán)形光源，可以充分解決瓶底無法檢測(cè)的技術(shù)難題[4]。瓶底檢測(cè)機(jī)構(gòu)設(shè)計(jì)方案如圖1所示。

設(shè)計(jì)時(shí)，通過在傳送帶兩端架設(shè)對(duì)射傳感器，利用電氣技術(shù)實(shí)現(xiàn)精準(zhǔn)計(jì)數(shù)，利用圖像處理技術(shù)實(shí)現(xiàn)精準(zhǔn)檢測(cè)，并且在軟件系統(tǒng)的調(diào)度下，可以充分避免因飲料瓶生產(chǎn)設(shè)備速度及節(jié)拍變化帶來的漏檢、誤檢問題。

1.2 瓶身檢測(cè)機(jī)構(gòu)設(shè)計(jì)

在瓶身檢測(cè)的傳送機(jī)構(gòu)上，本設(shè)計(jì)采用了在原有傳送帶的基礎(chǔ)上開設(shè)真空吸附孔策略，當(dāng)接入的真空泵吸氣量大于傳送帶真空吸附孔進(jìn)氣量，便可在吸附孔附近產(chǎn)生吸力，使瓶身保持穩(wěn)定，并且不會(huì)隨傳送帶的運(yùn)動(dòng)而發(fā)生相應(yīng)的抖動(dòng)，此方案無須再次架設(shè)導(dǎo)軌裝置，從而充分避免瓶身傾斜或者二次損傷問題。

在瓶身檢測(cè)相機(jī)及光源架設(shè)方案上，設(shè)計(jì)放棄了以往“單相機(jī)+棱鏡”的解決方案，而是率先采取多相機(jī)同步檢測(cè)策略[5]。瓶身檢測(cè)機(jī)構(gòu)設(shè)計(jì)方案如圖2所示。

1.3 瓶口檢測(cè)機(jī)構(gòu)設(shè)計(jì)

在瓶口相機(jī)布置方案方面，設(shè)計(jì)選擇沿用市場(chǎng)主流方案，在瓶口正上方放置工業(yè)相機(jī)，相機(jī)視野可以覆蓋整個(gè)瓶口，并且和瓶身檢測(cè)相機(jī)視野能夠有重合部分，確保飲料瓶能夠被全方位無死角檢測(cè)。瓶口檢測(cè)機(jī)構(gòu)設(shè)計(jì)方案如圖3所示。

1.4 剔除機(jī)構(gòu)設(shè)計(jì)

剔除機(jī)構(gòu)設(shè)計(jì)采用漫反射傳感器和電磁閥相互配合的方式，在底部、瓶身、瓶口完成圖像處理后，經(jīng)由軟件系統(tǒng)調(diào)度，當(dāng)接收到漫反射反饋信號(hào)時(shí)，軟件系統(tǒng)控制電磁閥動(dòng)作，從而剔除次品藥瓶。瓶口檢測(cè)機(jī)構(gòu)設(shè)計(jì)方案如圖4所示。

1.5 機(jī)械機(jī)構(gòu)整體設(shè)計(jì)

根據(jù)瓶底、瓶身、瓶口、剔除機(jī)構(gòu)四個(gè)部分的設(shè)計(jì)原則及要求，機(jī)械設(shè)計(jì)總圖如圖5所示。

在傳送帶驅(qū)動(dòng)方面，并不需要過大的扭矩，采用步進(jìn)電機(jī)或伺服電機(jī)均可以精準(zhǔn)控制傳送帶速度。設(shè)計(jì)選用的檢測(cè)方案是非接觸式檢測(cè)，傳感器選擇非接觸式傳感器，并且為了保證精準(zhǔn)檢測(cè)及計(jì)數(shù)，在瓶底和瓶身部分都采用了對(duì)射式不可見光傳感器，可以充分避免因可見光觸感器造成的飲料瓶表面其他光污染情況，便于后期進(jìn)行圖像處理。

2 電氣控制系統(tǒng)設(shè)計(jì)

在電氣控制方面，采用PLC作為核心控制器。根據(jù)機(jī)械部分設(shè)計(jì)可知系統(tǒng)需驅(qū)動(dòng)兩個(gè)電機(jī)，接收三個(gè)傳感器信號(hào)，并且輸出三個(gè)執(zhí)行信號(hào)（觸發(fā)光源、工業(yè)相機(jī)及電磁閥），所以控制器選用性價(jià)比較高的西門子S7-1214 DC/DC/DC型號(hào)的PLC，多余的輸入輸出端口可以用于后期的系統(tǒng)升級(jí)改造。

生產(chǎn)設(shè)備生產(chǎn)出藥瓶后，經(jīng)由瓶底傳送帶傳輸至底部傳感器處觸發(fā)瓶底光源及瓶底相機(jī)，隨后經(jīng)由瓶身吸附傳送帶運(yùn)送至瓶身傳感器處并行觸發(fā)瓶身挖洞光源-1、瓶身挖洞光源-2、瓶身挖洞光源-3、瓶身挖洞光源-4后，再次觸發(fā)瓶身相機(jī)-1、瓶身相機(jī)-2、瓶身相機(jī)-3、瓶身相機(jī)-4，最終在剔傳感器處做出是否次品判斷，并動(dòng)作剔除電磁閥剔除次品，完成在線檢測(cè)流程[6]。系統(tǒng)控制流程圖如圖6所示。

3 圖像處理系統(tǒng)設(shè)計(jì)

在機(jī)械執(zhí)行部分和電氣控制部分相互配合下，將藥瓶精準(zhǔn)運(yùn)輸至檢測(cè)預(yù)設(shè)區(qū)域內(nèi)，并觸發(fā)相對(duì)應(yīng)的相機(jī)抓拍，然后對(duì)抓拍到的圖像進(jìn)行處理。在這幾款主流圖像處理庫OpenCV、Ni Vision、TensorFlow、Halcon中進(jìn)行比較，Halcon更適合用作本設(shè)計(jì)的圖像處理算法庫。

Halcon機(jī)器視覺軟件是德國MVtec公司的研發(fā)成果，開發(fā)者可以根據(jù)其可視化界面設(shè)計(jì)使看到每一步算法的處理結(jié)果。Halcon擁有Windows、Linux、Mac OS等操作平臺(tái)可視化開發(fā)軟件，而且多種編程語言如VB、C、C++、C#和Delphi等都可以調(diào)用Halcon函數(shù)庫進(jìn)行開發(fā)。

在圖像處理硬件選型方面，根據(jù)檢測(cè)要求及瓶身大小，選用分辨率為1292*964的大恒水星系列黑白CCD相機(jī)，具體型號(hào)為：MER-132-30GM/GC。

3.1 圖像處理系統(tǒng)設(shè)計(jì)要求

相機(jī)采集圖片后，對(duì)相應(yīng)的瑕疵分類，并總結(jié)缺陷檢測(cè)標(biāo)準(zhǔn)：

（1）瓶身尺寸缺陷（瓶身高度、瓶身寬度、瓶口外徑、瓶口內(nèi)徑）：檢測(cè)誤差須在2mm以內(nèi);

（2）瓶身外觀缺陷（氣泡、雜質(zhì)、褶皺、粘連、裂紋、刻痕、擦傷及明顯的油臟）：肉眼可見瑕疵須剔除（大于等于0.3mm）;

（3）瓶底缺陷（瓶底漏洞、黑點(diǎn)）：漏洞必須剔除，黑點(diǎn)肉眼可見瑕疵須剔除（大于等于0.3mm）;

（4）瓶口缺陷（裂紋、缺口、破口、圓口不齊）：裂紋、缺口、破口瑕疵須剔除，圓口直徑誤差應(yīng)在1mm以內(nèi)。

3.2 圖像處理流程

在讀取原有采集圖片的基礎(chǔ)上，先將塑料瓶檢測(cè)部分特征進(jìn)行提取，并且降低工控機(jī)負(fù)載。然后對(duì)目標(biāo)檢測(cè)區(qū)域進(jìn)行粗略瑕疵檢測(cè)提取，粗提取主要針對(duì)大于1mm的肉眼明顯可見瑕疵部分進(jìn)行篩選，在無明顯可見瑕疵的基礎(chǔ)上再次進(jìn)行精提取，這一做法是出于縮小檢測(cè)范圍以縮短檢測(cè)時(shí)間、降低工控機(jī)負(fù)載，并且能夠大幅度提升檢測(cè)性能[7]。

3.3 瓶底圖像處理

根據(jù)圖像軟件處理中給出的優(yōu)化原則，首先對(duì)瓶底采集的圖片進(jìn)行目標(biāo)區(qū)域提取，利用fast_threshold函數(shù)從輸入圖像中選擇其灰度值g滿足以下條件的像素：MinGray≤g≤MaxGray。

為了減少處理時(shí)間，分兩步進(jìn)行：首先處理位于由其距離Minsize指定的所選水平線上的所有點(diǎn)，其次處理所有先前選擇的點(diǎn)的鄰域范圍：（2*Minsize+1）*（2*Minsize+1）。

在此基礎(chǔ)上利用reduce_domain函數(shù)對(duì)目標(biāo)區(qū)域進(jìn)行裁剪得到提取結(jié)果，然后交由var_threshold函數(shù)進(jìn)行瑕疵提取，設(shè)定Maskwidth和MaskHeight定義的過濾器模板的大小確定了要分割的對(duì)象的大小，設(shè)定縮放，以反映在局部標(biāo)準(zhǔn)偏差用作圖像中噪聲量度所需的靈敏度。

在圖像的均勻區(qū)域中，標(biāo)準(zhǔn)偏差低，因此單個(gè)灰度值的影響很大。為了降低操作員在均質(zhì)區(qū)域的靈敏度，可以調(diào)整AbsThreshold，并通過設(shè)定LightDark參數(shù)，最終得以提取出瑕疵，如圖8瓶底瑕疵提取圖。

3.4 瓶身圖像處理

由于機(jī)械執(zhí)行部分在瓶身四周架設(shè)了四個(gè)瓶身相機(jī)，且其拍攝視覺相同，故僅以一個(gè)視角的拍攝圖片進(jìn)行瓶身圖像處理說明。瓶身檢測(cè)同樣利用reduce_domain函數(shù)縮小檢測(cè)目標(biāo)區(qū)域，利用binary_threshold函數(shù)檢測(cè)瓶身是否有較大瑕疵，檢測(cè)效果如圖29所示。在無肉眼可見瑕疵時(shí)，使用var_threshold函數(shù)對(duì)微小瑕疵二次檢測(cè)，小于0.3mm的瑕疵可以輕松檢測(cè)出來，能夠滿足在設(shè)計(jì)之處要求的瓶身檢測(cè)精度應(yīng)大于0.3mm的要求。

3.5 瓶口圖像處理

瓶口檢測(cè)時(shí)，利用reduce_domain函數(shù)縮小檢測(cè)區(qū)域，再次利用var_threshold函數(shù)對(duì)瑕疵進(jìn)行提取，在瓶口內(nèi)徑以內(nèi)的非必要檢測(cè)區(qū)域干擾的情況下，也能夠?qū)ξ⑿¤Υ锰崛?，檢測(cè)圖如圖10所示。若瓶口無瑕疵，利用edges_sub_pix函數(shù)對(duì)瓶口進(jìn)行亞像素提取檢測(cè)，利用亞像素精度，保證被檢測(cè)瓶口直徑誤差能夠控制在0.3mm以內(nèi)，充分滿足了圖像處理要求中的1mm誤差檢測(cè)精度。

4 上位機(jī)軟件系統(tǒng)設(shè)計(jì)

在軟件系統(tǒng)設(shè)計(jì)方面，要完成將電氣控制部分需要在軟件系統(tǒng)里處理的相關(guān)信號(hào)進(jìn)行合理調(diào)度，并且能夠使圖像處理部分順利在軟件系統(tǒng)里嵌入，設(shè)計(jì)可視化界面，方便操作人員實(shí)時(shí)查看其檢測(cè)狀態(tài)，并打包部署至本地環(huán)境。

4.1 上位機(jī)系統(tǒng)設(shè)計(jì)要求

上位機(jī)設(shè)計(jì)時(shí)，需考慮到電氣控制部分、圖像軟件處理部分的兼容調(diào)度問題[8]，前期設(shè)計(jì)要求速度須做到5/s，六個(gè)相機(jī)加在一起也就意味著一秒鐘需要處理30張圖片，且需實(shí)時(shí)讀寫PLC里的數(shù)據(jù)。難題主要在于不僅需要考慮可視化界面與圖像軟件處理爭奪系統(tǒng)資源問題，還要考慮在讀寫PLC數(shù)據(jù)時(shí)軟件系統(tǒng)的實(shí)時(shí)性能。

4.2 上位機(jī)軟件設(shè)計(jì)

在兼容性方面，本設(shè)計(jì)將采用C#語言進(jìn)行軟件系統(tǒng)設(shè)計(jì)并配合VS 2019進(jìn)行開發(fā)，這樣就能夠很方便地進(jìn)行可視化界面設(shè)計(jì)，并且能夠很好地適配主流的PLC通訊協(xié)議，圖像軟件處理部分也可以得到很好的兼容，開發(fā)難度不大，有助于縮短項(xiàng)目周期。

4.2.1 C#語言優(yōu)勢(shì)

C#語言在工業(yè)軟件開發(fā)領(lǐng)域擁有獨(dú)特的優(yōu)勢(shì)，在系統(tǒng)平臺(tái)方面，C#是基于Windows平臺(tái)打造，而Windows在工業(yè)軟件控制領(lǐng)域占據(jù)巨大份額。C#語言自帶的庫非常全面，能夠適配各種各樣的通訊協(xié)議，使得與PLC硬件通訊變的簡易，并且擁有可視化的設(shè)計(jì)界面，能夠快速滿足定制界面的開發(fā)。

4.2.2 開源通訊協(xié)議

設(shè)計(jì)采用Snap7開源通訊協(xié)議，Snap7是一個(gè)基于以太網(wǎng)與S7系列的西門子PLC通訊的開源庫。支持包括S7系列的S7-200、S7-200 Smart、S7-300、S7-400、S7-1200以及S7-1500的以太網(wǎng)通信。

支持32/64位英特爾/AMD的所有平臺(tái)，例如：Windows、Linux、Oracle Solaris、Apple OSX。支持語言比較廣：Pascal、C#、C++、C、LabVIEW、Python、Node.js、Java。

4.2.3 C#聯(lián)合Halcon

圖像處理部分的算法是在Halcon軟件開發(fā)的，但在實(shí)際部署時(shí)，需要將halcon代碼轉(zhuǎn)換成部署平臺(tái)語言能夠兼容的代碼，設(shè)計(jì)采用C#進(jìn)行實(shí)際部署，故需要將圖像處理算法代碼到處至C#可以識(shí)別的.cs文件，選擇存放位置及導(dǎo)出的代碼類型，然后在加載至VS軟件里，從而完成圖像處理部分的代碼融合問題。

4.2.4 上位機(jī)軟件界面

設(shè)計(jì)中六個(gè)相機(jī)采集到的畫面進(jìn)行組合，并分別實(shí)時(shí)顯示檢測(cè)過程，對(duì)每個(gè)畫面的檢測(cè)結(jié)果實(shí)時(shí)顯示，并用醒目的綠色“合格”和紅色“不合格”做區(qū)分，方便操作人員的實(shí)時(shí)查看，設(shè)計(jì)時(shí)僅需要一個(gè)啟動(dòng)按鈕，使用機(jī)器簡便。

內(nèi)部通過CPU并行處理能力，采取六個(gè)畫面實(shí)時(shí)處理線程，以及一個(gè)PLC偵聽線程，從而解決因?qū)崟r(shí)性過強(qiáng)導(dǎo)致的系統(tǒng)資源巨大浪費(fèi)問題，設(shè)計(jì)的可視化界面如圖11所示。

5 總結(jié)

基于機(jī)器視覺的檢測(cè)方法作為當(dāng)前最為流行的無損檢測(cè)技術(shù)之一，其在客觀性、準(zhǔn)確率、速度上都有著人工目檢無法比擬的優(yōu)勢(shì)。本文完成了基于機(jī)器視覺的藥瓶缺陷檢測(cè)系統(tǒng)的機(jī)械結(jié)構(gòu)設(shè)計(jì)、電氣控制系統(tǒng)設(shè)計(jì)、圖像處理設(shè)計(jì)、上位機(jī)軟件系統(tǒng)設(shè)計(jì)。

通過對(duì)系統(tǒng)反復(fù)調(diào)試，系統(tǒng)能夠?qū)崿F(xiàn)對(duì)瓶身、瓶底、瓶口的準(zhǔn)確檢測(cè)，誤差精度均符合設(shè)計(jì)要求。藥瓶缺陷檢測(cè)準(zhǔn)確率超過97%，檢測(cè)速度為在15/s，滿足系統(tǒng)整體設(shè)計(jì)要求。由于系統(tǒng)準(zhǔn)確率高，檢測(cè)速度快，運(yùn)行穩(wěn)定，因此其具有良好的市場(chǎng)前景和較高的實(shí)用價(jià)值。

設(shè)計(jì)將在未來進(jìn)行持續(xù)的優(yōu)化，嘗試采用C++語言的QT平臺(tái)使速度進(jìn)一步提升，如果能通過FPGA底層電路，完成一系列的檢測(cè)，速度將會(huì)更快。設(shè)計(jì)對(duì)藥瓶圖像處理系統(tǒng)也進(jìn)行了大量的研究，速度和精度可以滿足實(shí)時(shí)檢測(cè)的生產(chǎn)要求，在未來研究中，可以在保證處理速度的前提下，進(jìn)一步優(yōu)化算法細(xì)節(jié)，使效果達(dá)到最佳。

——————————

參考文獻(xiàn)：

〔1〕周顯恩，王耀南，朱青，吳成中，彭玉.基于機(jī)器視覺的瓶口缺陷檢測(cè)方法研究[J].電子測(cè)量與儀器學(xué)報(bào)，2016，30（05）：702-713.

〔2〕李丹，白國君，金媛媛，童艷.基于機(jī)器視覺的包裝袋缺陷檢測(cè)算法研究與應(yīng)用[J].激光與光電子學(xué)進(jìn)展，2019，56（09）：188-194.

〔3〕許江淳，岳秋燕，任向陽，王晴.基于機(jī)器視覺的藥片表面缺陷識(shí)別與分揀系統(tǒng)設(shè)計(jì)[J].傳感器與微系統(tǒng)，2017，36（06）：90-93.

〔4〕鄭魁敬，劉學(xué)超，王萌萌.基于機(jī)器視覺的手機(jī)電池表面缺陷檢測(cè)[J].制造技術(shù)與機(jī)床，2020（04）：105-112.

〔5〕王耀南，陳鐵健，賀振東，吳成中.智能制造裝備視覺檢測(cè)控制方法綜述[J].控制理論與應(yīng)用，2015， 32（03）：273-286.

〔6〕黃信兵，陳超越.基于PLC技術(shù)的指甲鉗體外觀缺陷檢測(cè)系統(tǒng)研究[J].液壓與氣動(dòng)，2020（05）：138-144.

〔7〕王永強(qiáng)，李慶利，王偉志.基于Hadoop的衛(wèi)生陶瓷缺陷檢測(cè)研究[J].制造業(yè)自動(dòng)化，2018，40（08）：1-4.

〔8〕崔光茫，趙巨峰，辛青.基于工業(yè)生產(chǎn)設(shè)備表面缺陷檢測(cè)的實(shí)驗(yàn)設(shè)計(jì)[J].實(shí)驗(yàn)室研究與探索，2017， 36（04）：164-166+244.