CN102162797A - 玻璃瓶瓶口破损和瓶底污物检测算法 - Google Patents

Abstract

本发明涉及一种玻璃瓶瓶口破损和瓶底污物检测算法，其包括如下步骤：瓶口和瓶底照片的获取、滤波和二值化，然后定位出要处理的区域，并统计区域内的干扰点数目，小于一定阈值则为无干扰，否则利用重心法排除干扰并再次判断是否有缺陷，本算法具有速度快精度高的特点，适用于国内现有的玻璃瓶检测装置中。

Description

玻璃瓶瓶口破损和瓶底污物检测算法

技术领域：

本发明属于数字图像处理技术领域，具体的说是玻璃瓶瓶口破损和瓶底污物检测方法。

背景技术：

目前，为了环保和节省成本，啤酒、饮料等生产厂家大都使用可以回收利用的玻璃瓶，但回收的玻璃瓶在运输使用过程中难免要受到污染和损坏，因而必须经过清洗和检测，合格的才能进入灌装工序。

传统的以人工为主的检测方法不能保证检测的可靠性，而且效率低下，于是基于机器人视觉的机器自动检测应运而生。目前国内采用的检测机器大部分都是进口的，价格昂贵，一般中、小企业无能力购买，另外由于瓶子大小、颜色和国情等因素使得国外的检测设备并不完全适用于国内。一般情况下，回收玻璃瓶在清洗之后有可能出现：瓶口破损(会导致玻璃瓶封装失败或封装后存在安全隐患，导致次品出现)、瓶身瓶底破损(会导致玻璃瓶在加压后存在爆炸的隐患)、瓶身、瓶底内壁存在异物、瓶内存在残留液等问题，这些都严重影响了产品的质量，因此，开发一套快速且有效的玻璃瓶检测方法是很有必要的。

发明内容：

本发明的目的是从图像处理的角度研究一种速度快和精度高的玻璃瓶瓶口破损和瓶底污物的检测算法。

本发明采用的技术方案是：

1、一种玻璃瓶瓶口破损和瓶底污物检测方法，其特征在于如下步骤：

第一步，瓶口照片的获取，在瓶口正上方加上均匀光源，摄像机在瓶口上方进行拍摄；

第二步：对瓶口图片采用N*N中值滤波方法滤波，一般N∈{3，5，7，9}；

第三步：对滤波后瓶口图片采用最大类间方差法进行二值化，选取分割阈值进行前景和背景分割，前景和背景的类间方差取得最大的值时对应的灰度值为最佳分割阈值，利用此阈值对瓶口图像进行二值化；

第四步：对二值化后的图片进行瓶口圆心位置定位，以图像中心为初始圆心，在72个等角度间隔方向上进行瓶口点的搜索，找到72个瓶口的像素点，3点一组确定1圆心，可得到24个圆心坐标，取其均值即为瓶口圆心的坐标；

第五步：确定瓶口的内圆和外圆的半径，以第四步确定的圆心坐标为基准，分别在36个等角度间隔方向上搜索瓶口内圆和外圆像素点，并计算这些点到圆心的距离，在内圆上取得的36个距离的均值即为瓶口内圆半径r，在外圆上取得的36个距离的均值即为瓶口外圆半径R；

第六步：扫描瓶口图像的内圆到外圆中间的环形区域，得到灰度值为255的像素点的个数m，m＜Thresh则瓶口无缺陷，否则进入第七步处理，其中Thresh∈(10，30)；

第七步：遍历所有位于内圆和外圆中间区域的灰度值为255的像素点坐标(x₁，y₁)，(x₂，y₂)，......，(x_m，y_m)，得到其重心坐标x_mid＝(x₁+x₂+......+x_m)/m，y_mid＝(y₁+y₂+......+y_m)/m，得到重心坐标(x_mid，y_mid)到圆心坐标的距离l，l＜r则瓶口无缺陷，否则瓶口有缺陷。

第八步：瓶底照片的获取，在玻璃瓶瓶底外正对瓶底加上均匀白光光源，将长焦摄像机对准瓶口拍摄瓶底照片；

第九步：对获取的瓶底图片先进行一次开运算，再进行一次闭运算，以去除部分干扰；

第十步：对瓶底照片进行瓶底区域的定位，以图像中心为初始圆心，按照第四步的方法搜索瓶底防滑区像素点，找到72个防滑区的像素点，进而确定24个圆心坐标，取其均值即为瓶底中心区域圆心的坐标(x_m，y_m)，并得到72个防滑区的像素点到圆心(x_m，y_m)的距离，取其均值即为瓶底中心区域半径，中心圆区域即为要处理的瓶底区域f；

第十一步：对瓶底区域f采用最大类间方差法进行二值化；

第十二步：对二值化的瓶底区域f进行遍历，得到f内像素为0的像素点的个数n，n＜Thresh则无污物，否则进入第十三步处理，其中Thresh∈(10，30)；

第十三步：对瓶底区域f内所有为0的像素点进行遍历，得到其重心坐标，然后遍历每个为0的像素点i到重心的距离l_i，l_i＞r/2则i为255，遍历完毕后再统计所有为0的像素点的个数m，m＜Thresh’则无污物，否则有污物，其中Thresh′∈(10，30)。

本发明与现有技术性相比，对拍摄过程中产生的噪点和瓶口瓶底厚度不均匀等干扰因素具有健壮性。

本发明能够精确的找出瓶口缺陷并且能够排除图片毛刺所带来的干扰。

本发明可实现对玻璃瓶瓶口的缺陷以及瓶底上的透明塑料、玻璃碎片、半透明吸管等异物的精确检测。

本发明中瓶口检测算法平均运行时间加上瓶底检测算法的平均运行时间为82.23ms，与现有技术相比，算法效率高，每小时检测的玻璃瓶的数量大大提升。

本发明提供的检测方法能够很容易的应用于玻璃瓶检测装置中，并具有速度快、精度高的特点。

具体实施方式：

本发明所述的玻璃瓶瓶口和瓶底污物的检测方法，首先是瓶底和瓶口图片的获取，在实验室环境下模拟自动化检测装置进行玻璃瓶瓶口和瓶底图片的获取。瓶口图片的获取：在瓶口正上方加上均匀光源，然后将摄像机正对瓶口进行拍摄，在进行拍摄的过程中，应尽量保持摄像机的中心正对瓶口中心，以方便后面软件更快更好的检测。瓶底图片的获取：在玻璃瓶瓶底外正对瓶底加上均匀的照射光源，将长焦摄像机正对瓶口进行拍摄瓶底照片，注意拍摄时摄像机和瓶底要垂直以及尽量保证摄像机的正中心正对瓶底中心，以方便进行瓶底中心圆区域的定位。

瓶口污物检测：首先对获取的瓶口图片进行一次滤波，以去除在摄像机采集过程中因噪声等因素产生的毛刺干扰，采用标准的N*N中值滤波方法进行滤波，这里以3*3中值滤波为例进行说明，从图片第一个像素点开始扫描，以每个像素点x_i为中心，扩展3*3的窗口，将此窗口中的9个像素点按照从大到小的顺序排序，然后取中间像素点的值作为x_i的值。经过滤波处理后能够去除一些毛刺干扰，使图像更趋于平滑，从而更方便后面的检测，提高检测率。接着对滤波后的瓶口图片进行二值化，二值化的方法采用最大类间方差法，给定一个阈值，然后进行前景和背景的分割，统计前景和背景像素点的类间方差，当类间方差取到最大值时对应的阈值即为最佳分割阈值。记t为前景与背景的分割阈值，小于t的像素点数占的比例为w0，平均灰度为u0，大于t的平均灰度为u1，则图像总的平均灰度u＝w0*u0+(1-w0)*u1，前景与背景的类间方差g＝w0*(1-w0)*(u0-u1)*(u0-u1)，让t从0到255取遍所有灰度值，计算对应的g的大小，取最大的g对应的t即为最佳分割阈值，图片中所有小于t的像素点全为0，所有大于等于t的像素点全为255，得到二值化的瓶口图片。

对二值化瓶口图片进行圆心位置定位并根据圆心位置计算出瓶口的内径和外径，首先是圆心定位，定位好了圆心之后才能更精确的找到内径和外径的位置。因为获取的瓶口图片中瓶口基本位于图像的正中心，则可以将图像的中心点作为初始圆心的位置，然后通过瓶口圆的特性更精确的定位圆心位置。将整幅图像的中心点作为初始圆心，以此初始圆心开始，以零点钟方向为基准，每隔5度取一个方向，在每个方向上从圆心开始沿着半径方向向外找第一个灰度值为255且其上下左右四个像素点的灰度值也为255的点，并记下此点的位置坐标(x_i，y_i)，理论上能够找到72个位置坐标，但是实际情况会因瓶口损坏或者一些干扰等因素导致找不全72个，对于找不到的像素点采取忽略处理，记录下所有找到的点(假设找到了n个符合条件的点，n＜＝72)的坐标，由几何知识可知，3点确定1圆心，于是我们根据找到的n个像素点，分成3组，每组n/3个像素点，能够定位出n/3个圆心，取此n/3个圆心的均值即为精确的圆心位置。在n个点中任取一点，并找到与此点相隔约120度的其它两个点，并确定此三点定位的圆心坐标并标记为已取过的像素点，继续取下一个点并找到与其相隔约120度的两点，定位出圆心，直到n个点全部取完，定位出n/3个圆心，取定位出的n/3个圆心坐标的平均值即是瓶口的圆心坐标。得到了精确的圆心位置坐标，就可根据瓶口圆的信息得到瓶口的内圆和外圆的半径，由于我们大体知道瓶口内径和外径的大小，就可以在一个大约的范围之内进行内径和外径的搜索。以定位出的圆心坐标为圆心，以零点钟方向为基准每隔10度取一个方向，在每个方向上在一定的范围内(实际根据玻璃瓶内经的大约值进行确定)搜索灰度值从255变为0的边界点，并求出此点的坐标到圆心的距离r_i，得到36个r_i值，求r_i的均值mu，得到属于(mu，mu(1+0.05))范围内最大的r_i，既为内圆半径r，再以第四步中定位的圆心坐标开始，以零点钟方向为基准每隔10度取一个方向，在每个方向上在一定范围内搜索灰度值从0变为255的边界点，并求出此点的坐标到圆心的距离R_i，得到36个R_i值，求R_i的均值Mu，得到属于(Mu(1-0.05)，Mu)范围内最小的R_i，既为外圆半径R。

由于破裂的瓶口不完整，导致在瓶口壁反光不均匀，由此在内径到外径的中间区域会出现裂缝。拍摄得到的像素点在这个区域会出现边缘，经过上面的处理之后会在边缘处出现很多像素值为255的像素点。于是通过统计内径到外径区域内像素点为255的像素点的个数可以判断瓶口是否有破损。扫描内径和外径中间的区域，得到像素为255的像素点的数m，如果m小于一定的阈值，阈值一般在10到30范围内，则认定为瓶口无缺陷，否则可能为瓶口缺陷或者是干扰。然后利用重心公式计算所有这些为255的像素点的重心。求重心坐标到圆心坐标的距离l，如果l＜r则瓶口无缺陷，否则瓶口有缺陷。

(fΘB)(x，y)＝min{f(x+i，y+i)-B(i，j)|(x+i，y+j)∈D_f；(i，j)∈D_B}           (1)

$(f\⊕B)(x,y)=\max \{f(x+i,y+i)-B(i,j)|(x+i,y+j)\∈D_f;(i,j)\∈D_B\}---\left(2\right)$

$B=\left\{\begin{array}{ccc}1& 1& 1\\ 1& 1& 1\\ 1& 1& 1\end{array}\right\}---\left(3\right)$

瓶底污物检测：首先我们定义两种运算，如公式(1)为图像的腐蚀运算，公式(2)为图像的膨胀运算，开运算为先进行一次图像的腐蚀运算再进行一次图像膨胀运算，闭运算为先进行一次图像的膨胀运算再进行一次图像的腐蚀运算，经过图像的开运算之后图像能够消除小物体和在纤细点处分离物体以及平滑较大物体的边界，图像的闭运算可以填充物体内细小空洞、连接邻近物体和平滑边界。经过开运算和闭运算之后能够去掉部分干扰，以方便后续处理。然后对拍摄的瓶底照片进行瓶底区域的定位，把整幅图像的中心点作为初始圆心，以零点钟方向为基准，每隔5度取一个方向，在每个方向上搜索瓶底防滑区，找到一个防滑区的点，由于瓶底防滑区的灰度值与非防滑区的灰度差相差比较大，在每个方向上在一定的范围内(实际根据玻璃瓶瓶底半径的大约值进行确定)搜索两个相聚d＝3的像素点f1和f2，以f1和f2为中心分别取上、下、左、右、中5个点的灰度值的平均值作为f1和f2的灰度值，然后判断f1和f2的灰度值的比值r＞Th认为找到了防滑区，否则就继续搜索，一般Th∈(1.05，1.25)，搜索一圈能够在72个方向上找到72个防滑区的点，在搜索到的72个防滑区的点中任取一点，并找到与此点相隔120度的其它两个点，并确定此三点定位的圆心，继续取下一个点并找到与其相隔120度的两点，定位出圆心，直到72个点全部取完，定位出24个圆心，取定位出的24个圆心坐标的平均值即是瓶底中心区域圆心的坐标，以定位出的圆心坐标为基准，再从零点钟方向为基准，每间隔36度取一个方向，在每个方向上找到防滑区的一个点，得到每个方向上防滑区的点到圆心坐标的距离，搜索一圈得到10个距离，此10个距离的平均值就是定位的瓶底中心圆的半径r，定位出的圆心和半径确定的圆就是要处理的瓶底区域f。得到了要处理的瓶底区域之后，需要瓶底区域f进行二值化，这里采用的是最大类间方差法得到阈值t，大于t的像素点全为255，小于t的像素点全部为0。然后对二值化的瓶底区域f进行遍历，得到f内像素为0的像素点的个数n，n＜Thr则无污物，一般Thr∈(10，30)，否则对瓶底区域f内所有为0的像素点进行遍历，得到其重心坐标，然后遍历每个为0的像素点x_i到重心的距离l_i，l_i＞r/2则i为255，遍历完毕后统计再所有为0的像素点的个数m，m＜Thr’则无污物，否则有污物，一般Thr′∈(10，30)。

采用以上两步即可实现瓶口和瓶底污物的检测，下面给出在实验室内的统计数据：

表1实验室统计结果

本方法在实验室内选取了5000幅图片进行测试，试验结果如表1所示。对于瓶口的检测，检测率是99.34％，平均耗费时间是34.47ms，对瓶底的检测平均时间是47.76ms，则总的检测时间为82.23ms，由此可计算出每小时的检测量为43779瓶。

本发明与现有技术相比具有速度快、精度高等显著地优点。

Claims (1)

1.一种玻璃瓶瓶口破损和瓶底污物检测方法，其特征在于如下步骤：

第一步，瓶口照片的获取，在瓶口正上方加上均匀光源，摄像机在瓶口上方进行拍摄；

第二步：对瓶口图片采用N*N中值滤波方法滤波，一般N∈{3，5，7，9}；

第三步：对滤波后瓶口图片采用最大类间方差法进行二值化，选取分割阈值进行前景和背景分割，前景和背景的类间方差取得最大的值时对应的灰度值为最佳分割阈值，利用此阈值对瓶口图像进行二值化；

第四步：对二值化后的图片进行瓶口圆心位置定位，以图像中心为初始圆心，在72个等角度间隔方向上进行瓶口点的搜索，找到72个瓶口的像素点，3点一组确定1圆心，可得到24个圆心坐标，取其均值即为瓶口圆心的坐标；

第五步：确定瓶口的内圆和外圆的半径，以第四步确定的圆心坐标为基准，分别在36个等角度间隔方向上搜索瓶口内圆和外圆像素点，并计算这些点到圆心的距离，在内圆上取得的36个距离的均值即为瓶口内圆半径r，在外圆上取得的36个距离的均值即为瓶口外圆半径R；

第六步：扫描瓶口图像的内圆到外圆中间的环形区域，得到灰度值为255的像素点的个数m，m＜Thresh则瓶口无缺陷，否则进入第七步处理，其中Thresh∈(10，30)；

第七步：遍历所有位于内圆和外圆中间区域的灰度值为255的像素点坐标(x₁，y₁)，(x₂，y₂)，......，(x_m，y_m)，得到其重心坐标x_mid＝(x₁+x₂+......+x_m)/m，y_mid＝(y₁+y₂+......+y_m)/m，得到重心坐标(x_mid，y_mis)到圆心坐标的距离l，l＜r则瓶口无缺陷，否则瓶口有缺陷。

第八步：瓶底照片的获取，在玻璃瓶瓶底外正对瓶底加上均匀白光光源，将长焦摄像机对准瓶口拍摄瓶底照片；

第九步：对获取的瓶底图片先进行一次开运算，再进行一次闭运算，以去除部分干扰；

第十步：对瓶底照片进行瓶底区域的定位，以图像中心为初始圆心，按照第四步的方法搜索瓶底防滑区像素点，找到72个防滑区的像素点，进而确定24个圆心坐标，取其均值即为瓶底中心区域圆心的坐标(x_m，y_m)，并得到72个防滑区的像素点到圆心(x_m，y_m)的距离，取其均值即为瓶底中心区域半径，中心圆区域即为要处理的瓶底区域f；

第十一步：对瓶底区域f采用最大类间方差法进行二值化；

第十二步：对二值化的瓶底区域f进行遍历，得到f内像素为0的像素点的个数n，n＜Thresh则无污物，否则进入第十三步处理，其中Thresh∈(10，30)；

第十三步：对瓶底区域f内所有为0的像素点进行遍历，得到其重心坐标，然后遍历每个为0的像素点i到重心的距离l_i，l_i＞r/2则i为255，遍历完毕后再统计所有为0的像素点的个数m，m＜Thresh’则无污物，否则有污物，其中Thresh′∈(10，30)。