CN102213681B - 玻璃瓶瓶底防滑区污物检测新方法 - Google Patents

Abstract

本发明涉及玻璃瓶瓶底防滑区污物检测新方法，其包括如下步骤：对获取的瓶底图片的中心圆区域进行定位，确定瓶底防滑区域，并确定防滑区的像素，对防滑区进行开、闭运算并将防滑区分成小区，处理后的每一小区采用OSTU方法求出各个小区的阈值，根据得到的各个小区的最终阈值，对各小区分别二值化即可得到防滑区最终的处理图像，将防滑区处理得到的图像，对像素值为0的点进行统计求和，设定阈值，当统计求和得到的值比阈值大，即可判定防滑区有污物或缺陷，否则通过检测。

Description

玻璃瓶瓶底防滑区污物检测新方法

技术领域：

本发明涉及图像处理技术领域，具体的说是一种玻璃瓶瓶底防滑区域的污物检测方法，本方法也适合塑料瓶等透明物体污物的检测。

背景技术：

为了节省成本和满足环保的需要，饮料生产厂家普遍采用玻璃瓶回收利用的策略，由于回收的玻璃瓶可能遭受污染或者存在缺陷，在装瓶前必须对玻璃瓶进行检测，以剔除次品。

目前国内对于玻璃瓶的检测主要以人工检测为主，由于视觉疲劳的原因，使得人工检测不仅效率低而且可靠性不高。本专利为满足自动检测的需要，提出了玻璃瓶瓶底防滑区污物检测新方法。针对瓶底防滑区域污物的检测，常用方法是利用玻璃瓶瓶底中心圆对称的特性来检测瓶底防滑区域的污物，对于瓶底厚度不均匀以及瓶底防滑条纹由于磨损造成的不对称等情况，旧的方法会造成误判。如何设计效率和精度都高的瓶底防滑区缺陷检测方法是本专利要解决的问题。

发明内容：

本发明的目的是提供一种速度快和精度高的玻璃瓶瓶底防滑区域污物的检测方法。为了实现上述目的，本发明采用的技术方案是：

第一步，瓶底照片的获取，在玻璃瓶瓶底外正对瓶底加上白光光源，将摄像机从玻璃瓶瓶口伸进玻璃瓶内部进行拍摄瓶底照片，拍摄时摄像机和瓶底要垂直以获得对称的瓶底照片；

第二步：对拍摄的瓶底照片进行中心区域的定位，把整幅图像的中心点作为初始圆心，以此初始圆心为基准，以0度(横轴)方向为基准，每隔J度取一个方向，在每个方向上搜索瓶底防滑区和中心区过渡的点，由于瓶底防滑区的灰度值与中心区的灰度值相差比较大，沿着半径方向进行搜索，相距d的两个像素点设为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大于某一阈值时可认为f2是防滑区某一圆周上的一点，按搜索角度的大小顺序记下此点的横纵坐标；如果搜索半径超过某一设定阈值，则舍弃此方向上的搜索，转而进行下一方向的搜索。搜索一周能够在P个方向上找到N个防滑区的点(最多P个)。将搜索到的N个点平均分成三组。每个组有[N/3]个点，[]表示取整。前1～[N/3]个点为第一组，前[N/3]+1～2×[N/3]为第二组，前2×[N/3]+1～3×[N/3]为第三组。每个组的元素都按顺序对应地编号为1～[N/3]，设坐标为(X_i，Y_i)，i＝1，2，…[N/3]。从每个组中取出编号相同的点，用这三个点的坐标进行如下计算：

$X_o^{\′}=\frac{(Y_3-Y_2)({X_2}^2-{X_1}^2+{Y_2}^2-{Y_1}^2)-(Y_2-Y_1)({X_3}^2-{X_2}^2+{Y_3}^2-{Y_2}^2)}{2[(X_2-X_1)(Y_3-Y_2)-(X_3-X_2)(Y_2-Y_1)]}---\left(1\right)$

$Y_o^{\′}=\frac{(X_3-X_2)({X_2}^2-{X_1}^2+{Y_2}^2-{Y_1}^2)-(X_2-X_1)({X_3}^2-{X_2}^2+{Y_3}^2-{Y_2}^2)}{2[(X_3-X_2)(Y_2-Y_1)-(Y_3-Y_2)(X_2-X_1)]}---\left(2\right)$

这样可以得到[N/3]个圆心坐标。对这些圆心坐标取均值，即可得到最终的瓶底的中心坐标(X₀，Y₀)。以定位出的圆心坐标为基准，再以0度(横轴)方向为基准，每间隔K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M个距离，此M个距离的平均值就是定位的瓶底防滑区圆环的内径R_内，内径加上一个定值得到外径R_外，由内经和外径就可以确定出防滑区域F。

第三步：确定防滑区像素，设横轴与防滑区的内圆和外圆的四个交点分别为(X₁，Y₀)、(X₂，Y₀)、(X₃，Y₀)、(X₄，Y₀)，则纵坐标为Y₀，横坐标在X₁～X₂和X₃～X₄范围内的点都是防滑区的点。遍历区间

内所有的Y值，计算过(X₀，Y)的平行于横轴的直线段与内圆和外圆的4个交点，记下对应每个纵坐标值的4个横坐标的值，从而可确定

范围内防滑区内的点。取和

所有可能的值，计算过(X₀，Y)的平行于横轴的直线段与外圆的2个交点(X₁₁，Y)、(X₂₂，Y)，记下对应不同纵坐标值的2个横坐标的值，则横坐标在X₁₁～X₂₂范围内的点都是防滑区内的点，至此，所有防滑区内的点都确定了，这种方法只需计算和保存内圆和外圆上的点，就可确定所有的防滑区的点。此方法还可用于中心区的像素判别。

第四步：对防滑区先进行开运算，然后进行闭运算，得到处理过的防滑区的图像。进行开闭运算的模板采用3×3的全1的结构元素。同时对防滑区进行分区，过瓶底中心(X₀，Y₀)做横轴和纵轴两条直线，再分别作过点(X₀，Y₀+0.5×R_内)、(X₀，Y₀-0.5×R_内)、(X₀，Y₀+R_内)、(X₀，Y₀-R_内)平行于X轴的4条直线，这样就可以把防滑区分成L个小区，对每一小区进行编号。

第五步：对处理后的每一小区采用OSTU方法(一种图像二值化方法)求出各个小区的阈值T′_n，n＝1，2…L。分小区二值化的原因是：由于瓶底厚度不均，导致瓶底灰度值的分布差别较大，如果直接利用OSTU二值化，则会导致灰度差别较大的误判。分小区则不会，可以认为在每一个小区内的灰度在没有污物的情况下分布都是均匀的，OSTU二值化就能区分出污物了，而不会误判。OSTU方法是一种自适应的二值化法，受光照因素影响很小。相邻小区的阈值之间有一定的关系，这里采用五个相邻的小区得到的阈值T′_n来最终确定本小区的阈值T_n。每个小区最终的阈值为：

T_n＝0.5T′_n+0.2T′_mod(n+1，L)+0.2T′_mod(n-1，L)+0.1T′_mod(n+2，L)+T′_mod(n-2，L)    (3)

其中mod(x，L)表示x的模L运算。根据得到的各个小区的最终阈值，对各小区分别二值化即可得到防滑区最终的处理图像。

第六步：将防滑区最终处理得到的图像，对0值的点进行统计求和，设定阈值，当统计求和得到的值比阈值大，即可判定防滑区有污物或缺陷，否则通过检测。

具体实施方式：

本发明所述的玻璃瓶瓶底防滑区域污物的检测方法：

首先是瓶底图片的获取，在玻璃瓶瓶底外正对瓶底加上照射光源，将摄像机从玻璃瓶瓶口伸进玻璃瓶内部进行拍摄瓶底照片，拍摄时摄像机和瓶底要垂直以获得对称的瓶底照片。

第二步需要对获取到的瓶底图片进行定位，找到我们所关心的区域。具体定位方法如下：把整幅图像的几何中心点作为初始圆心，以此初始圆心为基准，以0度(横轴)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和中心区过渡的点，沿着半径方向搜索两个相距d＝3的像素点f1和f2，为了抑制噪点的干扰，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＞1.05时f2可认为是防滑区某一圆周上的一点，按搜索角度的大小顺序记下此点的横纵坐标；如果搜索半径超过某一设定阈值，则舍弃此方向上的搜索，转而进行下一方向的搜索。搜索一周能够在72个方向上找到N个防滑区的点(最多72个)。将搜索到的N个点平均分成三组。每个组有[N/3]个点，[]表示取整。前1～[N/3]个点为第一组，前[N/3]+1～2×[N/3]为第二组，前2×[N/3]+1～3×[N/3]为第三组。每个组的元素都按顺序对应地编号为1～[N/3]，设坐标为(X_i，Y_i)，i＝1，2，…[N/3]。从每个组中取出编号相同的点，用这三个点的坐标进行如下计算：

$X_o^{\′}=\frac{(Y_3-Y_2)({X_2}^2-{X_1}^2+{Y_2}^2-{Y_1}^2)-(Y_2-Y_1)({X_3}^2-{X_2}^2+{Y_3}^2-{Y_2}^2)}{2[(X_2-X_1)(Y_3-Y_2)-(X_3-X_2)(Y_2-Y_1)]}---\left(4\right)$

$Y_o^{\′}=\frac{(X_3-X_2)({X_2}^2-{X_1}^2+{Y_2}^2-{Y_1}^2)-(X_2-X_1)({X_3}^2-{X_2}^2+{Y_3}^2-{Y_2}^2)}{2[(X_3-X_2)(Y_2-Y_1)-(Y_3-Y_2)(X_2-X_1)]}---\left(5\right)$

这样可以得到[N/3]个圆心坐标。对这些圆心坐标取均值，即可得到最终的瓶底的中心坐标(X₀，Y₀)。以定位出的圆心坐标为基准，再以0度(横轴)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防滑区圆环的内径R_内，内径加上一个定值(对于一个确定的系统所获取的图像是一固定的值，本试验系统在对应常规啤酒瓶时取20～40)得到外径R_外，由内经和外径就可以确定出防滑区域F。

第三步：确定防滑区像素，横轴与防滑区的内圆和外圆有四个交点，分别为(X₁，Y₀)、(X₂，Y₀)、(X₃，Y₀)、(X₄，Y₀)，对应纵坐标为Y₀，横坐标在X₁～X₂和X₃～X₄范围内的点都是防滑区的点。遍历区间

内所有的Y值，计算过(X₀，Y)的平行于横轴的直线段与内圆和外圆的4个交点，记下对应不同纵坐标值的4个横坐标的值，从而可确定

范围内防滑区内的点。取

和

所有可能的值，计算过(X₀，Y)的平行于横轴的直线段与外圆的2个交点(X₁₁，Y)、(X₂₂，Y)，记下对应不同纵坐标值的2个横坐标的值，则横坐标在X₁₁～X₂₂范围内的点都是防滑区内的点，至此，所有防滑区内的点都确定了。此方法还可用于中心区的像素判别。

第四步：对防滑区先进行开运算，然后进行闭运算，得到处理过的防滑区的图像。进行开闭运算的模板采用3×3的全1的结构元素。同时对防滑区进行分区，过瓶底中心(X₀，Y₀)做横轴和纵轴两条直线，再分别作过点(X₀，Y₀+0.5×R_内)、(X₀，Y₀-0.5×R_内)、(X₀，Y₀+R_内)、(X₀，Y₀-R_内)平行于X轴的四条直线，这样就可以把防滑区分成12个小区，对每一小区进行编号。

第五步：对处理后的每一小区采用OSTU方法求出各个小区的阈值T′_n，n＝1，2…12。对于相邻的小区，其阈值之间有一定的关系，这里采用五个相邻的小区得到的阈值T′_n来最终确定本小区的阈值T_n。每个小区最终的阈值为：

T_n＝0.5T′_n+0.2T′_{mod(n+1，12)}+0.2T′_{mod(n-1，12)}+0.1T′_{mod(n+2，12)}+T′_{mod(n-2，12)}    (6)

其中mod(x，12)表示x的模12运算。根据得到的各个小区的最终阈值，对各小区分别二值化即可得到防滑区最终的处理图像。

第六步：将防滑区最终处理得到的图像，对像素值为0的点进行统计求和，设定阈值(范围10～30)，当统计求和得到的值比阈值大，即可判定防滑区有污物或缺陷，否则通过检测。

在实验室环境下选取了1000幅图片对本方法进行了测试，结果如下表所示。

污物形状	污物大小(mm)	漏检率
			面状	2.5*2.5	0

对于大小为2.5mm*2.5mm的面状污物，实验室环境下测试为无漏检。单幅瓶底图片防滑区检测时间为38.33ms，即采用本方法每小时的检测量为93921瓶。

本发明与现有技术相比，对瓶底防滑条纹分布不均匀以及瓶底厚度不均造成的瓶底图片灰度值分布不均匀等干扰因素有很好的鲁棒性。本发明还可实现透明污物(如透明胶带)在防滑区的检测。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，具有速度快、精度高的特点。

Claims (1)

1.玻璃瓶瓶底防滑区污物检测新方法，其特征在于如下步骤：

第一步，瓶底照片的获取，在玻璃瓶瓶底外正对瓶底加上白光光源，将摄像机从玻璃瓶瓶口伸进玻璃瓶内部进行拍摄瓶底照片，拍摄时摄像机和瓶底要垂直以获得对称的瓶底照片；

第二步：对拍摄的瓶底照片进行中心区域的定位，把整幅图像的中心点作为初始圆心，以此初始圆心为基准建立坐标轴，从0度开始，每隔J度取一个方向，在每个方向上搜索瓶底防滑区和中心区过渡的点，由于瓶底防滑区的灰度值与中心区的灰度值相差比较大，沿着半径方向进行搜索，相距d的两个像素点设为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大于某一阈值时可认为f2是防滑区某一圆周上的一点，按搜索角度的大小顺序记下此点的横纵坐标；如果搜索半径超过某一设定阈值，则舍弃此方向上的搜索，转而进行下一方向的搜索，搜索一周能够在P个方向上找到N个防滑区的点，将搜索到的N个点平均分成三组，每个组有[N/3]个点，[]表示取整，前1～[N/3]个点为第一组，前[N/3]+1～2×[N/3]为第二组，前2×[N/3]+1～3×[N/3]为第三组，每个组的元素都按顺序对应地编号为1～[N/3]，设坐标为(X_i，Y_i)，i＝1，2，…[N/3]，从每个组中取出编号相同的点，用这三个点的坐标进行如下计算：

$X_o^{\′}=\frac{(Y_3-Y_2)({X_2}^2-{X_1}^2+{Y_2}^2-{Y_1}^2)-(Y_2-Y_1)({X_3}^2-{X_2}^2+{Y_3}^2-{Y_2}^2)}{2[(X_2-X_1)(Y_3-Y_2)-(X_3-X_2)(Y_2-Y_1)]}---\left(1\right)$

$Y_o^{\′}=\frac{(X_3-X_2)({X_2}^2-{X_1}^2+{Y_2}^2-{Y_1}^2)-(X_2-X_1)({X_3}^2-{X_2}^2+{Y_3}^2-{Y_2}^2)}{2[(X_3-X_2)(Y_2-Y_1)-(Y_3-Y_2)(X_2-X_1)]}---\left(2\right)$

这样可以得到[N/3]个圆心坐标，对这[N/3]个圆心坐标取均值，即可得到最终的瓶底的圆心坐标(X_O，Y_O)，以(X_O，Y_O)为基准，再以0度方向为基准，每间隔度取一个方向，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M个距离，此M个距离的平均值就是定位的瓶底防滑区圆环的内径R_内，内径加上一个定值得到外径R_外，由内经和外径就可以确定出防滑区域F；

第三步：确定防滑区像素，设横轴与防滑区的内圆和外圆的四个交点分别为(X₁，Y_o)、(X₂，Y_o)、(X₃，Y_o)、(X₄，Y_o)，则纵坐标为Y_o，横坐标在X₁～X₂和X₃～X₄范围内的点都是防滑区的点，遍历区间

内所有的Y值，计算过(X_o，Y)的平行于横轴的直线段与内圆和外圆的4个交点，记下对应每个纵坐标值的4个横坐标的值，从而可确定

范围内防滑区内的点，取

和

所有可能的值，计算过(X_o，Y)的平行于横轴的直线段与外圆的2个交点(X₁₁，Y)、(X₂₂，Y)，记下对应不同纵坐标值的2个横坐标的值，则横坐标在X₁₁～X₂₂范围内的点都是防滑区内的点，至此，所有防滑区内的点都确定了，这种方法只需计算和保存内圆和外圆上的点，就可确定所有的防滑区的点，此方法还可用于中心区的像素判别；

第四步：对防滑区先进行开运算，然后进行闭运算，得到处理过的防滑区的图像，进行开闭运算的模板采用3×3的全1的结构元素，同时对防滑区进行分区，过瓶底中心(X_o，Y_o)做横轴和纵轴两条直线，再分别作过点(X_o，Y_o+0.5×R_内)、(X_o，Y_o-0.5×R_内)、(X_o，Y_o+R_内)、(X_o，Y_o-R_内)平行于X轴的4条直线，这样就可以把防滑区分成L个小区，对每一小区进行编号；

第五步：对处理后的每一小区采用OSTU方法求出各个小区的阈值T′_n，n＝1，2…L，分小区二值化的原因是：由于瓶底厚度不均，导致瓶底灰度值的分布差别较大，如果直接利用OSTU二值化，则会导致灰度差别较大的误判，分小区则不会，可以认为在每一个小区内的灰度在没有污物的情况下分布都是均匀的，OSTU二值化就能区分出污物了，而不会误判，OSTU方法是一种自适应的二值化法，受光照因素影响很小，相邻小区的阈值之间有一定的关系，这里采用五个相邻的小区得到的阈值T′_n来最终确定本小区的阈值T_n，每个小区最终的阈值为：

T_n＝0.5T′_n+0.2T′_mod(n+1，L)+0.2T′_mod(n-1，L)+0.1T′_mod(n+2，L)+T′_mod(n-2，L)    (3)

其中mod(x，L)表示x的模L运算，根据得到的各个小区的最终阈值，对各小区分别二值化即可得到防滑区最终的处理图像；

第六步：将防滑区最终处理得到的图像，对0值的点进行统计求和，设定阈值，当统计求和得到的值比阈值大，即可判定防滑区有污物或缺陷，否则通过检测。