CN106370659B - 一种瓶体封装质量视觉检测方法 - Google Patents
一种瓶体封装质量视觉检测方法 Download PDFInfo
- Publication number
- CN106370659B CN106370659B CN201610679310.XA CN201610679310A CN106370659B CN 106370659 B CN106370659 B CN 106370659B CN 201610679310 A CN201610679310 A CN 201610679310A CN 106370659 B CN106370659 B CN 106370659B
- Authority
- CN
- China
- Prior art keywords
- formula
- region
- detection
- reg
- defect
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 112
- 230000007547 defect Effects 0.000 claims abstract description 76
- 238000000034 method Methods 0.000 claims abstract description 55
- 239000007788 liquid Substances 0.000 claims abstract description 39
- 230000011218 segmentation Effects 0.000 claims abstract description 30
- 230000006578 abscission Effects 0.000 claims description 29
- 238000012937 correction Methods 0.000 claims description 9
- 210000000746 body region Anatomy 0.000 claims description 6
- 230000004807 localization Effects 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 108091026890 Coding region Proteins 0.000 claims description 3
- 241001463139 Vitta Species 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000003628 erosive effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims 2
- 238000004519 manufacturing process Methods 0.000 abstract description 9
- 230000000007 visual effect Effects 0.000 abstract description 3
- 229920000139 polyethylene terephthalate Polymers 0.000 description 15
- 239000005020 polyethylene terephthalate Substances 0.000 description 15
- LYCAIKOWRPUZTN-UHFFFAOYSA-N Ethylene glycol Chemical compound OCCO LYCAIKOWRPUZTN-UHFFFAOYSA-N 0.000 description 6
- KKEYFWRCBNTPAC-UHFFFAOYSA-N Terephthalic acid Chemical compound OC(=O)C1=CC=C(C(O)=O)C=C1 KKEYFWRCBNTPAC-UHFFFAOYSA-N 0.000 description 6
- 238000007689 inspection Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000002708 enhancing effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- -1 Polyethylene terephthalate Polymers 0.000 description 2
- 235000013361 beverage Nutrition 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000006260 foam Substances 0.000 description 2
- 235000012149 noodles Nutrition 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 210000001161 mammalian embryo Anatomy 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 235000021586 packaging of beverage Nutrition 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000005491 wire drawing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
- G01F23/22—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water
- G01F23/28—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water by measuring the variations of parameters of electromagnetic or acoustic waves applied directly to the liquid or fluent solid material
- G01F23/284—Electromagnetic waves
- G01F23/292—Light, e.g. infrared or ultraviolet
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
Abstract
本发明公开了一种瓶体封装质量视觉检测方法，包括以下步骤：(1)获取瓶体图像及预处理；(2)采用垂直方向自下而上搜索策略定位支撑环；(3)自适应标定封盖、液位和喷码检测区域；(4)采用灰度阈值分割算法提取Blob候选块，由判定规则判断封盖、液位和喷码是否存在缺陷。该方法解决人工检测速度慢、效率低、精度差的问题；克服目前视觉检测算法复杂、检测耗时长，无法满足高速生产线上检测PET瓶的需求,提高瓶体检测自动化程度。
Description
技术领域
本发明属于自动检测领域，特别涉及一种瓶体封装质量视觉检测方法。
背景技术
聚对苯二甲酸乙二醇酯(polyethylene terephthalate，PET)是由对苯二甲酸(Terephthalic acid)和乙二醇(Ethylene glycol)化合产生的聚合物。PET瓶特指使用PET材质的饮料瓶，因其比重小、强度大、手持和运输方便、不容易破损、透明度高、表面光洁和外观漂亮、易于回收再利用等特点在饮料的包装中得到越来越广泛的应用。
自动化水平的飞速发展为流水线上瓶装饮料的大批量生产提供可能，瓶装饮料生产流程主要为吹瓶、灌装、封盖、喷码、贴标和装箱码垛。在PET瓶装饮料生产过程中灌装和封盖是影响质量的关键工序。而在封盖工序，高速旋盖子系统中PET瓶盖会出现歪盖、高盖甚至无盖等情况，此外还会存在喷码，液位的不合格。为保证生产饮料的质量，喷码工序后需对PET瓶进行全方位的检测。传统检测方法主要依赖人工检测和传感器检测。人工检测由质检员通过肉眼观察生产线上的PET瓶来判断是否存在缺陷，但人工分拣工作量大且缺乏准确性和科学性。
传感器检测是利用各种传感器进行检测，例如通过X光线传感器来检测液位是否合格，但其通通用性差，很难大范围推广和普及，而且检测结果易受外界环境影响。
近年来，机器视觉和图像处理技术的不断发展使得生产线上机器检测代替人工检测成为可能。计算机检测具有精度高、速度快和非接触等优势。国内外学者对视觉在瓶罐质量检测方面的应用进行了大量研究。德国Heuft公司研发的PET瓶瓶盖检测算法根据支撑环在瓶颈处突出的图像特征定位支撑环，再通过模板匹配完成瓶盖的分类；广东工业大学的邹振兴等人设计了一套嵌入式瓶盖检测的解决方案，根据支撑环和瓶盖顶部的斜率之差来判断异常。但是他们的检测算法复杂、检测耗时长，无法满足高速生产线上检测PET瓶的需求，此外不能克服链道抖动、瓶身倾斜，洗瓶时带来的水珠和旋盖时产生的拉丝、毛刺对检测的影响。
因此，有必要设计一种高效的检测精度高的瓶体封装质量视觉检测方法。
发明内容
本发明所要解决的技术问题是提供一种瓶体封装质量视觉检测方法，该瓶体封装质量视觉检测方法检测效率高，易于实施。
发明的技术解决方案如下：
一种瓶体封装质量视觉检测方法，包括以下步骤：
步骤1：获取瓶体图像及预处理；
步骤2：在图像中定位支撑环；
步骤3：标定封盖、液位和喷码检测区域；
步骤4：检测封盖、液位和喷码是否存在缺陷。
步骤1中，通过背光源和RGB三色条光照明，利用CCD工业相机和图像采集卡采集瓶体图像，然后把采集的图像送入工控机进行预处理，采用中值滤波法去除图像采集和传输过程中存在的噪声点。
步骤2包括粗定位步骤和精定位步骤；
(1)粗定位步骤：
针对预处理后的图像，选取定位区域Regloca，定位区域Regloca覆盖了支撑环(且上下均有一定余量，参见图2)，然后在Regloca内基于灰度阈值分割出瓶身区域Regfore，再确定瓶身区域Regfore的最小外接矩形Recsmall，确定最小外接矩形左上顶点坐标(r1，c1)和右下顶点坐标(r2，c2)；
(2)精定位步骤：
基于式1提取支撑环两端上下亮像素区域Regreg，包括四块子区域，对四块子区域进行形态学腐蚀运算，并分别计算每块子区域的最小外接矩形的中心点坐标(r3j，c3j)和左上顶点坐标(r4j，c4j)，j＝1，2，3，4；
基于式2(采取垂直方向自下而上的搜索策略)提取支撑环和瓶盖之间的亮像素区域Regupreg；然后以Regupreg区域的最小外接矩形为基准垂直、水平方向扩张得到矩形区域Recexp；默认扩张范围：水平方向扩张(30-35)个像素。垂直方向扩张(35-40)个像素。可根据具体瓶型设定，实施例中原图像大小为656×490；区域Regreg共有四个子区域，每个子区域都重复式2运算。
式2表示：通过坐标值的比较，找出支撑环上方两块亮像素的区域。具体实现：支撑环上下两端共4块亮像素区域，分别计算其最小外接矩形的中心(r3j，c3j)和左上顶点坐标(r4j，c4j)，根据式2循环(共4次)比较判断、从而找出支撑环上方两块亮像素的区域。
基于式3提取支撑环区域Reg′fore并获取支撑环区域的最小外接矩形左上顶点坐标(r5，c5)和右下顶点坐标(r6，c6)；以(r5，c5)，(r6，c5)为顶点作矩形，记为RecL；以(r5，c6)，(r6，c6)为顶点作矩形，记为RecR。实际上是2条竖直的直线；
由式4计算支撑环左端点A和右端点B。
Regreg＝Recsmall-Regfore---式1；
Reg′fore＝Regfore-Recexp---式3；
A＝RecL∩Reg′fore；B＝RecR∩Reg′fore---式4；
式1和3中“-”运算符表示计算两个区域的不同区域；式4中“∩”运算符表示计算两个区域的交集。
步骤2还包括自适应矫正步骤，如下：
获得支撑环左端点A和右端点B的坐标后，连接A、B两点并计算直线AB的倾斜角θ，根据公式5实现检测区域的角度的矫正，然后标定检测区域Ri(i＝1，2，...，10)；
(x，y)为矫正前的图像点坐标，(x‘，y’)为矫正后的图像坐标，若x‘，y’为小数，则取整。
所述的步骤4中的液位检测的步骤为：
标定液位检测区域R10；位于瓶体上正常液位所在的矩形区域，为了有效抑制液面晃动和泡沫对实际液位计算的影响，首先采用灰度阈值分割法分割液体区域的Blob候选块，通过四连通区域标识出Blob连通域，记为BlR10。采用像素计数法提取BlR10连通域的面积特征，即统计连通域的像素个数，记为Areayw；
实际液位值的计算公式为：
式中l为检测区域R10的宽度；
按下式判断液位是否合格：
式中高低液位的判断阈值上限Thhigh和判断阈值下限Thlow由式8确定；
Thstandard为标准液位，λhigh和λlow分别为高液位容错阈值和低液位容错阈值。实例中。检测区域R10大小为147×122，Thstandard＝80；λhigh＝47；λlow＝39；
所述的步骤4中的喷码检测包括针对无码、缺行和缺字符的喷码缺陷进行视觉检测：
标定喷码的检测区域R9，(首先通过直方图均衡化处理得到增强图像f(x，y)，增大喷码和瓶盖背景的对比度，提高喷码表现张力。然后)采取灰度阈值分割法分割喷码区域；采用直方图法确定分割阈值，图像的灰度直方图会显示两个波峰：一个是物体，一个是背景，取波谷灰度值为分割阈值Thf，基于式9，分割前景和背景，分割出的喷码图像F(x，y)；
通过四连通区域标识出喷码Blob连通域，记为Blpm；采用像素计数法计算Blpm连通域的像素面积特征Areapm，按下式进行喷码缺陷判断
式中喷码缺陷判断阈值Thpm＝σ·Spm，其中σ是喷码缺陷的容忍度，取值范是[0.65，0.75]；Spm是完整喷码的像素面积。
喷码检测原理：喷码无缺陷(即完整喷码)时喷码的像素面积在固定数值范围内波动，若出现缺码甚至是无码情况时，喷码像素面积将低于正常值下限。故可通过统计喷码像素面积来判断是否存在喷码缺陷。
所述的步骤4的封盖检测包括无盖、高盖、歪盖、断环和缺环检测。
高盖、断环和缺环缺陷的判定阈值按下式计算：
式中δ是缺陷容忍度，W和H是图像中瓶盖区域的宽和高，k是瓶盖区域与检测区域的比例系数；
(1)歪盖检测：
标定歪盖检测区域R1和R2，R1和R2位于支撑环与安全环之间区域的左右两端区域，左右两个区域对称，标定区域参考附图2和3；
区域内瓶盖部分显示为暗像素，非瓶盖部分显示为亮像素。在区域R1和R2中采用灰度阈值分割法分割亮色像素Blob块，通过四连通区域标识出Blob连通域，记为BlR1和BlR2；采用像素计数法提取BlR1和BlR2连通域的像素面积特征AreaR1和AreaR2；基于下式进行歪盖缺陷判断：
式中Thdown和Thup为歪盖缺陷判断阈值；Thdown的取值范围是[0.7，0.75]，Thup的取值范围是[1.25，1.30]，只要有一个判断为YESYES即表示歪盖；
(2)高盖检测
标定高盖缺陷检测区域R5和R6，该2个区域位于瓶盖上方的左右两侧；瓶盖正常时区域R5和R6为亮像素，当出现高盖情况时瓶盖部分会向上移动进入检测区域，此时R5和R6中会出现暗像素。在区域R5和R6中采用灰度阈值分割法分割暗像素Blob块，通过四连通区域标识出Blob连通域，记为BlR5和BlR6。采用像素计数法提取BlR5和BlR6连通域的像素面积特征(即包含多少个像素)AreaR5和AreaR6；基于下式进行高盖缺陷的判断
式中高盖判断阈值Thhi由式6确定；阈值Thhi中δ取值范围是[0.9，1.1]，k取值范围是[240.85，244.85]；
(3)断环和无盖检测
标定断环缺陷的检测区域R3、R4和R7，R3、R4和R7位于安全环区域且依次并排布置，断环即安全环断裂，当存在断环缺陷时，区域R3和R4会出现亮像素点，区域R7会出现黑像素点；在区域R3和R4中采用灰度阈值分割法分割亮像素Blob块，区域R7中分割黑像素Blob块；通过四连通区域标识出Blob连通域，记为BlR3、BlR4和BlR7。采用像素计数法提取BlR3、BlR4和BlR7连通域的像素面积特征AreaR3、AreaR4和AreaR7，基于下式进行断环缺陷的判断：
式中断环缺陷判断阈值Thdh1和Thdh2由式11确定，阈值Thdh1的δ取值范围是[0.10，0.14]，k取值范围是[89.5，91.5]；阈值Thdh2的δ取值范围是[0.04，0.05]，k取值范围是[13.5，15.5]；
BlR7为YES时，表示存在断环缺陷；
BlR3或BlR4为YES时，表示存在断环或无盖缺陷；
因为存在无盖缺陷时，检测区域R3和R4中所呈现特征和断环相似，所以检测区域R3和R4可兼顾无盖缺陷的检测。
(4)缺环检测
缺环即安全环缺失，先标定缺陷的检测区域R8，R8位于安全环中部位置所在的区域；当存在缺环缺陷时，区域R8会出现黑像素点；在区域R8中采用灰度阈值分割法分割黑像素Blob块，通过四连通区域标识出Blob连通域，记为BlR8；采用像素计数法提取BlR8连通域的像素面积特征AreaR8；基于下式进行缺环缺陷判断：
式中缺环缺陷判断阈值Thqh由式11确定，阈值Thqh中δ取值范围是[0.235，0.245]，k取值范围是[9.75，11.75]，BlR8为YESYES表示存在缺环缺陷。
所述的瓶体为PET瓶。
由于存在缺陷的支撑环在瓶胚检测阶段已经被剔除，所以支撑环被认为是瓶盖中位置最稳定的区域。基于此特征本专利提出了一种垂直方向自下而上搜索定位支撑环、检测区域自适应标定的PET瓶封盖、液位和喷码视觉检测方法。有效克服瓶身抖动造成PET瓶空间绝对位置的改变而引起瓶盖、液位和喷码检测区域位置与瓶身的相对位置失准问题。
有益效果：
本发明的瓶体封装质量视觉检测方法，包括以下步骤：(1)获取瓶体图像及预处理；(2)采用垂直方向自下而上搜索策略定位支撑环；(3)自适应标定封盖、液位和喷码检测区域；(4)采用灰度阈值分割算法提取Blob候选块，由判定规则判断封盖、液位和喷码是否存在缺陷。该方法解决人工检测速度慢、效率低、精度差的问题；克服目前视觉检测算法复杂、检测耗时长，无法满足高速生产线上检测PET瓶的需求，提高瓶体检测自动化程度。
本发明具有以下特点：
1.定位速度快、精度高。采用垂直方向自下而上搜索定位支撑环的方法，消除支撑环上方瓶盖部分对支撑环定位的影响，提高了支撑环的定位精度。
2.检测区域自适应标定，缺陷检测速度快。运用简单、有效的Blob算法，首先对获取的原始图像做预处理，抑制噪声干扰增强图像有用信息的表现张力。然后自适应标定检测区域并通过二值化分割ROI，基于ROI区域通过灰度阈值分割算法提取图像特征，最后通过判定规则进行缺陷判断。
3.适应性广、移植性强。该检测方法能广泛应用于高速瓶装饮料生产线上瓶体封装质量的视觉检测，具有很强的适应性，是一种具有高度通用型和准确性的视觉检测方法。
附图说明
图1为检测流程及缺陷分类判定示意图；
图2为封盖检测区域示意图；
图3为喷码、液位检测区域示意图；
图4为自适应坐标系旋转示意图；
图5为支撑环精定位过程示意图；
图6为正常瓶盖与缺陷瓶盖示意图，其中a-f分别是正常盖、无盖、高盖、歪盖、安全环缺失、安全环断裂的图像。
具体实施方式
为了便于理解本发明，下文将结合说明书附图和较佳的实施例对本文发明做更全面、细致地描述，但本发明的保护范围并不限于以下具体实施例。
除非另有定义，下文中所使用的所有专业术语与本领域技术人员通常理解含义相同。本文中所使用的专业术语只是为了描述具体实施例的目的，并不是旨在限制本发明的保护范围。
实施例1：
如图1-6，一种瓶体封装质量视觉检测方法，包括以下步骤：
步骤1：获取瓶体图像及预处理；
步骤2：在图像中定位支撑环；
步骤3：标定封盖、液位和喷码检测区域；
步骤4：检测封盖、液位和喷码是否存在缺陷。
步骤1中，通过背光源和RGB三色条光照明，利用CCD工业相机和图像采集卡采集瓶体图像，然后把采集的图像送入工控机进行预处理，采用中值滤波法去除图像采集和传输过程中存在的噪声点。
步骤2包括粗定位步骤和精定位步骤；
(1)粗定位步骤：
针对预处理后的图像，选取定位区域Regloca，定位区域Regloca覆盖了支撑环(且上下均有一定余量，参见图2)，然后在Regloca内基于灰度阈值分割出瓶身区域Regfore，再确定瓶身区域Regfore的最小外接矩形Recsmall，确定最小外接矩形左上顶点坐标(r1，c1)和右下顶点坐标(r2，c2)；
(2)精定位步骤：
基于式1提取支撑环两端上下亮像素区域Regreg，包括四块子区域，对四块子区域进行形态学腐蚀运算，并分别计算每块子区域的最小外接矩形的中心点坐标(r3j，c3j)和左上顶点坐标(r4j，c4j)，j＝1，2，3，4；
基于式2(采取垂直方向自下而上的搜索策略)提取支撑环和瓶盖之间的亮像素区域Regupreg；然后以Regupreg区域的最小外接矩形为基准垂直、水平方向扩张得到矩形区域Recexp；默认扩张范围：水平方向扩张(30-35)个像素。垂直方向扩张(35-40)个像素。可根据具体瓶型设定；
区域Regreg共有四个子区域，每个子区域都重复式(2)运算。
式2表示：通过坐标值的比较，找出支撑环上方两块亮像素的区域。具体实现：支撑环上下两端共4块亮像素区域，分别计算其最小外接矩形的中心(r3j，c3j)和左上顶点坐标(r4j，c4j)，根据式2循环(共4次)比较判断、从而找出支撑环上方两块亮像素的区域。
基于式3提取支撑环区域Reg′fore并获取支撑环区域的最小外接矩形左上顶点坐标(r5，c5)和右下顶点坐标(r6，c6)；以(r5，c5)，(r6，c5)为顶点作矩形，记为RecL；以(r5，c6)，(r6，c6)为顶点作矩形，记为RecR。实际上是2条竖直的直线；
由式4计算支撑环左端点A和右端点B。
Regreg＝Recsmall-Regfore---式1；
Reg′fore＝Regfore-Recexp---式3；
A＝RecL∩Reg′fore；B＝RecR∩Reg′fore---式4；
式1和3中“-”运算符表示计算两个区域的不同区域；式4中“∩”运算符表示计算两个区域的交集。
步骤2还包括自适应矫正步骤，如下：
获得支撑环左端点A和右端点B的坐标后，连接A、B两点并计算直线AB的倾斜角θ，根据公式5实现检测区域的角度的矫正，然后标定检测区域Ri(i＝1，2，...，10)；
(x，y)为矫正前的图像点坐标，(x‘，y’)为矫正后的图像坐标，若x‘，y’为小数，则取整。
所述的步骤4中的液位检测的步骤为：
标定液位检测区域R10；位于瓶体上正常液位先所在的矩形区域，为了有效抑制液面晃动和泡沫对实际液位计算的影响，首先采用灰度阈值分割法分割液体区域的Blob候选块，通过四连通区域标识出Blob连通域，记为BlR10。采用像素计数法提取BlR10连通域的面积特征，即统计连通域的像素个数，记为Areayw；
实际液位值的计算公式为：
式中l为检测区域R10的宽度；
按下式判断液位是否合格：
式中高低液位的判断阈值上限Thhigh和判断阈值下限Thlow由式14确定；
Thstandard为标准液位，λhigh和λlow分别为高液位容错阈值和低液位容错阈值。实例中。检测区域R10大小为147×122，Thstandard＝80；λhigh＝47；λlow＝39；
所述的步骤4中的喷码检测包括针对无码、缺行和缺字符的喷码缺陷进行视觉检测：
标定喷码的检测区域R9，如图3所示，首先通过直方图均衡化处理得到增强图像f(x，y)，增大喷码和瓶盖背景的对比度，提高喷码表现张力。然后采取灰度阈值分割法分割喷码区域；采用直方图法确定分割阈值，图像的灰度直方图会显示两个波峰：一个是物体，一个是背景，取波谷灰度值为分割阈值Thf，基于式12，分割前景和背景，分割出的喷码图像F(x，y)；
通过四连通区域标识出喷码Blob连通域，记为Blpm；采用像素计数法计算Blpm连通域的像素面积特征Areapm，按下式进行喷码缺陷判断
式中喷码缺陷判断阈值Thpm＝σ·Spm，其中σ是喷码缺陷的容忍度，取值范是[0.65，0.75]；Spm是完整喷码的像素面积。
喷码检测原理：喷码无缺陷(即完整喷码)时喷码的像素面积在固定数值范围内波动，若出现缺码甚至是无码情况时，喷码像素面积将低于正常值下限。故可通过统计喷码像素面积来判断是否存在喷码缺陷。
所述的步骤4的封盖检测包括无盖、高盖、歪盖、断环和缺环检测。
高盖、断环和缺环缺陷的判定阈值按下式计算：
式中δ是缺陷容忍度，W和H是图像中瓶盖区域的宽和高，k是瓶盖区域与检测区域的比例系数；
(1)歪盖检测：
标定歪盖检测区域R1和R2，R1和R2位于支撑环与安全环之间区域的左右两端区域，左右两个区域对称，标定区域参考附图2和3；
区域内瓶盖部分显示为暗像素，非瓶盖部分显示为亮像素。在区域R1和R2中采用灰度阈值分割法分割亮色像素Blob块，通过四连通区域标识出Blob连通域，记为BlR1和BlR2；采用像素计数法提取Bls1和BlR2连通域的像素面积特征AreaR1和AreaR2；基于式12进行歪盖缺陷判断：
式中Thdown和Thup为歪盖缺陷判断阈值；Thdown的取值范围是[0.7，0.75]，Thup的取值范围是[1.25，1.30]，只要有一个判断为YESYES即表示歪盖；
(2)高盖检测
标定高盖缺陷检测区域R5和R6，该2个区域位于瓶盖上方的左右两侧；瓶盖正常时区域R5和R6为亮像素，当出现高盖情况时瓶盖部分会向上移动进入检测区域，此时R5和R6中会出现暗像素。在区域R5和R6中采用灰度阈值分割法分割暗像素Blob块，通过四连通区域标识出Blob连通域，记为BlR5和BlR6。采用像素计数法提取BlR5和BlR6连通域的像素面积特征(即包含多少个像素)AreaR5和AreaR6；基于下式进行高盖缺陷的判断
式中高盖判断阈值Thhi由式11确定；阈值Thhi中δ取值范围是[0.9，1.1]，k取值范围是[240.85，244.85]；
(3)断环和无盖检测
标定断环缺陷的检测区域R3、R4和R7，R3、R4和R7位于安全环区域且依次并排布置，断环即安全环断裂，当存在断环缺陷时，区域R3和R4会出现亮像素点，区域R7会出现黑像素点；在区域R3和R4中采用灰度阈值分割法分割亮像素Blob块，区域R7中分割黑像素Blob块；通过四连通区域标识出Blob连通域，记为BlR3、BlR4和BlR7。采用像素计数法提取BlR3、BlR4和BlR7连通域的像素面积特征AreaR3、AreaR4和AreaR7，基于下式进行断环缺陷的判断：
式中断环缺陷判断阈值Thdh1和Thdh2由式11确定，阈值Thdh1的δ取值范围是[0.10，0.14]，k取值范围是[89.5，91.5]；阈值Thdh2的δ取值范围是[0.04，0.05]，k取值范围是[13.5，15.5]；
BlR7为YES时，表示存在断环缺陷；
BlR3或BlR4为YES时，表示存在断环或无盖缺陷；
因为存在无盖缺陷时，检测区域R3和R4中所呈现特征和断环相似，所以检测区域R3和R4可兼顾无盖缺陷的检测。
(4)缺环检测
缺环即安全环缺失，先标定缺陷的检测区域R8，R8位于安全环中部位置所在的区域；当存在缺环缺陷时，区域R8会出现黑像素点；在区域R8中采用灰度阈值分割法分割黑像素Blob块，通过四连通区域标识出Blob连通域，记为BlR8；采用像素计数法提取BlR8连通域的像素面积特征AreaR8；基于下式进行缺环缺陷判断：
式中缺环缺陷判断阈值Thqh由式11确定，阈值Thqh中δ取值范围是[0.235，0.245]，k取值范围是[9.75，11.75]，BlR8为YESYES表示存在缺环缺陷。
Claims (5)
1.一种瓶体封装质量视觉检测方法，其特征在于，包括以下步骤：
步骤1：获取瓶体图像及预处理；
步骤2：在图像中定位支撑环；
步骤3：标定封盖、液位和喷码检测区域；
步骤4：检测封盖、液位和喷码是否存在缺陷；
步骤1中，通过背光源和RGB三色条光照明，利用CCD工业相机和图像采集卡采集瓶体图像，然后把采集的图像送入工控机进行预处理，采用中值滤波法去除图像采集和传输过程中存在的噪声点；
步骤2包括粗定位步骤和精定位步骤；
(1)粗定位步骤：
针对预处理后的图像，选取定位区域Regloca，定位区域Regloca覆盖了支撑环，然后在Regloca内基于灰度阈值分割出瓶身区域Regfore，再确定瓶身区域Regfore的最小外接矩形Recsmall，确定最小外接矩形左上顶点坐标(r1，c1)和右下顶点坐标(r2，c2)；
(2)精定位步骤：
基于式1提取支撑环两端上下亮像素区域Regreg，包括四块子区域，对四块子区域进行形态学腐蚀运算，并分别计算每块子区域的最小外接矩形的中心点坐标(r3j，c3j)和左上顶点坐标(r4j，c4j)，j＝1，2，3，4；
基于式2提取支撑环和瓶盖之间的亮像素区域Regupreg；然后以Regupreg区域的最小外接矩形为基准垂直、水平方向扩张得到矩形区域Recexp；
基于式3提取支撑环区域Reg′fore并获取支撑环区域的最小外接矩形左上顶点坐标(r5，c5)和右下顶点坐标(r6，c6)；以(r5，c5)，(r6，c5)为顶点作矩形，记为RecL；以(r5，c6)，(r6，c6)为顶点作矩形，记为RecR；
由式4计算支撑环左端点A和右端点B；
Regreg＝Recsmall-Regfore---式1；
Reg′fore＝Regfore-Recexp---式3；
A＝RecL∩Reg′fore；B＝RecR∩Reg′fore---式4；
式1和3中“-”运算符表示计算两个区域的不同区域；式4中“∩”运算符表示计算两个区域的交集。
2.根据权利要求1所述的瓶体封装质量视觉检测方法，其特征在于，步骤2还包括自适应矫正步骤，如下：
获得支撑环左端点A和右端点B的坐标后，连接A、B两点并计算直线AB的倾斜角θ，根据公式5实现检测区域的角度的矫正，然后标定检测区域Ri(i＝1，2，...，10)；
(x，y)为矫正前的图像点坐标，(x‘，y’)为矫正后的图像坐标，若x‘，y’为小数，则取整。
3.根据权利要求1-2任一项所述的瓶体封装质量视觉检测方法，其特征在于，所述的步骤4中的液位检测的步骤为：
标定液位检测区域R10；位于瓶体上正常液位所在的矩形区域，首先采用灰度阈值分割法分割液体区域的Blob候选块，通过四连通区域标识出Blob连通域，记为BlR10；采用像素计数法提取BlR10连通域的面积特征，即统计连通域的像素个数，记为Areayw；
实际液位值的计算公式为：
式中l为检测区域R10的宽度；
按下式判断液位是否合格：
式中高低液位的判断阈值上限Thhigh和判断阈值下限Thlow由式8确定；
Thstandard为标准液位，λhigh和λlow分别为高液位容错阈值和低液位容错阈值。
4.根据权利要求3所述的瓶体封装质量视觉检测方法，其特征在于，所述的步骤4中的喷码检测包括针对无码、缺行和缺字符的喷码缺陷进行视觉检测：
标定喷码的检测区域R9，采取灰度阈值分割法分割喷码区域；采用直方图法确定分割阈值，图像的灰度直方图会显示两个波峰：一个是物体，一个是背景，取波谷灰度值为分割阈值Thf，基于式9，分割前景和背景，分割出的喷码图像F(x，y)；
通过四连通区域标识出喷码Blob连通域，记为Blpm；采用像素计数法计算Blpm连通域的像素面积特征Areapm，按下式进行喷码缺陷判断
式中喷码缺陷判断阈值Thpm＝σ·Spm，其中σ是喷码缺陷的容忍度，取值范是[0.65，0.75]；Spm是完整喷码的像素面积。
5.根据权利要求4所述的瓶体封装质量视觉检测方法，其特征在于，所述的步骤4的封盖检测包括无盖、高盖、歪盖、断环和缺环检测；
高盖、断环和缺环缺陷的判定阈值按下式计算：
式中δ是缺陷容忍度，W和H是图像中瓶盖区域的宽和高，k是瓶盖区域与检测区域的比例系数；
(1)歪盖检测：
标定歪盖检测区域R1和R2，R1和R2位于支撑环与安全环之间区域的左右两端区域；
区域内瓶盖部分显示为暗像素，非瓶盖部分显示为亮像素；在区域R1和R2中采用灰度阈值分割法分割亮色像素Blob块，通过四连通区域标识出Blob连通域，记为BlR1和BlR2；采用像素计数法提取BlR1和BlR2连通域的像素面积特征AreaR1和AreaR2；基于下式进行歪盖缺陷判断：
式中Thdown和Thup为歪盖缺陷判断阈值；Thdown的取值范围是[0.7，0.75]，Thup的取值范围是[1.25，1.30]，只要有一个判断为YESYES即表示歪盖；
(2)高盖检测
标定高盖缺陷检测区域R5和R6，该2个区域位于瓶盖上方的左右两侧；在区域R5和R6中采用灰度阈值分割法分割暗像素Blob块，通过四连通区域标识出Blob连通域，记为BlR5和BlR6；采用像素计数法提取BlR5和BlR6连通域的像素面积特征AreaR5和AreaR6；基于下式进行高盖缺陷的判断
式中高盖判断阈值Thhi由式11确定；阈值Thhi中δ取值范围是[0.9，1.1]，k取值范围是[240.85，244.85]；
(3)断环和无盖检测
标定断环缺陷的检测区域R3、R4和R7，R3、R4和R7位于安全环区域且依次并排布置，断环即安全环断裂，当存在断环缺陷时，区域R3和R4会出现亮像素点，区域R7会出现黑像素点；在区域R3和R4中采用灰度阈值分割法分割亮像素Blob块，区域R7中分割黑像素Blob块；通过四连通区域标识出Blob连通域，记为BlR3、BlR4和BlR7；采用像素计数法提取BlR3、BlR4和BlR7连通域的像素面积特征AreaR3、AreaR4和AreaR7，基于下式进行断环缺陷的判断：
式中断环缺陷判断阈值Thdh1和Thdh2由式11确定，阈值Thdh1的δ取值范围是[0.10，0.14]，k取值范围是[89.5，91.5]；阈值Thdh2的δ取值范围是[0.04，0.05]，k取值范围是[13.5，15.5]；
BlR7为YES时，表示存在断环缺陷；
BlR3或BlR4为YES时，表示存在断环或无盖缺陷；
(4)缺环检测
缺环即安全环缺失，先标定缺陷的检测区域R8，R8位于安全环中部位置所在的区域；当存在缺环缺陷时，区域R8会出现黑像素点；在区域R8中采用灰度阈值分割法分割黑像素Blob块，通过四连通区域标识出Blob连通域，记为BlR8；采用像素计数法提取BlR8连通域的像素面积特征AreaR8；基于下式进行缺环缺陷判断：
式中缺环缺陷判断阈值Thqh由式11确定，阈值Thqh中δ取值范围是[0.235，0.245]，k取值范围是[9.75，11.75]，BlR8为YESYES表示存在缺环缺陷。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610679310.XA CN106370659B (zh) | 2016-08-17 | 2016-08-17 | 一种瓶体封装质量视觉检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610679310.XA CN106370659B (zh) | 2016-08-17 | 2016-08-17 | 一种瓶体封装质量视觉检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106370659A CN106370659A (zh) | 2017-02-01 |
| CN106370659B true CN106370659B (zh) | 2018-12-04 |
Family
ID=57878966
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610679310.XA Active CN106370659B (zh) | 2016-08-17 | 2016-08-17 | 一种瓶体封装质量视觉检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106370659B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108160520A (zh) * | 2017-12-18 | 2018-06-15 | 天津普达软件技术有限公司 | 一种瓶盖变形不良品剔除的方法 |
| CN108154500A (zh) * | 2017-12-18 | 2018-06-12 | 天津普达软件技术有限公司 | 一种检测瓶盖变形的方法 |
| CN108171684A (zh) * | 2017-12-18 | 2018-06-15 | 天津普达软件技术有限公司 | 一种检测瓶盖断环的方法 |
| CN108171685A (zh) * | 2017-12-18 | 2018-06-15 | 天津普达软件技术有限公司 | 一种瓶盖断环不良品剔除的方法 |
| CN109543677A (zh) * | 2018-11-08 | 2019-03-29 | 上海金啤包装检测科技有限公司 | 喷码的检测方法及设备、生产线、计算机设备、存储介质 |
| CN109509185A (zh) * | 2018-11-08 | 2019-03-22 | 上海金啤包装检测科技有限公司 | 瓶盖的检测方法及设备、生产线、计算机设备、存储介质 |
| CN109886960A (zh) * | 2019-03-27 | 2019-06-14 | 中建材凯盛机器人（上海）有限公司 | 基于机器视觉的玻璃边缘缺陷检测的方法 |
| CN110223276A (zh) * | 2019-05-28 | 2019-09-10 | 武汉楚锐视觉检测科技有限公司 | 一种基于图像处理的瓶盖检测方法及装置 |
| CN111426693A (zh) * | 2020-04-26 | 2020-07-17 | 湖南恒岳重钢钢结构工程有限公司 | 一种质量缺陷检测系统及其检测方法 |
| CN111652842B (zh) * | 2020-04-26 | 2021-05-11 | 佛山读图科技有限公司 | 高速西林瓶轧盖生产线实时视觉检测方法及系统 |
| CN115018849B (zh) * | 2022-08-09 | 2022-11-08 | 江苏万容机械科技有限公司 | 基于边缘检测的瓶体歪盖识别方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101144707A (zh) * | 2007-09-18 | 2008-03-19 | 湖南大学 | 饮料瓶口视觉定位方法 |
| CN102519972A (zh) * | 2011-12-10 | 2012-06-27 | 山东明佳包装检测科技有限公司 | 一种pet瓶瓶盖和液位的检测方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001027615A (ja) * | 1999-07-15 | 2001-01-30 | Kirin Techno-System Corp | ペットボトルの照明撮像装置 |
| JP2009007065A (ja) * | 2007-06-01 | 2009-01-15 | Tawa Saiseki Kogyo Kk | ペットボトル用キャップ |
-
2016
- 2016-08-17 CN CN201610679310.XA patent/CN106370659B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101144707A (zh) * | 2007-09-18 | 2008-03-19 | 湖南大学 | 饮料瓶口视觉定位方法 |
| CN102519972A (zh) * | 2011-12-10 | 2012-06-27 | 山东明佳包装检测科技有限公司 | 一种pet瓶瓶盖和液位的检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 中国优秀硕士学位论文全文数据库 信息科技辑;郑云峰;《中国优秀硕士学位论文全文数据库 信息科技辑》;20130115(第01期);摘要、第22-27页，第34-44页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106370659A (zh) | 2017-02-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106370659B (zh) | 一种瓶体封装质量视觉检测方法 | |
| CN111896556B (zh) | 一种基于机器视觉的玻璃瓶底缺陷检测方法及系统 | |
| CN108896574B (zh) | 一种基于机器视觉的瓶装白酒杂质检测方法及系统 | |
| CN105403147B (zh) | 一种基于嵌入式的瓶胚检测系统和检测方法 | |
| CN102162797B (zh) | 玻璃瓶瓶口破损和瓶底污物检测算法 | |
| CN102854192B (zh) | 一种基于苹果表面缺陷检测系统的苹果表面缺陷检测方法 | |
| CN105954301B (zh) | 一种基于机器视觉的瓶口质量检测方法 | |
| CN113537301B (zh) | 基于模板自适应匹配瓶体标签的缺陷检测方法 | |
| CN101105459A (zh) | 一种空瓶瓶口缺陷的检测方法及装置 | |
| CN106446894A (zh) | 一种基于轮廓识别球型目标物位置的方法 | |
| CN103698337A (zh) | 一种扁平酒瓶标签粘贴缺陷自动检测方法 | |
| CN103439348A (zh) | 基于差影法的遥控器按键缺陷检测方法 | |
| CN104700423A (zh) | 一种瓶盖检测方法和装置 | |
| CN109523549B (zh) | 一种用于压力容器气密性试验的漏气区域检测方法 | |
| CN106097344A (zh) | 一种检测轮胎橡胶中几何形杂质的图像处理方法及系统 | |
| Liu et al. | An automatic system for bearing surface tiny defect detection based on multi-angle illuminations | |
| CN107944444A (zh) | 一种瓶装液体异物检测方法及系统 | |
| CN113469264A (zh) | 一种垃圾自动分类模型的构建方法、垃圾分拣方法和系统 | |
| CN116665011A (zh) | 一种基于机器视觉的煤矿带式输送机煤流异物识别方法 | |
| CN101144707A (zh) | 饮料瓶口视觉定位方法 | |
| CN111487192A (zh) | 一种基于人工智能的机器视觉表面缺陷检测装置及方法 | |
| CN103065147B (zh) | 一种基于图像匹配和识别技术的车辆监控方法 | |
| CN103258218A (zh) | 蒙版检测框架生成方法、装置、缺陷检测方法及装置 | |
| CN103278509B (zh) | 一种以泡沫外观为基础的啤酒在线检测方法 | |
| CN102519977A (zh) | 一种pet轻量瓶瓶盖的检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |