CN106546605B - 一种利用4圆周定位和迟滞阈值的啤酒瓶口缺陷检测方法 - Google Patents

Abstract

本发明公开了一种利用4圆周定位和迟滞阈值的啤酒瓶口缺陷检测方法，其步骤为：(1)对瓶口图像进行阈值处理，通过重心法获取瓶口重心位置；(2)以重心为圆心由内向外进行径向扫描，获得瓶口图像的四圆周边缘点；(3)利用随机圆法拟合四圆周所在圆，定位检测区域；(4)将定位出来的检测区域分为三个部分；(5)利用迟滞阈值对检测区域的投影结果进行缺陷检测；该方法能在啤酒瓶口图像不完整或存在连续干扰点时，准确快速的定位为瓶口中心，并且检测出瓶口缺陷，检测速度块，适用于高速自动化流水线上的啤酒瓶口质量自动检测。

Description

一种利用4圆周定位和迟滞阈值的啤酒瓶口缺陷检测方法

技术领域

本发明涉及到机器视觉图像处理和工业自动化检测技术领域，特别涉及一种利用4圆周定位和迟滞阈值的啤酒瓶口缺陷检测方法。

背景技术

啤酒瓶在我国每年的需求量巨大，同时在发展中国家啤酒装备需求的增长较快，在啤酒的生产过程中，其中80％以上的啤酒瓶使用回收旧瓶，这些旧瓶中存在着瓶口破损的瓶对生产和消费带来重大安全隐患，因此啤酒灌装前必须检测啤酒空瓶瓶口质量，传统的人工检测法在检测的可靠性和效率性上难以得到保证，随着工业3.0和工业4.0的快速发展，基于机器视觉的瓶口检测技术在工业自动化检测技术领域得到了广泛应用，通过机器视觉检测技术来检测啤酒瓶口缺陷可以有效地克服人工检测缺陷的不足，满足工业自动化生产中高速高精度的检测要求。目前，在国内已经有了大量的基于机器视觉的啤酒瓶瓶口缺陷检测方法。

2007年，段峰、王耀南等在《啤酒瓶视觉检测机器人研究中》中研究对比了重心法、探测圆逐步逼近法和一种将边缘分组后求圆参数的瓶口定位综合算法，进而对采用基于径向投影和经验规则以及串联多神经网络的瓶口缺陷判决方法，采用串联多神经网络的瓶口缺陷判决方法，精度较低和速度也比较慢；2013年，李娜、张力等在《啤酒瓶口破损检测技术的研究》提出了基于连通域和矩不变量提取特征向量，运用BP神经网络进行样本训练，将获取的权值矩阵和阈值矩阵经过相关算法转换后用于瓶口缺陷识别，采用神经网络进行缺陷判断，对样本的依赖性很高，精度也有待进一步提升；2016年，周显恩、王耀南等在《基于机器视觉的瓶口缺陷检测方法研究中》提出残差分析动态阈值分割与全局阈值分割结合的瓶口缺陷检测方法，克服灰度变化和瓶口缺失对检测结果的影响，此方法过度地依赖先验知识，同时设定的阈值参数太多。

综上，目前用于啤酒瓶口缺陷检测的主要分为两类方法：一类是基于神经网络的学习方法，另外一类是依赖先验经验知识的阈值检测方法。基于机器学习的学习方法需要大量样本图像，对样本的可靠性依赖较高，此外训练的时间较慢，检测时间长，对干扰敏感，检测精度不高，而后者对在检测速度和精度上都有较大提高，但是对先验经验知识过度依赖，设定的阈值参数过多。

发明内容

针对现有啤酒瓶瓶口检测算法在瓶口严重破损或存在大量连续干扰时检测误差大这一问题，本发明提供了一种利用4圆周定位和迟滞阈值的啤酒瓶口缺陷检测方法，实现更加准确地瓶口缺陷检测。

一种利用4圆周定位和迟滞阈值的啤酒瓶口缺陷检测方法，包括以下步骤：

步骤1：获取啤酒瓶口图像；

步骤2：利用重心法获取啤酒瓶口图像的重心坐标；

步骤3：利用重心坐标和设定的扫描半径R_S，对啤酒瓶口图像进行N_s次径向扫描，获取瓶口边缘所在的4个圆周边缘点；

步骤4：对步骤3获取的圆周边缘点进行拟合，定位瓶口所在区域；

步骤5：将瓶口所在区域由内向外依次划分为三个区域，分别为内环区域ROI1、封盖面区域ROI2以及外环区域ROI3；

步骤6：对各区域沿径向方向展开成矩形，对展开的矩形沿垂直方向投影，根据各个区域径向展开的矩形的投影结果，计算各区域二值化的迟滞阈值；

Th_ROI1、Th_ROI1‘为内环区域ROI1二值化迟滞阈值，其中Th_ROI1<Th_ROI1‘，

Th_ROI2、Th_ROI2‘为封盖面区域ROI2二值化迟滞阈值，其中Th_ROI2<Th_ROI2‘，

Th_ROI3、Th_ROI3‘为外环区域ROI3二值化的迟滞阈值，其中Th_ROI3<Th_ROI3‘，

其中，和依次是内环区域ROI1、封盖面区域ROI2、外环区域ROI3的灰度投影最大值和平均值；

步骤7：根据步骤6计算出来的迟滞阈值，对内环区域ROI1和外环区域ROI3的径向展开图的垂直投影结果进行二值化；

步骤8：依据步骤7得到的内环区域ROI1和外环区域ROI3二值化结果，对内环区域ROI1和外环区域ROI3进行缺陷判断，若连续出现二值化投影值为0位置超过内外环阈值W1，则大于内外环阈值W1的区域判定为缺陷区域。

W1的值根据实际检测精度要求决定，在本专利中内外环的检测精度为2*2mm，W1的取值为10。

所述对内环区域ROI1和外环区域ROI3的径向展开图的垂直投影结果进行二值化的具体过程如下：

当内环区域ROI1的径向展开图的垂直投影结果中，当投影值大于Th_ROI1‘时，将其置为1，当投影值小于Th_ROI1时，将其值置为0；当投影值介于Th_ROI1和Th_ROI1‘之间时，根据其邻域位置二值化的值进行二值化，若邻域的二值化的值为1，则将该位置投影值置为1，若邻域的二值化的值为0，则将该位置置为0；

当外环区域ROI3的径向展开图的垂直投影结果中，当投影值大于Th_ROI3‘时，将其置为1，当投影值小于Th_ROI3时，将其值置为0；当投影值介于Th_ROI3和Th_ROI3‘之间时，根据其邻域位置二值化的值进行二值化，若邻域的二值化的值为1，则将该位置投影值置为1，若邻域的二值化的值为0，则将该位置置为0。

对封盖面区域ROI2进行二值化处理，检测封盖面区域ROI2是否存在缺陷；

首先，采用封盖面区域ROI2二值化迟滞阈值对封盖面区域ROI2进行二值化；

当封盖面区域ROI2的像素值大于Th_ROI2‘时将其像素值置为255,当封盖面区域ROI2的像素值小于Th_ROI2时，将其像素值置为0；当区域ROI2的像素值介于Th_ROI2和Th_ROI2‘之间时，判断其4邻域是否有像素值为255的像素点，若有则将其像素值置为255，否则将其像素值置为0；

其次，对二值化的封盖面区域ROI2进行连通域分析，求所有像素值为255的连通域的最小外接矩，将最小外接矩的长、宽和面积分别和设定矩形长度阈值、宽度阈值以及面积阈值进行比较，当连通域对应外接矩的大小超过设定阈值时，则该连通域为缺陷，表明封盖面区域ROI2存在缺陷。

阈值的设定根据实际检测精度确定，由先验样本确定。本发明专利中长度设为8，宽度设为4，面积设为14；

所述步骤2利用重心法获取啤酒瓶口图像的重心坐标的具体过程如下：

首先，对采集到的啤酒空瓶瓶口图像f(x,y)进行全局阈值分割处理，得到瓶口二值化图像g(x,y)，T为设定的分割阈值；

其次，按照重心计算公式获取重心坐标(X_O′,Y_O′)：

其中，N_b表示非0的像素点的总数量，x_m和y_m分别第m个非0像素点的x和y坐标，g(x_m,y_m)表示坐标为(x_m,y_m)的像素点对应的灰度值，1≤m≤N_b,m∈Z⁺。

所述步骤4中的对步骤3获取的圆周边缘点进行拟合的具体步骤如下：

步骤4.1：将步骤3获得的边缘点分别进行随机圆拟合；

从边缘点中随机采样3个点，第i次随机采集的三个点的坐标分别为： 根据这三点确定一个圆，该随机圆的坐标和半径为

步骤4.2：圆拟合度评估，以拟合度作为评估标准选择满足要求的随机圆作为四个候选圆；

所述圆拟合度＝内点数/边缘点总数；

到随机圆的距离小于阈值T_dist的边缘点为内点，否则为外点；

步骤4.3：将步骤4.2获得的候选圆的圆心进行均值化处理，获得待检测的瓶口圆心坐标；

令步骤4.2获得的四个候选圆圆周由内而外半径分别为R1、R2、R3和R4，圆心坐标分别为(X1,Y1)、(X2,Y2)、(X3,Y3)和(X4,Y4)，待检测的瓶口圆心坐标为(X,Y)：

X＝(X2+X3)/2

Y＝(Y2+Y3)/2

步骤4.4：以(X,Y)为圆心，半径分别为R1、R2、R3和R4绘制同心圆，半径为R1和半径为R4所包围的环形区域即为待检测的瓶口定位区域。

有益效果

与现有技术相比，本发明的优点在于：

(1)采用4圆周定位瓶口区域

通过扫面瓶口图像4个位置的边缘点，采用随机圆拟合法定位出4圆周，4圆周定位法有很高的抗干扰能力，大大提高了定位精度，为后续的瓶口缺陷检测提供了有效保障。

(2)分区域检测

本发明提出的啤酒空瓶瓶口缺陷检测方法，针对瓶口图象的特征，对瓶口图像进行分区，对不同的区域采用不同的方法进行检测，对瓶口图像的内外口径区域采用投影法进行缺陷检测，对封盖面采用双阈值分割和连通域分析进行缺陷检测，提高了瓶口缺陷的检测精度。

(3)迟滞阈值法增强检测的抗干扰能力

本发明提出的啤酒空瓶瓶口缺陷检测方法采用迟滞阈值进行图像分割，而不是采用单一阈值分割，通过对不确定的“灰色”区域的邻域关系的特征，来判断该区域是否为缺陷区域，增强了瓶口缺陷检测的抗干扰能力，降低了误检测率，提高了检测精度。

附图说明

图1为采集的具有缺陷的啤酒瓶口图像三种常见类型示意图，其中，(a)为瓶口封盖面破损，(b)为瓶口外环蹦口，(c)为瓶口内环蹦口；

图2是本发明啤酒瓶口缺陷检测方法的流程总框图；

图3是4圆周径向扫描示意图；

图4是啤酒瓶口图像分区域示意图；

图5是啤酒瓶口图像分区域径向展开图，其中，(a)ROI1，(b)ROI2，(c)ROI3；

图6是啤酒瓶口图像分区域径向展开图的投影图，其中，(a)为ROI1投影图，(b)为ROI2投影图，(c)为ROI3投影图；

图7是啤酒瓶口图像缺陷检测结果图。

具体实施方式

下面将结合附图和实施例对本发明做进一步的说明。

图1(a)(b)(c)分别是瓶口图像常见缺陷类型图，图2和图3分别是本发明啤酒瓶口缺陷检测方法的流程总框图和4圆周径向扫描示意图，其具体步骤如下：

(1)重心法获取瓶口重心位置。

首先，对采集到的啤酒空瓶瓶口源图像进行全局阈值分割处理，得到瓶口二值化图像，如式(1)所示，其中x,y分别表示像素的x,y坐标，T表示设定的分割阈值，在给定了啤酒空瓶型号和光源照明度之后，该阈值是经过实验测试得到的，因此，空瓶检测系统在调整瓶口光源亮度之后或进行另一型号的啤酒空瓶检测之前，需要使用一定数量的检测空瓶进行测试，以得到合适的阈值T；

随后，进行阈值处理并求出此二值瓶口图像的重心坐标(X_o'，Y_o')，重心计算公式如式(2)所示，其中，N_b、x_m和y_m分别表示非0的像素点的总数量、第m个非0像素点的x和y坐标，g(x_m,y_m)表示坐标为(x_m,y_m)的像素点对应的灰度值，1≤m≤N_b,m∈Z⁺，该值通过式(1)得到，因此，它只能为1或者0。

(2)径向扫描获得瓶口图像的4圆周上的边缘点。

如图3所示，以上述步骤(1)得到的重心位置O'为圆心，以R_S'为半径(R_S'预先设定，该值大致等于瓶口内边缘圆半径的二分之一)，绘制一个圆，该圆被称之为扫描圆，沿逆时针方向进行360度的径向扫描，径向扫描从半径始端P_i开始，当扫描到第一个非零像素点时将该像素点作为第一个圆周的边缘点，在扫描到第一个白色像素点后继续向外扫描，当遇到第一个黑色像素点后，该黑色像素点后有连续10个像素都是为黑色点，那么将该黑色像素点作为第二个圆周上的边缘点，继续向外扫描，当遇到白色像素点时将该点作为第三个圆周上的边缘点，在扫描到第三个圆周的边缘点后继续向外扫描到黑色像素点后，该黑色像素点后连续10个像素点都是黑色点，则将该黑色像素点作为第四个圆周上的边缘点。沿径向方向由内向外扫描的过程中，扫描到的边缘点可能是干扰点或者是瓶口的真实边缘点，沿着扫描半径方向一直扫描至设定的距离圆心O'最大距离R_max位置的过程中，可能会扫描不到部分边缘点，则说明这部分边缘点缺失，当瓶口边缘出现较大裂缝时会出现该情况。径向扫描每隔Δμ度进行一次，我们称Δμ为径向扫描步进角，Δμ预先设定，小于等于90度，一般取5度或更小的值。共进行N_s次径向扫描，N_s＝360/Δμ，得到扫描到的边缘点，得到的4圆周啤酒瓶瓶口的边缘点坐标为按顺序保存边缘点坐标和对应的序号，i表示第i个圆周，j表示第j次径向扫描，1≤i≤4，1≤j≤N_s,N_s＝360/Δμ，，其中和值可由式(3)得到，R_S为设定的扫描半径，R_S的值介于R_S'和设定的距离圆心O'最大距离R_max之间，j表示径向扫描的序号，如第10次径向扫描时j＝10，若无边缘点缺失，径向扫描得到的第二个圆周对应边缘点为

(3)通过随机圆法对扫描的4圆周边缘点进行圆拟合。

假设要拟合的圆周的边缘点个数为N‘，首先随机的从边缘点中采样3个点，假设第i次随机采集的三个点的坐标分别为：则根据这三点可以确定一个圆，该随机圆的坐标和半径为

公式(5)中为对应圆周上扫描得到的其他的边缘点X坐标和Y坐标，通过公式(5)判断扫描得到的边缘点是否为随机圆的内点。然后计算随机圆的拟合度，得到最接近瓶口真实边缘的圆。

(4)通过4圆周定位结果，分区域检测瓶口区域。

如图4所示，将瓶口区域分为三个检测区域，分别为ROI1、ROI2和ROI3三个检测区域。ROI1、ROI3为瓶口内外径边缘部分，ROI2为瓶口封盖面区域。将三个区域沿径向方向展开成矩形图像，如图5所示。然后对展开后的图像沿垂直方向投影，得到投影结果，如图6所示。根据投影结果计算阈值：

当内环区域ROI1的径向展开图的垂直投影结果中，当投影值大于Th_ROI1‘时，将其置为1，当投影值小于Th_ROI1时，将其值置为0；当投影值介于Th_ROI1和Th_ROI1‘之间时，根据其邻域位置二值化的值进行二值化，若邻域的二值化的值为1，则将该位置投影值置为1，若邻域的二值化的值为0，则将该位置置为0；

当外环区域ROI3的径向展开图的垂直投影结果中，当投影值大于Th_ROI3‘时，将其置为1，当投影值小于Th_ROI3时，将其值置为0；当投影值介于Th_ROI3和Th_ROI3‘之间时，根据其邻域位置二值化的值进行二值化，若邻域的二值化的值为1，则将该位置投影值置为1，若邻域的二值化的值为0，则将该位置置为0。

采用封盖面区域ROI2二值化迟滞阈值对封盖面区域ROI2进行二值化；

当封盖面区域ROI2的像素值大于Th_ROI2‘时将其像素值置为255,当封盖面区域ROI2的像素值小于Th_ROI2时，将其像素值置为0；当区域ROI2的像素值介于Th_ROI2和Th_ROI2‘之间时，判断其4邻域是否有像素值为255的像素点，若有则将其像素值置为255，否则将其像素值置为0；

其次，对二值化的封盖面区域ROI2进行连通域分析，求所有像素值为255的连通域的最小外接矩，将最小外接矩的长、宽和面积分别和设定矩形长度阈值、宽度阈值以及面积阈值进行比较，当连通域对应外接矩的大小超过设定阈值时，则该连通域为缺陷，表明封盖面区域ROI2存在缺陷。

如外接矩的尺寸为12*3，面积为36，其长度大于本发明方法中设定的阈值8，面积大于本发明方法中设定的阈值14，故将其判定为缺陷区域。

对瓶口图像采用本发明方法进行判定的结果图像如图7所示。缺陷类型为内环区域蹦口以及封盖面破损，在ROI1的投影图像中出现很明显的连续“低谷”，采用本发明方法对投影结果进行二值化后，有两个部分出现连续为0的数量大于本发明方法中设定的阈值10，故将其判定为缺陷部分。在封盖面区域，图像二值化后求得连通域的外接矩形的尺寸为5*11，面积为55，长度大于设定阈值8，宽度大于设定阈值4，面积大于设定阈值14，故将其判定为缺陷区域。

以上所述仅是本发明技术的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。

Claims (5)

1.一种利用4圆周定位和迟滞阈值的啤酒瓶口缺陷检测方法，其特征在于，包括以下步骤：

步骤1：获取啤酒瓶口图像；

步骤2：利用重心法获取啤酒瓶口图像的重心坐标；

步骤3：利用重心坐标和设定的扫描半径R_S，对啤酒瓶口图像进行N_s次径向扫描，获取瓶口边缘所在的4个圆周边缘点；

步骤4：对步骤3获取的圆周边缘点进行拟合，定位瓶口所在区域；

步骤5：将瓶口所在区域由内向外依次划分为三个区域，分别为内环区域ROI1、封盖面区域ROI2以及外环区域ROI3；

步骤6：对各区域沿径向方向展开成矩形，对展开的矩形沿垂直方向投影，根据各个区域径向展开的矩形的投影结果，计算各区域二值化的迟滞阈值；

Th_ROI1、Th_ROI1‘为内环区域ROI1二值化迟滞阈值，其中Th_ROI1<Th_ROI1‘，

Th_ROI2、Th_ROI2‘为封盖面区域ROI2二值化迟滞阈值，其中Th_ROI2<Th_ROI2‘，

Th_ROI3、Th_ROI3‘为外环区域ROI3二值化的迟滞阈值，其中Th_ROI3<Th_ROI3‘，

其中，和依次是内环区域ROI1、封盖面区域ROI2、外环区域ROI3的灰度投影最大值和平均值；

步骤7：根据步骤6计算出来的迟滞阈值，对内环区域ROI1和外环区域ROI3的径向展开图的垂直投影结果进行二值化；

步骤8：依据步骤7得到的内环区域ROI1和外环区域ROI3二值化结果，对内环区域ROI1和外环区域ROI3进行缺陷判断，若连续出现二值化投影值为0位置超过内外环阈值W1，则大于内外环阈值W1的区域判定为缺陷区域。

2.根据权利要求1所述的方法，其特征在于，所述对内环区域ROI1和外环区域ROI3的径向展开图的垂直投影结果进行二值化的具体过程如下：

当内环区域ROI1的径向展开图的垂直投影结果中，当投影值大于Th_ROI1‘时，将其置为1，当投影值小于Th_ROI1时，将其值置为0；当投影值介于Th_ROI1和Th_ROI1‘之间时，根据其邻域位置二值化的值进行二值化，若邻域的二值化的值为1，则将该位置投影值置为1，若邻域的二值化的值为0，则将该位置置为0；

当外环区域ROI3的径向展开图的垂直投影结果中，当投影值大于Th_ROI3‘时，将其置为1，当投影值小于Th_ROI3时，将其值置为0；当投影值介于Th_ROI3和Th_ROI3‘之间时，根据其邻域位置二值化的值进行二值化，若邻域的二值化的值为1，则将该位置投影值置为1，若邻域的二值化的值为0，则将该位置置为0。

3.根据权利要求1或2所述的方法，其特征在于，对封盖面区域ROI2进行二值化处理，检测封盖面区域ROI2是否存在缺陷；

首先，采用封盖面区域ROI2二值化迟滞阈值对封盖面区域ROI2进行二值化；

当封盖面区域ROI2的像素值大于Th_ROI2‘时将其像素值置为255,当封盖面区域ROI2的像素值小于Th_ROI2时，将其像素值置为0；当区域ROI2的像素值介于Th_ROI2和Th_ROI2‘之间时，判断其4邻域是否有像素值为255的像素点，若有则将其像素值置为255，否则将其像素值置为0；

其次，对二值化的封盖面区域ROI2进行连通域分析，求所有像素值为255的连通域的最小外接矩，将最小外接矩的长、宽和面积分别和设定矩形长度阈值、宽度阈值以及面积阈值进行比较，当连通域对应外接矩的大小超过设定阈值时，则该连通域为缺陷，表明封盖面区域ROI2存在缺陷。

4.根据权利要求3所述的方法，其特征在于，所述步骤2利用重心法获取啤酒瓶口图像的重心坐标的具体过程如下：

首先，对采集到的啤酒空瓶瓶口图像f(x,y)进行全局阈值分割处理，得到瓶口二值化图像g(x,y)，T为设定的分割阈值；

其次，按照重心计算公式获取重心坐标(X_O′,Y_O′)：

其中，N_b表示非0的像素点的总数量，x_m和y_m分别第m个非0像素点的x和y坐标，g(x_m,y_m)表示坐标为(x_m,y_m)的像素点对应的灰度值，1≤m≤N_b,m∈Z⁺。

5.根据权利要求4所述的方法，其特征在于，所述步骤4中的对步骤3获取的圆周边缘点进行拟合的具体步骤如下：

步骤4.1：将步骤3获得的边缘点分别进行随机圆拟合；

从边缘点中随机采样3个点，第i次随机采集的三个点的坐标分别为： 根据这三点确定一个圆，该随机圆的坐标和半径为

步骤4.2：圆拟合度评估，以拟合度作为评估标准选择满足要求的随机圆作为四个候选圆；

所述圆拟合度＝内点数/边缘点总数；

到随机圆的距离小于阈值T_dist的边缘点为内点，否则为外点；

步骤4.3：将步骤4.2获得的候选圆的圆心进行均值化处理，获得待检测的瓶口圆心坐标；

令步骤4.2获得的四个候选圆圆周由内而外半径分别为R1、R2、R3和R4，圆心坐标分别为(X1,Y1)、(X2,Y2)、(X3,Y3)和(X4,Y4)，待检测的瓶口圆心坐标为(X,Y)：

X＝(X2+X3)/2

Y＝(Y2+Y3)/2

步骤4.4：以(X,Y)为圆心，半径分别为R1、R2、R3和R4绘制同心圆，半径为R1和半径为R4所包围的环形区域即为待检测的瓶口定位区域。