CN106875441A - 一种基于机器视觉的在线pe瓶识别定位方法 - Google Patents
一种基于机器视觉的在线pe瓶识别定位方法 Download PDFInfo
- Publication number
- CN106875441A CN106875441A CN201611186276.9A CN201611186276A CN106875441A CN 106875441 A CN106875441 A CN 106875441A CN 201611186276 A CN201611186276 A CN 201611186276A CN 106875441 A CN106875441 A CN 106875441A
- Authority
- CN
- China
- Prior art keywords
- bottles
- image
- bottleneck
- machine vision
- positioning method
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种基于机器视觉的在线PE瓶识别定位方法,包括如下步骤:步骤1、分别利用2个相机完成PE瓶瓶口和瓶身图像的采集,并对初始图像进行灰度变换;步骤2、采用中值滤波和拉普拉斯锐化对瓶口和瓶身图像进行预处理;步骤3、采用canny算子提取瓶身轮廓和瓶口轮廓;步骤4、计算瓶身轮廓像素点,完成基于轮廓周长匹配的PE瓶目标识别;步骤5、采用最小二乘法对图像轮廓离散点进行椭圆拟合,根据拟合完成的椭圆方程,计算椭圆质心坐标,即为PE瓶瓶口像素坐标值。该方法可以在高速运动的传送带上,准确快速的识别定位PE瓶,适用于自动化流水线上PE瓶的检测分拣。本发明精度较高、可靠性较好、工作效率较高。
Description
技术领域
本发明属于图像处理技术领域,特别涉及一种基于机器视觉的在线PE瓶识别定位方法。
背景技术
传统的灌装瓶质量检测是通过人工灯光检验,员工在流水线上利用肉眼查看。但是这种方式从效率到精度以及人工视觉疲劳各方面都达不到检测标准,尤其在大批量生产检测的情况下,往往导致遗漏和误判的情况,导致部分不合格的瓶装饮料流入市场,影响企业形象。因此在灌装完毕后,需要提供一种检测法保证PE瓶检测的可靠性和快速性,而基于机器视觉的PE瓶检测技术克服人工检测的不足,满足工业自动化生产中的高速高精度检测,其中基于机器视觉的在线PE瓶识别定位一个必不可少的过程。
发明内容
为了克服已有PE瓶识别定位采用人工方式的精度较低、可靠性较差、工作效率较低的不足,本发明提供一种精度较高、可靠性较好、工作效率较高的基于机器视觉的在线PE瓶识别定位方法。
本发明解决其技术问题所采用的技术方案是:
一种基于机器视觉的在线PE瓶识别定位方法,包括如下步骤:
步骤1、分别利用2个相机完成PE瓶瓶口和瓶身图像的采集,并对初始图像进行灰度变换;
步骤2、采用中值滤波和拉普拉斯锐化对瓶口和瓶身图像进行预处理;
步骤3、采用canny算子提取瓶身轮廓和瓶口轮廓;
步骤4、计算瓶身轮廓像素点,完成基于轮廓周长匹配的PE瓶目标识别;
步骤5、采用最小二乘法对图像轮廓离散点进行椭圆拟合,根据拟合完成的椭圆方程,计算椭圆质心坐标,即为PE瓶瓶口像素坐标值。
进一步,所述步骤1中,将PE瓶放在传送带上,由编码器记录传送带位移,发送外部触发信号控制两个相机拍照,并将采集到的PE瓶的瓶身和瓶口图像输出给处理器完成图像的灰度变化。
再进一步,所述步骤3中,利用opencv中cvCanny函数对灰度变换后的PE瓶身和瓶口进行轮廓检测。
更进一步,所述步骤4中,计算瓶身轮廓像素点,完成基于轮廓周长匹配的PE瓶目标识别,图像轮廓周长值表示为像素点的总和,一幅图像的长和宽分别为M,N,而白色轮廓的像素值P(i,j)为1,其余位置为0,因此轮廓周长即为:
以像素点表示的周长存在较小的误差,假设图像的周长为C′,模板周长为C,周长的允许误差为ε,所以当满足式下面公式认为是PE瓶图像:
所述步骤5中,采用最小二乘法拟合椭圆的方法,将已检测的PE瓶瓶口轮廓图像进行椭圆拟合,计算椭圆质心坐标,完成PE瓶的定位。
本发明的有益效果主要表现在:根据外形轮廓PE瓶特点,分析得到一种快速准确的检测方法,能对快速移动的PE瓶进行识别定位,且算法鲁棒性强;精度较高、可靠性较好、工作效率较高。
附图说明
图1是本发明基于机器视觉的PE瓶识别定位方法的流程图。
图2是PE瓶图像预处理后的图像,其中(a)为瓶身图像,(b)为瓶口图像。
图3是PE瓶canny算子边缘检测后的轮廓图,其中(a)为瓶身图像,(b)为瓶口图像。
图4是PE瓶轮廓进行最小二乘法椭圆拟合后,质心检测的效果图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1~图4,一种基于机器视觉的在线PE瓶识别定位方法,用于准确的对快速移动中的PE瓶进行识别定位,结合图1,步骤如下:
步骤1、分别利用2个相机完成PE瓶瓶口和瓶身图像的采集,并对初始图像进行灰度变换,具体方法如下;
将PE瓶放在传送带上,由编码器记录传送带位移,发送外部触发信号控制两个相机拍照,并将采集到的PE瓶身和瓶口图像输出给处理器完成图像的灰度变化。
步骤2、采用中值滤波和拉普拉斯锐化对瓶口和瓶身图像进行预处理。如图2(a)和(b)所示,为预处理后的瓶身与瓶口的图像。
步骤3、采用canny算子边缘检测方法,提取瓶身轮廓和瓶口轮廓,如图3(a)和(b)所示,分别为瓶身和瓶口的轮廓图。
步骤4、计算瓶身轮廓像素点,完成基于轮廓周长匹配的PE瓶目标识别。图像轮廓周长值可以表示为像素点的总和,一幅图像的长和宽分别为M,N,而白色轮廓的像素值P(i,j)为1,其余位置为0,因此轮廓周长即为:
A即为目标物体轮廓周长。对不同的4种合格PE瓶周长计算,测试结果如表1所示:
表1
经上述实验结果分析,相同型号PE瓶通过图像处理后,以像素点表示的周长存在较小的误差,假设图像的周长为C′,模板周长为C,周长的允许误差为ε,所以当满足式下面公式可认为是PE瓶图像。
为了提高识别精度,可改变ε的值来调节匹配的精度。
步骤5、采用最小二乘法对图像轮廓离散点进行椭圆拟合,根据拟合完成的椭圆方程,计算椭圆中心坐标,即为PE瓶口像素坐标值,具体方法如下:
5.1.给定Tf、Tmin、Ta、Tb、Tr这5个阈值,并初始化计数器f=0。Tf表示最大失败次数,Ta为轮廓两点间距,Tmin表示边缘点集中数,Tb表示任意点到可能椭圆边界的距离的阈值,Tr表示椭圆残缺率。
5.2.当最大失败次数Tf等于零或者边缘集中点小于Tmin,停止拟合;否则,从轮廓点集D中随机选取6个,存入数组P中,D=D-P。
5.3.在保证任意两点之间的距离大于Ta的情况下,根据这6个点求出椭圆方程参数,并要求满足4ac-b2≥0,并且点到轮廓边界的距离小于Tb;否则继续(2)的步骤。
5.4.遍历D中所有的轮廓点,判断他们到轮廓边缘距离是否小于Tb,如果是f=f+1,计数器f的数值即为轮廓点集合元素个数。
5.5.如果f≥LTr,L为可能椭圆的周长,则判断该椭圆为合适的椭圆轮廓由此可检测到椭圆轮廓,另根据下列两公式:
Ax2+Bxy+Cy2+Dy+Ey+1=0
得椭圆中心坐标(x0,y0)为,如图4所示为对两幅PE瓶图像进行质心检测结果坐标分别为(124.6,126.4),(125.8,127.3):
综上所述,本发明根据外形轮廓PE瓶特点,分析得到一种快速准确的检测方法,并在实际传送带检测平台进行验证,能够对快速移动的PE瓶进行识别定位,且算法鲁棒性强。
Claims (5)
1.一种基于机器视觉的在线PE瓶识别定位方法,其特征在于:所述识别定位方法包括如下步骤:
步骤1、分别利用2个相机完成PE瓶瓶口和瓶身图像的采集,并对初始图像进行灰度变换;
步骤2、采用中值滤波和拉普拉斯锐化对瓶口和瓶身图像进行预处理;
步骤3、采用canny算子提取瓶身轮廓和瓶口轮廓;
步骤4、计算瓶身轮廓像素点,完成基于轮廓周长匹配的PE瓶目标识别;
步骤5、采用最小二乘法对图像轮廓离散点进行椭圆拟合,根据拟合完成的椭圆方程,计算椭圆质心坐标,即为PE瓶瓶口像素坐标值。
2.如权利要求1所述的基于机器视觉的PE瓶识别定位方法,其特征在于:所述步骤1中,将PE瓶放在传送带上,由编码器记录传送带位移,发送外部触发信号控制两个相机拍照,并将采集到的PE瓶的瓶身和瓶口图像输出给处理器完成图像的灰度变化。
3.如权利要求1或2所述的基于机器视觉的PE瓶识别定位方法,其特征在于:所述步骤3中,利用opencv中cvCanny函数对灰度变换后的PE瓶身和瓶口进行轮廓检测。
4.如权利要求1或2所述的基于机器视觉的PE瓶识别定位方法,其特征在于:所述步骤4中,计算瓶身轮廓像素点,完成基于轮廓周长匹配的PE瓶目标识别,图像轮廓周长值表示为像素点的总和,一幅图像的长和宽分别为M,N,而白色轮廓的像素值P(i,j)为1,其余位置为0,因此轮廓周长即为:
以像素点表示的周长存在较小的误差,假设图像的周长为C′,模板周长为C,周长的允许误差为ε,所以当满足式下面公式认为是PE瓶图像:
5.如权利要求4所述的基于机器视觉的PE瓶识别定位方法,其特征在于:所述步骤5中,采用最小二乘法拟合椭圆的方法,将已检测的PE瓶瓶口轮廓图像进行椭圆拟合,计算椭圆质心坐标,完成PE瓶的定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611186276.9A CN106875441A (zh) | 2016-12-20 | 2016-12-20 | 一种基于机器视觉的在线pe瓶识别定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611186276.9A CN106875441A (zh) | 2016-12-20 | 2016-12-20 | 一种基于机器视觉的在线pe瓶识别定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106875441A true CN106875441A (zh) | 2017-06-20 |
Family
ID=59164900
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611186276.9A Pending CN106875441A (zh) | 2016-12-20 | 2016-12-20 | 一种基于机器视觉的在线pe瓶识别定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106875441A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107798326A (zh) * | 2017-10-20 | 2018-03-13 | 华南理工大学 | 一种轮廓视觉检测算法 |
CN109767424A (zh) * | 2018-12-13 | 2019-05-17 | 西安电子科技大学 | 基于fpga的双目视觉列车注水口检测定位方法 |
CN110332894A (zh) * | 2019-07-10 | 2019-10-15 | 中国地质大学(武汉) | 一种基于双目视觉的坝体表面位移非接触性测量方法 |
CN111080696A (zh) * | 2019-10-25 | 2020-04-28 | 青岛农业大学 | 一种基于计算机视觉的水下海参识别及定位方法 |
CN112194011A (zh) * | 2020-08-31 | 2021-01-08 | 南京理工大学 | 一种基于双目视觉的塔吊自动装载方法 |
CN112577967A (zh) * | 2021-01-06 | 2021-03-30 | 河南理工大学 | 医药安瓿瓶头部外观质量检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708368A (zh) * | 2012-05-04 | 2012-10-03 | 湖南大学 | 一种基于机器视觉的生产线上瓶体的定位方法 |
CN104835166A (zh) * | 2015-05-13 | 2015-08-12 | 山东大学 | 基于机器视觉检测平台的液体药瓶异物检测方法 |
US20160282106A1 (en) * | 2013-09-16 | 2016-09-29 | Steinfurth Mess-Systeme GmbH | Method and device for establishing a geometry of a container for packaging a flowable medium |
-
2016
- 2016-12-20 CN CN201611186276.9A patent/CN106875441A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708368A (zh) * | 2012-05-04 | 2012-10-03 | 湖南大学 | 一种基于机器视觉的生产线上瓶体的定位方法 |
US20160282106A1 (en) * | 2013-09-16 | 2016-09-29 | Steinfurth Mess-Systeme GmbH | Method and device for establishing a geometry of a container for packaging a flowable medium |
CN104835166A (zh) * | 2015-05-13 | 2015-08-12 | 山东大学 | 基于机器视觉检测平台的液体药瓶异物检测方法 |
Non-Patent Citations (3)
Title |
---|
孙涛: "基于图像匹配的PET饮料瓶封装缺陷检测研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
张寒乐: "西林瓶缺陷视觉检测系统研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
陈西广: "机器视觉技术在啤酒瓶在线检测系统中的应用研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107798326A (zh) * | 2017-10-20 | 2018-03-13 | 华南理工大学 | 一种轮廓视觉检测算法 |
CN109767424A (zh) * | 2018-12-13 | 2019-05-17 | 西安电子科技大学 | 基于fpga的双目视觉列车注水口检测定位方法 |
CN110332894A (zh) * | 2019-07-10 | 2019-10-15 | 中国地质大学(武汉) | 一种基于双目视觉的坝体表面位移非接触性测量方法 |
CN111080696A (zh) * | 2019-10-25 | 2020-04-28 | 青岛农业大学 | 一种基于计算机视觉的水下海参识别及定位方法 |
CN111080696B (zh) * | 2019-10-25 | 2023-08-08 | 青岛农业大学 | 一种基于计算机视觉的水下海参识别及定位方法 |
CN112194011A (zh) * | 2020-08-31 | 2021-01-08 | 南京理工大学 | 一种基于双目视觉的塔吊自动装载方法 |
CN112577967A (zh) * | 2021-01-06 | 2021-03-30 | 河南理工大学 | 医药安瓿瓶头部外观质量检测方法 |
CN112577967B (zh) * | 2021-01-06 | 2023-05-16 | 河南理工大学 | 医药安瓿瓶头部外观质量检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106875441A (zh) | 一种基于机器视觉的在线pe瓶识别定位方法 | |
CN106824816B (zh) | 一种基于机器视觉的pe瓶检测与分拣方法 | |
CN106568783B (zh) | 一种五金零件缺陷检测系统及方法 | |
CN104990926B (zh) | 一种基于视觉的tr元件定位和缺陷检测方法 | |
CN107798326B (zh) | 一种轮廓视觉检测方法 | |
CN105046700B (zh) | 基于亮度校正与颜色分类的水果表面缺陷检测方法及系统 | |
CN104915963B (zh) | 一种用于plcc元件的检测与定位方法 | |
CN106290394B (zh) | 一种cpu散热器铝挤成型缺陷检测系统及检测方法 | |
CN107389701A (zh) | 一种基于图像的pcb表观缺陷自动检测系统及方法 | |
CN109658402A (zh) | 基于计算机视觉成像的工业型材几何尺寸自动检测方法 | |
CN105403147B (zh) | 一种基于嵌入式的瓶胚检测系统和检测方法 | |
CN107941808A (zh) | 基于机器视觉的3d打印成型质量检测系统及方法 | |
CN107588723B (zh) | 一种基于两步法的高速动目标上圆形标记漏点检测方法 | |
CN110174065B (zh) | 基于正交双目机器视觉的水果大小无损检测方法 | |
CN106018422B (zh) | 基于匹配的异形冲压件轮廓缺陷视觉检测系统及方法 | |
CN102221556A (zh) | 基于机器视觉的小型连接件外观缺陷在线检测装置与方法 | |
CN112465809B (zh) | 一种基于图像识别的模具缺陷检测方法、计算机可读存储介质及装置 | |
CN109978940B (zh) | 一种sab安全气囊尺寸视觉测量方法 | |
CN102441581A (zh) | 基于机器视觉的型钢断面尺寸在线检测的装置及方法 | |
CN104809738A (zh) | 一种基于双目视觉的安全气囊轮廓尺寸检测方法 | |
CN102496161A (zh) | 一种印刷电路板图像的轮廓提取方法 | |
CN105954301A (zh) | 一种基于机器视觉的瓶口质量检测方法 | |
CN113012098B (zh) | 一种基于bp神经网络的铁塔角钢冲孔缺陷检测方法 | |
CN106504262A (zh) | 一种多特征融合的小瓷砖智能定位方法 | |
CN106813569A (zh) | 一种基于线结构光的汽车轮胎三维定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170620 |