CN116609853A - 硼硅玻璃注射瓶包装端瓶内异物超声波自动检测装置 - Google Patents
硼硅玻璃注射瓶包装端瓶内异物超声波自动检测装置 Download PDFInfo
- Publication number
- CN116609853A CN116609853A CN202310870573.9A CN202310870573A CN116609853A CN 116609853 A CN116609853 A CN 116609853A CN 202310870573 A CN202310870573 A CN 202310870573A CN 116609853 A CN116609853 A CN 116609853A
- Authority
- CN
- China
- Prior art keywords
- ultrasonic
- data
- image
- borosilicate glass
- detection
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 96
- 238000002347 injection Methods 0.000 title claims abstract description 31
- 239000007924 injection Substances 0.000 title claims abstract description 31
- 239000005388 borosilicate glass Substances 0.000 title claims abstract description 29
- 238000004806 packaging method and process Methods 0.000 title claims abstract description 22
- 238000005457 optimization Methods 0.000 claims abstract description 45
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 44
- 238000001914 filtration Methods 0.000 claims abstract description 26
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims description 55
- 230000006870 function Effects 0.000 claims description 44
- 239000000243 solution Substances 0.000 claims description 44
- 230000003287 optical effect Effects 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 14
- 239000013598 vector Substances 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000003708 edge detection Methods 0.000 claims description 10
- 238000011478 gradient descent method Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 7
- 230000002708 enhancing effect Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 230000001629 suppression Effects 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 108010076504 Protein Sorting Signals Proteins 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000008713 feedback mechanism Effects 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000035515 penetration Effects 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 239000000523 sample Substances 0.000 description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012858 packaging process Methods 0.000 description 2
- 241000255925 Diptera Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000012472 biological sample Substances 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
-
- 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
-
- 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
- G01N21/90—Investigating the presence of flaws or contamination in a container or its contents
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/10—Detecting, e.g. by using light barriers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P40/00—Technologies relating to the processing of minerals
- Y02P40/50—Glass production, e.g. reusing waste heat during processing or shaping
- Y02P40/57—Improving the yield, e-g- reduction of reject rates
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Acoustics & Sound (AREA)
- Signal Processing (AREA)
- Remote Sensing (AREA)
- Geology (AREA)
- Environmental & Geological Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了硼硅玻璃注射瓶包装端瓶内异物超声波自动检测装置，涉及硼硅玻璃注射瓶生产技术领域，包括：输送带，所述输送带的顶面安装有用于检测硼硅玻璃注射瓶塑封包装内是否有异物的检测结构；信号增强和滤波；数据采集和预处理；建立优化模型，专用软件从预处理的数据中提取与异物检测相关的信号特征，如异物尺寸、振幅、频率、反射强度，并根据采集的数据和特征，建立一个不断自主学习的优化算法；脉冲重复频率PRF和脉冲宽度；优化图像显示和分析；本申请可以有效提高异物自动检测装置对硼硅玻璃瓶塑封包装内异物的检测效率和精度，降低对微小和隐藏异物的漏检率，提高检测的准确性和可靠性。
Description
技术领域
本发明涉及硼硅玻璃注射瓶生产技术领域，更具体地说，涉及硼硅玻璃注射瓶包装端瓶内异物超声波自动检测装置。
背景技术
硼硅玻璃注射瓶常用于制药工业中的药物包装和输送，确保药物的质量和稳定性。它也被广泛用于医院、实验室和研究机构中，用于保存和处理各种化学品和生物样本。
硼硅玻璃注射瓶在生产过程中，通过塑封包装机经过自动包装完成后，还要进行最后一次检验，该次检验的主要内容是检查注射瓶内腔是否有包装过程中落入的“蚊虫”“铁屑”等异物，由于产品已经被包装，无法通过激光成像检查包装中的产品内腔情况。为此采用了一个“超声波”发射装置和一个接收装置，以及若干传感器，连接计算机，通过专用软件对包装体内的异常反射点进行监控，大大减少了人工肉眼检测的劳动强度，降低了漏检率。
但是通过单一的超声波检测，漏检率还是很高。超声波的传播和接收受到多种因素的影响，例如声波的频率、传感器的位置和质量等。这些因素可能导致检测的灵敏度受限，有可能导致一些微小或隐藏的异物无法被有效检测到。
发明内容
针对现有技术中存在的问题，本发明的目的在于提供硼硅玻璃注射瓶包装端瓶内异物超声波自动检测装置，它可以有效提高异物自动检测装置对硼硅玻璃瓶塑封包装内异物的检测效率和精度，降低对微小和隐藏异物的漏检率，提高检测的准确性和可靠性。
为解决上述问题，本发明采用如下的技术方案：
硼硅玻璃注射瓶包装端瓶内异物超声波自动检测装置，包括：
输送带，所述输送带的顶面安装有用于检测硼硅玻璃注射瓶塑封包装内是否有异物的检测结构；
信号增强和滤波，所述检测结构对采集到的超声波信号进行适当的信号增强和滤波处理，减少噪音干扰并突出目标异物的信号；
数据采集和预处理，专用软件收集和保存所述检测结构记录所有有关硼硅玻璃注射瓶包装的检测信息，并建立数据库，该数据库存储数据之前对采集数据进行噪声去除、数据对齐和标准化等处理；
建立优化模型，专用软件从预处理的数据中提取与异物检测相关的信号特征，如异物尺寸、振幅、频率、反射强度，并根据采集的数据和特征，建立一个不断自主学习的优化算法；
脉冲重复频率PRF和脉冲宽度，脉冲重复频率和脉冲宽度直接影响到超声波的穿透深度和分辨率，根据优化算法得出最优解，专用软件调整脉冲重复频率和脉冲宽度，平衡深度和分辨率的要求，获得更好的检测结果；
优化图像显示和分析，采用图像增强和边缘检测的方法进行图像显示和分析技术，进一步优化检测结果。
作为本发明的一种优选方案，所述检测结构包括检测架、控制器、光学传感器、超声波发射器、温度传感器、超声波接收器和位置传感器，所述检测架安装于所述输送带的顶面，所述控制器安装于所述检测架的顶面，三个所述光学传感器分别安装于所述检测架的内部两侧和顶面，所述超声波发射器和所述超声波接收器安装于所述检测架的内部顶面，所述温度传感器和所述位置传感器安装于所述检测架的内部顶面，且所述温度传感器和所述位置传感器分别安装于所述超声波发射器的两侧。
作为本发明的一种优选方案，所述温度传感器用于监测环境温度，温度变化可会对超声波的传播速度和检测结果产生影响，通过监测温度，所述控制器便于进行相应的校正和调整；所述位置传感器用于确定所述光学传感器、所述超声波发射器和所述超声波接收器的位置和角度，通过所述位置传感器的监测，可以调整光学传感器所述超声波发射器和所述超声波接收器的发射和接收角度，以获得更准确的检测结果。
作为本发明的一种优选方案，数据处理中，具体的处理方法：
噪声去除， 噪声是信号中的无用或干扰部分，通过滤波和降噪算法去除噪声来提取信号中的有用信息，其中：
均值滤波（Mean Filtering）：
；
中值滤波（Median Filtering）：
；
小波阈值去噪（Wavelet Thresholding）：
。
其中，T 是阈值，x^[n] 是去噪后的信号的采样值，x[n] 表示输入信号的采样值，N 是窗口大小或滤波器的长度，k 是窗口内的索引；
数据对齐， 数据对齐是将多个数据样本或信号序列调整到一个共同的参考框架或时间基准上，以便进行后续的比较和分析，数据对齐的目的是消除样本之间的时间偏移或相位差异，
时间对齐，对于时间序列数据，时间对齐是通过调整样本的采样时间或插值方法，将它们对齐到相同的时间点上，常用的时间对齐方法包括插值法、时间拉伸法和时间截断法等，
相位对齐，对于周期性信号或具有相位特征的信号，相位对齐是通过调整信号的相位角度或周期，将它们对齐到相同的相位位置上，常用的相位对齐方法包括互相关法、相位差法和基于相位锁定环路的方法等；
数据标准化，是将数据转换为具有相同尺度和均值的形式，以便进行更可靠和一致的比较和分析，标准化可以消除数据之间的量纲差异和偏差，使得数据更具可比性。
作为本发明的一种优选方案，优化算法是解决最优化问题的数学和计算方法，通过迭代搜索过程，寻找目标函数的最优解，以下是优化算法的原理过程：
目标函数定义，优化算法的第一步是定义目标函数，目标函数是要优化的问题的数学表示，通常是一个关于自变量的函数，优化算法的目标是找到使目标函数取得最小值或最大值的自变量；
初始解的选择，优化算法需要一个初始解来开始迭代搜索过程，通过随机选择一个初始解，或者根据问题的特点选择一个合理的初始解；
迭代搜索过程，优化算法通过迭代搜索来逐步改进解的质量，迭代过程中，算法根据当前解的评估情况，通过一定的策略更新解的值，本发明采用梯度下降法进行更新：
目标函数：假设目标函数为J(θ)，其中 θ 是自变量，
参数更新规则：梯度下降法通过计算目标函数的梯度向量，并利用梯度的方向和大小来更新参数，参数更新的公式如下：
θ:=θ−α∇J(θ) 其中，α 是学习率（步长），∇J(θ) 是目标函数 J(θ) 的梯度向量，
梯度计算：梯度向量可以通过对目标函数进行偏导数计算得到，对于每个参数 θi，梯度的计算公式如下：∂J(θ)/∂θi 梯度向量由所有参数的偏导数组成，
梯度下降法的基本思想是沿着目标函数的梯度方向更新参数，以逐步接近最优解，学习率决定了每次更新的步长大小，较小的学习率可以增加收敛的稳定性，但可能需要更多的迭代次数；
目标函数的评估，在每次迭代中，优化算法需要计算目标函数的值来评估当前解的优劣；
收敛准则，优化算法需要定义一个收敛准则来判断迭代过程是否达到了停止条件，常见的收敛准则包括目标函数值的变化范围、迭代次数的限制、自变量的变化量等，当满足收敛准则时，算法停止迭代并输出最优解；
解的验证，在得到最优解后，需要通过对最优解进行实际测试或模拟进行验证，验证的目的是确认最优解是否满足问题的约束条件和要求。
作为本发明的一种优选方案，根据优化算法得到的最佳参数配置，应用于所述光学传感器和所述超声波发射器以及所述超声波接收器中，通过专业软件控制和实时反馈机制，根据实际情况对参数进行动态调整和优化。
作为本发明的一种优选方案，专用软件需要对所述光学传感器采集到的图像进行优化处理，常用到的方式有：
灰度拉伸，通过调整图像的像素值范围，将图像的对比度进行增强，使细节更加明显；
直方图均衡化，通过重新分布图像的像素值，增强图像的对比度，使图像的直方图更加均匀；
锐化，通过增强图像中的高频细节，使图像看起来更加清晰和锐利；
去噪，通过滤波等技术去除图像中的噪声，提高图像的清晰度和质量。
作为本发明的一种优选方案，专用软件还会通过边缘检测的方法对所述光学传感器采集到的图像进一步优化处理：
Canny边缘检测算法是在图像处理中广泛应用的边缘检测算法之一，Canny边缘检测算法具有较好的边缘定位和低误差率等优点，
高斯滤波：
；
计算梯度：
；
计算梯度幅值和方向：
；
非极大值抑制：
；
双阈值检测：
强边缘=NMS(M，Θ) if NMS(M，Θ)>高阈值
弱边缘=NMS(M，Θ) if NMS(M，Θ)>低阈值and NMS(M，Θ)≤高阈值非边缘=NMS(M，Θ) if NMS(M，Θ)≤低阈值
在上述公式中，I(x, y)表示原始图像，G(x, y)是高斯滤波器，G_x和 G_y是图像I在x和y方向上的梯度，M是梯度幅值，\Theta是梯度方向，NMS是非极大值抑制函数，高阈值和低阈值是用户设定的阈值。
相比于现有技术，本发明的优点在于：
（1）在本申请中，通过超声波和光学传感器技术实现对硼硅玻璃注射瓶内腔的自动检测，取代了传统的人工肉眼检测，减少了人工操作的劳动强度，并且所述光学传感器和超声波发射器以及超声波接收器能够快速完成对注射瓶内腔的检测，大大提高了生产效率，相比手动检测，它能够在更短的时间内完成检测任务。
（2）在本申请中，结合超声波和光学传感器技术，可以精确地探测注射瓶内腔的异物和缺陷，不仅可以检测到包装过程中可能掉入的异物，还能检测到光学传感器能够捕捉到的微小异物或细微的缺陷，提高了检测的准确性。
（3）在本申请中，专业软件内置数据库和可以不断学习的优化算法，不仅能够对检测到的数据进行记录和分析，建立历史数据记录，帮助监测和追溯产品质量，而且能够不断优化超声波和光学传感器的检测参数，并且通过自动化的方式控制所述检测结构，大大提高检测效率、准确性和可靠性。
附图说明
图1为本发明的系统逻辑结构示意图；
图2为本发明的立体结构示意图；
图3为本发明的侧视结构示意图；
图4为本发明的平面结构示意图。
图中标号说明：
1、输送带，2、检测结构，21、检测架，22、控制器，23、光学传感器，24、超声波发射器，25、温度传感器，26、超声波接收器，27、位置传感器。
具体实施方式
下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1-4所示，硼硅玻璃注射瓶包装端瓶内异物超声波自动检测装置，包括：
输送带1，所述输送带1的顶面安装有用于检测硼硅玻璃注射瓶塑封包装内是否有异物的检测结构2；
信号增强和滤波，所述检测结构2对采集到的超声波信号进行适当的信号增强和滤波处理，减少噪音干扰并突出目标异物的信号；
数据采集和预处理，专用软件收集和保存所述检测结构2记录所有有关硼硅玻璃注射瓶包装的检测信息，并建立数据库，该数据库存储数据之前对采集数据进行噪声去除、数据对齐和标准化等处理；
建立优化模型，专用软件从预处理的数据中提取与异物检测相关的信号特征，如异物尺寸、振幅、频率、反射强度，并根据采集的数据和特征，建立一个不断自主学习的优化算法；
脉冲重复频率PRF和脉冲宽度，脉冲重复频率和脉冲宽度直接影响到超声波的穿透深度和分辨率，根据优化算法得出最优解，专用软件调整脉冲重复频率和脉冲宽度，平衡深度和分辨率的要求，获得更好的检测结果；
优化图像显示和分析，采用图像增强和边缘检测的方法进行图像显示和分析技术，进一步优化检测结果。
具体的，所述检测结构2包括检测架21、控制器22、光学传感器23、超声波发射器24、温度传感器25、超声波接收器26和位置传感器27，所述检测架21安装于所述输送带1的顶面，所述控制器22安装于所述检测架21的顶面，三个所述光学传感器23分别安装于所述检测架21的内部两侧和顶面，所述超声波发射器24和所述超声波接收器26安装于所述检测架21的内部顶面，所述温度传感器25和所述位置传感器27安装于所述检测架21的内部顶面，且所述温度传感器25和所述位置传感器27分别安装于所述超声波发射器24的两侧。
具体的，所述温度传感器25用于监测环境温度，温度变化可会对超声波的传播速度和检测结果产生影响，通过监测温度，所述控制器22便于进行相应的校正和调整；所述位置传感器27用于确定所述光学传感器23、所述超声波发射器24和所述超声波接收器26的位置和角度，通过所述位置传感器27的监测，可以调整光学传感器23所述超声波发射器24和所述超声波接收器26的发射和接收角度，以获得更准确的检测结果。
具体的，数据处理中，具体的处理方法：
噪声去除， 噪声是信号中的无用或干扰部分，通过滤波和降噪算法去除噪声来提取信号中的有用信息，其中：
均值滤波（Mean Filtering）：
；
中值滤波（Median Filtering）：
；
小波阈值去噪（Wavelet Thresholding）：
；
其中，T 是阈值，x^[n] 是去噪后的信号的采样值，x[n] 表示输入信号的采样值，N 是窗口大小或滤波器的长度，k 是窗口内的索引；
数据对齐， 数据对齐是将多个数据样本或信号序列调整到一个共同的参考框架或时间基准上，以便进行后续的比较和分析，数据对齐的目的是消除样本之间的时间偏移或相位差异，
时间对齐，对于时间序列数据，时间对齐是通过调整样本的采样时间或插值方法，将它们对齐到相同的时间点上，常用的时间对齐方法包括插值法、时间拉伸法和时间截断法等，
相位对齐，对于周期性信号或具有相位特征的信号，相位对齐是通过调整信号的相位角度或周期，将它们对齐到相同的相位位置上，常用的相位对齐方法包括互相关法、相位差法和基于相位锁定环路的方法等；
数据标准化，是将数据转换为具有相同尺度和均值的形式，以便进行更可靠和一致的比较和分析，标准化可以消除数据之间的量纲差异和偏差，使得数据更具可比性。
具体的，优化算法是解决最优化问题的数学和计算方法，通过迭代搜索过程，寻找目标函数的最优解，以下是优化算法的原理过程：
目标函数定义，优化算法的第一步是定义目标函数，目标函数是要优化的问题的数学表示，通常是一个关于自变量的函数，优化算法的目标是找到使目标函数取得最小值或最大值的自变量；
初始解的选择，优化算法需要一个初始解来开始迭代搜索过程，通过随机选择一个初始解，或者根据问题的特点选择一个合理的初始解；
迭代搜索过程，优化算法通过迭代搜索来逐步改进解的质量，迭代过程中，算法根据当前解的评估情况，通过一定的策略更新解的值，本发明采用梯度下降法进行更新：
目标函数：假设目标函数为J(θ)，其中 θ 是自变量，
参数更新规则：梯度下降法通过计算目标函数的梯度向量，并利用梯度的方向和大小来更新参数，参数更新的公式如下：
θ:=θ−α∇J(θ) 其中，α 是学习率（步长），∇J(θ) 是目标函数 J(θ) 的梯度向量，
梯度计算：梯度向量可以通过对目标函数进行偏导数计算得到，对于每个参数 θi，梯度的计算公式如下：∂J(θ)/∂θi 梯度向量由所有参数的偏导数组成，
梯度下降法的基本思想是沿着目标函数的梯度方向更新参数，以逐步接近最优解，学习率决定了每次更新的步长大小，较小的学习率可以增加收敛的稳定性，但可能需要更多的迭代次数；
目标函数的评估，在每次迭代中，优化算法需要计算目标函数的值来评估当前解的优劣；
收敛准则，优化算法需要定义一个收敛准则来判断迭代过程是否达到了停止条件，常见的收敛准则包括目标函数值的变化范围、迭代次数的限制、自变量的变化量等，当满足收敛准则时，算法停止迭代并输出最优解；
解的验证，在得到最优解后，需要通过对最优解进行实际测试或模拟进行验证，验证的目的是确认最优解是否满足问题的约束条件和要求。
具体的，根据优化算法得到的最佳参数配置，应用于所述光学传感器23和所述超声波发射器24以及所述超声波接收器26中，通过专业软件控制和实时反馈机制，根据实际情况对参数进行动态调整和优化。
具体的，专用软件需要对所述光学传感器23采集到的图像进行优化处理，常用到的方式有：
灰度拉伸，通过调整图像的像素值范围，将图像的对比度进行增强，使细节更加明显；
直方图均衡化，通过重新分布图像的像素值，增强图像的对比度，使图像的直方图更加均匀；
锐化，通过增强图像中的高频细节，使图像看起来更加清晰和锐利；
去噪，通过滤波等技术去除图像中的噪声，提高图像的清晰度和质量。
具体的，专用软件还会通过边缘检测的方法对所述光学传感器23采集到的图像进一步优化处理：
Canny边缘检测算法是在图像处理中广泛应用的边缘检测算法之一，Canny边缘检测算法具有较好的边缘定位和低误差率等优点，
高斯滤波：
；
计算梯度：
；
计算梯度幅值和方向：
；
非极大值抑制：
；
双阈值检测：
强边缘=NMS(M，Θ) if NMS(M，Θ)>高阈值
弱边缘=NMS(M，Θ) if NMS(M，Θ)>低阈值and NMS(M，Θ)≤高阈值非边缘=NMS(M，Θ) if NMS(M，Θ)≤低阈值
在上述公式中，I(x, y)表示原始图像，G(x, y)是高斯滤波器，G_x和 G_y是图像I在x和y方向上的梯度，M是梯度幅值，\Theta是梯度方向，NMS是非极大值抑制函数，高阈值和低阈值是用户设定的阈值。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所做的举例，而并非是对本发明实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引申出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (8)
1.硼硅玻璃注射瓶包装端瓶内异物超声波自动检测装置，其特征在于，包括：
输送模块，所述输送模块包括输送带，所述输送带（1）的顶面安装有用于检测硼硅玻璃注射瓶塑封包装内是否有异物的检测结构（2）；
信号增强和滤波模块，所述信号增强和滤波模块包括检测结构，所述检测结构（2）对采集到的超声波信号进行适当的信号增强和滤波处理，减少噪音干扰并突出目标异物的信号；
数据采集和预处理模块，所述数据采集和预处理模块用于收集和保存所述检测结构（2）记录所有有关硼硅玻璃注射瓶包装的检测信息，并建立数据库，该数据库存储数据之前对采集数据进行噪声去除、数据对齐和标准化处理；
数据优化模块，所述数据优化模块将数据采集和预处理模块获得的预处理数据进行优化，从所述预处理数据中提取与异物检测相关的信号特征，如异物尺寸、振幅、频率、反射强度，并根据采集的数据和特征，建立一个不断自主学习的优化算法；
计算模块，主要是脉冲重复频率（PRF）和脉冲宽度，脉冲重复频率和脉冲宽度直接影响到超声波的穿透深度和分辨率，根据优化算法得出最优解，专用软件调整脉冲重复频率和脉冲宽度，平衡深度和分辨率的要求，获得更好的检测结果；
优化图像显示和分析模块，采用图像增强和边缘检测的方法进行图像显示和分析技术，进一步优化检测结果。
2.根据权利要求1所述的硼硅玻璃注射瓶包装端瓶内异物超声波自动检测装置，其特征在于：所述检测结构（2）包括检测架（21）、控制器（22）、光学传感器（23）、超声波发射器（24）、温度传感器（25）、超声波接收器（26）和位置传感器（27），所述检测架（21）安装于所述输送带（1）的顶面，所述控制器（22）安装于所述检测架（21）的顶面，三个所述光学传感器（23）分别安装于所述检测架（21）的内部两侧和顶面，所述超声波发射器（24）和所述超声波接收器（26）安装于所述检测架（21）的内部顶面，所述温度传感器（25）和所述位置传感器（27）安装于所述检测架（21）的内部顶面，且所述温度传感器（25）和所述位置传感器（27）分别安装于所述超声波发射器（24）的两侧。
3.根据权利要求2所述的硼硅玻璃注射瓶包装端瓶内异物超声波自动检测装置，其特征在于：所述温度传感器（25）用于监测环境温度，所述控制器（22）用于进行相应的校正和调整；所述位置传感器（27）用于确定所述光学传感器（23）、所述超声波发射器（24）和所述超声波接收器（26）的位置和角度，通过所述位置传感器（27）的监测，可以调整光学传感器（23）所述超声波发射器（24）和所述超声波接收器（26）的发射和接收角度，以获得更准确的检测结果。
4.根据权利要求1所述的硼硅玻璃注射瓶包装端瓶内异物超声波自动检测装置，其特征在于： 数据采集和预处理模块，具体的处理方法：
噪声去除， 噪声是信号中的无用或干扰部分，通过滤波和降噪算法去除噪声来提取信号中的有用信息，其中：
均值滤波（Mean Filtering）：
；
中值滤波（Median Filtering）：
；
小波阈值去噪（Wavelet Thresholding）：
；
其中，T 是阈值，x^[n] 是去噪后的信号的采样值，x[n] 表示输入信号的采样值，N 是窗口大小或滤波器的长度，k 是窗口内的索引；
数据对齐， 数据对齐是将多个数据样本或信号序列调整到一个共同的参考框架或时间基准上，以便进行后续的比较和分析，数据对齐的目的是消除样本之间的时间偏移或相位差异，
时间对齐，对于时间序列数据，时间对齐是通过调整样本的采样时间或插值方法，将它们对齐到相同的时间点上，常用的时间对齐方法包括插值法、时间拉伸法和时间截断法；
相位对齐，对于周期性信号或具有相位特征的信号，相位对齐是通过调整信号的相位角度或周期，将它们对齐到相同的相位位置上，常用的相位对齐方法包括互相关法、相位差法和基于相位锁定环路的方法；；
数据标准化，是将数据转换为具有相同尺度和均值的形式，以便进行更可靠和一致的比较和分析，标准化可以消除数据之间的量纲差异和偏差，使得数据更具可比性。
5.根据权利要求2所述的硼硅玻璃注射瓶包装端瓶内异物超声波自动检测装置，其特征在于：数据优化模块包括：
目标函数定义，优化算法的第一步是定义目标函数，目标函数是要优化的问题的数学表示，通常是一个关于自变量的函数，优化算法的目标是找到使目标函数取得最小值或最大值的自变量；
初始解的选择，优化算法需要一个初始解来开始迭代搜索过程，通过随机选择一个初始解，或者根据问题的特点选择一个合理的初始解；
迭代搜索过程，优化算法通过迭代搜索来逐步改进解的质量，迭代过程中，算法根据当前解的评估情况，通过一定的策略更新解的值，本发明采用梯度下降法进行更新：
目标函数：假设目标函数为J(θ)，其中 θ 是自变量，
参数更新规则：梯度下降法通过计算目标函数的梯度向量，并利用梯度的方向和大小来更新参数，参数更新的公式如下：
θ:=θ−α∇J(θ) 其中，α 是学习率（步长），∇J(θ) 是目标函数 J(θ) 的梯度向量，
梯度计算：梯度向量可以通过对目标函数进行偏导数计算得到，对于每个参数 θi，梯度的计算公式如下：∂J(θ)/∂θi 梯度向量由所有参数的偏导数组成，
梯度下降法的基本思想是沿着目标函数的梯度方向更新参数，以逐步接近最优解，学习率决定了每次更新的步长大小，较小的学习率可以增加收敛的稳定性，但可能需要更多的迭代次数；
目标函数的评估，在每次迭代中，优化算法需要计算目标函数的值来评估当前解的优劣；
收敛准则，优化算法需要定义一个收敛准则来判断迭代过程是否达到了停止条件，常见的收敛准则包括目标函数值的变化范围、迭代次数的限制、自变量的变化量，当满足收敛准则时，算法停止迭代并输出最优解；
解的验证，在得到最优解后，需要通过对最优解进行实际测试或模拟进行验证，验证的目的是确认最优解是否满足问题的约束条件和要求。
6.根据权利要求5所述的硼硅玻璃注射瓶包装端瓶内异物超声波自动检测装置，其特征在于：根据所述优化模块得到的最佳参数配置，应用于所述光学传感器（23）和所述超声波发射器（24）以及所述超声波接收器（26）中，通过专业软件控制和实时反馈机制，根据实际情况对参数进行动态调整和优化。
7.根据权利要求6所述的硼硅玻璃注射瓶包装端瓶内异物超声波自动检测装置，其特征在于：所述优化模块需要对所述光学传感器（23）采集到的图像进行优化处理，包括：
灰度拉伸，通过调整图像的像素值范围，将图像的对比度进行增强，使细节更加明显；
直方图均衡化，通过重新分布图像的像素值，增强图像的对比度，使图像的直方图更加均匀；
锐化，通过增强图像中的高频细节，使图像看起来更加清晰和锐利；
去噪，通过滤波技术去除图像中的噪声，提高图像的清晰度和质量。
8.根据权利要求7所述的硼硅玻璃注射瓶包装端瓶内异物超声波自动检测装置，其特征在于：所述优化模块还会通过边缘检测的方法对所述光学传感器（23）采集到的图像进一步优化处理：
高斯滤波：
；
计算梯度：
；
计算梯度幅值和方向：
；
非极大值抑制：
；
双阈值检测：
强边缘=NMS(M，Θ) if NMS(M，Θ)>高阈值
弱边缘=NMS(M，Θ) if NMS(M，Θ)>低阈值and NMS(M，Θ)≤高阈值非边缘=NMS(M，Θ)if NMS(M，Θ)≤低阈值
在上述公式中，I(x,y)表示原始图像，G(x,y)是高斯滤波器，G_x和 G_y是图像I在x和y方向上的梯度，M是梯度幅值，\Theta是梯度方向，NMS是非极大值抑制函数，高阈值和低阈值是用户设定的阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310870573.9A CN116609853A (zh) | 2023-07-17 | 2023-07-17 | 硼硅玻璃注射瓶包装端瓶内异物超声波自动检测装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310870573.9A CN116609853A (zh) | 2023-07-17 | 2023-07-17 | 硼硅玻璃注射瓶包装端瓶内异物超声波自动检测装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116609853A true CN116609853A (zh) | 2023-08-18 |
Family
ID=87678605
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310870573.9A Pending CN116609853A (zh) | 2023-07-17 | 2023-07-17 | 硼硅玻璃注射瓶包装端瓶内异物超声波自动检测装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116609853A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116818914A (zh) * | 2023-08-30 | 2023-09-29 | 东光县津东玻璃工艺制品有限公司 | 一种玻璃及其加工制品无损检测方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5960104A (en) * | 1996-08-16 | 1999-09-28 | Virginia Polytechnic & State University | Defect detection system for lumber |
| EP1069217A1 (fr) * | 1999-07-16 | 2001-01-17 | Spinner, Hermann | Dispositif de détection des matières polluantes dans les matières fibreuses telles que le coton ou autres |
| US20030098409A1 (en) * | 2001-11-28 | 2003-05-29 | Bond Leonard J. | Systems and techniques for detecting the presence of foreign material |
| US20090143923A1 (en) * | 2000-09-08 | 2009-06-04 | Breed David S | Arrangement and Method for Monitoring Shipping Containers |
| US20100232570A1 (en) * | 2009-03-10 | 2010-09-16 | Dueppre Theo | Inspection device for a production machine |
| CN103543205A (zh) * | 2013-10-18 | 2014-01-29 | 中国科学院深圳先进技术研究院 | 瓶装液体中异物的检测方法及系统 |
| US20210052330A1 (en) * | 2018-05-03 | 2021-02-25 | Bionaut Labs Ltd. | Integrated medical imaging system for tracking of micro-nano scale objects |
-
2023
- 2023-07-17 CN CN202310870573.9A patent/CN116609853A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5960104A (en) * | 1996-08-16 | 1999-09-28 | Virginia Polytechnic & State University | Defect detection system for lumber |
| EP1069217A1 (fr) * | 1999-07-16 | 2001-01-17 | Spinner, Hermann | Dispositif de détection des matières polluantes dans les matières fibreuses telles que le coton ou autres |
| US20090143923A1 (en) * | 2000-09-08 | 2009-06-04 | Breed David S | Arrangement and Method for Monitoring Shipping Containers |
| US20030098409A1 (en) * | 2001-11-28 | 2003-05-29 | Bond Leonard J. | Systems and techniques for detecting the presence of foreign material |
| US20100232570A1 (en) * | 2009-03-10 | 2010-09-16 | Dueppre Theo | Inspection device for a production machine |
| CN103543205A (zh) * | 2013-10-18 | 2014-01-29 | 中国科学院深圳先进技术研究院 | 瓶装液体中异物的检测方法及系统 |
| US20210052330A1 (en) * | 2018-05-03 | 2021-02-25 | Bionaut Labs Ltd. | Integrated medical imaging system for tracking of micro-nano scale objects |
Non-Patent Citations (2)
| Title |
|---|
| 刘英超，庞琦编著: "水下攻防系统的信号处理与目标识别技术", 哈尔滨工程大学出版社, pages: 218 - 51 * |
| 王耀南;陈铁健;贺振东;吴成中;: "智能制造装备视觉检测控制方法综述", 控制理论与应用, no. 03, pages 103 - 104 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116818914A (zh) * | 2023-08-30 | 2023-09-29 | 东光县津东玻璃工艺制品有限公司 | 一种玻璃及其加工制品无损检测方法 |
| CN116818914B (zh) * | 2023-08-30 | 2023-11-14 | 东光县津东玻璃工艺制品有限公司 | 一种玻璃及其加工制品无损检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116609853A (zh) | 硼硅玻璃注射瓶包装端瓶内异物超声波自动检测装置 | |
| CN109490316A (zh) | 一种基于机器视觉的表面缺陷检测算法 | |
| CN108318436B (zh) | 反应曲线生成方法、装置及光学检测系统 | |
| CN102928435A (zh) | 基于图像和超声信息融合的飞机蒙皮损伤识别方法及装置 | |
| US20110268329A1 (en) | Method and apparatus for determining a liquid level in a container using imaging | |
| CN105891233A (zh) | 基于机器视觉的镜片表面缺陷智能检测系统及其实现方法 | |
| CN104458766A (zh) | 一种基于结构纹理法的布匹表面瑕疵检测方法 | |
| CN113375566B (zh) | 物体尺寸的精确测量方法及系统 | |
| KR102241612B1 (ko) | 소변 자동 추적방법 및 장치 | |
| CN111815555A (zh) | 对抗神经网络结合局部二值的金属增材制造图像检测方法及装置 | |
| CN104613869B (zh) | 一种基于最大内切圆的椭圆孔组检测方法和系统 | |
| CN104848786B (zh) | 一种玻璃几何参数测量方法 | |
| CN110118715B (zh) | 一种血细胞脉冲信号分析装置以及方法 | |
| CN111337447B (zh) | 一种煤矸仿生识别系统及方法 | |
| CN116148801B (zh) | 一种基于毫米波雷达的目标检测方法及系统 | |
| CN112364768A (zh) | 一种基于空域特征和机器学习的分布式光纤入侵识别方法 | |
| CN107300562B (zh) | 一种测量继电器成品触点间距的x射线无损检测方法 | |
| CN116777836A (zh) | 一种基于多模态数据驱动的注塑工艺产品品质检测方法 | |
| CN111783616A (zh) | 一种基于数据驱动自学习的无损检测方法 | |
| CN117571731B (zh) | 基于灯检机的杂质检测方法及系统 | |
| CN114722860B (zh) | 一种基于多特征融合卷积神经网络的弱磁异常自适应探测方法 | |
| CN114722885B (zh) | 托辊搬运小车运行异常智能检测方法及系统 | |
| CN107592094B (zh) | 一种超声波滤波器 | |
| CN113624759A (zh) | 一种基于机器学习的苹果无损检测方法 | |
| CN118469993A (zh) | 一种基于物联网的智能自动拣选系统 |
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 |
Application publication date: 20230818 |