CN117023091B - 具有全自动剔除反瓶功能的自动循环高速理瓶系统及方法 - Google Patents
具有全自动剔除反瓶功能的自动循环高速理瓶系统及方法 Download PDFInfo
- Publication number
- CN117023091B CN117023091B CN202311298037.2A CN202311298037A CN117023091B CN 117023091 B CN117023091 B CN 117023091B CN 202311298037 A CN202311298037 A CN 202311298037A CN 117023091 B CN117023091 B CN 117023091B
- Authority
- CN
- China
- Prior art keywords
- bottle
- conveyor belt
- rotary table
- arranging
- automatic
- 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
- 238000000034 method Methods 0.000 title claims abstract description 110
- 230000007246 mechanism Effects 0.000 claims abstract description 63
- 238000003860 storage Methods 0.000 claims abstract description 47
- 230000006870 function Effects 0.000 claims abstract description 31
- 238000007599 discharging Methods 0.000 claims abstract description 23
- 238000010408 sweeping Methods 0.000 claims abstract description 18
- 239000000463 material Substances 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims abstract description 16
- 230000007306 turnover Effects 0.000 claims abstract description 15
- 238000012544 monitoring process Methods 0.000 claims abstract description 8
- 210000003128 head Anatomy 0.000 claims description 18
- 238000011049 filling Methods 0.000 claims description 11
- 239000013598 vector Substances 0.000 claims description 9
- 239000003638 chemical reducing agent Substances 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000011068 loading method Methods 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 claims 1
- 238000001914 filtration Methods 0.000 description 42
- 230000011218 segmentation Effects 0.000 description 13
- 238000007405 data analysis Methods 0.000 description 12
- 238000009826 distribution Methods 0.000 description 12
- 238000005070 sampling Methods 0.000 description 11
- 238000012216 screening Methods 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 7
- 230000009466 transformation Effects 0.000 description 7
- 230000002146 bilateral effect Effects 0.000 description 6
- 238000003066 decision tree Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000000903 blocking effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 230000005672 electromagnetic field Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 239000004677 Nylon Substances 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 229920001778 nylon Polymers 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G47/00—Article or material-handling devices associated with conveyors; Methods employing such devices
- B65G47/22—Devices influencing the relative position or the attitude of articles during transit by conveyors
- B65G47/24—Devices influencing the relative position or the attitude of articles during transit by conveyors orientating the articles
- B65G47/256—Devices influencing the relative position or the attitude of articles during transit by conveyors orientating the articles removing incorrectly orientated articles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G2201/00—Indexing codes relating to handling devices, e.g. conveyors, characterised by the type of product or load being conveyed or handled
- B65G2201/02—Articles
- B65G2201/0235—Containers
- B65G2201/0244—Bottles
-
- 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
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W30/00—Technologies for solid waste management
- Y02W30/50—Reuse, recycling or recovery technologies
- Y02W30/62—Plastics recycling; Rubber recycling
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Specific Conveyance Elements (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了具有全自动剔除反瓶功能的自动循环高速理瓶系统及方法，包括储料舱与提升机构，料盘系统，包括料桶和转盘，所述转盘包括同位于料桶底部的下转盘和上转盘和位于所述转盘下部可独立驱动的转盘驱动系统，所述下转盘、上转盘和料桶桶壁共同形成一个与产品相匹配的环形通道；分瓶系统，包括扫瓶机构，与扫瓶机构连接的分瓶机构；理瓶系统，包括与分瓶输送带连接的理瓶输送带、分别安装在所述理瓶输送带一侧上端的上导板、安装在所述理瓶输送带下部的下托板，以及安装在所述理瓶输送带上的翻转机构；正瓶出瓶机构，包括立瓶块，以及与述理瓶输送带连接的出瓶输送带。本发明具有自动监测剔除功能，理瓶过程流畅，保证出瓶质量。
Description
技术领域
本发明主要涉及理瓶机的技术领域，具体为具有全自动剔除反瓶功能的自动循环高速理瓶及方法。
背景技术
现有技术中，理瓶机一般为各种塑料瓶的灌装生产线的前置设备，主要用于将无序放置的瓶子经由理瓶机重新整理和排列，以一定的速度传递给下道工序，瓶子通过理瓶机出来以后会有反瓶或倒瓶的情况出现。在装入颗粒，比如药品颗粒后，还需要进行旋盖和贴标，灌装是否精确，旋盖是否达标，贴标是否准确，也需要进行自动化检测，从而保证瓶体能高速达到指定位置。
现有的理瓶机大多不具有全自动倒瓶和反瓶自动监测剔除功能，这样使得后面的工序中出现出瓶过程不流畅等现象，同时也会对瓶口瓶身造成损坏或者生产设备的正常运行，从而降低了生产效率，也会增加生产成本。
发明内容
发明目的，本发明主要提供了具有全自动剔除反瓶功能的自动循环高速理瓶系统及方法，用以解决上述背景技术中提出的技术问题。
技术方案，根据本申请的一个方面，具有全自动剔除反瓶功能的自动循环高速理瓶系统，包括：
储料舱与提升机构，包括储料仓，与储料仓连接提升机构；
料盘系统，包括料桶和转盘，所述转盘包括同位于料桶底部的下转盘、上转盘，以及用于驱动转盘工作的转盘驱动系统，所述下转盘、上转盘和料桶的桶壁共同形成一个与产品相匹配的环形通道；
分瓶系统，包括扫瓶机构，与扫瓶机构连接的分瓶机构，所述扫瓶机构包括微型电机，与所述微型电机相连的蹼轮，所述分瓶机构包括沿料桶内壁切向引出的分瓶输送带、位于所述分瓶输送带对面的导瓶板；
理瓶系统，包括与分瓶输送带连接的理瓶输送带、分别安装在所述理瓶输送带一侧上端的上导板、安装在所述理瓶输送带下部的下托板，以及安装在所述理瓶输送带上的翻转机构；
正瓶出瓶机构，包括立瓶块、状态传感器和出瓶输送带，所述立瓶块安装于所述理瓶输送带末端底部，状态传感器设置于理瓶输送带的两侧，出瓶输送带与所述理瓶输送带连接。
根据本申请的一个方面，所述储料仓为长方体的中空舱体，所述储料仓的顶部为可开启的常闭PVC舱门，所述PVC舱门通过气缸驱动，所述储料仓的正面开设有透明窗口，所述储料仓舱体底部靠近出口处设有第一电眼，第一电眼用于检测储料舱内产品数量，储料舱缺瓶及时报警。
根据本申请的一个方面，所述提升机构包括第一交流电机及其减速器，以及独立驱动的网带链输送带，已对产品的提升和导入，所述网带链输送带设置有用于调节松紧度的调节螺杆，所述调节螺杆位于所述网带链输送带的底部被动端。
根据本申请的一个方面，所述料桶为圆柱形无底薄壁桶，所述料桶料桶壁中部偏下的部位设有第二电眼，所述第二电眼位置高低可调；所述下转盘表面水平，所述上转盘呈中间高两侧低的锥形，所述转盘驱动系统包括第二交流电机及其减速器。
根据本申请的一个方面，所述扫瓶机构还包括与蹼轮连接的第一手柄，用于调节扫瓶动作的高低；所述分瓶输送带设置有独立驱动单元，包括主动轮、从动带轮和支撑辊，其驱动电机位于所述主动轮的下部。
根据本申请的一个方面，所述翻转机构包括位于所述理瓶输送带一侧的旋转汽缸，与汽缸轴相连摇臂头，设置在摇臂头的背面的第四电眼，用以检测摇臂头设定位置；所述理瓶输送带上设置有第二手柄，以调节理瓶输送带的宽度，使其同时张开或者并拢；所述第二手柄上设有位移计量器，用于显示第二手柄轴旋转的圈数。
根据本申请的一个方面，所述出瓶输送带独立驱动，其速度与其后的输送带的速度应匹配，所述出瓶输送带上设有至少两个第三电眼，用来检测输送带主副道及其后通道上的储瓶量，将结果反馈给理瓶机，以此来控制输送带上的储瓶量，防止堵瓶。
根据本申请的一个方面，所述状态传感器包括3D结构光、多点式激光传感器或多参数图像采集装置的至少一种；所述自动循环高速理瓶系统包括上位控制单元；
当采用多点式激光传感器时，上位控制单元接收多点式激光传感器的数据并进行预处理，基于预处理后的数据进行特征提取，给出状态信息，并反馈给翻转机构或分瓶输送带。
使用上述具有全自动剔除反瓶功能的自动循环高速理瓶系统的理瓶方法，包括如下步骤：
步骤S1、将产品A装入储料舱，并通过提升机构导入料桶；
步骤S2、根据产品规格转盘以一定的速度旋转，将产品沿桶壁导入分瓶系统；
步骤S3、再经分瓶输送带进入理瓶系统，在翻转机构处理顺瓶口方向；
步骤S4、将产品翻转至正确方向，导出进入下道工序。
根据本申请的一个方面，还包括如下步骤：
S31、监测电眼监测到倒瓶和反瓶时向PLC进行反馈，PLC发出剔除信号，由翻转机构中旋转气缸执行剔除指令，把异常瓶口方向翻正。
有益效果，本发明相对现有技术，其储瓶仓配置能自动开盖以及具备低料位报警功能；运行过程根据需要间隙式上瓶，理瓶过程流畅，不损伤瓶口瓶身；
理瓶机出口处配置倒瓶和反瓶自动监测剔除功能，保证出瓶质量；
输送线配置堵瓶检测，后堵瓶自动停机，缺瓶自动补充。
通过智能传感器和图像处理单元，对前期理瓶和灌装后的质量检测进行跟踪，大大提高了准确率和速度。
附图说明
图1是本发明的总体结构示意图。
图2 是本发明储料舱的内部构造图。
图3是本发明提升机构及视窗示意图。
图4是本发明输送带松紧调节螺杆示意图。
图5是本发明料盘系统构造示意图。
图6是本发明转盘驱动系统示意图。
图7是本发明分瓶系统构造示意图。
图8是本发明理瓶系统构造示意图。
图9 是本发明翻转机构示意图。
图10 是本发明理瓶输送带带宽调节部分示意图。
图11 是本发明正瓶结构示意图。
图12 是本发明电眼安装位置图。
图13 是本发明工作流程图。
附图中，各个附图标记为：
储料舱与提升机构1、储料仓11、提升机构12、舱门111、透明窗口112、第一电眼113、气缸114、第一电机及其减速器115、网带链输送带116、调节螺杆117；
料盘系统2、转盘20、料桶21、下转盘22、上转盘23、第二电眼24、第二交流电机及其减速器25；
分瓶系统3、分瓶输送带31、主动轮311、从动带轮312、支撑辊313、导瓶板33、微型电机34、蹼轮35、第一手柄36；
理瓶系统4、理瓶输送带41、第二手柄42、下托板43、上导板44、压辊45、旋转汽缸46、摇臂头47、第四电眼48；
正瓶出瓶机构5、立瓶块51、出瓶输送带52、第三电眼53、54、55。
具体实施方式
如图1所示，本发明的具有全自动剔除反瓶功能的自动循环高速理瓶系统，包括储料舱与提升机构1、料盘系统2、分瓶系统3、理瓶系统4以及正瓶出瓶机构5。
如图2至图11所示，在进一步的实施例中，具体包括：
储料舱与提升机构包括储料仓11，与储料仓连接的提升机构12。
料盘系统包括料桶21和转盘20，转盘包括同位于料桶底部的下转盘22和上转盘23以及转盘驱动系统，下转盘、上转盘和料桶桶壁共同形成一个与产品相匹配的环形通道。
分瓶系统包括扫瓶机构，与扫瓶机构连接的分瓶机构，扫瓶机构包括微型电机34，与微型电机相连的蹼轮35，用于对落入环形通道的瓶子进行拨扫，使瓶子在离心力的作用下向分瓶机构方向运动。分瓶机构包括沿料桶内壁切向引出的分瓶输送带31，位于分瓶输送带对面的导瓶板33，用于使瓶子有序输出至下一道工序。
理瓶系统4包括理瓶输送带41，分别安装在理瓶输送带一侧的上端的上导板44，安装于理瓶输送带下部的下托板43，安装在理瓶输送带上的翻转机构；
正瓶出瓶机构5包括立瓶块51，立瓶块安装在理瓶输送带末端底部，还包括出瓶输送带52，出瓶输送带与理瓶输送带连接。
如图 2所示，在进一步的实施例中，储料仓为长方体的中空舱体，储料仓的顶部为可开启的常闭PVC舱门111，舱门由气缸114驱动，储料仓的正面还开设有透明窗口112，储料仓舱体底部靠近出口处设有第一电眼113，用于检测储料舱内产品数量，储料舱缺瓶及时报警。
工作时，当舱内的产品所剩不多时，第一电眼由于检测不到产品而报警，操作人员此时按下操作面板上的舱门打开按钮，驱动汽缸打开舱门，向储料仓内添加产品，完成后关闭舱门。通过透明窗口，平时用来观察舱内产品的运作和消耗情况，发现异常情况时，打开窗口，处理故障。
如图3和图4所示，在进一步的实施例中，提升机构由第一电机及其减速器115独立驱动的网带链输送带116完成，用于产品的提升和导入，网带链输送带的松紧可通过调节螺杆117调节，调节螺杆位于网带链输送带的底部被动端，提升机构的提升速度可根据产品规格和出瓶速度来调节。一般情况是，产品规格越大，出瓶速度越快，提升速度也越快。其速度匹配关系需根据实际情况确定。网带链输送带的松紧可以通过其底部被动端的调节螺杆来调节。
如图5和图6所示，在进一步的实施例中，料桶为圆柱形无底薄壁桶，料桶的料桶壁中部偏下的部位设有第二电眼24，电眼位置高低可调。下转盘22表面水平，上转盘23呈中间高两侧低的锥形，转盘驱动系统包括第二交流电机及其减速器25，速度可调。
当转盘20旋转时，由于中间高两侧低，产品从中间向两侧滚进环形通道，沿桶壁导出。其中第二电眼用以控制桶内产品的储量，其高低可调。
如图7所示，在进一步的实施例中，扫瓶机构还包括与蹼轮35连接的第一手柄36，用于调节扫瓶动作的高低。分瓶输送带31独立驱动，包括主动轮311、从动带轮312和支撑辊313，其驱动电机位于主动轮的下部。通道在高度和宽度上松紧应适度，宽度方向宜紧不宜松，高度方向宜松不宜紧。
如图8至图10所示，在进一步的实施例中，翻转机构包括位于理瓶输送带一侧的旋转汽缸46，与汽缸轴相连摇臂头47，设置在摇臂头的背面的第四电眼48，用以检测摇臂头是否处于设定位置。
默认情况下，与汽缸轴相连的摇臂头处于低位，在摇臂头的背面是第四电眼，用以检测摇臂头是否处于低位，当错位的瓶子过来时，摇臂头头部的突起会钩住其瓶口，在理瓶输送带的带动下，瓶子被翻转90~180度，此时，摇臂头将会偏离低位，第四电眼因检测不到摇臂头短暂延时后即发出指令，旋转汽缸动作，摇臂头返回低位。
理瓶输送带上设置有第二手柄42，以调节理瓶输送带的宽度，使其同时张开或者并拢，第二手柄上设有位移计量器，用于显示第二手柄轴旋转的圈数，调节时请务必先松开外六角螺钉421。
理瓶输送带与前段分瓶输送带的线速度比为5：1。此外还有下托板43白色尼龙、上导板44和压辊45采用白色尼龙制作，这些托板和导板除具有定位导向功能外，在特定位置还与夹持带相配合，实现产品的翻转和扶正。
如图11和图12所示，在进一步的实施例中，出瓶输送带52独立驱动，其速度与其后的输送带的速度应匹配，出瓶输送带52上设有多个第三电眼53、54、55，用来检测出瓶输送带主副道及其后通道上的储瓶量，将结果反馈给理瓶机，以此来控制输送带上的储瓶量，防止堵瓶。
当瓶子同时遮住第三电眼53、54，主副道满瓶时，理瓶机的分瓶和转盘部分停止运转；当第三电眼55被遮住设定的时间后，理瓶机的分瓶和转盘部分停止运转；当第三电眼53或54无瓶遮住时，理瓶机自动运转。单输送道时，不设置第三电眼53、54，只有第三电眼55。
在进一步的实施例中，所述状态传感器包括3D结构光、多点式激光传感器或多参数图像采集装置的至少一种；所述自动循环高速理瓶系统包括上位控制单元；
当采用多点式激光传感器时，上位控制单元接收多点式激光传感器的数据并进行预处理，基于预处理后的数据进行特征提取，给出状态信息，并反馈给翻转机构或分瓶输送带。
如果采用的是多点式激光传感器，具体的数据流程如下：
步骤S1：数据采集。多点式激光传感器可以对目标物的多个点同时进行高度、高度差检测，即便产品位置偏斜也不受影响。因此，可以利用多点式激光传感器对瓶子的形状、位置、数量等信息进行采集，得到原始的点云数据。可以分为以下几个子步骤：
步骤S11：激光发射。多点式激光传感器1通过一个半导体激光器，发射出一束红色的激光线，覆盖在目标物上。
步骤S12：光线反射。当激光线照射到目标物时，会产生反射，形成一个由多个亮点组成的反射线。
步骤S13：图像接收。多点式激光传感器1通过一个高速高分辨率的CMOS图像传感器，接收并记录反射线的图像。
步骤S14：数据转换。多点式激光传感器1通过一个内置的微处理器，将接收到的图像数据转换为数字信号，并通过一个串行接口或以太网接口，发送给控制器或计算机。
步骤S2：数据预处理。由于原始的点云数据可能存在噪声、异常值、重复值等问题，需要对其进行滤波、去除、插值等操作，以提高数据的质量和准确性。常用的点云滤波方法有双边滤波、高斯滤波、条件滤波、直通滤波、随机采样一致滤波、VoxelGrid滤波等。这个过程可以分为以下几个子步骤：
步骤S21：噪声去除。噪声是指由于传感器本身或环境因素造成的数据误差或干扰，例如灰尘、温度、电磁场等。噪声会影响数据的清晰度和精度，因此需要对其进行去除。常用的噪声去除方法有双边滤波和高斯滤波。双边滤波是一种同时考虑空间距离和颜色相似性的非线性滤波方法，它可以保留边缘和细节，同时平滑噪声。高斯滤波是一种利用高斯函数作为权重函数的线性滤波方法，它可以有效地消除高斯噪声和白噪声，但会模糊边缘和细节。
步骤S22：异常值去除。异常值是指与大多数数据明显不同或偏离的数据点，例如孤立点、离群点等。异常值会影响数据的分布和稳定性，因此需要对其进行去除。常用的异常值去除方法有条件滤波和直通滤波。条件滤波是一种根据某些条件来筛选数据点的方法，例如根据数据点的坐标范围、法向量方向、曲率大小等。直通滤波是一种根据数据点的密度来筛选数据点的方法，例如根据数据点的邻域内的数据点个数、平均距离等。
步骤S23：重复值去除。重复值是指由于传感器的重复采样或数据的重复存储造成的数据冗余，例如多个数据点重合在一起或有相同的坐标值等。重复值会影响数据的有效性和效率，因此需要对其进行去除。常用的重复值去除方法有随机采样一致滤波和VoxelGrid滤波。随机采样一致滤波是一种根据数据点的随机性来筛选数据点的方法，例如根据概率或比例来随机选择或删除数据点。VoxelGrid滤波是一种根据数据点的空间分布来筛选数据点的方法，例如将数据空间划分为若干个体素（三维像素），然后对每个体素内的数据点进行平均或最近邻等操作。
步骤S24：插值补全。插值补全是指对于由于传感器的遮挡或不完善造成的数据缺失或不连续的情况，利用已有的数据点来估计和填补缺失或不连续的数据点的方法。插值补全可以提高数据的完整性和连续性，常用的插值补全方法有线性插值、三次样条插值、Kriging插值等。线性插值是一种利用已知数据点之间的线性关系来估计未知数据点的方法，它简单易用，但只适用于一维或二维的情况。三次样条插值是一种利用已知数据点之间的三次多项式关系来估计未知数据点的方法，它可以保证插值函数在整个区间内具有二阶连续导数，但计算量较大。Kriging插值是一种利用已知数据点之间的空间相关性来估计未知数据点的方法，它可以考虑不同方向和距离上的变异性，但需要先确定合适的协方差函数。
步骤S3：数据分析。根据理瓶的目的和要求，选择合适的数据分析方法，对预处理后的点云数据进行特征提取、分割、分类、配准等操作，以发现数据中的规律和信息。常用的数据分析方法有法线和曲率计算、特征值分析、PFH、FPFH、3D Shape Context、Spin Image等。这个过程可以分为以下几个子步骤：
步骤S31：特征提取。特征提取是指从原始的点云数据中提取出能够反映其形状、结构、纹理等特征信息的描述子（descriptor），以便进行后续的分割、分类、配准等操作。常用的特征提取方法有法线和曲率计算、特征值分析、PFH、FPFH、3D Shape Context、SpinImage等。法线和曲率计算是一种利用局部邻域内的数据点拟合一个平面或曲面，然后根据平面或曲面的方向和曲率来定义每个数据点的法线向量和曲率值的方法。法线和曲率可以反映数据点的局部几何特性，如平坦度、锐利度、凹凸度等。特征值分析是一种利用局部邻域内的数据点构建一个协方差矩阵，然后对该矩阵进行特征值分解，得到三个特征值和对应的特征向量的方法。特征值和特征向量可以反映数据点的局部形状特性，如线性度、平面度、球形度等。PFH（Point Feature Histogram）是一种利用两个相邻数据点之间的相对位置关系来定义一个四维特征向量，然后将所有相邻数据点对应的特征向量统计成一个直方图作为描述子的方法。PFH可以反映数据点的局部拓扑特性，如邻域内的角度分布等。FPFH（Fast Point Feature Histogram）是一种对PFH进行简化和加速的方法，它只考虑每个数据点与其k近邻之间的相对位置关系，然后将每个k近邻对应的特征向量加权平均，再统计成一个直方图作为描述子。FPFH可以在保留PFH大部分信息的同时，降低计算复杂度和存储空间。3D Shape Context是一种利用每个数据点与其k近邻之间的距离和方向关系来定义一个三维直方图作为描述子的方法。3D Shape Context可以反映数据点的局部结构特性，如邻域内的距离和方向分布等。Spin Image是一种利用每个数据点及其法线向量定义一个二维坐标系，然后将该坐标系内的其他数据点投影到该坐标系上，得到一个二维直方图作为描述子的方法。Spin Image可以反映数据点的局部表面特性，如表面法线和曲率等。
步骤S32：分割。分割是指将原始的点云数据划分为若干个具有相似或同质特征的子集或区域的过程，以便进行后续的分类或配准等操作。常用的分割方法有区域生长法、最小二乘法、RANSAC法、欧式聚类法等。区域生长法是一种基于连通性和相似性原则来进行分割的方法，它从一个初始种子点开始，逐渐将与之相连且满足某些条件（如颜色、法线、曲率等）的相邻点合并成一个区域，直到无法扩展为止。最小二乘法是一种基于拟合误差最小化来进行分割的方法，它从一个初始子集开始，利用最小二乘法拟合出一个平面或曲面，然后计算其他点到该平面或曲面的距离，如果距离小于某个阈值，则将该点加入到该子集中，直到无法扩展为止。RANSAC（Random Sample Consensus）法是一种基于随机采样和一致性评估来进行分割的方法，它从原始数据中随机选择一定数量的点，利用这些点拟合出一个平面或曲面，然后计算其他点到该平面或曲面的距离，如果距离小于某个阈值，则将该点视为内点，否则视为外点。然后根据内点的比例和分布来评估该平面或曲面的一致性，如果一致性高于某个阈值，则将该平面或曲面作为一个子集，否则重新进行随机采样和拟合，直到达到最大迭代次数或找到满足条件的子集为止。欧式聚类法是一种基于空间距离来进行分割的方法，它从原始数据中任选一个点作为初始聚类中心，然后计算其他点到该聚类中心的欧式距离，如果距离小于某个阈值，则将该点加入到该聚类中，否则作为新的聚类中心。然后重复这个过程，直到所有的点都被分配到某个聚类中为止。
步骤S33：分类。分类是指将分割后的子集或区域按照某些标准或规则进行标记或归类的过程，以便进行后续的配准或识别等操作。常用的分类方法有决策树、支持向量机、神经网络、随机森林等。决策树是一种利用树形结构来表示分类规则的方法，它从一个根节点开始，根据每个子集或区域的特征信息，沿着不同的分支进行判断和选择，直到达到一个叶节点，该叶节点就是该子集或区域所属的类别。支持向量机是一种利用超平面来划分不同类别的方法，它试图找到一个最优的超平面，使得不同类别之间的间隔最大化，从而提高分类的准确性和鲁棒性。神经网络是一种利用人工神经元来模拟人类大脑处理信息的方法，它由输入层、输出层和若干个隐藏层组成，每个神经元都有一个激活函数和若干个权重参数。神经网络可以通过对输入数据进行多层次的非线性变换，从而实现复杂的分类功能。随机森林是一种利用多个决策树来进行分类的方法，它通过对原始数据进行有放回的随机抽样和特征选择，生成多个不同的决策树，并对每个决策树进行训练和预测。然后通过投票或平均等方式，综合多个决策树的预测结果，得到最终的分类结果。
步骤S34：配准。配准是指将不同来源或不同时间点的点云数据进行对齐和融合的过程，以便进行后续的重建或识别等操作。常用的配准方法有ICP（Iterative ClosestPoint）、GICP（Generalized Iterative Closest Point）、NDT（Normal DistributionsTransform）等。ICP是一种基于最近点对来进行配准的方法，它从一个初始变换矩阵开始，重复以下两个步骤，直到收敛为止：
步骤S341：寻找最近点对。对于源点云中的每个点，寻找目标点云中与之最近的点，形成一组点对。
步骤S342：计算最优变换。根据找到的点对，利用最小二乘法或奇异值分解等方法，计算出一个最优的刚体变换矩阵，使得源点云和目标点云之间的距离最小化。GICP是一种对ICP进行改进和推广的方法，它不仅考虑了最近点对之间的距离，还考虑了各自的法线方向，从而提高了配准的精度和鲁棒性。NDT是一种基于概率分布来进行配准的方法，它将目标点云划分为若干个体素，并假设每个体素内的数据点服从一个高斯分布。然后根据源点云和目标点云之间的概率匹配程度，利用牛顿法或梯度下降法等方法，计算出一个最优的刚体变换矩阵，使得源点云和目标点云之间的匹配程度最大化。
如果采用3D结构光或多参数图像采集装置（比如多频率多曝光度），具体包括如下过程：
步骤S1：数据采集。
步骤S11：结构光投影。投影仪可以是液晶投影仪、数字光处理投影仪或激光投影仪等，可以发射不同波长、不同形状、不同编码的结构光模式，如彩色条纹、二进制码、相移正弦条纹等。结构光模式可以是单次投影或多次投影，根据不同的编码方式，可以实现不同的深度分辨率和测量速度。
步骤S12：图像捕捉。相机可以是单个或多个，可以是同一波长或不同波长的，可以是同一曝光度或不同曝光度的，可以是同一视角或不同视角的。相机需要与投影仪保持固定的几何关系，以便进行后续的标定和配准。相机需要通过红外滤波片或窄带滤波片等方式，只接收目标波长的反射光线，以消除环境光等干扰。
步骤S13：数据转换。相机通过高速高分辨率的CMOS图像传感器，接收并记录反射线的图像。然后通过一个内置的微处理器，将接收到的图像数据转换为数字信号，并通过一个串行接口或以太网接口，发送给控制器或计算机。
步骤S2：数据预处理。由于原始的图像数据可能存在噪声、畸变、遮挡、阴影等问题，需要对其进行校正、滤波、去除、补全等操作，以提高数据的质量和准确性。常用的数据预处理方法有畸变校正、直方图均衡化、双边滤波、条件滤波、随机采样一致滤波、VoxelGrid滤波等。
步骤S21：畸变校正。畸变是指由于投影仪和相机的透镜系统造成的图像失真，例如径向畸变、切向畸变等。畸变会影响图像的几何形状和尺寸，因此需要对其进行校正。常用的畸变校正方法有基于棋盘格标定板的方法，基于自标定法的方法等。
步骤S22：直方图均衡化。直方图均衡化是一种增强图像对比度和动态范围的方法，它通过调整图像中每个像素点的灰度值，使得图像的直方图分布更加均匀，从而提高图像的清晰度和可分析性。
步骤S23：噪声去除。噪声是指由于传感器本身或环境因素造成的数据误差或干扰，例如灰尘、温度、电磁场等。噪声会影响数据的清晰度和精度，因此需要对其进行去除。常用的噪声去除方法有双边滤波和高斯滤波。双边滤波是一种同时考虑空间距离和颜色相似性的非线性滤波方法，它可以保留边缘和细节，同时平滑噪声。高斯滤波是一种利用高斯函数作为权重函数的线性滤波方法，它可以有效地消除高斯噪声和白噪声，但会模糊边缘和细节。
步骤S24：异常值去除。异常值是指与大多数数据明显不同或偏离的数据点，例如孤立点、离群点等。异常值会影响数据的分布和稳定性，因此需要对其进行去除。常用的异常值去除方法有条件滤波和直通滤波。条件滤波是一种根据某些条件来筛选数据点的方法，例如根据数据点的坐标范围、法向量方向、曲率大小等。直通滤波是一种根据数据点的密度来筛选数据点的方法，例如根据数据点的邻域内的数据点个数、平均距离等。
步骤S25：重复值去除。重复值是指由于传感器的重复采样或数据的重复存储造成的数据冗余，例如多个数据点重合在一起或有相同的坐标值等。重复值会影响数据的有效性和效率，因此需要对其进行去除。常用的重复值去除方法有随机采样一致滤波和VoxelGrid滤波。随机采样一致滤波是一种根据数据点的随机性来筛选数据点的方法，例如根据概率或比例来随机选择或删除数据点。VoxelGrid滤波是一种根据数据点的空间分布来筛选数据点的方法，例如将数据空间划分为若干个体素（三维像素），然后对每个体素内的数据点进行平均或最近邻等操作。
步骤S26：插值补全。插值补全是指对于由于传感器的遮挡或不完善造成的数据缺失或不连续的情况，利用已有的数据点来估计和填补缺失或不连续的数据点的方法。插值补全可以提高数据的完整性和连续性，常用的插值补全方法有线性插值、三次样条插值、Kriging插值等。线性插值是一种利用已知数据点之间的线性关系来估计未知数据点的方法，它简单易用，但只适用于一维或二维的情况。三次样条插值是一种利用已知数据点之间的三次多项式关系来估计未知数据点的方法，它可以保证插值函数在整个区间内具有二阶连续导数，但计算量较大。Kriging插值是一种利用已知数据点之间的空间相关性来估计未知数据点的方法，它可以考虑不同方向和距离上的变异性，但需要先确定合适的协方差函数。
步骤S3：数据分析。根据理瓶的目的和要求，选择合适的数据分析方法，对预处理后的图像数据进行三角测量、特征提取、分割、分类、配准等操作，以发现数据中的规律和信息。常用的数据分析方法有三角测量、SIFT、SURF、ORB、RANSAC等。
三角测量是一种利用投影仪和相机的几何关系，以及投射和反射的光线模式，对预处理后的图像进行重建出瓶子的三维点云数据的方法。三角测量可以根据不同的结构光模式和编码方式，采用不同的算法，如灰度编码法、相移编码法、相位展开法等。SIFT（ScaleInvariant Feature Transform）是一种利用尺度不变特征变换来提取图像中具有稳定性和唯一性的特征点和描述子的方法。SIFT可以在不同的尺度、旋转、视角和光照下，对图像进行匹配和识别。SURF（Speeded Up Robust Features）是一种对SIFT进行改进和加速的方法，它利用积分图和哈尔小波来提取图像中具有稳定性和唯一性的特征点和描述子。SURF可以在保留SIFT大部分信息的同时，降低计算复杂度和存储空间。ORB（Oriented FAST andRotated BRIEF）是一种结合了FAST特征检测器和BRIEF特征描述子，并加入了方向和旋转不变性的方法。ORB可以实现快速、鲁棒、免费的图像匹配和识别。RANSAC（Random SampleConsensus）法是一种基于随机采样和一致性评估来进行分割或配准的方法，它从原始数据中随机选择一定数量的点，利用这些点拟合出一个平面或曲面，然后计算其他点到该平面或曲面的距离，如果距离小于某个阈值，则将该点视为内点，否则视为外点。然后根据内点的比例和分布来评估该平面或曲面的一致性，如果一致性高于某个阈值，则将该平面或曲面作为一个子集或变换矩阵，否则重新进行随机采样和拟合，直到达到最大迭代次数或找到满足条件的子集或变换矩阵为止。
步骤S4：数据输出。根据数据分析的结果，输出相应的控制信号或指令，实现自动化的分拣、计数、排列等功能，以提高生产效率和质量。同时，也可以将数据分析的结果进行可视化或报告，以便进行监控和评估。这个过程可以分为以下几个子步骤：
步骤S41：控制信号或指令输出。根据数据分析的结果，例如瓶子的形状、位置、数量、类别等信息，生成相应的控制信号或指令，通过一个串行接口或以太网接口，发送给机械臂或传送带等设备，实现自动化的分拣、计数、排列等功能。
步骤S42：可视化输出。根据数据分析的结果，例如瓶子的三维点云数据、特征点和描述子、分割和分类结果、配准和融合结果等信息，利用图表、图像、动画等方式，将数据分析的结果以直观和美观的形式展示出来，以便进行监控和评估。
步骤S43：报告输出。根据数据分析的结果，例如瓶子的数量、类别、质量等统计数据，撰写详细的分析报告，总结分析结论，并提出建议或决策。
在本申请的另一实施例中，状态传感器设置在理瓶机的输送带的至少一侧，并且位于灌装后的送瓶传输带一侧，形成传感器复用。可以采用环形或折线并行生产线，从而使得状态传感器能给同时识别前后瓶体的状态。工作过程一般为理瓶、灌装、旋盖、贴标和装箱等工作流程。
在某个实施例中，具体的数据处理流程如下：
步骤1、获取状态传感器的图像数据并分割成灌装前的理瓶区域图像和装箱前的质检区域图像；
步骤2、逐一读取理瓶区域图像，获取瓶体图像并逐一添加第一瓶体标签，建立瓶体图像矢量数据库；
步骤3、逐一读取质检区域图像，获取瓶体图像并逐一添加第二瓶体标签，并灌装前和装箱前的瓶体运动时间差，以及第一瓶体标签和第二瓶体标签，建立第一瓶体标签和第二瓶体标签的映射关系表；
步骤4、基于映射关系表，对质检区域图像中的瓶体图像进行边缘线提取，并计算瓶盖和瓶体边缘线的距离，最后判断距离是否小于阈值；提取瓶盖和瓶体的轮廓，计算瓶盖和瓶体的旋转角度，并判断角度是否小于阈值，若均小于阈值，则认定瓶盖已经旋紧。
具体而言，在本申请的另一实施例中，先对采集到的图像进行预处理，包括去噪、滤波、二值化等。预处理后的图像可以提高后续处理的效率和准确性。通过边缘检测算法识别图像中的亮度、颜色或纹理等变化，并将这些变化的点连接起来，形成边缘线。通过形态学操作对图像进行膨胀、腐蚀、开操作和闭操作，以去除噪点并连接断裂的边缘线。还可以使用阈值分割或聚类算法提取瓶盖和瓶体的边缘线。基于匹配算法，可以根据边缘线的长度、方向、曲率等特征来匹配边缘线。可以使用匈牙利匹配算法或者最短路径匹配算法。
需要注意的是，上述实施例，在不矛盾的情况下，既可以组合使用，也可以独立实现。
根据本申请的另一个方面，具有全自动剔除反瓶功能的自动循环高速理瓶系统的理瓶方法，包括如下步骤：
S1、人工或自动将产品装入储料舱，并通过提升机构导入料桶；
S2、根据产品规格转盘以一定的速度旋转，将产品沿桶壁导入分瓶系统；
S3、再经分瓶输送带进入理瓶系统，在翻转机构处理顺瓶口方向；
S4、再经理瓶输送带将产品翻转至正确方向，导出进入下道工序；
在本申请的另一实施例中，还包括如下步骤：
S31 监测电眼监测到倒瓶和反瓶时向PLC进行反馈，PLC发出剔除信号，由翻转机构中旋转气缸执行剔除指令，把异常瓶口方向翻正。
总之，本发明配置倒瓶和反瓶自动监测剔除功能，理瓶过程流畅，保证出瓶质量。
以上详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种等同变换，这些等同变换均属于本发明的保护范围。
Claims (6)
1.具有全自动剔除反瓶功能的自动循环高速理瓶系统，其特征在于，包括：
储料仓与提升机构（1），包括储料仓（11），与储料仓（11）连接提升机构（12）；
料盘系统（2），包括料桶（21）和转盘（20），所述转盘（20）包括同位于料桶（21）底部的下转盘（22）、上转盘（23），以及用于驱动转盘工作的转盘驱动系统，所述下转盘（22）、上转盘（23）和料桶的桶壁共同形成一个与产品相匹配的环形通道；
分瓶系统（3），包括扫瓶机构，与扫瓶机构连接的分瓶机构，所述扫瓶机构包括微型电机（34），与所述微型电机（34）相连的蹼轮（35），所述分瓶机构包括沿料桶（21）内壁切向引出的分瓶输送带（31）、位于所述分瓶输送带（31）对面的导瓶板（33）；
理瓶系统（4），包括与分瓶输送带（31）连接的理瓶输送带（41）、分别安装在所述理瓶输送带（41）一侧上端的上导板（44）、安装在所述理瓶输送带（41）下部的下托板（43），以及安装在所述理瓶输送带（41）上的翻转机构；
翻转机构包括位于所述理瓶输送带（41）一侧的旋转汽缸(46)，与汽缸轴相连摇臂头（47），设置在摇臂头（47）的背面的第四电眼（48），用以检测摇臂头（47）设定位置；所述理瓶输送带（41）上设置有第二手柄（42），以调节理瓶输送带（41）的宽度，使其同时张开或者并拢；所述第二手柄（42）上设有位移计量器，用于显示第二手柄（42）轴旋转的圈数；
正瓶出瓶机构（5），包括立瓶块（51）、状态传感器和出瓶输送带，所述立瓶块（51）安装于所述理瓶输送带（41）末端底部，状态传感器设置于理瓶输送带的两侧，出瓶输送带（52）与所述理瓶输送带（41）连接；
所述出瓶输送带（52）独立驱动，其速度与其后的输送带的速度应匹配，所述出瓶输送带（52）上设有至少两个第三电眼（53），用来检测输送带主副道及其后通道上的储瓶量，将结果反馈给理瓶机，以此来控制输送带上的储瓶量，防止堵瓶；
所述料桶（21）为圆柱形无底薄壁桶，所述料桶（21）料桶壁中部偏下的部位设有第二电眼（24），所述第二电眼（24）位置高低可调；所述下转盘（22）表面水平，所述上转盘（23）呈中间高两侧低的锥形，所述转盘驱动系统包括第二交流电机及其减速器（25）；
所述状态传感器包括3D结构光、多点式激光传感器或多参数图像采集装置的至少一种；所述自动循环高速理瓶系统包括上位控制单元；状态传感器设置在理瓶机的输送带的至少一侧，并且位于灌装后的送瓶传输带一侧，形成传感器复用；采用环形或折线并行生产线，使得状态传感器能给同时识别前后瓶体的状态；
上位控制单元的数据处理流程包括：
步骤1、获取状态传感器的图像数据并分割成灌装前的理瓶区域图像和装箱前的质检区域图像；
步骤2、逐一读取理瓶区域图像，获取瓶体图像并逐一添加第一瓶体标签，建立瓶体图像矢量数据库；
步骤3、逐一读取质检区域图像，获取瓶体图像并逐一添加第二瓶体标签，并灌装前和装箱前的瓶体运动时间差，以及第一瓶体标签和第二瓶体标签，建立第一瓶体标签和第二瓶体标签的映射关系表；
步骤4、基于映射关系表，对质检区域图像中的瓶体图像进行边缘线提取，并计算瓶盖和瓶体边缘线的距离，最后判断距离是否小于阈值；提取瓶盖和瓶体的轮廓，计算瓶盖和瓶体的旋转角度，并判断角度是否小于阈值，若均小于阈值，则认定瓶盖已经旋紧；
所述步骤1中，当采用3D结构光或多参数图像采集装置时，数据采集和预处理过程包括：
步骤S1、采用投影仪进行结构光投影，根据不同的编码方式，实现不同的深度分辨率和测量速度；
步骤S2、采用相机进行图像捕捉，相机与投影仪保持固定的几何关系，以便进行后续的标定和配准；通过红外滤波片或窄带滤波片，使相机只接收目标波长的反射光线，消除环境光干扰；相机通过高速高分辨率的CMOS图像传感器，接收并记录反射线的图像，将接收到的图像数据转换为数字信号，并通过一个串行接口或以太网接口；发送给控制器；
步骤S3、对图像数据进行预处理，预处理包括畸变校正、直方图均衡化、噪声去除、异常值去除、重复值去除、插值补全，以及通过边缘检测算法识别图像中的亮度、颜色或纹理的变化，并将这些变化的点连接起来，形成边缘线；
当采用多点式激光传感器时，上位控制单元接收多点式激光传感器的数据并进行预处理，基于预处理后的数据进行特征提取，给出状态信息，并反馈给翻转机构或分瓶输送带。
2.如权利要求1所述的具有全自动剔除反瓶功能的自动循环高速理瓶系统，其特征在于，所述储料仓（11）为长方体的中空舱体，所述储料仓（11）的顶部为可开启的常闭PVC舱门（111），所述PVC舱门（111）通过气缸(114)驱动，所述储料仓（11）的正面开设有透明窗口（112），所述储料仓（11）舱体底部靠近出口处设有第一电眼（113），第一电眼用于检测储料仓内产品数量，储料仓缺瓶及时报警。
3.如权利要求2所述的具有全自动剔除反瓶功能的自动循环高速理瓶系统，其特征在于，所述提升机构（12）包括第一电机及其减速器（115），以及独立驱动的网带链输送带（116），已对产品的提升和导入，所述网带链输送带（116）设置有用于调节松紧度的调节螺杆（117），所述调节螺杆（117）位于所述网带链输送带（116）的底部被动端。
4.如权利要求1所述的具有全自动剔除反瓶功能的自动循环高速理瓶系统，其特征在于，所述扫瓶机构还包括与蹼轮（35）连接的第一手柄（36），用于调节扫瓶动作的高低；所述分瓶输送带（31）设置有独立驱动单元，包括主动轮(311)、从动带轮（312）和支撑辊（313），其驱动电机位于所述主动轮(311)的下部。
5.使用权利要求1至4任一所述的具有全自动剔除反瓶功能的自动循环高速理瓶系统的理瓶方法，其特征在于，包括如下步骤：
步骤S1、将产品装入储料仓（11），并通过提升机构（12）导入料桶（21）；
步骤S2、根据产品规格转盘（20）以一定的速度旋转，将产品沿桶壁导入分瓶系统（3）；
步骤S3、再经分瓶输送带（31）进入理瓶系统（4），在翻转机构处理顺瓶口方向；
步骤S4、将产品翻转至正确方向，导出进入下道工序。
6.如权利要求5所述的理瓶方法，其特征在于，还包括如下步骤：
S31、监测电眼监测到倒瓶和反瓶时向PLC进行反馈，PLC发出剔除信号，由翻转机构中旋转气缸执行剔除指令，把异常瓶口方向翻正。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311298037.2A CN117023091B (zh) | 2023-10-09 | 2023-10-09 | 具有全自动剔除反瓶功能的自动循环高速理瓶系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311298037.2A CN117023091B (zh) | 2023-10-09 | 2023-10-09 | 具有全自动剔除反瓶功能的自动循环高速理瓶系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117023091A CN117023091A (zh) | 2023-11-10 |
| CN117023091B true CN117023091B (zh) | 2023-12-12 |
Family
ID=88632247
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311298037.2A Active CN117023091B (zh) | 2023-10-09 | 2023-10-09 | 具有全自动剔除反瓶功能的自动循环高速理瓶系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117023091B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE3422870A1 (de) * | 1983-06-21 | 1985-01-03 | Mitsubishi Denki K.K., Tokio/Tokyo | Einrichtung zur ueberpruefung von flaschen |
| FR2900238A1 (fr) * | 2006-04-24 | 2007-10-26 | Sgcc Sa | Module et installation de controle d'un article et installation de reglage de ce module |
| CN101811618A (zh) * | 2009-02-25 | 2010-08-25 | 黄炎俊 | 高速全自动理瓶机 |
| CN204689065U (zh) * | 2015-04-10 | 2015-10-07 | 浙江康恩贝集团医疗保健品有限公司 | 一种高速理瓶机 |
| CN105417101A (zh) * | 2015-12-17 | 2016-03-23 | 北京大恒图像视觉有限公司 | 一种同步理瓶设备 |
| CA2968028A1 (en) * | 2014-11-27 | 2016-06-02 | Makro Labelling S.R.L. | Machine for moving containers to be processed |
| CN105752656A (zh) * | 2016-04-20 | 2016-07-13 | 烟台大学 | 一种瓶盖理料机 |
| CN105752657A (zh) * | 2016-04-19 | 2016-07-13 | 蚌埠科卫消毒药剂有限公司 | 一种消毒液灌装瓶自动整瓶输送装置 |
| CN106241306A (zh) * | 2016-08-31 | 2016-12-21 | 舟山市鲨鱼制药机械有限公司 | 一种理瓶机 |
| CN206437264U (zh) * | 2017-01-23 | 2017-08-25 | 泰安锦泰塑料制品有限公司 | 理瓶流水线用防瓶反防挤压装置 |
| CN209493025U (zh) * | 2018-12-29 | 2019-10-15 | 天津生物化学制药有限公司 | 一种带碾瓶装置的出瓶轨道 |
| CN216483449U (zh) * | 2021-11-11 | 2022-05-10 | 南京比逊弥特智能科技有限公司 | 一种具有前后静态称重系统的物料输送装置 |
| CN216470623U (zh) * | 2021-10-12 | 2022-05-10 | 山东滨农科技有限公司 | 一种自动剔除歪瓶倒瓶的理瓶转盘 |
| CN219669562U (zh) * | 2023-04-14 | 2023-09-12 | 上海全众机械有限公司 | 一种输送式供胚机 |
-
2023
- 2023-10-09 CN CN202311298037.2A patent/CN117023091B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE3422870A1 (de) * | 1983-06-21 | 1985-01-03 | Mitsubishi Denki K.K., Tokio/Tokyo | Einrichtung zur ueberpruefung von flaschen |
| FR2900238A1 (fr) * | 2006-04-24 | 2007-10-26 | Sgcc Sa | Module et installation de controle d'un article et installation de reglage de ce module |
| CN101811618A (zh) * | 2009-02-25 | 2010-08-25 | 黄炎俊 | 高速全自动理瓶机 |
| CA2968028A1 (en) * | 2014-11-27 | 2016-06-02 | Makro Labelling S.R.L. | Machine for moving containers to be processed |
| CN204689065U (zh) * | 2015-04-10 | 2015-10-07 | 浙江康恩贝集团医疗保健品有限公司 | 一种高速理瓶机 |
| CN105417101A (zh) * | 2015-12-17 | 2016-03-23 | 北京大恒图像视觉有限公司 | 一种同步理瓶设备 |
| CN105752657A (zh) * | 2016-04-19 | 2016-07-13 | 蚌埠科卫消毒药剂有限公司 | 一种消毒液灌装瓶自动整瓶输送装置 |
| CN105752656A (zh) * | 2016-04-20 | 2016-07-13 | 烟台大学 | 一种瓶盖理料机 |
| CN106241306A (zh) * | 2016-08-31 | 2016-12-21 | 舟山市鲨鱼制药机械有限公司 | 一种理瓶机 |
| CN206437264U (zh) * | 2017-01-23 | 2017-08-25 | 泰安锦泰塑料制品有限公司 | 理瓶流水线用防瓶反防挤压装置 |
| CN209493025U (zh) * | 2018-12-29 | 2019-10-15 | 天津生物化学制药有限公司 | 一种带碾瓶装置的出瓶轨道 |
| CN216470623U (zh) * | 2021-10-12 | 2022-05-10 | 山东滨农科技有限公司 | 一种自动剔除歪瓶倒瓶的理瓶转盘 |
| CN216483449U (zh) * | 2021-11-11 | 2022-05-10 | 南京比逊弥特智能科技有限公司 | 一种具有前后静态称重系统的物料输送装置 |
| CN219669562U (zh) * | 2023-04-14 | 2023-09-12 | 上海全众机械有限公司 | 一种输送式供胚机 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117023091A (zh) | 2023-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10930105B2 (en) | Banknote management method and system | |
| CN108548820B (zh) | 化妆品纸质标签缺陷检测方法 | |
| Razmjooy et al. | A real-time mathematical computer method for potato inspection using machine vision | |
| Pérez-Zavala et al. | A pattern recognition strategy for visual grape bunch detection in vineyards | |
| Noordam et al. | High-speed potato grading and quality inspection based on a color vision system | |
| CN113592845A (zh) | 一种电池涂布的缺陷检测方法及装置、存储介质 | |
| US20200134857A1 (en) | Determining positions and orientations of objects | |
| Mery | Automated detection in complex objects using a tracking algorithm in multiple X-ray views | |
| Tian et al. | Fast recognition and location of target fruit based on depth information | |
| JP2022550216A (ja) | 偏光キューを用いた透明な物体のセグメンテーションのためのシステム及び方法 | |
| EP2359313A1 (en) | Method and system for item identification | |
| Zhu et al. | Gabor feature-based apple quality inspection using kernel principal component analysis | |
| Zhang et al. | Grasping point detection of randomly placed fruit cluster using adaptive morphology segmentation and principal component classification of multiple features | |
| CN108491857B (zh) | 一种视域重叠的多摄像机目标匹配方法 | |
| CN115631128A (zh) | 基于圆幂定理的圆形药品数量检测方法 | |
| Liu et al. | An MRF model-based approach to the detection of rectangular shape objects in color images | |
| CN117314901B (zh) | 一种尺度自适应的芯片检测神经网络系统 | |
| CN117023091B (zh) | 具有全自动剔除反瓶功能的自动循环高速理瓶系统及方法 | |
| Labati et al. | 3-D granulometry using image processing | |
| Kamani et al. | Car body paint defect inspection using rotation invariant measure of the local variance and one-against-all support vector machine | |
| KR102484950B1 (ko) | 비전-초분광 융합 데이터 기반 폐기물 분류 시스템 | |
| CN110866917A (zh) | 一种基于机器视觉的药片类型及排列方式识别方法 | |
| Arnqvist et al. | Efficient surface finish defect detection using reduced rank spline smoothers and probabilistic classifiers | |
| Jia et al. | One-shot m-array pattern based on coded structured light for three-dimensional object reconstruction | |
| Piniarski et al. | Improved pedestrian detection by adjustment of segmented ROI in thermal night vision |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |