基于机器视觉的玻璃瓶在线检测系统研究与开发

夏贤华；谢经明；柯丰恺；张代林；陈幼平

（华中科技大学机械科学与工程学院，湖北 武汉430074）

0 引言

玻璃瓶在食品、药品、饮料等产品的包装中得到了广泛的使用［1］。传统的玻璃瓶检测方法为人工检测，人工检测一方面存在效率低，劳动强度大，而且检测精度易受环境和心情的影响，无法保证检测结果的可靠性［2］。另一方面，随着工业自动化的发展，产品的生产线速度也在不断提升，在酒行业中，生产线速度为13 000瓶／min，人工检测根本无法达到检测速度的要求。

近年来，随着机器视觉技术的发展，该技术已广泛应用于各种产品的在线检测中。提出了一种应用于玻璃瓶在线检测的实时检测系统，利用高速触发相机采集图像，配合图像处理算法检测缺陷，最后通过剔除机构实现缺陷瓶的实时剔除。

1 系统架构

玻璃瓶在线检测系统要求能同时检测出瓶口上端面缺陷和瓶颈部分缺陷。由于缺陷出现的位置是随机的，因此，必须完整的检测整个瓶口才能判断有无缺陷。系统采用4个相机实现这一功能，其中，一个相机用于检测瓶口上端面缺陷，另外3个相机间隔120°放置，实现360°全方位覆盖瓶颈。系统主要包括相机系统、控制系统和剔除系统3大部分，其构成如图1所示。

系统的工作原理：当生产线上的瓶子经过第1个光电开关后，由于瓶子经过没有反射光线返回，因此，光电开关产生一个脉冲信号送给PLC，PLC再通过工控机触发相机1进行拍照，获得瓶口图像，接着通过第2个、第3个光电开关后，触发剩余的相机采集瓶颈图像，然后再将采集得到的图像送回工控机进行处理，并将处理结果送到平板电脑上进行显示。同时若检测到缺陷，则通过工控机发送控制信号给PLC，由PLC控制剔除机构进行缺陷瓶的剔除。由于编码器不受传送带速度波动的影响，只和瓶子走过的距离有关，因此，可以通过编码器和光电开关的配合来实现缺陷瓶的准确剔除。剔除机构选用SMC的高频高速气缸，有效行程30 mm，剔除频率大于10 Hz，经测试符合生产实际需要。

图1 系统结构

2 图像的采集

在机器视觉检测系统中，获得良好的图像往往是系统成功与否的关键。而良好的照明系统则是获得高质量图像的关键因素［3］。由于LED光源具有效率高、寿命长和可靠性高等优点，因此，系统选用LED光源。同时为了获得较好的图像质量，必须保证瓶口和瓶颈各部分的均匀照明，因此瓶口采用环形光源照射，瓶颈采用大于瓶身面积的平板光源照射，瓶口的照射方式为基于发射光的前向照明，而瓶身采用基于透射光的背向照明，照射方如图2、图3所示。为了获得可靠的图像数据，采用了具有专利技术的“一种四自由度可调工业摄像机装夹机构”，可以对相机的位置和角度进行自由调节，方便现场调试和固定。

图2 瓶口照射方式

图3 瓶身照射方式

3 图像处理

图像处理一般包括图像的预处理，图像分割，特征提取，缺陷分类［4］等。在系统中，由于相机性能较好，在图像的形成、传输等过程中基本没引入噪声，同时由于特征图像和背景图像的对比度较高，因此可以不进行图像的预处理。

3．1 图像分割

以瓶口检测为例，为了获得较好的瓶口图像，方便后面的进一步处理，有必要对图像进行分割，突出图像的关键信息。常用的图像分割算法有阈值法、区域增长法、边缘检测法和模糊法等。由于本图像的背景和特征图像对比度较高且系统的实时性要求也比较高，因此，采用分割速度较快，实现较简单的阈值分割算法。所谓阈值分割［5］，就是选择一个合适的图像阈值后，将图像分为背景图像和目标图像。常用的阈值算法有固定阈值法和动态阈值法。固定阈值法适用于图像灰度已知且基本不随外界条件变化的情况下使用，这里考虑到光照等因素的影响，采用动态阈值法进行图像的分割。常用的动态阈值法有最大熵法、P-title法和Otsu法。经试验知，和Otsu法相比，最大熵法的分割效果较为理想，和P-title法相比，最大熵法有明显的速度优势，因此，采用最大熵法进行阈值分割。最大熵法检测原理如下所示。

在瓶口检测中，图像的对象比较单一，同时图像本身基本不存在噪声，因此，图像相当于只有目标和背景两个特征。因此，假定一个阈值T，便可将图像分为两个区域（目标和背景），其中，灰度值小于T的区域为背景区域，大于T的区域为目标区域。熵是信息论中的重要概念，其定义为［6］：

在图像处理中，p（x）代表像素x发生的概率；ni代表灰度级x的像素数量；N代表图像的总像素数。则

图像背景区域的灰度级概率为所有灰度值小于T的概率之和，背景区域为：

图像目标区域的灰度级概率为所有灰度值大于等于T且小于L的概率之和，目标区域为：

x＝T，T＋1，T＋2，…，L

L代表图像的灰度级数。

因此，背景区域和目标区域的熵的定义为：

因此，图像的熵定义为背景区域和目标区域的熵之和为：

根据最大熵法的原理可知，使得H（T）取得最大值的T即为所求的阈值为：

3．2 瓶口定位

在实际的生产线中，玻璃瓶在垂直传送带的方向上存在着一定的位置偏移，如图4所示。在图像处理之前，首先要对瓶口图像进行定位，而瓶口的定位可以通过定位圆心来检测。传统的定位法有重心法［7］、基本 Hough变换［8］法。重心法对于外界的条件要求很高，当存在干扰时，很容易使检测到的重心偏离圆心，而且对于有缺陷的瓶口图像来说，其重心和圆心本来就存在偏差，因此，重心法并不适用于瓶口定位。传统的Hough检测方法能较好的定位圆心的位置，但其计算量很大，难以满足实时性的要求，所以，也不适合用于瓶口定位。

图4 瓶口位置浮动

提出了一种基于2D中垂线的Hough变换改进算法，利用圆上弦的中垂线的交点必过圆心这一性质来定位瓶口位置。其算法流程如下所述。

a．对阈值分割后的图像进行边界检测，提取瓶口的边缘图像。

b．在提取到的边缘图像上随机选取一点作为起点A，沿顺时针方向经过特定像素点个数后选择第二点B，此时AB即为圆的一条弦，将AB顺时针移动选定像素后，便得到另一条弦CD，如此重复直至弦的端点接近A点为止，可以得到一系列的弦。

c．根据b所得到的弦的集合，每2条弦就可以求得一个圆心的坐标。以AB、CD 2条弦为例，设其坐标为（Xa，Ya）、（Xb，Yb）、（Xc，Yc）、（Xd，Yd），则可以求得AB，CD的中垂线方程为：

联立式（9）、式（10）即可求得瓶口的圆心坐标。同理，可以求得一系列的圆心坐标，并将这些圆心坐标以动态链表的形式进行存储。

d．统计动态链表中的结点值，结点值最大所对应的坐标即为圆心坐标。

检测效果如图5所示。

图5 瓶口定位

对采集到的100幅瓶口图像分别用Hough变换和本文提出的改进的Hough变换进行测试，得到如表1所示结果。

表1 瓶口定位试验

从表1中可以看出，改进的Hough变换算法不仅检测精度能达到系统要求，而且其大大加快了系统的检测时间，为系统进行实时检测提供了有力的保障。

3．3 缺陷检测

在完成了瓶口定位以后，就可以对瓶口的缺陷进行检测了。常见的瓶口缺陷有裂纹、缺口和凹陷等，常用的检测方法有模板匹配法、径向投影法［7］等。模板匹配法对于图像的定位精度要求比较高，而且对于瓶子的晃动比较敏感，鲁棒性能差，不能很好地检测出瓶口缺陷。径向投影法虽然对定位精度要求不高，但其很难检测出非径向的裂纹，因此，实际中也没采用该算法。系统采用的检测算法为切向差分法，其检测原理：正常的瓶口图像沿切线方向灰度变化缓慢，而有缺陷的图像其切向差分比较大，因此可以据此来判断是否存在缺陷。首先沿着瓶口图像的边缘计算其差分，然后将计算所得的差分根据设定的阈值进行二值化，再去除周长较小的区域，这样就可以得到瓶口的缺陷图像，从而判定瓶口是否存在缺陷。通过对100幅图像进行检测，发现该算法的准确率可以达到96%。

4 结束语

系统将机器视觉系统与PLC系统相结合，成功完成了玻璃瓶瓶口和瓶颈的在线检测，目前该系统已在生产线上投入使用，经测试运行各部分功能正常，缺陷瓶检测率达到100%，提高了玻璃瓶生产的自动化水平。机器视觉系统作为正在蓬勃发展的新兴技术，随着劳动力成本的提高，今后必将在各行各业获得更为广泛的应用。

［1］ 王华荣．玻璃瓶缺陷检测技术综述［J］．福建电脑，2012，（8）：39-41．

［2］ 倪 征，苏光大，马慧敏，等．玻璃瓶在线检测系统设计［J］．计算机工程与应用，2004，（3）：218-220．

［3］ Duan Feng，Wang Yaonan，Liu Huanjun．A machine vision inspector for beer bottle．Engineering Application of Artificial Intelligence［J］．2007，20（7）：1013-1021．

［4］ 张宏林．数字图像处理典型算法及实现［M］．北京：人民邮电出版社，2008．

［5］ Ma Sile，Wang Huiquan，Hao Zengben．Application research of machine vision technique in intelligent empty bottle inspection system［A］．Proceedings of the 8th World Congress on Intelligent Control and Automation［C］．Jinan，China，2010．4462-4466．

［6］ 王文渊，王芳梅．改进的最大熵算法在图像分割中的应用［J］．计算机仿真，2011，（28）：291-294．

［7］ 段 峰．啤酒瓶视觉检测机器人研究［D］．长沙：湖南大学，2007．

［8］ 严筱永，阎 浩，沈维燕，等．基于改进的Hough变换的圆检测［J］．金陵科技学院学报，2009，25（1）：18-21．