基于机器视觉在智能饮水机中的应用研究

吴雪良

（佛山市云米电器科技有限公司 佛山 528308）

引言

目前在人们生活水平提高的同时，生活节奏也日渐加快。饮水机在人们家庭中越来越普及。为了方便用户快速取得适量的水，现有饮水机都设置了定量取水功能，例如通过设置200 ml 定量取水按键，点击此按键后饮水机的出水量达到200 ml 后自动停止。但是由于不同用户家杯子的差异比较大，定量取水功能难以适用。因此在使用饮水机定量取水时，依旧需要人眼不停关注水杯内水位的变化，来判断出水量。当出现水量与杯子容量不匹配时，仍需要手动控制饮水机出水及停水。极易导致水的溢出，造成了水资源的浪费，并且溢出的热水也可能造成烫伤等。同时在接水过程中，仍需要等待，无法合理利用时间。因此需要更加智能化自动停水的饮水机，来帮助人们节约用水和提高时间利用率。

机器视觉（machine vision, MV）技术涉及了多学科多领域，包括人工智能、图像处理、模式识别、计算机软硬件等[1]。相对于人工视觉，在需求更高观察速度、更高分辨率，和识别结果高重复性的图像获取上，机器视觉更具优势。目前已广泛应用于交通，医疗、安防、农业等领域。在农业领域，张利娟等通过机器视觉技术实现对猪的身份识别，运动行为和健康检测等，从而对成本优化，健康管理取得了有效地改善[2]。在医疗领域，机器视觉通过利用数字图像处理技术，辅助医生进行医学影像分析，更加有效，准确地分析病因，从而使病人得到更有效地治疗[3]。在交通领域，潘勇采用图像处理技术对路面裂缝检测方法进行了研究，使得路面检测更加高效、安全、便捷[4]。近些年机器视觉技术也逐渐应用与家电领域。郑卓韬等通过将机器视觉技术应用与小家电锁付装配系统，极大地提高了装配精度和效率[5]。邵芬娟等，通过将机器视觉应用于检测白色衣物上的脏污程度，使洗涤更加智能化，有效节省水电和减少洗涤剂残留的效果[6]。但目前将其应用与饮水机上的研究相对较少。

本文通过将机器视觉技术在应用于饮水机上，对获取图像的灰度值进行分类，并设定不同的分割阈值，有效地提高不同种类杯子的杯口识别率。根据图像中提取杯口轮廓和水位轮廓，设定阈值使其能够在杯子水满后自动停水，从而避免水资源的浪费，具有积极意义。

1 总体方案

基于机器视觉的智能饮水机系统主要包括：杯子放置模块，出水动力模块，视觉模块，控制模块和储水模块。在这些模块中最为关键的还是视觉模块和控制模块。杯子放置模块负责规范杯子的放置区域和提供稳定的背景，便于视觉模块获取稳定的背景图像；出水动力模块负责将水从储水模块中运送至杯子中；视觉模块，通过对相机视野下方区域进行拍照，获取饮水机出水过程前后水杯的图像，并进行图像处理，检测和判断杯子和水位结果，最后根据处理结果将出水和停水的信号发送给控制模块；控制模块通过获取其他各模块的信号和各传感器的信号，从而对各个元器件进行工作控制；储水模块为整个系统提供水源。

2 视觉模块与杯口和水面边界的识别

本视觉模块由红外相机，940 nm 红外灯和图像处理单元组成。红外相机可以采集高质量的杯子图像，从而获取有效的杯子边缘特征数据。视觉采集还需要借助940 nm 红外灯辅助光源，利用杯子的反光性和水的吸光性，使杯子的杯口特征和水的边界特征地提取更加有效。将摄像头固定在饮水机出水口下方，同时将光源设置在摄像头两侧，可以增大光源覆盖范围，以达到理想的图像采集条件。整个系统需要进行标定和校准，提高识别准确度。图像处理单元需要对图像进行预处理，预处理过程包括图像的灰度化、图像滤波、图像分割、特征信息的提取、创建形状模板，从而得到最终想要的特征图。

杯口的识别是通过先获取未放置杯子前图像作为背景图，再获取放置杯子后的图像进行对比，经图像分割，特征提取，重新拼接来获取杯口外轮廓，制作等直径圆作为杯口特征。实际中杯子的材质和颜色种类众多，相机获取图像后，由于不同的杯子灰度化后的灰度不一样，从而导致图像分割后，提取的特征信息与实际产生差异，因此需要对图像的灰度值进行分类，经灰度分类后的图像采用不同阈值进行图像分割，从而提高图像轮廓的准确度，杯口的判断逻辑图如图1 所示。

图1 杯口特征提取逻辑图

水面边界识别是通过利用水与杯子轮廓接触时在表面张力作用下产生的非平面特征，经光线照射下水的非平面特征轮廓会产生反光现象表现为亮特征，而中间平面区会折射、吸收红外光，从而产生暗特征，借助这种明暗特征差异下获取水面轮廓。考虑到出水是动态过程，水面在水流冲击下会产生波动。水面的波动会导致多处明暗条纹特征的出现，因此在提取图像中水纹特征时，会出现多个离散区域。通过对离散区域进行滤波，膨胀，腐蚀等操作后，得到多个离散区域的外轮廓边界，并绘制外轮廓边界的外接圆作为水面的轮廓边界，示意图如图2 所示。

图2 水位边界提取示意图

3 测试分析

自动停水设定是基于图像拍摄时会使图像产生近大远小现象，因此杯口轮廓会大于水位轮廓，随着出水量的增加，水位轮廓直径也在不断增大，只需要设定好杯口轮廓和水位轮廓的直径差作为停水阈值即可实现杯中水满后有效自动停水。此时由于水位轮廓直径小于杯口轮廓直径，实际中水位低于杯口，因此不会产生溢水现象。

马克杯自动停水过程效果图如图3 所示，在算法制定的阈值内可以很好地识别杯口的轮廓和水位轮廓，并在杯中水满后有效地自动停水，无溢出。

实际测试过程中，考虑到不同家庭内杯子的差异化，测试时选择使不同材质杯子进行杯口吻合和自动停水准确率测试，其中同种材质杯子继续选择不同形状或不同颜色进行测试。杯口通过图像技术提取的轮廓曲线与图像中杯口轮廓吻合度在95 %以上定义为吻合。水位轮廓与杯口轮廓差值达到经算法制定的阈值后，自动停水。测量停水水位与杯口的高度差，差值在30 mm 以内定义为准确停水。测试过程先进行杯口识别测试，再将具有杯口吻合的杯子进行自动停水测试。

杯口识别率和自动停水准确率测试结果如表1 和表2 所示。经测试纸杯子杯口识别率最高，纸杯为白色表面更易反光，使其与背景差异化更加明显，从而更加有效提取杯口轮廓，同时经自动停水测试后全部有效自动停水。陶瓷和塑料杯杯识别率未达到100 %。深色的杯子未准确识别，由于其提取的图像通过灰度化之后，灰度值较低，不能有效进行图像分割提取杯口轮廓，但其他亮色杯子均有效识别，继续对识别率通过的杯子进行自动停水测试，均有效自动停水。

表1 杯口识别率测试

表2 停水准确率测试

4 结论

通过将视觉技术搭建在饮水机中进行智能自动停水研究，研究结果表明：根据杯子的反光性和水对红外的吸光性特点，利用机器视觉技术可以将杯子中杯口的轮廓和水面的轮廓分割开来。杯口的识别吻合度与杯子的材质，颜色有明显的关系。对于颜色偏亮的纸质杯子、陶瓷杯子和塑料杯子，具有更好的杯口识别率和有效自动停水率。此研究让机器视觉技术具备了应用到实际产品上的潜力。但对于深色杯子识别率较差，接下来还可以继续深入研究，以适应更加多样化的需求。