專利名稱：一種基于機器視覺對瓶蓋表面瑕疵的智能檢測方法
技術領域：
本發明涉及一種基于機器視覺對瓶蓋表面瑕疵的智能檢測方法。
背景技術：
在工業自動化生產線中，特別是金屬瓶蓋生產中，由于要經過商標印刷、剪裁沖 壓、內墊注膠、膠墊成型等多道工序，瓶蓋表面容易出現印刷瑕疵、刮擦痕跡等缺陷，這些缺 陷主要包括飛墨、重影、偏色、偏印、漏印、黑點、污染、刮擦等。為了將不合格的產品分揀出 來，提高產品的出廠合格率，需要對產品進行細致的檢測。傳統的檢測是通過專業人員利用 人工視覺目檢完成，其缺點是1.速度慢、效率低；2.檢測質量不穩定。在重復勞動下，人 工檢測容易使人疲勞，常會出現漏檢現象，造成產品質量不穩定；3.檢測標準不統一。由于 不同人對色彩深淺的判斷標準存在個體差異，造成檢測的結果存在差異；4.檢測控制周期 長。由于人工檢測為非在線檢測，檢測控制周期長，一旦生產線出現產品質量偏差，無法及 時調整，將會有大量的殘次品被生產出來，造成浪費。針對瓶蓋表面質量人工檢測存在的 缺陷，迫切需要一種在線自動檢測系統。機器視覺技術具有非接觸，檢測速度快，準確率高， 檢測結果客觀可靠的特點，配合合適的檢測算法可以迅速準確地檢測瓶蓋表面瑕疵。機器 視覺在很多檢測領域已有應用，在瓶蓋檢測領域也有應用先例，但是大部分是對瓶蓋內墊 或具有旋轉對稱性圖像的外蓋的檢測(例如專利CN101799431A)。因為具有旋轉對稱性圖像 的算法實現容易，檢測較為簡單。而大部分瓶蓋外表面圖像不具有旋轉對稱性，這就為快速 圖像匹配檢測帶來困難，一般情況下，隨機旋轉的非對稱性圖像匹配計算較為復雜，耗時較 長，很難滿足快速的要求，特別是在瓶蓋生產線中，每分鐘至少要檢測2500個以上，如何能 夠實現快速準確的對瓶蓋外表面檢測是困擾生產技術人員多年的問題。

發明內容
針對現有技術存在的技術問題，本發明的目的是提供一種基于機器視覺對瓶蓋表 面瑕疵的智能檢測方法，該方法不僅能夠實現邊生產邊檢測的在線檢測，而且檢測速度快， 檢測效率高。為達到上述目的，本發明的構思是利用工業照相機附加到瓶蓋生產線上的待測 工位，利用專用光源照明待測瓶蓋表面，采集瓶蓋的圖像信息，將所采集的圖像信息傳送到 瓶蓋表面圖像處理系統，瓶蓋表面圖像處理系統對所述瓶蓋表面圖像處理后輸出控制信 號，控制工件剔除單元動作，剔除有瑕疵的瓶蓋，工件剔除單元具有根據不同瑕疵類型自動 分類剔除功能，并將不同瑕疵瓶蓋分類放置，方便后續的復檢和修復工作。根據上述的發明構思，本發明采用下述技術方案
一種基于機器視覺對瓶蓋表面瑕疵的智能檢測方法，該方法包括檢測流程，其特征在 于，其具體步驟包括如下
(1)、 用高速工業照相機附加到瓶蓋自動化生產線工件傳送帶上的待測工位，待測工位 放置事先選出的待檢測瓶蓋的合格品，用專用光源照明待檢測瓶蓋表面，采集合格瓶蓋的圖像信息，讀入所述工業計算機內存；
(2)、對步驟 (1)中讀入工業計算機內存中的瓶蓋表面圖像進行圓定位和特征參數提
取
(2-1)、對的瓶蓋表面圖像進行定位，找出瓶蓋表面圖像的圓心和半徑參數；
(2-2)、對瓶蓋表面圖像進行特征參數提取，首先進行瓶蓋圖像二值化，按照4連通原 則分割圖塊，分割區域限定在瓶蓋表面圖像的圓內進行，然后計算特征參數，其特征參數包 括每個圖塊的塊面積參數、圓心距參數、偏角參數；
(3)將步驟(2)中獲得的瓶蓋表面圖像的圓心和半徑參數、塊面積參數、圓心距參數、 偏角參數分別存入不同的數組；
(4)、判斷瓶蓋采集次數是否達到預先設定的采集次數，若沒有達到預先設定的瓶蓋采 集次數，則轉步驟(1)，繼續進行下一個瓶蓋的圖像采集，下一個瓶蓋為同一品種的另一合 格瓶蓋，若達到預先設定的采集次數，則轉步驟(5)；
(5)分別從步驟(3)中的不同的數組中找出半徑和不同塊的塊面積參數、圓心距參 數、偏角參數，求出各參數的平均值和各參數的上限值及下限值，上下限值之間的差值作為 誤差寬容度，并將半徑參數平均值、塊面積參數平均值、圓心距參數平均值、偏角參數平均 值作為標準特征參數，存入工業計算機的數據庫中；
(6)根據生產的要求，對步驟(5)中得到的誤差寬容度范圍設定；
(7)用高速工業照相機附加到瓶蓋自動化生產線上的待測工位，待測工位放置待檢測 瓶蓋，用專用光源照明待檢測瓶蓋表面，采集待檢測瓶蓋的圖像信息，讀入所述工業計算機 內存；
(8)對步驟(7)中讀入工業計算機內存中的瓶蓋表面圖像進行定位，找出瓶蓋表面圖 像的圓心和半徑；
(9)對步驟(8)中獲得的圓半徑與步驟(5)數據庫中標準的圓半徑之間差值運算，得 到它們之間的誤差，判斷該誤差是否在半徑誤差寬容度范圍內，若該誤差是在圓半徑的誤 差寬容度范圍內，轉步驟(10)，若該誤差不是在圓半徑的誤差容許范圍內，則轉步驟(12)；
(10)計算步驟(9)中分割后的瓶蓋表面圖塊特征參數，其特征參數包括每個圖塊的 塊面積參數、圓心距參數和偏角參數；
(11)、分別計算步驟(10)中獲得的瓶蓋表面塊面積參數、圓心距參數、偏角參數與步 驟(5)數據庫中的標準特征參數之間的誤差，判斷誤差是否在與之相對應的誤差寬容度范 圍內，若誤差是在與之相對應的誤差寬容度范圍內，則認為合格瓶蓋，轉步驟(7)繼續下一 個瓶蓋的檢測，若誤差不是在與之相對應的誤差寬容度范圍內，則認為有瑕疵瓶蓋，轉步驟 (12)；
(12)瓶蓋表面圖像處理系統向瓶蓋剔除單元輸出剔除控制信號，啟動工件剔除單元， 打開電磁閥，工件剔除單元的瓶蓋吹嘴噴出壓縮空氣吹落有瑕疵的不合格瓶蓋，完成有瑕 疵的不合格瓶蓋剔除后，轉步驟(7)繼續對下一個待測瓶蓋的檢測。 上述步驟(2)所述的對瓶蓋表面圖像進行特征參數提取，其特征參數包括分割后 各圖塊的塊面積參數、圓心距參數、偏角參數，其具體計算為
設瓶蓋表面圖像第S圖塊的圖塊面積為Α, ι為1，2，···，《中的任一數，圖塊面積巧的計 算式為
權利要求
1. 一種基于機器視覺對瓶蓋表面瑕疵的智能檢測方法，該方法包括檢測流程，其特征 在于，其具體步驟包括如下(1)、用高速工業照相機附加到瓶蓋自動化生產線工件傳送帶上的待測工位，待測工位 放置事先選出的待檢測瓶蓋的合格品，用專用光源照明待檢測瓶蓋表面，采集合格瓶蓋的 圖像信息，讀入所述工業計算機內存；(2)、對步驟(1)中讀入工業計算機內存中的瓶蓋表面圖像進行圓定位和特征參數提取(2-1)、對的瓶蓋表面圖像進行定位，找出瓶蓋表面圖像的圓心和半徑參數；(2-2)、對瓶蓋表面圖像進行特征參數提取，首先進行瓶蓋圖像二值化，按照4連通原 則分割圖塊，分割區域限定在瓶蓋表面圖像的圓內進行，然后計算特征參數，其特征參數包 括每個圖塊的塊面積參數、圓心距參數、偏角參數；(3)將步驟(2)中獲得的瓶蓋表面圖像的圓心和半徑參數、塊面積參數、圓心距參數、 偏角參數分別存入不同的數組；(4)、判斷瓶蓋采集次數是否達到預先設定的采集次數，若沒有達到預先設定的瓶蓋采 集次數，則轉步驟(1)，繼續進行下一個瓶蓋的圖像采集，下一個瓶蓋為同一品種的另一合 格瓶蓋，若達到預先設定的采集次數，則轉步驟(5)；(5)分別從步驟(3)中的不同的數組中找出半徑和不同塊的塊面積參數、圓心距參 數、偏角參數，求出各參數的平均值和各參數的上限值及下限值，上下限值之間的差值作為 誤差寬容度，并將半徑參數平均值、塊面積參數平均值、圓心距參數平均值、偏角參數平均 值作為標準特征參數，存入工業計算機的數據庫中；(6)根據生產的要求，對步驟(5)中得到的誤差寬容度范圍設定；(7)用高速工業照相機附加到瓶蓋自動化生產線上的待測工位，待測工位放置待檢測 瓶蓋，用專用光源照明待檢測瓶蓋表面，采集待檢測瓶蓋的圖像信息，讀入所述工業計算機 內存；(8)對步驟(7)中讀入工業計算機內存中的瓶蓋表面圖像進行定位，找出瓶蓋表面圖 像的圓心和半徑；(9)對步驟(8)中獲得的圓半徑與步驟(5)數據庫中標準的圓半徑之間差值運算，得 到它們之間的誤差，判斷該誤差是否在半徑誤差寬容度范圍內，若該誤差是在圓半徑的誤 差寬容度范圍內，轉步驟(10)，若該誤差不是在圓半徑的誤差容許范圍內，則轉步驟(12)；(10)計算步驟(9)中分割后的瓶蓋表面圖塊特征參數，其特征參數包括每個圖塊的 塊面積參數、圓心距參數和偏角參數；(11)、分別計算步驟(10)中獲得的瓶蓋表面塊面積參數、圓心距參數、偏角參數與步 驟(5)數據庫中的標準特征參數之間的誤差，判斷誤差是否在與之相對應的誤差寬容度范 圍內，若誤差是在與之相對應的誤差寬容度范圍內，則認為合格瓶蓋，轉步驟(7)繼續下一 個瓶蓋的檢測，若誤差不是在與之相對應的誤差寬容度范圍內，則認為有瑕疵瓶蓋，轉步驟 (12)；(12)瓶蓋表面圖像處理系統向瓶蓋剔除單元輸出剔除控制信號，啟動工件剔除單元， 打開電磁閥，工件剔除單元的瓶蓋吹嘴噴出壓縮空氣吹落有瑕疵的不合格瓶蓋，完成有瑕 疵的不合格瓶蓋剔除后，轉步驟(7)繼續對下一個待測瓶蓋的檢測。
2.根據權利要求1所述的一種基于機器視覺對瓶蓋表面瑕疵的智能檢測方法，其特征 在于，上述步驟(2)所述的對瓶蓋表面圖像進行特征參數提取，其特征參數包括分割后各 圖塊的塊面積參數、圓心距參數、偏角參數，其具體計算為設瓶蓋表面圖像第
全文摘要
本發明公開了一種基于機器視覺對瓶蓋表面瑕疵的智能檢測方法，其步驟如下(1)采集合格瓶蓋的圖像信息；(2)對瓶蓋表面圖像進行圓定位和特征參數提取；(3)將獲得的瓶蓋表面圖像的各參數分別存入不同的數組；(4)判斷瓶蓋采集次數是否達到預先設定的采集次數；(5)統計出各參數的平均值和各參數的上限值及下限值，將上下限值之間的差值作為誤差寬容度范圍；(6)采集待檢測瓶蓋的圖像信息并提取特征參數；(7)判斷該參數對應的誤差是否在誤差寬容度范圍內，并經識別等步驟，對有瑕疵的不合格瓶蓋剔除。該方法能夠智能化的提取瓶蓋表面圖像特征參數作為檢測標準；實現了圖像的快速檢測，檢測效率較高；可以附加在現有瓶蓋生產線上，實現邊生產邊檢測的在線檢測。
文檔編號B07C5/342GK102095733SQ20111004898
公開日2011年6月15日 申請日期2011年3月2日 優先權日2011年3月2日
發明者周文舉, 周曉兵, 杜大軍, 王海寬, 費敏銳 申請人:上海大學