一種殘差分析動(dòng)態(tài)閾值分割的瓶口缺陷檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理領(lǐng)域，涉及一種殘差分析動(dòng)態(tài)閾值分割的瓶口缺陷檢測(cè)方 法。
【背景技術(shù)】
[0002] 我國(guó)每年的瓶酒瓶需求量巨大，據(jù)行業(yè)數(shù)據(jù)顯示，2014年我國(guó)啤酒行業(yè)累計(jì)產(chǎn)量 高達(dá)4921. 85萬(wàn)千升，按每瓶啤酒530ml的瓶裝容量計(jì)算，則需要多達(dá)9. 286511101°個(gè)啤酒 瓶，而，其中80 %以上的啤酒瓶使用回收舊瓶，存在著大量瓶口破損的瓶，使用瓶口破損的 瓶可能給生產(chǎn)線和消費(fèi)者帶來(lái)重大安全隱患，因此，進(jìn)行瓶口缺陷檢測(cè)，剔除瓶口不合格的 瓶是一個(gè)必要過(guò)程，目前，國(guó)內(nèi)外已經(jīng)有大量瓶口缺陷檢測(cè)的方法。
[0003] 國(guó)外，早在20世紀(jì)60年代研制出了空瓶檢測(cè)機(jī)，但是描述具體瓶口定位方法的文 獻(xiàn)較少，1988年，YoshidaΗ在專利《Bottlemouthdefectinspectionapparatus》中提出 使用一種弧形光源和光電傳感器獲取瓶口圖像，通過(guò)徑向方向的掃描實(shí)現(xiàn)5種類型的瓶口 缺陷檢測(cè)；2004 年，ShafaitF、ImranSΜ等在《Faultdetectionandlocalizationin emptywaterbottlesthroughmachinevision》中應(yīng)用Hough變換法實(shí)現(xiàn)空礦泉水瓶底 位。國(guó)內(nèi)，自2001年開(kāi)始，段峰、王耀南等在《基于機(jī)器視覺(jué)的智能空瓶檢測(cè)機(jī)器人研究》中 最先展開(kāi)對(duì)啤酒空瓶檢測(cè)系統(tǒng)的研究，并于2003年成功研制出我國(guó)首臺(tái)空瓶檢測(cè)機(jī)器人， 提出模板匹配法、環(huán)形邊緣檢測(cè)法和環(huán)形投影法三種瓶口檢測(cè)方法，模板匹配法理論上十 分簡(jiǎn)單，但實(shí)際應(yīng)用中，由于瓶口圖像中的圓環(huán)的環(huán)寬度變化大和圓心定位存在誤差，造成 檢測(cè)結(jié)果不理想，環(huán)形邊緣檢測(cè)法比模板匹配法檢測(cè)效果好，但對(duì)圓心定位精度的要求較 高，環(huán)形投影法在瓶口圖像解析度足夠高的情況下，檢測(cè)效果好。2005年，劉煥軍在《基于支 撐向量機(jī)的空瓶智能檢測(cè)方法》中提出用遺傳支撐向量機(jī)算法來(lái)進(jìn)行瓶口缺陷檢測(cè)。2006 年，李欣在《基于機(jī)器視覺(jué)的啤酒瓶空瓶檢測(cè)機(jī)設(shè)計(jì)開(kāi)發(fā)》中直接定位瓶口內(nèi)外環(huán)區(qū)域，然 后，通過(guò)閾值分割來(lái)檢測(cè)缺陷，該方法速度，但是由于定位時(shí)僅使用三個(gè)點(diǎn)造成內(nèi)外環(huán)區(qū)域 定位誤差大，使得缺陷檢測(cè)結(jié)果不理想；嚴(yán)筱永在《基于圖像的啤酒瓶瓶口與瓶底污損自 動(dòng)檢測(cè)》中先進(jìn)行邊緣提取、連通域分析、Hough變換圓檢測(cè)以獲取瓶口目標(biāo)區(qū)域，隨后，以 擬合圓圓心為原點(diǎn)進(jìn)行極坐標(biāo)變換，分八段沿徑向展，最后采用〇tsu分割檢測(cè)瓶口缺陷。 2007年，段峰在《啤酒瓶視覺(jué)檢測(cè)機(jī)器人研究》中提出一種串聯(lián)多神經(jīng)網(wǎng)絡(luò)的瓶口缺陷判決 方法，該方法使用徑向投影值及其差分值作為底層神經(jīng)網(wǎng)絡(luò)的輸入，檢測(cè)效果好，抗干擾能 力強(qiáng)，但是使用串聯(lián)多級(jí)神經(jīng)網(wǎng)絡(luò)，前期神經(jīng)網(wǎng)絡(luò)訓(xùn)練的工作量相對(duì)較大；馬思樂(lè)在發(fā)明專 利《一種空瓶瓶口缺陷檢測(cè)方法及裝置》中提出一種在二值分割后進(jìn)行區(qū)域連通性搜索來(lái) 判斷瓶口缺陷的方法。2008年，陳西廣在《機(jī)器視覺(jué)技術(shù)在啤酒瓶在線檢測(cè)系統(tǒng)中的應(yīng)用 研究》中將圖像分成外部亮環(huán)和內(nèi)部密封面圓環(huán)兩個(gè)區(qū)域，使用完整性搜索算法，通過(guò)設(shè)定 的缺陷尺寸分別搜索兩個(gè)區(qū)域，以判斷瓶口是否合格。2009年，張?zhí)锾铩垈|等在《基于機(jī) 器視覺(jué)的啤酒瓶口檢測(cè)系統(tǒng)的研究》和《在線空瓶檢測(cè)系統(tǒng)的研究與開(kāi)發(fā)》中將瓶口區(qū)域分 三個(gè)區(qū)域后，分別進(jìn)行徑向掃描判斷瓶口好壞，張瑩在《啤酒瓶檢測(cè)中多分類支持向量機(jī)算 法的選擇》中比較的多類支持向量機(jī)算法在空瓶檢測(cè)中的應(yīng)用效果，其中，一對(duì)一多分類支 持向量機(jī)在徑向基核函數(shù)時(shí)瓶口檢測(cè)效果最好，瓶口分類正確率95%，執(zhí)行時(shí)間165毫秒； 張燕等在《基于圓心定位的瓶口三圓周快速缺陷檢測(cè)算法》中首先獲取瓶口邊緣，隨后通過(guò) 提出的四點(diǎn)垂直弦截法來(lái)定位圓心，最后采用三圓周法檢測(cè)瓶口缺陷。2010年，王好賢、毛 興鵬等在《玻璃瓶瓶口破損和瓶底污物檢測(cè)算法》中提出在濾波、二值化操作后定位出瓶口 區(qū)域，直接統(tǒng)計(jì)瓶口區(qū)域內(nèi)的干擾點(diǎn)數(shù)目，小于一定閾值則為無(wú)干擾，否則利用重心法排除 干擾并再次判斷是否有缺陷，本算法簡(jiǎn)單、速度快。2011年，劉文志在《基于機(jī)器視覺(jué)的啤酒 瓶口檢測(cè)系統(tǒng)研究》中通過(guò)中值濾波、閾值分割、膨脹、腐蝕4個(gè)步驟獲取取瓶口圖像中目標(biāo) 區(qū)域，提取目標(biāo)區(qū)域的區(qū)域特征、灰度值特征和輪廓特征用以進(jìn)行瓶口缺陷判斷；王貴錦、 張樹(shù)君等在發(fā)明專利《一種檢測(cè)PET瓶或瓶胚瓶口缺陷的方法》中通過(guò)提取瓶口環(huán)形區(qū)域 圖像展開(kāi)，在橫向方向求梯度，以橫向梯度作為特征量，實(shí)現(xiàn)PET瓶口缺陷檢測(cè)；張琴在《基 于NSCT的瓶口圖像處理技術(shù)研究與應(yīng)用》中將瓶口圖像等分成多個(gè)子圖像，采用NSCT方 法對(duì)每個(gè)子圖像進(jìn)行分解，以獲得對(duì)應(yīng)特征矩陣，將對(duì)應(yīng)方向的特征值求均值和方差，作為 圖像的特征向量，用于判斷瓶口是否存在缺陷，該方法檢測(cè)正確率高，但執(zhí)行時(shí)間較慢，缺 陷檢測(cè)耗時(shí)879毫秒。2013年，王貴錦在發(fā)明專利《多尺度瓶口缺陷檢測(cè)方法及裝置》中針 對(duì)針對(duì)瓶口缺陷的尺度多樣性，將目標(biāo)圖像通過(guò)多次降采樣得到一系列的多個(gè)不同尺度的 目標(biāo)圖像，對(duì)每個(gè)尺度的目標(biāo)圖像都進(jìn)行特征提取以及缺陷檢測(cè)，聯(lián)合判斷得出檢測(cè)結(jié)果， 并將瓶口區(qū)域與該瓶口區(qū)域?qū)?yīng)的蒙版進(jìn)行融合，有效避免了瓶口中央位置以及其他無(wú)關(guān) 區(qū)域?qū)ζ靠谌毕輽z測(cè)的干擾；在王貴錦發(fā)明專利《瓶口缺陷檢測(cè)方法》中還提出一種將瓶口 區(qū)域劃分為第一內(nèi)環(huán)、第二內(nèi)環(huán)、評(píng)估環(huán)、密封環(huán)和內(nèi)密封環(huán)共五個(gè)區(qū)域，各區(qū)域同時(shí)進(jìn)行 閾值分割檢測(cè)出缺陷。2014年，李娜、郭克友等在《啤酒瓶口破損檢測(cè)技術(shù)的研究》和《基 于BP神經(jīng)網(wǎng)絡(luò)的啤酒瓶□檢測(cè)方法》中提取瓶□周長(zhǎng)、面積、圓形度和相對(duì)圓心距離四個(gè)特 征，通過(guò)BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)瓶口缺陷檢測(cè)；南兆龍、李鳳婷等人在發(fā)明專利《一種準(zhǔn)確檢測(cè)瓶 坯瓶口缺陷的方法》中人為標(biāo)定出瓶口內(nèi)外內(nèi)輪廓，然后由外輪廓向內(nèi)輪廓沿徑向方向掃 描獲取一系列瓶口內(nèi)、外邊緣，用Hough變換進(jìn)行內(nèi)外輪廓擬合，最后根據(jù)各邊緣點(diǎn)到擬合 圓圓心最大距離和最小距離的偏移距離判斷瓶口變形和瓶口內(nèi)外輪廓缺損。
[0004] 總體而言，上述瓶口缺陷檢測(cè)主要包括檢測(cè)區(qū)域定位和缺陷檢測(cè)兩個(gè)過(guò)程，如圖 4所示，其中缺陷檢測(cè)方法分兩類，一類是基于大量先驗(yàn)知識(shí)的傳統(tǒng)閾值檢測(cè)方法，另一類 是機(jī)器學(xué)習(xí)方法與傳統(tǒng)閾值檢測(cè)方法結(jié)合的檢測(cè)方法，前者檢測(cè)速度快，但需要設(shè)定很多 的閾值，且缺陷提取方法抗干擾能力和適應(yīng)性不強(qiáng)，誤檢率較高，后者檢測(cè)正確率高，抗干 擾能力強(qiáng)，但需要收集大量樣本圖像，訓(xùn)練時(shí)間慢，檢測(cè)耗時(shí)長(zhǎng)，同時(shí)，由于部分瓶口圖像中 缺陷和邊緣區(qū)域的灰度值變化范圍大、干擾多，已有的方法難以實(shí)現(xiàn)瓶口缺陷快速、準(zhǔn)確檢 測(cè)，針對(duì)這一問(wèn)題，本文提出隨機(jī)圓評(píng)估法實(shí)現(xiàn)瓶口檢測(cè)區(qū)域快速準(zhǔn)確定位，利用強(qiáng)烈平滑 后的圖像與原圖像的差分獲取閾值曲面，通過(guò)該曲面對(duì)原始圖像進(jìn)行閾值分割，隨后進(jìn)行 連通域分析，并根據(jù)連通區(qū)域的高、寬和面積判斷其是否為缺陷。該方法對(duì)圖像中識(shí)別目標(biāo) 的灰度值變化、干擾有很強(qiáng)的適應(yīng)能力，檢測(cè)效果好，運(yùn)算速度快，有效解決了瓶口缺陷高 速高精度檢測(cè)的難題。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明針對(duì)上述現(xiàn)有技術(shù)中存在的瓶口缺陷檢測(cè)精度不高的問(wèn)題，提出了一種殘 差分析動(dòng)態(tài)閾值分割的瓶口缺陷檢測(cè)方法。
[0006] 玻璃啤酒瓶的瓶口缺陷包括外環(huán)磨損、內(nèi)環(huán)磨損、封蓋面磨損、外環(huán)崩口、內(nèi)環(huán)崩 口、封蓋面破裂、存在臟污共七類，七類缺陷可概括為磨損、崩口和存在臟污三大類，如圖5 所示，其中各字符代表的缺陷類型如表1所示。
[0007] 表1瓶口缺陷種類
[0008]
[0009] 綜上，可總結(jié)得到完好瓶口和破損臟污瓶口圖像的特征：對(duì)于完好瓶口，瓶口邊緣 區(qū)域呈兩個(gè)明亮均勻的圓環(huán)，背景區(qū)域和瓶口封蓋面區(qū)域亮度較暗、分布均勻；對(duì)于破損和 存在污物的瓶口，原本亮度均勻的白色圓環(huán)出現(xiàn)較暗的斷裂帶，原本亮度均勻封蓋面暗區(qū) 域出現(xiàn)明亮區(qū)域，其中內(nèi)環(huán)磨損、外環(huán)磨損、封蓋面磨損和存在臟污時(shí)，缺陷和臟污表現(xiàn)為 高亮度區(qū)域，內(nèi)環(huán)崩口、外環(huán)崩口和封蓋面表現(xiàn)為與背景灰度值相近的暗區(qū)域。
[0010] 部分瓶口圖像中存在缺陷和邊緣區(qū)域的灰度值變化范圍大、干擾多的問(wèn)題，如圖6 所示，其中存在灰度值較大的亮缺陷區(qū)域，也存在和背景灰度相近的暗缺陷區(qū)域，同時(shí)存在 大量干擾邊緣，這種情況下已有瓶口檢測(cè)方法難以實(shí)現(xiàn)瓶口缺陷的高速高精度檢測(cè)，本發(fā) 明方法針對(duì)此問(wèn)題，提出一種基于殘差分析動(dòng)態(tài)閾值分割的瓶口缺陷檢測(cè)方法，用于實(shí)現(xiàn) 玻璃啤酒瓶的瓶口缺陷快速、準(zhǔn)確檢測(cè)。
[0011] -種殘差分析動(dòng)態(tài)閾值分割的瓶口缺陷檢測(cè)方法，包括以下步驟：
[0012] 步驟1 :獲取啤酒瓶口圖像；
[0013] 步驟2 :從啤酒瓶口圖像中定位瓶口目標(biāo)區(qū)域；
[0014] 步驟3 :對(duì)瓶口目標(biāo)區(qū)域進(jìn)行缺陷檢測(cè)；
[0015] 步驟3. 1):對(duì)瓶口目標(biāo)區(qū)域圖像進(jìn)行濾波處理；
[0016] 步驟3. 2):對(duì)瓶口目標(biāo)區(qū)域進(jìn)行濾波前后的圖像進(jìn)行差分處理獲得殘差圖像；
[0017] 步驟3. 3):對(duì)殘差圖像r(x，y)進(jìn)行兩次閾值分割后求和，得到一幅二值化圖像；
[0018] 對(duì)殘差圖像采用以下公式進(jìn)行第一次閾值分割：
[0019]
[002