專利名稱：一種基于機(jī)器視覺對瓶蓋表面瑕疵的智能檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于機(jī)器視覺對瓶蓋表面瑕疵的智能檢測方法。
背景技術(shù)：
在工業(yè)自動(dòng)化生產(chǎn)線中，特別是金屬瓶蓋生產(chǎn)中，由于要經(jīng)過商標(biāo)印刷、剪裁沖 壓、內(nèi)墊注膠、膠墊成型等多道工序，瓶蓋表面容易出現(xiàn)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(diǎn)、污染、刮擦等。為了將不合格的產(chǎn)品分揀出 來，提高產(chǎn)品的出廠合格率，需要對產(chǎn)品進(jìn)行細(xì)致的檢測。傳統(tǒng)的檢測是通過專業(yè)人員利用 人工視覺目檢完成，其缺點(diǎn)是1.速度慢、效率低；2.檢測質(zhì)量不穩(wěn)定。在重復(fù)勞動(dòng)下，人 工檢測容易使人疲勞，常會(huì)出現(xiàn)漏檢現(xiàn)象，造成產(chǎn)品質(zhì)量不穩(wěn)定；3.檢測標(biāo)準(zhǔn)不統(tǒng)一。由于 不同人對色彩深淺的判斷標(biāo)準(zhǔn)存在個(gè)體差異，造成檢測的結(jié)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(chǎn)線出現(xiàn)產(chǎn)品質(zhì)量偏差，無法及 時(shí)調(diào)整，將會(huì)有大量的殘次品被生產(chǎn)出來，造成浪費(fèi)。針對瓶蓋表面質(zhì)量人工檢測存在的 缺陷，迫切需要一種在線自動(dòng)檢測系統(tǒng)。機(jī)器視覺技術(shù)具有非接觸，檢測速度快，準(zhǔn)確率高， 檢測結(jié)果客觀可靠的特點(diǎn)，配合合適的檢測算法可以迅速準(zhǔn)確地檢測瓶蓋表面瑕疵。機(jī)器 視覺在很多檢測領(lǐng)域已有應(yīng)用，在瓶蓋檢測領(lǐng)域也有應(yīng)用先例，但是大部分是對瓶蓋內(nèi)墊 或具有旋轉(zhuǎn)對稱性圖像的外蓋的檢測(例如專利CN101799431A)。因?yàn)榫哂行D(zhuǎn)對稱性圖像 的算法實(shí)現(xiàn)容易，檢測較為簡單。而大部分瓶蓋外表面圖像不具有旋轉(zhuǎn)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(jī)旋轉(zhuǎn)的非對稱性圖像匹配計(jì)算較為復(fù)雜，耗時(shí)較 長，很難滿足快速的要求，特別是在瓶蓋生產(chǎn)線中，每分鐘至少要檢測2500個(gè)以上，如何能 夠?qū)崿F(xiàn)快速準(zhǔn)確的對瓶蓋外表面檢測是困擾生產(chǎn)技術(shù)人員多年的問題。

發(fā)明內(nèi)容
針對現(xiàn)有技術(shù)存在的技術(shù)問題，本發(fā)明的目的是提供一種基于機(jī)器視覺對瓶蓋表 面瑕疵的智能檢測方法，該方法不僅能夠?qū)崿F(xiàn)邊生產(chǎn)邊檢測的在線檢測，而且檢測速度快， 檢測效率高。為達(dá)到上述目的，本發(fā)明的構(gòu)思是利用工業(yè)照相機(jī)附加到瓶蓋生產(chǎn)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(tǒng)，瓶蓋表面圖像處理系統(tǒng)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?jiǎng)幼?，剔除有瑕疵的瓶蓋，工件剔除單元具有根據(jù)不同瑕疵類型自動(dòng) 分類剔除功能，并將不同瑕疵瓶蓋分類放置，方便后續(xù)的復(fù)檢和修復(fù)工作。根據(jù)上述的發(fā)明構(gòu)思，本發(fā)明采用下述技術(shù)方案
一種基于機(jī)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(yè)照相機(jī)附加到瓶蓋自動(dòng)化生產(chǎn)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(yè)計(jì)算機(jī)內(nèi)存；
(2)、對步驟 (1)中讀入工業(yè)計(jì)算機(jī)內(nèi)存中的瓶蓋表面圖像進(jìn)行圓定位和特征參數(shù)提
取
(2-1)、對的瓶蓋表面圖像進(jìn)行定位，找出瓶蓋表面圖像的圓心和半徑參數(shù)；
(2-2)、對瓶蓋表面圖像進(jìn)行特征參數(shù)提取，首先進(jìn)行瓶蓋圖像二值化，按照4連通原 則分割圖塊，分割區(qū)域限定在瓶蓋表面圖像的圓內(nèi)進(jìn)行，然后計(jì)算特征參數(shù)，其特征參數(shù)包 括每個(gè)圖塊的塊面積參數(shù)、圓心距參數(shù)、偏角參數(shù)；
(3)將步驟(2)中獲得的瓶蓋表面圖像的圓心和半徑參數(shù)、塊面積參數(shù)、圓心距參數(shù)、 偏角參數(shù)分別存入不同的數(shù)組；
(4)、判斷瓶蓋采集次數(shù)是否達(dá)到預(yù)先設(shè)定的采集次數(shù)，若沒有達(dá)到預(yù)先設(shè)定的瓶蓋采 集次數(shù)，則轉(zhuǎn)步驟(1)，繼續(xù)進(jìn)行下一個(gè)瓶蓋的圖像采集，下一個(gè)瓶蓋為同一品種的另一合 格瓶蓋，若達(dá)到預(yù)先設(shè)定的采集次數(shù)，則轉(zhuǎn)步驟(5)；
(5)分別從步驟(3)中的不同的數(shù)組中找出半徑和不同塊的塊面積參數(shù)、圓心距參 數(shù)、偏角參數(shù)，求出各參數(shù)的平均值和各參數(shù)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(shù)平均值、塊面積參數(shù)平均值、圓心距參數(shù)平均值、偏角參數(shù)平均 值作為標(biāo)準(zhǔn)特征參數(shù)，存入工業(yè)計(jì)算機(jī)的數(shù)據(jù)庫中；
(6)根據(jù)生產(chǎn)的要求，對步驟(5)中得到的誤差寬容度范圍設(shè)定；
(7)用高速工業(yè)照相機(jī)附加到瓶蓋自動(dòng)化生產(chǎn)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(yè)計(jì)算機(jī) 內(nèi)存；
(8)對步驟(7)中讀入工業(yè)計(jì)算機(jī)內(nèi)存中的瓶蓋表面圖像進(jìn)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(shù)據(jù)庫中標(biāo)準(zhǔn)的圓半徑之間差值運(yùn)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(nèi)，若該誤差是在圓半徑的誤 差寬容度范圍內(nèi)，轉(zhuǎn)步驟(10)，若該誤差不是在圓半徑的誤差容許范圍內(nèi)，則轉(zhuǎn)步驟(12)；
(10)計(jì)算步驟(9)中分割后的瓶蓋表面圖塊特征參數(shù)，其特征參數(shù)包括每個(gè)圖塊的 塊面積參數(shù)、圓心距參數(shù)和偏角參數(shù)；
(11)、分別計(jì)算步驟(10)中獲得的瓶蓋表面塊面積參數(shù)、圓心距參數(shù)、偏角參數(shù)與步 驟(5)數(shù)據(jù)庫中的標(biāo)準(zhǔn)特征參數(shù)之間的誤差，判斷誤差是否在與之相對應(yīng)的誤差寬容度范 圍內(nèi)，若誤差是在與之相對應(yīng)的誤差寬容度范圍內(nèi)，則認(rèn)為合格瓶蓋，轉(zhuǎn)步驟(7)繼續(xù)下一 個(gè)瓶蓋的檢測，若誤差不是在與之相對應(yīng)的誤差寬容度范圍內(nèi)，則認(rèn)為有瑕疵瓶蓋，轉(zhuǎn)步驟 (12)；
(12)瓶蓋表面圖像處理系統(tǒng)向瓶蓋剔除單元輸出剔除控制信號，啟動(dòng)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(zhuǎn)步驟(7)繼續(xù)對下一個(gè)待測瓶蓋的檢測。 上述步驟(2)所述的對瓶蓋表面圖像進(jìn)行特征參數(shù)提取，其特征參數(shù)包括分割后 各圖塊的塊面積參數(shù)、圓心距參數(shù)、偏角參數(shù)，其具體計(jì)算為
設(shè)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(shù)，圖塊面積巧的計(jì) 算式為
權(quán)利要求
1. 一種基于機(jī)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(yè)照相機(jī)附加到瓶蓋自動(dòng)化生產(chǎn)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(yè)計(jì)算機(jī)內(nèi)存；(2)、對步驟(1)中讀入工業(yè)計(jì)算機(jī)內(nèi)存中的瓶蓋表面圖像進(jìn)行圓定位和特征參數(shù)提取(2-1)、對的瓶蓋表面圖像進(jìn)行定位，找出瓶蓋表面圖像的圓心和半徑參數(shù)；(2-2)、對瓶蓋表面圖像進(jìn)行特征參數(shù)提取，首先進(jìn)行瓶蓋圖像二值化，按照4連通原 則分割圖塊，分割區(qū)域限定在瓶蓋表面圖像的圓內(nèi)進(jìn)行，然后計(jì)算特征參數(shù)，其特征參數(shù)包 括每個(gè)圖塊的塊面積參數(shù)、圓心距參數(shù)、偏角參數(shù)；(3)將步驟(2)中獲得的瓶蓋表面圖像的圓心和半徑參數(shù)、塊面積參數(shù)、圓心距參數(shù)、 偏角參數(shù)分別存入不同的數(shù)組；(4)、判斷瓶蓋采集次數(shù)是否達(dá)到預(yù)先設(shè)定的采集次數(shù)，若沒有達(dá)到預(yù)先設(shè)定的瓶蓋采 集次數(shù)，則轉(zhuǎn)步驟(1)，繼續(xù)進(jìn)行下一個(gè)瓶蓋的圖像采集，下一個(gè)瓶蓋為同一品種的另一合 格瓶蓋，若達(dá)到預(yù)先設(shè)定的采集次數(shù)，則轉(zhuǎn)步驟(5)；(5)分別從步驟(3)中的不同的數(shù)組中找出半徑和不同塊的塊面積參數(shù)、圓心距參 數(shù)、偏角參數(shù)，求出各參數(shù)的平均值和各參數(shù)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(shù)平均值、塊面積參數(shù)平均值、圓心距參數(shù)平均值、偏角參數(shù)平均 值作為標(biāo)準(zhǔn)特征參數(shù)，存入工業(yè)計(jì)算機(jī)的數(shù)據(jù)庫中；(6)根據(jù)生產(chǎn)的要求，對步驟(5)中得到的誤差寬容度范圍設(shè)定；(7)用高速工業(yè)照相機(jī)附加到瓶蓋自動(dòng)化生產(chǎn)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(yè)計(jì)算機(jī) 內(nèi)存；(8)對步驟(7)中讀入工業(yè)計(jì)算機(jī)內(nèi)存中的瓶蓋表面圖像進(jìn)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(shù)據(jù)庫中標(biāo)準(zhǔn)的圓半徑之間差值運(yùn)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(nèi)，若該誤差是在圓半徑的誤 差寬容度范圍內(nèi)，轉(zhuǎn)步驟(10)，若該誤差不是在圓半徑的誤差容許范圍內(nèi)，則轉(zhuǎn)步驟(12)；(10)計(jì)算步驟(9)中分割后的瓶蓋表面圖塊特征參數(shù)，其特征參數(shù)包括每個(gè)圖塊的 塊面積參數(shù)、圓心距參數(shù)和偏角參數(shù)；(11)、分別計(jì)算步驟(10)中獲得的瓶蓋表面塊面積參數(shù)、圓心距參數(shù)、偏角參數(shù)與步 驟(5)數(shù)據(jù)庫中的標(biāo)準(zhǔn)特征參數(shù)之間的誤差，判斷誤差是否在與之相對應(yīng)的誤差寬容度范 圍內(nèi)，若誤差是在與之相對應(yīng)的誤差寬容度范圍內(nèi)，則認(rèn)為合格瓶蓋，轉(zhuǎn)步驟(7)繼續(xù)下一 個(gè)瓶蓋的檢測，若誤差不是在與之相對應(yīng)的誤差寬容度范圍內(nèi)，則認(rèn)為有瑕疵瓶蓋，轉(zhuǎn)步驟 (12)；(12)瓶蓋表面圖像處理系統(tǒng)向瓶蓋剔除單元輸出剔除控制信號，啟動(dòng)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(zhuǎn)步驟(7)繼續(xù)對下一個(gè)待測瓶蓋的檢測。
2.根據(jù)權(quán)利要求1所述的一種基于機(jī)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(jìn)行特征參數(shù)提取，其特征參數(shù)包括分割后各 圖塊的塊面積參數(shù)、圓心距參數(shù)、偏角參數(shù)，其具體計(jì)算為設(shè)瓶蓋表面圖像第
全文摘要
本發(fā)明公開了一種基于機(jī)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(jìn)行圓定位和特征參數(shù)提??；(3)將獲得的瓶蓋表面圖像的各參數(shù)分別存入不同的數(shù)組；(4)判斷瓶蓋采集次數(shù)是否達(dá)到預(yù)先設(shè)定的采集次數(shù)；(5)統(tǒng)計(jì)出各參數(shù)的平均值和各參數(shù)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(shù)；(7)判斷該參數(shù)對應(yīng)的誤差是否在誤差寬容度范圍內(nèi)，并經(jīng)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(shù)作為檢測標(biāo)準(zhǔn)；實(shí)現(xiàn)了圖像的快速檢測，檢測效率較高；可以附加在現(xiàn)有瓶蓋生產(chǎn)線上，實(shí)現(xiàn)邊生產(chǎn)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(yōu)先權(quán)日2011年3月2日
發(fā)明者周文舉, 周曉兵, 杜大軍, 王海寬, 費(fèi)敏銳 申請人:上海大學(xué)