基于机器视觉的玻璃瓶在线检测系统研究

摘要

玻璃瓶在包装行业中占据重要地位。玻璃瓶生产中的质量检测是一项复杂而重要的研究课题。目前国内玻璃瓶生产企业大多采用全人工或半人工检测。虽国内已有针对玻璃瓶缺陷检测的相关设备和产品出现，但相比国外成熟设备还有较大差距。特别是如何解决不同规格型号玻璃瓶缺陷的突显，实时定位采集、快速分析、准确识别、快速剔除等问题，还需深入研究。
　　 通过机器视觉实现在线检测是目前最先进的玻璃瓶在线检测方式。由相机采集生产线冷端玻璃瓶图像，通过视觉图像处理算法进行图像分析、缺陷提取和识别，由执行机构实现缺陷瓶的自动分拣。
　　 本文针对玻璃瓶生产企业的具体要求，开发完成了适用普通玻璃瓶的在线视觉检测系统。经过深入的理论研究和现场实践，本文完成了以下工作:
　　 1.在现有玻璃瓶自动检测调研基础上，总结和分析了国内外玻璃瓶的智能检测的现状和存在的问题。
　　 2.深入研究了玻璃瓶检测的图像处理算法，提出三个具有应用价值的创新点。首先，引入均值滤波的积分图算法，并将其推广至任意形式的滤波函数。该算法将一些复杂滤波器(如Gauss，LoG)的时间复杂度降到O(N)，（N为图像像素总数），其优秀的时间性能和不受滤波尺寸影响的特点，在实时检测中发挥重要作用。其次，根据玻璃瓶图像的特点，改进了动态阈值分割方法，通过特殊的滤波模板在图像分割过程中过滤掉特定方向的纹理。这在玻璃瓶图像分割中去除螺纹和模具线的干扰具有重要作用。第三，利用玻璃瓶图像灰度分布的特性，提出适用于玻璃瓶图像的图像配准算法，在保证时间性能的前提下提高了配准精度。
　　 3.将机器学习方法引用到玻璃瓶缺陷分类中，进行训练和测试实验并得到结果。对研究提高玻璃瓶检测系统的智能化程度具有参考意义。
　　 4.设计并实现了一套基于机器视觉的玻璃瓶在线检测系统，在山东某玻璃企业的玻璃瓶生产线上成功运行并达到预期效果。

目录

声明

摘要

第一章 绪论

1．1 研究背景及意义

1．2 机器视觉检测玻璃瓶质量的国内外现状

1．2．1 国外现状

1．2．2 国内现状

1．3 存在的问题

1．4 本文研究内容

1．4．1 玻璃瓶罐检测机的分类

1．4．2 瓶检系统的设计

1．4．3 图像预处理和分割

1．4．4 图像特征提取和基于机器学习的缺陷分类

1．5 本文中的玻璃瓶缺陷种类说明

1．6 本论文图像处理算法的实验条件

1．7 小结

第二章 检测系统设计

2．1 检测系统的硬件设计

2．1．1 硬件系统的构成

2．1．2 硬件系统的设计

2．2 检测系统的软件设计

2．3 小结

第三章 图像预处理和分割

3．1 基于积分图的快速空域滤波

3．1．1 积分图

3．1．2 基于积分图的快速均值滤波

3．1．3 基于积分图的快速高斯滤波

3．1．4 基于积分图的任意滤波

3．2 图像配准

3．2．1 基于灰度信息的图像配准

3．2．2 基于几何特征的图像配准

3．2．3 针对玻璃瓶图像的配准方法

3．3 图像分割

3．3．1 阈值法

3．3．2 区域生长

3．3．3 边缘检测

3．3．4 过滤掉特定方向纹理的二值化方法

3．4 小结

第四章 特征提取和基于机器学习的缺陷分类

4．1 玻璃瓶图像的特征提取

4．1．1 灰度特征

4．1．2 几何特征

4．1．3 用于缺陷分类的输入特征向量

4．2 机器学习

4．3 贝叶斯分类方法的玻璃瓶质量检测

4．3．1 构建贝叶斯分类器

4．3．2 实验结果

4．4 人工神经网络

4．4．1 神经元

4．4．2 梯度下降(gradient descent)法

4．4．3 反向传播(BP，back propogation)算法

4．4．4 使用神经网络进行缺陷分类实验

4．5 支持向量机

4．5．1 最大间隔平面

4．5．2 核函数(Kernel)

4．5．3 构建多类的SVM分类器

4．5．4 实验结果

4．6 小结

第五章 总结

5．1 全文总结

5．2 创新点

5．3 后续研究

参考文献

攻读学位期间主要工作

致谢

学位论文评阅及答辩情况表