一種基于機器視覺的啤酒瓶口定位方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及工業(yè)自動化檢測技術(shù)領(lǐng)域，特別涉及一種基于機器視覺的啤酒瓶口定 位方法。
【背景技術(shù)】
[0002] 我國每年的瓶酒瓶需求量巨大，據(jù)行業(yè)數(shù)據(jù)顯示，2014年我國啤酒行業(yè)累計產(chǎn)量 高達4921. 85萬千升，按每瓶啤酒530ml的瓶裝容量計算，則需要多達9. 28651xl013個啤酒 瓶，而其中80 %以上的啤酒瓶使用回收舊瓶，這些舊瓶中存在著大量瓶口破損的瓶，瓶口破 損可能導(dǎo)致玻璃瓶封裝失敗或成功封裝銷售后給消費者帶來重大安全隱患，因此啤酒灌裝 前必須檢測啤酒空瓶瓶口質(zhì)量，傳統(tǒng)的人工檢測法難以保證檢測的可靠性和快速性，基于 機器視覺的瓶口檢測技術(shù)可克服人工檢測缺陷，滿足工業(yè)自動化生產(chǎn)中高速高精度的檢測 要求，而在基于視覺的瓶口檢測過程中瓶口定位是一個必要過程。
[0003] 2006年，嚴筱永、任明武等在《基于圖像的啤酒瓶口與瓶底污損自動檢測》中應(yīng) 用圖像匹配算法和Hough變換法檢測圓實現(xiàn)瓶口定位，其中圖像匹配法無法滿足42000瓶 /時的檢測需求，Hough變換法定位精度高，且能滿足實時檢測需求，但該算法的運算量非 常大；2007年，段峰、王耀南等在《啤酒瓶視覺檢測機器人研究中》中研究對比了重心法、 探測圓逐步逼近法和一種將邊緣分組后求圓參數(shù)的瓶口定位綜合算法，其中重心法速度最 快、定位精度最低，綜合算法速度比前兩種算法稍慢，但其定位精度最高，王耀南、周博文等 應(yīng)用該綜合算法實現(xiàn)飲料瓶口定位，并申請發(fā)明專利《飲料瓶口視覺定位方法》；2009年， 馬思樂、黃彬等在〈〈Algorithm research on location of bottle mouth and bottom in intelligent empty bottle inspection system》中使用最小二乘法實現(xiàn)瓶口定位，該算法 運行速度快，但抗干擾能力差；2013年，王貴錦、張淳等在發(fā)明專利《瓶口定位方法》中提出 了一種最小二乘法與改進的隨機圓檢測法相結(jié)合實現(xiàn)玻璃瓶瓶口定位的算法，該算法抗干 擾能力較其他算法有所提高。
[0004] 綜上，目前用于瓶口定位的方法包括：重心法、模板匹配法、探測圓逐步逼近法、最 小二乘法、隨機圓檢測法以及Hough變換法等。當瓶口嚴重破損或存在大量連續(xù)干擾邊緣 點時，已有算法得到的啤酒瓶瓶口定位結(jié)果誤差大，導(dǎo)致后續(xù)瓶口缺陷檢測結(jié)果不正確。

【發(fā)明內(nèi)容】

[0005] 針對現(xiàn)有瓶口定位算法在瓶口嚴重破損或存在大量連續(xù)干擾時定位誤差大這一 問題，本發(fā)明提供一種對大量連續(xù)干擾有很強的抵抗能力的瓶口定位方法，與啤酒空瓶檢 測機配套使用，實現(xiàn)啤酒瓶口質(zhì)量自動化檢測。
[0006] 一種基于機器視覺的啤酒瓶口定位方法，包括以下步驟：
[0007] 步驟1 :獲取啤酒瓶口圖像；
[0008] 步驟2 :利用重心法獲取啤酒瓶口圖像的重心坐標（X。，，Y。，）；
[0009] 步驟3 :利用重心坐標和設(shè)定的掃描半徑Rs，對啤酒瓶口圖像進行Ns次徑向掃描， UiN 丄 Λ J ^ 厶/ O X 獲取Ν'個啤酒瓶口外邊緣點，i表示第i次徑向掃描，1彡i彡NS，NS= 360/Δ α， △ α表不徑向掃描間隔；

[0010]
[0011]
[0012] 步驟4 :對步驟3獲取的啤酒瓶口外邊緣點進行去噪；
[0013] 步驟5 :將去噪后外邊緣點應(yīng)用最小二乘法進行啤酒瓶口外邊緣擬合，完成啤酒 瓶口定位；
[0014] 所述步驟4的具體步驟如下：
[0015] 步驟a :依次求出重心坐標到所有外邊緣點的測量距離：
[0016]
[0017] 步驟b :計算相鄰?fù)膺吘夵c的測量距離差分絕對值I Δ fm(i) I = I fm(i+l)-fji) I ;
[0018] 步驟c :對所有的I Δ^α) I進行從大到小排序，排序靠前的前100 ·τ。％個測量距 離差分絕對值對應(yīng)的外邊緣點為干擾點，其中，Τ。為設(shè)定閾值，0彡K 1 ;
[0019] 步驟d :去除干擾點及與該干擾點相鄰的后一個邊緣點，獲得去噪后的外邊緣點。
[0020] 對于一個已知圓心、半徑和所有邊緣點坐標的圓，以圓內(nèi)的任意一點為圓心，進行 與上述相同的徑向掃描，得到對于邊緣點坐標，掃描圓心到所得邊緣點的距離與徑向掃描 順序號呈三角函數(shù)關(guān)系，該距離的差分值與i也呈三角函數(shù)關(guān)系，若存在干擾點時，干擾點 對應(yīng)的距離差分值與不滿足上述三角函數(shù)關(guān)系，且一般遠大于真實邊緣點距離差分值； [0021 ] 啤酒瓶口外邊緣擬合具體步驟如下：
[0022] 步驟1 :將步驟4獲得的去噪后的外邊緣點均勻分成Ng組；
[0023] 步驟2 :依次從分組后的外邊緣點組中隨機選取N。組外邊緣點，采用最小二乘法 進行圓擬合，得到對應(yīng)的個擬合圓參數(shù)，每個擬合圓參數(shù)包括擬合圓圓心坐標
和半徑/《，ls.fr).，Ng。表示當前所選擇的N。組邊緣點的總數(shù)目，


[0024]
[0025]
[0026]
[0027] (<,y丨)表示第j次所選擇的N。組邊緣點中第k個邊緣點的坐標；
[0028] 步驟3 :計算每個擬合圓圓心到所有外邊緣點的距離與擬合半徑之間差的絕對值 小于D。的外邊緣點數(shù)量，同時，計算
.；
[0029] 步驟4 :選擇最大的η 應(yīng)的擬合圓作為啤酒瓶瓶口，完成啤酒瓶瓶口定位。
[0030] 所述步驟2利用重心法獲取啤酒瓶口圖像的重心坐標（X。，Yty )的具體過程如下：
[0031 ] 首先，對采集到的啤酒空瓶瓶口圖像f (X，y)進行全局閾值分割處理，得到瓶口二 值化圖像g(x, y)，T為設(shè)定的分割閾值；
[0032]
[0033] 其次，按照重心計算公式獲取重心坐標：
[0034]
[0035]
[0036] 其中，Nb4和y "分別表示非0的像素點的總數(shù)量、第m個非0像素點的X和y坐 標，g(xm，ym)表示坐標為（X m，ym)的像素點對應(yīng)的灰度值，1彡m彡Nb, m e Z+。
[0037] 所述步驟3中徑向掃描步進角Δ α小于等于90°。
[0038] 所述步驟3中徑向掃描步進角Δ α取值為〇. 5° -5°。
[0039] 有益效果
[0040] 與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點在于：
[0041] (1)抗干擾能力強
[0042] 定位精度主要受干擾邊緣點的影響，尤其是連續(xù)干擾和大量離散的隨機干擾點 等，而本發(fā)明提出的啤酒瓶口定位方法，利用重心到各邊緣點距離的變化特征去除對離散 的隨機干擾點的影響，通過將邊緣點分組擬合取最優(yōu)擬合結(jié)果的方法消除大量連續(xù)干擾對 瓶口定位的影響，因此本文定位方法對連續(xù)干擾和離散隨機干擾都具有很強的抵抗能力。
[0043] (2)執(zhí)行速度快
[0044] 本發(fā)明提出的啤酒空瓶瓶口定位方法通過對分組后每次提取的邊緣點僅一次計 算就可以得到該組邊緣點所對應(yīng)的擬合圓圓心坐標和半徑，因此方法速度快。
[0045] (3)定位精度高
[0046] 本發(fā)明提出的啤酒空瓶瓶口定位方法對在進行最小二乘圓擬合前的邊緣點經(jīng)過 了去除噪聲的處理，且選取其中的最優(yōu)結(jié)果作為瓶口中心位置，因此該方法比單獨使用最 小二乘法和隨機圓擬合方法的定位精度都要高。
【附圖說明】
[0047] 圖1為采集的具有缺陷的啤酒瓶口圖像，其中，（a)為瓶口出現(xiàn)嚴重破損，（b)為存 在連續(xù)干擾的瓶口圖像示意圖；
[0048] 圖2是本發(fā)明啤酒瓶口定位方法的流程總框圖；
[0049] 圖3是本發(fā)明啤酒瓶口定位方法實施例的具體流程示意圖；
[0050] 圖4是徑向掃描示意圖；
[0051] 圖5是掃描圓圓心到瓶口邊緣點的距離變化特征；
[0052] 圖6是掃描圓圓心位置變化對各角度函數(shù)關(guān)系的影響，其中，圖（a)為圓心坐標位