張超 賀霖齡

摘 要：采用基于像素點的飲料瓶瓶蓋檢測算法，可以很好地提高瓶蓋的檢測效率、降低成本。算法按照找出中垂線、左右邊緣線、上邊緣線和突出瓶頸4個步驟來判斷瓶蓋的4種情況。在實際操作過程中，系統(tǒng)監(jiān)測的準(zhǔn)確率超過了99%。實驗證明，該算法有很強(qiáng)的實用性。

關(guān)鍵詞：瓶蓋;檢測;像素點

在現(xiàn)代化的流水線中，一條罐裝飲料生產(chǎn)線每小時可以生產(chǎn)上萬瓶飲料，期間會出現(xiàn)一些不合格產(chǎn)品，而不合格則主要體現(xiàn)為瓶蓋不合格。為了不影響產(chǎn)品質(zhì)量，需要對瓶子進(jìn)行全方位的檢測。如今，對不合格瓶子的檢測主要通過人工分選完成，工作量大且穩(wěn)定性差。

針對瓶蓋圖像的特點，本研究提出了一種基于像素點測量的瓶蓋檢測方法，可以檢測瓶蓋的無蓋情況、高蓋情況、歪蓋情況。提出的瓶蓋檢測算法可應(yīng)用于飲料生產(chǎn)線PET瓶的檢測系統(tǒng)中，經(jīng)實際測試，檢測精度達(dá)到99%。

1?算法實現(xiàn)

1.1? 瓶蓋外形檢測算法

根據(jù)實驗環(huán)境條件的不同，瓶蓋檢測算法也有所差異，在每張瓶蓋的圖像中，瓶身的基本位置應(yīng)保持穩(wěn)定。瓶蓋頂部圖像的投影輪廓也應(yīng)該是平直的。如果投影中的頂部輪廓線不平直，就可以判定瓶蓋異常。

最下乘擬合方法假定：n個點的組合（xi，yi）（i=1，2，…，n），在取定的函數(shù)類Φ中，式為：

就集合而言，給定n個點，所求的函數(shù)就是與給定點之間距離的平方和曲線y=f（x）。函數(shù)f（x）被稱為最小二乘解。求擬合函數(shù)f（x）的方法被稱為曲線擬合的最小二乘法。

本方法所求的是直線的最小二乘擬合，對應(yīng)的函數(shù)表達(dá)式為：

進(jìn)而可以得到：

可以求得對應(yīng)的直線方程：

當(dāng)已知直線方程時，瓶蓋在直線上的位置通過以下步驟得到。以灰度圖像作為輸入圖像，通過二值化的方法對圖像進(jìn)行預(yù)處理。二值化有助于減少圖像數(shù)據(jù)量，加快處理速度。

在生產(chǎn)過程中，瓶蓋輪廓檢測算法也存在一些問題，例如在圖像的采集過程中，若瓶蓋出現(xiàn)微弱振動，就可以通過數(shù)理統(tǒng)計的方法對其參數(shù)進(jìn)行估計;但當(dāng)瓶子出現(xiàn)較大幅度的傾斜時，瓶蓋頂部直線會發(fā)生較大的傾斜，導(dǎo)致正常瓶蓋被判定為斜蓋，出現(xiàn)誤檢。在此基礎(chǔ)上，本研究提出了基于像素點測量的瓶蓋檢測算法。

1.2? 基于像素點測量的瓶蓋檢測算法

首先，檢測中垂線、左右邊緣線、上邊緣線和突出瓶頸部分;其次，根據(jù)獲得的直線坐標(biāo)來判斷無蓋、歪蓋、高蓋、正常蓋4種情況。

1.2.1? 檢測是否有蓋

打開圖像，采用大津閾值二值化方法對瓶蓋圖像進(jìn)行二值化。圖像經(jīng)過二值化之后，瓶蓋部分為白色，非瓶蓋部分為黑色，計算白色像素和黑色像素的個數(shù)，如果白色像素的個數(shù)和黑色像素的個數(shù)比例大于某個閾值Th1，本研究中的Th1取1.4，則說明瓶蓋圖像是無蓋的，需要剔除;反之，則繼續(xù)檢測。

1.2.2? 有蓋檢測

如果瓶蓋圖像是有蓋的，下面繼續(xù)檢測瓶蓋是高低蓋、歪蓋還是合格的瓶蓋。

在檢測瓶蓋之前，首先，畫出瓶蓋的中垂線和上邊緣部分，瓶蓋部分是黑色。找出的中垂線是指近似的中垂線，以一條水平線從上到下遍歷，每一行都有一個目標(biāo)顏色，即黑色的坐標(biāo)均值，將所有的均值相加，再除以有目標(biāo)顏色的行數(shù)，求得的值作為近似中垂線的橫坐標(biāo)，即middlecol。

找出上邊緣部分，利用一條水平直線從上到下遍歷，當(dāng)滿足一條線上的目標(biāo)顏色數(shù)大于某個閾值（即100）時，則認(rèn)為這條水平直線是上邊緣，且上邊緣的縱坐標(biāo)為toprow。

除了畫出瓶蓋的中垂線和上邊緣位置，還要檢測飲料瓶頸部的突出部分位置和飲料瓶蓋的左右邊緣位置。檢測飲料瓶頸部的突出部分位置是利用了中垂線的信息，中垂線上連續(xù)白色點數(shù)目多的一段是在突出下面的部分，以這個部分為底線，在底線到瓶蓋的上邊緣之間依次從左邊尋找一條列線，當(dāng)該列線上的目標(biāo)像素點數(shù)滿足連續(xù)的3個像素點時，停止尋找，而且以3個連續(xù)像素點的中間像素點的縱坐標(biāo)即outrow畫一條水平線，這條水平線被認(rèn)為是突出部分位置。

檢測飲料瓶蓋的左右邊緣位置，通過已經(jīng)找出的瓶蓋上邊緣和瓶頸突出部分的位置，在這兩部分之間的區(qū)域分別從左邊和右邊以列為單位遍歷，有3個同色點在一條列線上分別認(rèn)為是左邊緣和右邊緣，左邊緣和右邊緣的橫坐標(biāo)分別為leftcol和rightcol。

從上邊緣和中垂線的交點A開始，沿著中垂線向下，至中垂線和瓶蓋的交點B，如果AB之間點的個數(shù)多于某個閾值Th2，本研究中的Th2取5.0，則說明瓶蓋是歪蓋，反之則不是。

求出蓋的寬度，即gaiwidth=rightcol-leftcol;再求出瓶蓋廣義的高度;瓶蓋的上邊緣到瓶頸部突出部分的距離，即gaiheight=outrow-toprow;瓶蓋廣義高度和瓶蓋寬度的比例rate=gaiheight/gaiwidth，當(dāng)rate大于閾值Th3，本研究中的Th3取0.7，則瓶蓋為高低蓋;如果rate小于某個閾值Th3，則說明瓶蓋是合格的。

2?實驗結(jié)果

實驗結(jié)果如圖1～4所示。在以上左右邊、上邊以及支撐環(huán)檢測算法的思想和方法的基礎(chǔ)上，具體設(shè)計并實現(xiàn)了該算法，并針對各種情況的瓶蓋圖像進(jìn)行了實驗和系統(tǒng)檢測。

實驗中，采用基于瓶蓋輪廓線的瓶蓋檢測算法，檢測出瓶蓋所在位置的直線方程，該方法誤差較大，誤差率較高。利用瓶蓋輪廓線檢測算法對瓶蓋進(jìn)行在線測試，測試結(jié)果的準(zhǔn)確性如表1所示。

對基于像素點測量的瓶蓋檢測算法進(jìn)行在線實驗，得到表2的檢測結(jié)果，可知檢測算法的準(zhǔn)確率可以達(dá)到99.40%。

基于像素點測量的瓶蓋檢測算法與基于瓶蓋輪廓線的瓶蓋檢測算法相比，在檢測準(zhǔn)確率方面有了明顯提高，達(dá)到了99.00%以上的水平。

3?結(jié)語

提出一種瓶蓋檢測算法，主要通過對瓶蓋支撐環(huán)直線和頂直線的檢測，鑒別哪些是異常蓋，克服了實際檢測過程中因振動的影響而產(chǎn)生的偏差。在實際應(yīng)用中，還可以根據(jù)具體的檢測環(huán)境和條件調(diào)整檢測參數(shù)，改變檢測算法，并與生產(chǎn)線上的硬件系統(tǒng)共同進(jìn)行系統(tǒng)的調(diào)試和優(yōu)化。