论文部分内容阅读
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。