升级现有的饮料流水线,实现饮料生产线的智能化已经是一种发展趋势。饮料生产线由于机械化生产无法保证每一瓶饮料均能达到质量要求,因此需要在饮料生产线上配置质量检测机器人代替原始的人工灯检方式对饮料瓶质量进行检测。目前我国市场上的饮料瓶质量检测设备大多为国外生产,少量的厂家向国内视觉公司定制的设备存在成本高且对于不同饮料瓶的生产要求适用性差等问题。为了适应饮料生产升级要求,本文研究饮料瓶质量检测机器人及其识别算法。本文的主要工作和创新点包括:(1)针对饮料瓶质量检测机器人高速高精度检测的要求,提供了一种适用于饮料瓶检测系统的设计方案。介绍了其主要组成模块和各模块综述,指出了视觉成像模块和对应的检测算法是研制饮料瓶智能检测设备的关键。(2)针对PET(polyethylene terephthalate)饮料瓶液位识别问题,设计了 PET瓶液位质量识别算法。介绍了液位质量识别的大致流程,具体介绍了液位定位的过程,图像预处理,灰度投影梯度计算,根据液位灰度投影具有的特性采用投影梯度扩散的方法定位液位位置。实验的结果显示对于试验中的PET饮料瓶的液位定位具有一定的精度,为饮料瓶生产线上的饮料液位定位提供一种解决方案。(3)针对啤酒瓶空瓶质量检测机器人中瓶底定位与缺陷识别难题,设计了一种瓶底精确定位算法。在Hough粗定位的基础上,提取精确边缘点用快速随机圆定位圆心。利用先验知识分割瓶底为瓶底内区域和防滑区域。最后将两个区域的检测结果联合判定瓶底缺陷。通过实验验证定位算法精度较高。(4)设计基于智能学习算法的瓶底缺陷识别方法。对于防滑区缺陷识别,使用防滑区图像垂直灰度投影曲线作为特征量,使用BP神经网络进行训练。对于瓶底整个图像,选取瓶底样本的PCA特征输入BP神经网络,详细介绍了 PCA的基本原理并给出瓶底PCA特征提取过程。通过实验仿真表明在输入特征量合适的情况下BP神经网络算法在瓶底缺陷识别具有一定的识别精度。综上所述,本文研究了饮料瓶质量检测机器人的系统结构和识别算法。实验表明,本文的饮料瓶质量检测系统的研究思路是可行的且本文的智能算法在饮料瓶的缺陷识别的研究成果为饮料瓶质量检测识别提供了一种思路,具有一定的理论价值和实际意义。