基于DSP和CPLD的啤酒瓶底檢測裝置設計與試驗

韓磊

山東服裝職業學院信息工程系,山東泰安271000

基于DSP和CPLD的啤酒瓶底檢測裝置設計與試驗

韓磊

山東服裝職業學院信息工程系,山東泰安271000

為了保證啤酒瓶底檢測的硬實時性，避免檢測超時和玻璃瓶漏檢現象，提高在線檢測的速度，設計了一種基于DSP和CPLD圖像處理器的瓶底檢測算法和檢測裝置。采用視頻模數轉換器件實現相機拍攝到圖像的模數轉換，用DSP圖像處理器代替通用工控機來做圖像處理，結合時間確定的圖像處理算法來保證檢測時間的穩定性，用CPLD和圖像內存相連，位于模數轉換器和DSP之間，讀取圖像模數轉換結果并存儲到內存中，供DSP進行處理。整個圖像的獲取和處理過程都在電路板上完成，解決了通用工控機和圖像處理平臺的分時特性而帶來的超時和漏檢問題。

瓶底檢測;CPLD;DSP;圖像處理

目前國內回收的空瓶存在破損、粘附污物等情況，帶來了安全隱患也影響產品質量。傳統的人工燈檢方法很難保證檢測的可靠性和快速性，從而造成部分不合格產品流入市場，給企業形象帶來損害。啤酒生產企業越來越重視產品質量，在灌裝生產線上使用了各種自動檢測設備，提高了檢測的可靠性。目前國外對流水線上的空瓶視覺檢測系統比較成熟，有大量的產品在生產線上使用。如：日本的KTS和德國的MIHO、HEUFT、KRONESD等。山東明佳包裝檢測科技有限公司的產品比較完善可靠，市場反饋較好。

基于DSP和CPLD的啤酒瓶底檢測裝置不僅可以克服啤酒生產線傳統人工檢測的缺陷，而且能極大提高生產線的自動化程度。該系統是集機器視覺、精密機械、實時控制于一體的高速在線檢測系統，主要實現瓶底的污物檢測，以及瓶內殘液檢測和剔除等功能[1,2]。現有的啤酒瓶底檢測處理方法是通過相機拍攝瓶底圖像，檢測算法在通用的工控機和圖像處理軟件平臺上運行來實施的。通用的工控機由于操作系統的分時特性，使得處理程序不能夠保證硬實時性，從而會出現檢測超時或玻璃瓶漏檢現象，使剔除判斷系統產生紊亂。

本文提供了一個對機器視覺所獲取圖像的高效傳輸方法，對于網絡監控等領域都有很強的實用價值。該檢測裝置技術涉及一種基于DSP的在線啤酒瓶底的檢測算法及為實現這種算法而專門設計的檢測電路和相關機械、電氣檢測裝置[3]。

1 硬實時酒瓶底檢測方案

為了保證啤酒瓶底檢測的硬實時性，避免檢測超時和玻璃瓶漏檢現象，提高在線檢測的速度，該檢測裝置提供了一種基于DSP圖像處理器的瓶底檢測算法和檢測電路。

該檢測裝置解決技術問題采用的方案是：用視頻模數轉換器件實現相機拍攝到圖像的模數轉換；用DSP圖像處理器代替通用工控機來做圖像處理，結合時間確定的圖像處理算法來保證檢測時間的穩定性[4]；用CPLD和圖像內存相連，位于模數轉換器和DSP之間，讀取圖像模數轉換結果并存儲到內存中，供DSP進行處理。整個圖像的獲取和處理過程都在電路板上完成，解決了通用工控機和圖像處理平臺的分時特性而帶來的超時和漏檢問題。

2 基于DSP和CPLD的瓶底檢測系統及處理方法

2.1 瓶底圖像采集結構與光源設計

該檢測裝置的啤酒瓶底檢測包括圖像的獲取和圖像的處理[5]。首先結合圖1、圖2講述該檢測裝置對高速運動的啤酒瓶瓶底圖像的采集方式。

圖1 瓶底檢測裝置1.工控機;2.CCD相機;3.傳送皮帶;4.LED光源;5.光電開關Fig.1 Bottle detection device1.Industrial PC;2.CCD camera;3.Transmission belt; 4.LED light source;5.Photoelectric switch

圖2 瓶底檢測攝像單元1.偏光片;2.CCD相機;3.保護玻璃;4.LED光源Fig.2 Bottle detection camera unit1.Polaroid;2.CCD camera;3.Protective glass;4.LED light source

由于玻璃瓶對光的透射性能要好于其反射性能，所以我們采用從瓶底的一側用透射光源進行打光，CCD相機從另一側采集圖象的方案[6]。這就需要瓶子在運行的過程中懸空一段距離，我們用四根皮帶夾住瓶子運行，這樣既保證了瓶子懸空，也保證了瓶子在垂直于瓶子運行方向的豎直性，同時考慮到瓶子形狀的特點，我們將光源置于瓶子底部下方，CCD相機置于瓶口上方從瓶口采集瓶底圖象。由于瓶口比較小且有瓶壁的局限，采用這種方案要求瓶子在采集圖象時必須保持直立，而且相機觸發信號要準確。

當啤酒瓶移動到CCD相機下方時，啤酒瓶觸發光電開關進而觸發頻閃光源和CCD相機對瓶底進行拍照，采用兩個光電傳感器配合輸送皮帶實現玻璃瓶的立體定位[7]。這樣一方面保證CCD采集的準確性，另一方面根據兩個光電傳感器信號的組合信息，可以判斷出瓶子是否在前進方向上發生傾斜，如果發生傾斜則直接給工控機信號，不對圖象進行處理，而是直接將瓶子剔除到循環傳送帶上進行二次檢測，從而降低誤剔除率。

當瓶口上方的相機接收瓶底頻閃光源的光線，結合偏光鏡，使得異物在瓶底圖像上形成灰暗的區域。相機的高度、位置要滿足拍攝范圍要求（如圖2）。圖像發送到集成電路板進行圖像分析。

2.2 基于DSP和CPLD的硬實時系統設計

DSP技術的發展和應用為實現視頻圖像處理奠定了基礎，高性能DSP處理器作為圖像處理首選的核心器件，并能通過軟件編程靈活實現各種處理算法，提高了系統處理能力，擴展了系統功能。本文采用了視頻解碼芯片采集、轉換獲得BT.656格式的圖像數字碼流，設計CPLD作為邏輯控制器完成數字視頻數據的存儲、傳輸和時序控制，應用TMS320VC5416處理器和處理算法進行視頻圖像的邊緣檢測、銳化等處理，并調試、實現了預期的系統功能[8]。

從相機輸出的瓶底圖像經過模數轉換器（ADC）轉換成成數字圖像，CPLD將圖像保存到一片SRAM中。整副圖像保存完畢后，CPLD將兩片SRAM的總線切換，原來保存新采集到圖像的SRAM現在與DSP連接，供DSP對進行圖像處理；原來與DSP連接的SRAM現在與模數轉換器連接，保存下一幅采集到的圖像。DSP處理圖像完畢后，通過串口和通用輸入輸出口給出檢測結果。集成電路板的系統結構圖如圖3。

圖3 集成電路板結構圖Fig.3 Structure of integrated circuit board

2.3 瓶底定位及污物檢測

為了實現瓶底圖像的檢測和信息的抽取，瓶底圓心的定位的至關重要的。為了實現圓心的精確定位，處理算法使用了邊緣提取、迭代逼近等算法。其具體步驟如下：

2.3.1 圖像預處理利用圖像灰度的均值和圖像處理所需的最佳灰度值計算出一個增益值和一個偏移值,記為參數gain和offset，然后將待處理區域中的每一個象素值x作如下處理：y=x*gain+offset，其中y為新的象素值，從而調整圖像的灰度平均值，使整副圖像的亮度穩定在一定的范圍之中。

2.3.2 做邊緣提取由于Sobel算子兼具差值和平滑效果且受干擾影響較小的優點，故采用Sobel算子來做邊緣提取。Sobel邊緣檢測的基本方法是在x、y方向上分別使用兩個不同的卷積核，如下所示：

對圖像施加Sobel算子得到瓶底圖像邊緣圖。

2.3.3 查找圓心由于我們在圖象采集時采用了多光電定位觸發系統，瓶底圖象位置的變化在我們可接受的處理范圍內。我們從這個已知范圍的中心位置向四周沿36條直線進行徑向掃描，找到灰度值變化最大點，因為先前我們利用Sobel算子已經處理出瓶底的邊緣，所以我們徑向掃描得到的點就是邊緣點。對這些點按照一定的間隔組合，每三個點為一組確定一個圓，利用以下公式計算其圓心和半徑（例如三點坐標為（x1,y1）（x2,y2）（x3,y3）其圓心為（x0,y0）半徑為R）：

在以上得到的這些點中，我們利用已知的半徑范圍來選取合理的邊緣點和圓心，然后將選出的圓心點和半徑值取均值得到瓶底圖象實際的中心點和半徑值，從而實現了圖象的定位[9]。再利用中心點和得到的邊緣點擬合出的圓實現圖象的分割。在本系統中可以利用不同的半徑我們將瓶底圖象分割成三個感興趣區域：中心比較平坦的部分為一個圓形區域；中心圓域與防滑紋之間，傾斜角度較大的為一個環形區域；含有防滑紋的環形區域。在不同的感興趣區域我們可以根據不同客戶的要求采用不同的算法，從而達到不同的檢測精度。

2.3.4 檢測含有防滑紋的圓環域是否有污物利用圓心和防滑紋圓環中心半徑計算圓周各點的坐標，保存在數組中，然后以橫坐標為索引，在圓周上搜索環行花紋上是否有超過限定長度的白色圓周和黑色圓周。若有超限長度的黑色圓周，表示防滑紋上有污漬；若有白色花紋，表示防滑紋不完整，有缺損花紋。該算法可以同時檢測環形花紋是否完整，花紋間是否有污物，環形花紋是否偏心。

2.3.5 檢測瓶底中心區域是否有污物在中心的圓形區域和圓環區域中背景的灰度值是比較高的，而污物的灰度值較背景要低，所以我們選取一個合適的閾值對圖象進行二值化處理[10]。我們只要準確地找到一個介于污物與背景灰度值之間的灰度值作為閾值，將圖像中灰度值大于閾值的象素設為白色，灰度值小于閾值的象素設為黑色，這樣就能將污物和背景區分開來。

針對玻璃瓶瓶底圖象的亮度并不穩定，在本系統中我們采用直方圖分析與迭代閾值相結合的自動閾值尋找法：先確定圖象總體的灰度范圍和灰度級的個數，然后將這個范圍的中值作為初始閾值T0，灰度級的個數設為L。然后按照一下公式進行迭代：

其中hk是灰度為k值的象素的個數，迭代一直進行到Ti+1＝Ti結束，取結束時的Ti為我們進行二值化分割的閾值。

由以上迭代閾值法的理論知識我們知道迭代法的運算量比較大，而該檢測裝置要運用于高速的自動檢測生產線，它要求我們圖像處理的時間要短，所以在該檢測裝置中我們首先要利用感興趣區域的灰度直方圖信息簡化其運算量，具體的方法為：由于瓶底圖像在這兩個區域的灰度值集中在一定的范圍中（含有污物的則較為集中在兩個灰度范圍中），我們通過對直方圖的計算，算出這一個或者兩個灰度范圍的邊界值，去除直方圖兩端的灰度等級，從而縮短了灰度等級的范圍，減少了所要計算的象素值的個數，大大縮短了處理時間，達到高速檢測的要求[11]。

二值化之后我們利用先腐蝕再膨脹的算法去除零散的干擾點，然后對感興趣區域的黑色區域的象素進行連通性分析，我們采用的是象素八連通的方法，即在一個黑色象素相鄰的八個象素中有一個是黑色的就認為是連通的斑點上的象素，通過設置連通區的形狀及大小的參數就可以檢測出不同大小和形狀的斑點，從而達到不同的檢測精度，綜合第4步和第5步的判斷給出綜合判斷結果。

2.4 瓶底檢測方法

通過運用“融合判決”技術還可以對瓶底環境進行更為復雜的評估，例如對瓶底霉斑的有效識別。瓶底是異物最容易聚集的區域，異物本身成分很復雜且不確定，環境干擾相對也更多，如瓶底泡沫、防滑紋干擾等，對瓶底的檢測采用先進的“融合判決”技術進行缺陷評估。

圖4 酒瓶底圖像示例Fig.4 Samples of bottle bottom image

3 瓶底檢測試驗結果及結論

試驗在山東明佳包裝檢測科技有限公司的驗瓶機實驗平臺上進行。該平臺包括驗瓶機和輸送皮帶兩部分，其中驗瓶機為自主研發。瓶底檢測分為5種情況：污物在瓶底中央、污物距瓶底中央10 mm與瓶底邊緣距中心15 mm區間內、污物在瓶底邊緣、碎玻璃于瓶底、整個瓶底被標紙/異物蒙住。

a.選取瓶底不合格的瓶子25個包括瓶底檢測不合格項的上述五種情況，每種不合格瓶子各5個；

b.將25個瓶底缺陷瓶子跑10次，用來測試剔除率，達到測試標準。要求沒有任何缺陷的合格樣品通過，缺陷樣品剔除并做好記錄表統計。試驗中共對采集到的20033幅瓶底圖像進行了檢測定位，瓶底檢測精度。

為了進一步驗證本方法的有效性，將本文方法與文獻［12］的瓶底檢測方法進行了比較，在主頻為2.4 GB的機器上對20033幅瓶底圖像檢測定位。比較結果顯示，采用本文所述方法時，平均耗時0.3 ms，誤差平均在4個像素以內，其中10幅圖像的處理結果如表1所示;而采用文獻［12］所用方法時，平均檢測耗時約0.45 ms，誤差在6個像素以內。

表1 部分試驗結果Table 1 Partial experimental results

表2 瓶底檢測誤差分析Table 2Analysis on detection error of bottom

從試驗結果可知，本文所用方法無論在檢測速度還是在檢測精度上，較傳統方法都有所提高。在滿足當今啤酒灌裝生產線最高速度要求的同時，此系統的設計方法提高了定位精度，具有一定的實用和推廣價值。

4 結論

該檢測裝置的有益效果是減少了每幅圖像的處理時間，并且保證了每幅圖像處理時間的穩定性，可以提高在線檢測的運行速度；相對于通用工控機和圖像處理軟件方案，本電路結構簡單，成本更低。該檢測裝置所描述的裝置和檢測方法具有以下明顯的技術效果：

(1)該檢測裝置采用了亮度均勻的高頻閃LED背光源和具有高速電子快門和異步外觸發功能的新型CCD相機來實現高速圖象的采集，成功解決了采集高速運動物體的圖象存在的拖影問題。

(2)該檢測裝置中采用了針對國內玻璃瓶特色的獨特的圖象處理算法的組合，擁有適應性強、處理速度快的特點，非常適合高速生產流水線上的玻璃瓶的在線檢測。

(3)該檢測裝置在高速生產線上采用了機器視覺的方式進行自動檢測，克服了人眼檢測中存在的主觀性影響和易疲勞、效率低的缺陷，提高了檢測的準確性和生產效率。

[1]李麗.酒瓶檢測中的機器視覺檢測技術研究[D].山東:山東科技大學,2009

[2]鄧淑賢,李敏,楊石.基于DSP的瓶裝啤酒體積在線檢測系統[J].遼寧石油化工大學學報,2008,3:67-69

[3]劉煥軍,王耀南,段峰.自動生產線上透明灌裝瓶液體體積的機器視覺檢測系統[J].計算機工程與應用,2004,12:229-231

[4]苑瑋琦,薛丹.瓶裝啤酒的高速實時在線容量檢測裝置的研制[J].釀酒科技,2007,12:70-73

[5]馬思樂,黃彬,何印洲,等.智能空瓶檢測系統瓶底快速定位實現[J].自動化儀表,2012,33(10):39-41

[6]苑瑋琦,薛丹.啤酒瓶高速實時在線容量檢測裝置的研制[J].微計算機信息,2008,33:304-306

[7]張瑩,王耀南,文益民.啤酒瓶檢測中多分類支持向量機算法的選擇[J].湖南大學學報(自然科學版),2009,5:37-41

[8]徐婉瑩,劉建軍,黃新生.基于CPLD和DSP的高速圖像采集技術研究[J].電子工程師,2004,30(6):48-50

[9]陶躍珍,王東.啤酒瓶自動檢測系統的設計[J].機械,2010,37(10):59-61

[10]周長林,常青美,簡禮宏.基于DSP和CPLD的視頻圖像采集處理的設計與實現[J].數據采集與處理,2008,S1:168-172

[11]洪健,陳繼榮.基于DSP+CPLD的車牌實時識別系統的設計[J].計算機應用研究,2007,24(7):218-219

[12]李寶樹,陳萬昆.智能電表在智能電網中的作用及應用前景[J].電氣時代,2010,9:28-29

Design and Test on the Detection Device of Beer Bottle Bottom Based on DSP and CPLD

HAN Lei
Department of Information Engineering/Shandong Clothing Vocational College,Taian 271000,China

In order to ensure hard real-time detection of bottle of beer,to avoid detection timeout and undetected phenomenon,to improve the speed of online testing,this paper designed a bottom detection algorithm and detection devices with an image processor based on DSP and CPLD.ADC pieces realized from video cameras to image analog digital conversion,DSP image processor,instead of general industrial machine to do the image processing,combined with image processing algorithms to determine the time to ensure the stability of the detection time,and an image memory with CPLD connected,located between ADC and DSP,analogized the digital conversion result to read image and stored in memory for DSP processing.The entire image acquisition and processing procedures were completed on the circuit board to solve a common IPC and image processing platform timeshare properties brought out and missed the problem.

Bottle detection;complex programmable logic device;digital signal processor;image process

TH122

A

1000-2324(2015)03-0425-05

2013-12-6

2013-12-26

韓磊(1972-),男,副教授,主要從事機械與自動控制研究工作.E-mail:hlei1860@163.com