基于視覺的PET瓶封蓋檢測及定位系統

張 鑫， 周向榮， 李小江

(杭州娃哈哈集團有限公司， 浙江 杭州 310018)

飲料行業競爭日趨激烈，用戶對產品質量也愈加看重；而食品企業對食品安全的責任永無止境。在飲料生產線上，瓶蓋、瓶口及旋蓋封裝過程可能存在偏差，導致出現高蓋、歪蓋、安全環斷裂和低液位等問題。由于飲料對密封性要求高，易漏氣變質，發現并剔除不合格產品可以保證產品質量，降低生產損失，減少投訴。目前質量檢測工作依然依靠人工目檢，存在檢查效率不高、崗位價值低等問題。課題組提出的基于視覺的PET封蓋檢測及定位系統可以更加快速和準確地檢測出高蓋、歪蓋、安全環斷裂和低液位等缺陷，將一次性成本投入為固定資產，減少人工成本方面的投入，降低了總成本；同時系統具有反向定位功能，能夠定位出產生封蓋異常的旋蓋機工位，指導生產，降低損失，提高生產效率。該檢測系統只需在車間停機時做適當清潔維護，可無間斷工作，避免了人因疲勞而導致的漏檢和誤檢。

1 機械結構設計

1.1 視覺成像方案

飲料瓶封蓋缺陷主要包括無蓋、高蓋、歪蓋和低液位等，以上缺陷都能通過輪廓判斷來識別。因此在成像方案上課題組選用背光源剪影成像的方式，該方案能夠清晰的采集樣品的輪廓信息。另外，方案采用如圖1所示的3個相機進行拍攝，以保證視場覆蓋瓶蓋外表面。采像設備選用的是130萬像素的CCD相機和12 mm的定焦鏡頭。采集到的圖像能夠有效提取被檢測物的輪廓信息，效果如圖2所示。

圖1 成像方案Figure 1 Scheme of imaging

圖2 瓶子圖像Figure 2 Image of bottle

1.2 剔除機構

剔除裝置用于剔除檢測出的不合格產品，用1個電磁閥驅動氣缸伸縮實現。使用時，調整減壓閥的壓力為300～400 kPa。剔除裝置在安裝時，剔除氣缸頭與瓶身的距離控制在15 mm左右。剔除裝置如圖3所示。

圖3 剔除裝置Figure 3 Rejecting device

1.3 定位機構

定位系統能夠找到產生次品瓶蓋的旋蓋頭，從而有針對性地檢修，提高生產效率。原理如下：給每個轉盤的旋蓋頭設置編號，編號區間為 0～n，在0號位置安裝傳感器，PLC記錄起始位置，通過傳送帶編碼器，記錄每個瓶子對應的編號，在剔除工位，PLC將有缺陷的瓶子對應的編號及缺陷類型反饋給界面軟件存檔并顯示。定位系統如圖4所示。

圖4 定位系統Figure 4 Positing system

2 電氣設計

電氣控制選用西門子S7-1200系列的PLC作為主控單元，主要負責與視覺模塊的通信，利用光電傳感器及編碼器完成旋蓋機定位以及次品的剔除工作。其中與視覺控制器的通信包括接收次品缺陷類型，及反饋對應次品編號。具體的電氣檢測流程如圖5所示。

圖5 電氣控制流程圖Figure 5 Flow chart of electrical control

3 視覺設計

視覺設計軟件部分，主要分為界面軟件和圖像處理算法2部分。

3.1 界面軟件

開發工具采用微軟基礎類庫MFC，集成開發環境選擇的是Visual Studio 2019，主要實現的功能包括采集圖像、調用圖像處理算法、與PLC通信、統計檢測結果并存檔和人機操作等。

3.1.1 圖像采集

相機采用海康工業相機，將原廠相機SDK進行二次開發，其中圖像通過回調函數實時傳遞給應用類，實現圖像采集功能。

3.1.2 調用圖像處理算法

采用動態鏈接庫實現共享函數庫。使用動態鏈接庫可以更為容易地將更新應用于各個模塊，同時不會影響該程序的其他部分，有利于分割研發任務，方便后期的調試和維護。

3.1.3 PLC通信

與PLC的通信采用modbus tcp通信協議[1]。MFC調用CSocket類來實現通信[2-3]，相較于winsock，CSocket類提供了阻塞的訪問方式，其成員函數如receive，send，receivefrom，sendto和accept不會像winsock中的函數一樣返回錯誤代碼為WSAEWOULDBLOCK的錯誤，這些函數會自行進入等待狀態，直至操作結束。

3.1.4 數據統計和存檔

實時更新監測數據，包括總檢測數、次品數及各個單項缺陷對應數據，同時統計旋蓋機各工位產生的缺陷類型及數量保存到本地文檔中。

3.1.5 人機操作

四人中，袁安的拳腳功夫可能是最好的吧，一路上，咬吳耕的狗，偷李離的賊，調戲上官星雨的鄉村流氓，都是由他負責打發掉的。他的拳法名叫百花錯拳，卻并不是母親請來的武術師父教會的。

每種類型的瓶蓋會有對應的參數，操作人員可以通過人機調用相應參數；另外，軟件也提供了主要參數的微調功能。比如，不同瓶型的高度會有差異，運行前操作人員需要進入調試模式，調整設備高度，以確保瓶蓋在視場中心。

3.2 圖像處理算法

圖像處理算法是視覺系統的核心，直接影響設備性能。項目集成開發環境選擇的是Visual Studio 2019，調用了開源的視覺算法庫Opencv，最終生成動態鏈接庫DLL，供軟件平臺調用。圖像處理算法主要功能分為：找目標、分割瓶體、各項分類處理和返回結果。圖像處理算法流程如圖6所示。

圖6 圖像算法流程圖Figure 6 Flow chart of image process arithmetic

3.2.1 找目標

將單通道灰度圖轉化為二值化圖像，利用Canny算子[4-5]找到邊緣，再利用8鄰域找輪廓并填充[6-7]，屏蔽面積小于閾值的區域，剩下輪廓數≠1，則說明視場中無檢測物或者存在多個檢測物，結束流程并返回結果為合格。如輪廓數=1，遍歷目標輪廓坐標[8-9]，如圖像邊緣是輪廓的一部分，則判為目標不完整，結束流程并返回結果為合格；反之，判為目標單一且完整，進入下一環節。

3.2.2 分割瓶體

這個環節的關鍵是找到支撐環，再根據支撐環找到瓶蓋、防盜環和液位區。為了設計出針對各個部位的單獨的識別算法：

1)首先，運行前手動調整支撐環在圖像中的初始位置，保證其在圖像中線位置上。

3.2.3 各項分類處理

采用串行處理的方式，依次順序為：無蓋、高蓋、歪蓋、低液位和環缺陷。一旦某一項檢測到異常，則直接退出，返回異常項；如果所有檢測都正常，返回結果為合格，并結束流程。

1)無蓋：判斷瓶蓋ROI灰度均值，大于閾值即為無蓋。灰度均值在有蓋和無蓋2種情況下差異較大，閾值比較容易設置，判斷結果較為準確。

2)高蓋：計算蓋頂中心到支撐環擬合線的距離，與設定閾值比較，大于閾值即為高蓋，反之合格。

3)歪蓋：利用最小二乘法[10-12]擬合蓋頂輪廓線，計算其與支撐環擬合線的夾角，與設定閾值比較，大于閾值即為歪蓋，反之合格。

4)低液位：對液位ROI做Y方向投影，計算每行像素灰度均值，根據均值可以分為液體區、泡沫區(或者是晃動導致液位傾斜區)和空氣區；對泡沫區繼續劃分，主要參數為泡沫密度閾值，即泡沫點(黑點)的比例，大于閾值即為液體，從而可以得到實際液位。不同產品閾值參數變化較大，如碳酸飲料和乳飲料對應的閾值比純凈水的閾值大很多。

4 試驗

在實際生產線進行了項目試驗檢測，主要步驟：①制作無蓋、高蓋、歪蓋、低液、無環和卷邊標準異常品，每種異常品連續測試10次；②實際生產測試，運行0.5 h，現場安排工人將漏檢產品拿出，最后人工復檢設備剔除的產品，統計相關數據；③人為拆除其中2個旋蓋機工位，制造無蓋產品，測試異常定位系統。

實際測試結果：無蓋、高蓋、低液、無環和卷邊蓋均可檢出；連線觀察飲料瓶數為15 765，誤剔瓶數為15，漏剔數為0，檢測準確率99.90%，不良品檢出率100.00%，誤剔率0.08%；定位系統能夠實時顯示異常旋蓋機工位和缺陷種類，并能查看累計數據，現場測試能夠準確定位。測試結果表明，設備符合設計要求，檢測能力滿足實際生產線質量標準。

圖7所示為歪蓋檢測的效果對比圖，左邊為正常蓋，右邊為歪蓋。

圖7 檢測效果圖Figure 7 Detection effect diagram

圖7中：kcapk表示蓋頂斜率，kringk表示支撐環斜率，Δk表示斜率差。

5 結語

針對目前飲料灌裝質量檢測工作依靠人工目檢，存在檢查效率不高、檢出率低等缺點。筆者設計了基于視覺的PET封蓋檢測及定位系統。通過反復實驗測試表明：采用背光源剪影的成像方式能夠有效采集PET封裝的圖像信息，3相機方案能夠滿足瓶蓋柱面全檢測，穩定有效的成像系統有助于算法模塊更加高效準確地識別目標缺陷。該設計采用的圖像處理算法對硬件要求低、速度快，能夠較大程度降低成本。在實際使用中，采用該系統的設備能夠有效檢測出PET封裝線上存在的缺陷并剔除，并能準確定位造成缺陷的旋蓋機工位。