基于機器視覺的玻璃瓶重量檢測研究

姜 佳，鄒光明*，許家旺，謝澤祺，閔 達

（1.武漢科技大學 冶金裝備及其控制教育部重點實驗室，武漢 430081；2.武漢科技大學 機械傳動與制造工程湖北省重點實驗室，武漢 430081）

0 引言

在玻璃瓶罐行業，由于玻璃料滴溫度波動、供料機沖頭與液壓缸工作不同步、料滴重量不穩定等因素導致10%的玻璃瓶罐產品重量不合格，因此在生產過程中需要檢測玻璃瓶的重量是否符合生產要求。傳統的檢測方法基于人工手動測量檢測，例如，在生產時候，每隔10分鐘，玻璃瓶罐生產工人就需要從輸送帶上將玻璃瓶進行稱重，根據重量是否符合要求調整供料機的開口。由于玻璃瓶罐生產屬于高溫環境，特別在夏天，工作環境溫度高，工人每隔一段時間就需要換人，這種傳統的測量方法受人為因素的影響較大，并且測量效率低，無法滿足測量的精度要求[1～3]。因此，基于機器視覺的自動化非接觸測量是一種解決方式。

基于機器視覺的檢測和測量在工業生產中已經得到了廣泛的使用，可用在檢測產品的質量、測量產品的幾何參數、目標識別等多領域[4]。在物體尺寸測量方面，周平等利用機器視覺技術，獲取雞蛋圖像，建立體積與像素體積和表面積與像素表面積之間的線性預測模型[5]；周世凡等獲取冷態模擬玻璃料滴的圖像，利用機器視覺技術，用水平切片法計算物體的體積和重量[6]。我國在玻璃瓶罐質量檢測研制方向相對落后，在玻璃瓶罐外形尺寸測量上，陸志敏等利用機器視覺和圖像處理技術檢測玻璃瓶瓶罐瓶口的內徑、外徑、瓶子高度和瓶的垂直度，實現了玻璃瓶罐的外形尺寸檢測[7]。

本文，利用機器視覺技術對玻璃瓶的重量進行非接觸自動化測量，首先搭建基于機器視覺的玻璃瓶測量系統，拍攝玻璃瓶圖片，對拍攝到的玻璃瓶瓶口和瓶身圖片進行輪廓提取，對相機進行視覺標定，獲得提取輪廓的參數信息。然后對獲取的輪廓參數信息進行分析，分別得到瓶口壁厚尺寸，瓶身輪廓尺寸信息，對瓶身輪廓按玻璃瓶罐結構特征分為瓶口、瓶頸瓶肩、瓶身、瓶底四部分，每部分體積累加得到玻璃瓶的體積和重量。

1 測量原理

1.1 玻璃瓶重量求解方法

玻璃瓶的重量可由玻璃瓶體積、密度計算得到，瓶罐的體積根據玻璃瓶的結構特征分段累加計算得到。將玻璃瓶體分為若干部分，如圖2(a)所示，每一部分都力求為規則幾何體，確定各部分相應尺寸，再利用公式計算體積。不是規則幾何部分如瓶底，用近似的計算方法求其體積。對于待測的玻璃瓶，將玻璃瓶分為四個部分，即瓶口、瓶頸、瓶身和瓶底。

1.1.1 瓶身體積計算

瓶身部分是規則圓柱形，瓶身的體積計算如式(1)所示：

其中：d為瓶身的直徑；h為瓶身的高度。

1.1.2 瓶頸體積計算

瓶頸的體積VPJ，將瓶沿軸向進行分段，求每一個分段的體積，累加各段體積得到該部分的體積。每一個分段取分段平均直徑，按規則圓柱體體積公式計算。

1.1.3 瓶口體積計算

對于冠型瓶口，瓶口形狀不規則，計算瓶口的體積時，將其水平分割成若干厚度相同的同軸微圓筒，使用積分的方式求得體積，公式如式(2)所示：

其中：hr為瓶口的高度；Δh為微圓筒高度；d為微圓筒直徑；

1.1.4 瓶底體積計算

瓶底的體積VPD，根據瓶底結構的具體情況來計算，將其分割成若干規則幾何形計算體積。對于本文測量的玻璃瓶瓶底如圖1所示，分割為左右扇形圓環、內凹柱體、內凹球面。

1）左右兩側的扇形圓環如圖1(b)所示陰影處，扇形圓環體積公式如式(3)所示：

式(3)中，Fx為扇形截面面積，其公式如式(4)所示：

2）柱體體積公式：

3）內凹球面體積公式：

瓶底的體積等于扇形圓環體積與柱球形體積之和：

式(7)中：d為瓶底的直徑；R為扇形圓環半徑；h柱為內凹柱體高度；h球為內凹球體高度；Rq為內凹球體半徑。

式中：VR為玻璃瓶罐的容積。

1.2 水平切分法

根據上一節的分析，玻璃瓶分割后，除瓶底外的其他部分均是規則的幾何圖形，在瓶口、瓶頸和瓶身部分，玻璃瓶的截面可認為是一個規則的回轉體，因此，可利用其旋轉特征求玻璃瓶體積，瓶頸與瓶口的體積是將玻璃瓶沿軸向分段，求每一個分段的體積后進行累加。因此，在該方法的基礎上對瓶口、瓶頸和瓶身部分提出水平切分再積分的方法進行體積計算，如圖2(b)所示，體積計算公式如式(10)所示：

圖2 玻璃瓶示意圖

式(10)中：h為瓶口、瓶頸、瓶身的高度和，di為水平切分截面直徑。

瓶底的部分單獨求解，瓶底的直徑和高度在已知的情況下可利用公式求解，玻璃瓶罐加工工藝對瓶底的高度有規定值，根據相機的標定結果和瓶底的高度找到瓶底和瓶身的分界像素分割水平線，分割水平線以上瓶身部分按水平分割再積分的方法進行累加，瓶底部分求得像素直徑。累加各部分體積得到玻璃瓶的體積，得到玻璃瓶的重量。

2 系統方案設計

2.1 測量系統

設計基于機器視覺的檢測平臺，搭建玻璃瓶圖像的采集系統，該系統包括CCD相機、光源箱、光源、圖像采集卡和計算機。CCD相機分別獲取玻璃瓶的瓶口圖像和瓶身圖像，型號為佳能kiss x7。為了照亮目標，區分目標與背景，克服環境光的干擾，搭建光源箱。照明光源用于突出被測部位的特征，使用環形光源放置在被測物體的正上方。后期需要用計算機對圖像進行處理，因此需要利用圖像采集卡將拍攝到的圖像存儲至計算機上。圖像采集系統如圖3所示。

圖3 圖像采集測量系統圖

2.2 圖像處理流程圖

搭建好圖像采集系統并獲取玻璃瓶瓶口和瓶身圖像后，需要對圖像進行一系列操作，提取出瓶口和瓶身輪廓參數。由于所獲得的圖像是帶有大量噪點的原始圖像，需要進行濾波降噪、閾值分割等預處理，方便進行下一步輪廓提取[7，8]。玻璃瓶瓶口和瓶身的圖像處理流程圖如圖4所示。

圖4 圖像處理流程圖

2.2.1 瓶口圖像處理

對瓶口的原始圖像，利用濾波降噪、閾值分割和輪廓提取算法獲得瓶口的特征輪廓。

獲得的瓶口原始圖利用Halcon軟件將RGB圖像進行灰度處理轉換為灰度圖像，然后進行圖像預處理，在處理過程中，圖像上的噪聲不易被察覺，為了防止后續的圖像處理加深噪聲的影響，在邊緣提取之前需要進行濾波處理，去掉圖像中存在的噪聲[10～13]。常用的噪聲處理主要包括中值濾波和高斯濾波。圖像上存在的單個像素噪聲無法直接觀察到，本文通過給原始圖加上噪聲后，采用高斯濾波、中值濾波算法對轉換后的灰度圖像進行降噪處理，通過對比，選擇中值濾波算法進行降噪。

根據降噪后的灰度直方圖選取合適的閾值，使圖像的特征與背景間的對比更加明顯。如果特征區域包含其他沒有被分離的區域，還需要將該提取到的圖像特征區域打斷，再一次分割出特征區域。

瓶口的輪廓通過配合Canny算子對瓶口的內外圈特征進行輪廓提取，利用最小二乘法計算得到擬合圓，在所提取的擬合圓輪廓的基礎上獲取需要的輪廓具體參數，包括圓心像素值，內外輪廓半徑像素差值。

2.2.2 瓶身圖像處理和體積計算

對瓶身圖像進行預處理后，獲得瓶身的特征輪廓，瓶身的輪廓使用外接矩形算法提取出瓶寬和瓶高等幾何信息，采用水平切片法求得瓶口、瓶身和瓶頸的像素面積，瓶底部分單獨利用公式求解。然后采用Halcon軟件標定相機的各種參數，將提取出的輪廓的像素尺寸轉換為以毫米為單位的真實尺寸，從而進行下一步的計算。結合相機標定的結果，可得到輪廓對應的實際尺寸信息進而求得玻璃瓶的體積。

2.3 相機標定

為了確定拍攝圖像的圖像坐標與真實尺寸坐標的轉換關系，需要對相機進行標定。本文采用傳統張氏標定法[9]進行相機標定，通過拍攝標定物來建立現實世界中的某一點與圖像上點間的轉換關系，以此方式得到相機參數。使用圓形點標定板作為參照物，并借助Halcon軟件來提取標定板中的圓點以及半徑，根據標定板上已知的特征圓點與圖像像素坐標對應的像素關系來建立函數關系，通過求解并經過優化處理后得出相機的參數，完成相機標定。圓點型標定板的外形尺寸為150mm×150mm，其中有7×7個小圓點，每個小圓點的直徑為7.5mm，相鄰圓點中心距為15mm。

3 結果與分析

3.1 實驗測量

實驗測量的玻璃瓶采用小口吹壓成型工藝，壁厚均勻，冠型瓶口，瓶身為黑色，結構呈溜肩狀，外形圓柱錐面，瓶底凹球型。玻璃瓶實際重量由精度為0.001g的高精度天平秤測得，用排水法測若干組玻璃瓶體積V。通過公式驗證其密度均勻的特征，得到玻璃瓶密度平均值為ρ=2.486g/cm3。玻璃瓶罐瓶底尺寸按工藝要求取值h球=3mm，Rq=115mm。

3.2 圖像預處理

先將獲取到的RGB圖像進行灰度處理轉換為灰度圖像，然后進行圖像預處理。瓶口部分所存在的單個像素噪聲無法直接觀察到，加入噪聲后分別進行中值、高斯濾波處理后的效果如圖5所示，瓶口圖5(a)、圖5(d)對比，發現中值濾波的效果更好，通過此方式能夠有效去除原圖中的噪聲干擾。瓶身部分圖像的噪聲集中在圖像右上角，對瓶身原圖分別進行高斯濾波、中值濾波后的效果如圖6所示，瓶身圖6(b)、圖6(c)對比，發現均值濾波的效果更好，采用此方式對瓶身進行濾波處理。

圖5 瓶口圖像預處理

圖6 瓶身圖像預處理

3.3 圖像增強與特征提取

圖像增強是對圖像中的目標特征進行增強處理，增強圖像特征與背景間的對比使圖像特征更加明顯。根據圖像的灰度直方圖確定灰度主要分布的區間進行灰度變換，對其進行 值分割處理使背景與特征能夠清晰的區分處理便于特征提取[14～16]。瓶口部分圖像增強與特征提取處理，根據瓶口灰度直方圖分布，雙波峰代表區域為背景，將閾值取在波谷處，如圖7灰度區間所示。根據瓶身灰度直方圖，背景與特征有明顯的區分段，將閾值取在前半段，如圖8灰度區間所示。閾值分割處理后瓶口部分得到結果如圖9(a)所示，閾值分割圖中含有背景，將背景與特征打斷，選出特征區域得到如圖9(b)所示。瓶身部分通過增強處理后將玻璃瓶身特征的像素灰度進行均衡化處理，閾值分割得到結果如圖9(c)所示。可以看出特征與背景能夠清晰的區分出來，便于輪廓提取。

圖7 瓶口灰度直方圖

圖8 瓶身灰度直方圖

圖9 瓶口圖像增強與特征提取處理

3.4 輪廓邊緣提取

對于瓶口部分邊緣特征的提取，采用Canny算子。Canny算子不僅可以檢測圖形的邊緣，還能識別邊緣的方向。通過閾值分割配合Canny算子對瓶口的內外圈特征進行輪廓提取得到，再利用最小二乘法計算得到擬合圓如圖10(a)所示。在所提取的擬合圓輪廓的基礎上獲取需要的輪廓具體參數，包括圓心像素值，內外輪廓半徑像素差。

對于瓶身圖像的邊緣特征提取，在瓶身不含噪聲的圖像中，像素變化不光滑的像點即為邊緣點，提取所有的邊緣點便是圖像特征的邊緣，這里使用常見的基于梯度的邊緣檢測算法對瓶身部分進行邊緣提取，得到如圖10(b)所示的瓶身輪廓。輪廓中由于反光等因素出現一些細小空洞，在輪廓提取前還需要進行形態學運算將空洞補齊，這個過程不會改變瓶身的實際尺寸，再進行瓶身輪廓提取得到如圖10(c)所示的邊緣。在所提取的輪廓基礎上需要獲得輪廓具體參數，玻璃瓶體積的計算不僅需要得到壁厚，還要包括瓶身不同部分的寬度與高度。

圖10 輪廓邊緣提取

3.5 尺寸測量與各部分體積計算

對于各部分的體積計算，利用分段法和水平切分法累加得到玻璃瓶的體積，實驗所用的玻璃瓶實際壁厚取平均值2.46mm。實際重量取平均值204.340g。為了驗證該方法的精確性和準確性，重復測量8次，測量的結果如表1所示，測量誤差如圖11所示。實驗結果表明，壁厚測量值的相對誤差小于1%，玻璃瓶的重量相對誤差滿足在2%以內。當前測量系統獲得了比較滿意的結果，可以達到生產線上檢測要求，但是精確度還有待進一步提高。

表1 測量結果

圖11 壁厚和重量的測量誤差

4 結語

針對傳統的人工檢測玻璃瓶重量的方法，提出基于機器視覺的自動檢測方法，利用機器視覺系統采集玻璃瓶瓶口和瓶身圖片，結合一系列算法對圖像進行濾波、二值化和邊緣提取，實現對玻璃瓶壁厚和各部分直徑的測量，采用水平切分法和分段法計算玻璃瓶體積，從而得到玻璃瓶重量的檢測。經驗證，使用本文所提方法得到的玻璃瓶壁厚檢測相對誤差在1%以內，玻璃瓶重量相對誤差在2%以內。