一種殘差分析動態閾值分割的瓶口缺陷檢測方法
【技術領域】
[0001] 本發明屬于圖像處理領域，涉及一種殘差分析動態閾值分割的瓶口缺陷檢測方 法。
【背景技術】
[0002] 我國每年的瓶酒瓶需求量巨大，據行業數據顯示，2014年我國啤酒行業累計產量 高達4921. 85萬千升，按每瓶啤酒530ml的瓶裝容量計算，則需要多達9. 286511101°個啤酒 瓶，而，其中80 %以上的啤酒瓶使用回收舊瓶，存在著大量瓶口破損的瓶，使用瓶口破損的 瓶可能給生產線和消費者帶來重大安全隱患，因此，進行瓶口缺陷檢測，剔除瓶口不合格的 瓶是一個必要過程，目前，國內外已經有大量瓶口缺陷檢測的方法。
[0003] 國外，早在20世紀60年代研制出了空瓶檢測機，但是描述具體瓶口定位方法的文 獻較少，1988年，YoshidaΗ在專利《Bottlemouthdefectinspectionapparatus》中提出 使用一種弧形光源和光電傳感器獲取瓶口圖像，通過徑向方向的掃描實現5種類型的瓶口 缺陷檢測；2004 年，ShafaitF、ImranSΜ等在《Faultdetectionandlocalizationin emptywaterbottlesthroughmachinevision》中應用Hough變換法實現空礦泉水瓶底 位。國內，自2001年開始，段峰、王耀南等在《基于機器視覺的智能空瓶檢測機器人研究》中 最先展開對啤酒空瓶檢測系統的研究，并于2003年成功研制出我國首臺空瓶檢測機器人， 提出模板匹配法、環形邊緣檢測法和環形投影法三種瓶口檢測方法，模板匹配法理論上十 分簡單，但實際應用中，由于瓶口圖像中的圓環的環寬度變化大和圓心定位存在誤差，造成 檢測結果不理想，環形邊緣檢測法比模板匹配法檢測效果好，但對圓心定位精度的要求較 高，環形投影法在瓶口圖像解析度足夠高的情況下，檢測效果好。2005年，劉煥軍在《基于支 撐向量機的空瓶智能檢測方法》中提出用遺傳支撐向量機算法來進行瓶口缺陷檢測。2006 年，李欣在《基于機器視覺的啤酒瓶空瓶檢測機設計開發》中直接定位瓶口內外環區域，然 后，通過閾值分割來檢測缺陷，該方法速度，但是由于定位時僅使用三個點造成內外環區域 定位誤差大，使得缺陷檢測結果不理想；嚴筱永在《基于圖像的啤酒瓶瓶口與瓶底污損自 動檢測》中先進行邊緣提取、連通域分析、Hough變換圓檢測以獲取瓶口目標區域，隨后，以 擬合圓圓心為原點進行極坐標變換，分八段沿徑向展，最后采用〇tsu分割檢測瓶口缺陷。 2007年，段峰在《啤酒瓶視覺檢測機器人研究》中提出一種串聯多神經網絡的瓶口缺陷判決 方法，該方法使用徑向投影值及其差分值作為底層神經網絡的輸入，檢測效果好，抗干擾能 力強，但是使用串聯多級神經網絡，前期神經網絡訓練的工作量相對較大；馬思樂在發明專 利《一種空瓶瓶口缺陷檢測方法及裝置》中提出一種在二值分割后進行區域連通性搜索來 判斷瓶口缺陷的方法。2008年，陳西廣在《機器視覺技術在啤酒瓶在線檢測系統中的應用 研究》中將圖像分成外部亮環和內部密封面圓環兩個區域，使用完整性搜索算法，通過設定 的缺陷尺寸分別搜索兩個區域，以判斷瓶口是否合格。2009年，張田田、張偉東等在《基于機 器視覺的啤酒瓶口檢測系統的研究》和《在線空瓶檢測系統的研究與開發》中將瓶口區域分 三個區域后，分別進行徑向掃描判斷瓶口好壞，張瑩在《啤酒瓶檢測中多分類支持向量機算 法的選擇》中比較的多類支持向量機算法在空瓶檢測中的應用效果，其中，一對一多分類支 持向量機在徑向基核函數時瓶口檢測效果最好，瓶口分類正確率95%，執行時間165毫秒； 張燕等在《基于圓心定位的瓶口三圓周快速缺陷檢測算法》中首先獲取瓶口邊緣，隨后通過 提出的四點垂直弦截法來定位圓心，最后采用三圓周法檢測瓶口缺陷。2010年，王好賢、毛 興鵬等在《玻璃瓶瓶口破損和瓶底污物檢測算法》中提出在濾波、二值化操作后定位出瓶口 區域，直接統計瓶口區域內的干擾點數目，小于一定閾值則為無干擾，否則利用重心法排除 干擾并再次判斷是否有缺陷，本算法簡單、速度快。2011年，劉文志在《基于機器視覺的啤酒 瓶口檢測系統研究》中通過中值濾波、閾值分割、膨脹、腐蝕4個步驟獲取取瓶口圖像中目標 區域，提取目標區域的區域特征、灰度值特征和輪廓特征用以進行瓶口缺陷判斷；王貴錦、 張樹君等在發明專利《一種檢測PET瓶或瓶胚瓶口缺陷的方法》中通過提取瓶口環形區域 圖像展開，在橫向方向求梯度，以橫向梯度作為特征量，實現PET瓶口缺陷檢測；張琴在《基 于NSCT的瓶口圖像處理技術研究與應用》中將瓶口圖像等分成多個子圖像，采用NSCT方 法對每個子圖像進行分解，以獲得對應特征矩陣，將對應方向的特征值求均值和方差，作為 圖像的特征向量，用于判斷瓶口是否存在缺陷，該方法檢測正確率高，但執行時間較慢，缺 陷檢測耗時879毫秒。2013年，王貴錦在發明專利《多尺度瓶口缺陷檢測方法及裝置》中針 對針對瓶口缺陷的尺度多樣性，將目標圖像通過多次降采樣得到一系列的多個不同尺度的 目標圖像，對每個尺度的目標圖像都進行特征提取以及缺陷檢測，聯合判斷得出檢測結果， 并將瓶口區域與該瓶口區域對應的蒙版進行融合，有效避免了瓶口中央位置以及其他無關 區域對瓶口缺陷檢測的干擾；在王貴錦發明專利《瓶口缺陷檢測方法》中還提出一種將瓶口 區域劃分為第一內環、第二內環、評估環、密封環和內密封環共五個區域，各區域同時進行 閾值分割檢測出缺陷。2014年，李娜、郭克友等在《啤酒瓶口破損檢測技術的研究》和《基 于BP神經網絡的啤酒瓶□檢測方法》中提取瓶□周長、面積、圓形度和相對圓心距離四個特 征，通過BP神經網絡實現瓶口缺陷檢測；南兆龍、李鳳婷等人在發明專利《一種準確檢測瓶 坯瓶口缺陷的方法》中人為標定出瓶口內外內輪廓，然后由外輪廓向內輪廓沿徑向方向掃 描獲取一系列瓶口內、外邊緣，用Hough變換進行內外輪廓擬合，最后根據各邊緣點到擬合 圓圓心最大距離和最小距離的偏移距離判斷瓶口變形和瓶口內外輪廓缺損。
[0004] 總體而言，上述瓶口缺陷檢測主要包括檢測區域定位和缺陷檢測兩個過程，如圖 4所示，其中缺陷檢測方法分兩類，一類是基于大量先驗知識的傳統閾值檢測方法，另一類 是機器學習方法與傳統閾值檢測方法結合的檢測方法，前者檢測速度快，但需要設定很多 的閾值，且缺陷提取方法抗干擾能力和適應性不強，誤檢率較高，后者檢測正確率高，抗干 擾能力強，但需要收集大量樣本圖像，訓練時間慢，檢測耗時長，同時，由于部分瓶口圖像中 缺陷和邊緣區域的灰度值變化范圍大、干擾多，已有的方法難以實現瓶口缺陷快速、準確檢 測，針對這一問題，本文提出隨機圓評估法實現瓶口檢測區域快速準確定位，利用強烈平滑 后的圖像與原圖像的差分獲取閾值曲面，通過該曲面對原始圖像進行閾值分割，隨后進行 連通域分析，并根據連通區域的高、寬和面積判斷其是否為缺陷。該方法對圖像中識別目標 的灰度值變化、干擾有很強的適應能力，檢測效果好，運算速度快，有效解決了瓶口缺陷高 速高精度檢測的難題。
【發明內容】
[0005] 本發明針對上述現有技術中存在的瓶口缺陷檢測精度不高的問題，提出了一種殘 差分析動態閾值分割的瓶口缺陷檢測方法。
[0006] 玻璃啤酒瓶的瓶口缺陷包括外環磨損、內環磨損、封蓋面磨損、外環崩口、內環崩 口、封蓋面破裂、存在臟污共七類，七類缺陷可概括為磨損、崩口和存在臟污三大類，如圖5 所示，其中各字符代表的缺陷類型如表1所示。
[0007] 表1瓶口缺陷種類
[0008]
[0009] 綜上，可總結得到完好瓶口和破損臟污瓶口圖像的特征：對于完好瓶口，瓶口邊緣 區域呈兩個明亮均勻的圓環，背景區域和瓶口封蓋面區域亮度較暗、分布均勻；對于破損和 存在污物的瓶口，原本亮度均勻的白色圓環出現較暗的斷裂帶，原本亮度均勻封蓋面暗區 域出現明亮區域，其中內環磨損、外環磨損、封蓋面磨損和存在臟污時，缺陷和臟污表現為 高亮度區域，內環崩口、外環崩口和封蓋面表現為與背景灰度值相近的暗區域。
[0010] 部分瓶口圖像中存在缺陷和邊緣區域的灰度值變化范圍大、干擾多的問題，如圖6 所示，其中存在灰度值較大的亮缺陷區域，也存在和背景灰度相近的暗缺陷區域，同時存在 大量干擾邊緣，這種情況下已有瓶口檢測方法難以實現瓶口缺陷的高速高精度檢測，本發 明方法針對此問題，提出一種基于殘差分析動態閾值分割的瓶口缺陷檢測方法，用于實現 玻璃啤酒瓶的瓶口缺陷快速、準確檢測。
[0011] -種殘差分析動態閾值分割的瓶口缺陷檢測方法，包括以下步驟：
[0012] 步驟1 :獲取啤酒瓶口圖像；
[0013] 步驟2 :從啤酒瓶口圖像中定位瓶口目標區域；
[0014] 步驟3 :對瓶口目標區域進行缺陷檢測；
[0015] 步驟3. 1):對瓶口目標區域圖像進行濾波處理；
[0016] 步驟3. 2):對瓶口目標區域進行濾波前后的圖像進行差分處理獲得殘差圖像；
[0017] 步驟3. 3):對殘差圖像r(x，y)進行兩次閾值分割后求和，得到一幅二值化圖像；
[0018] 對殘差圖像采用以下公式進行第一次閾值分割：
[0019]
[002