基于“局部分析”图像处理方法的玻璃瓶检测研究

合集下载

基于数字图像处理的玻璃瓶瑕疵检测系统

ＣｏｍｂｉｎｅｄｗｉｔｈＡＲＭｃｏｎｔｒｏｌｔｅｃｈｎｏｌｏｙ，ｇｉｔａｕｔｏｍａｔｉｃａｌｌｙｄｅｔｅｃｔｓａｎｄｒｅｍｏｖｅｓｇｌａｓｓｄｅｆｅｃｔｓ．Ｒｅｐｌａｃｉｎｇｔｈｅｔｒａｄｉｔｉｏｎａｌｍｅｔｈｏｄｓｏｆｍａｎｕａｌｖｉｓｕａｌｄｅｔｅｃｔｉｏｎ，ｔｈｅｓｙｓｔｅｍｏｖｅｒｃｏｍｅｓｔｈｅｉｓｓｕｅｓｏｆｓｌｏｗｍａｎｕａｌｔｅｓｔｉｎｇ，ｔｈｅｌｏｗｒｅｌｉａｂｉｌｉｔｙｏｆｔｅｓｔｒｅｓｕｈｓ，ｔｈｅｐｏｏｒｃｏｎｓｉｓ — ｔｅｎｃｙａｎｄｓｔａｂｉｌｉｔｙ，ｉｎａｂｉｌｉｔｙｔｏｉｍｐｒｏｖｅｐｒｏｄｕｃｔｑｕａｌｉｔｙ，ａｎｄｔｈｅｌｏｗｔｅｓｔｉｎｇｅｉｃｆｉｅｎｃｙ．
ｌｙａｆｅｃｔｉｎｇｔｈｅｑｕａｌｉｔｙｏｆｐｒｏｄＵｃｔｓ，ａｎｄｃｏｎｓｕｍｉｎｇａｌｏｔｏｆｗｏｒｋｆｏｒｅｅ．Ｔｏｓｏｌｖｅｔｈｉｓｐｒｏｂｌｅｍ，ｔｈｉｓｐａｐｅｒｓｔｕｄｉｅｓａｓｅｔｏｆｄｅｖｉｃｅｓＵＳ —

基于机器视觉的玻璃瓶口缺陷检测方法

基于机器视觉的玻璃瓶口缺陷检测方法随着工业化的发展，玻璃瓶已经成为了我们生活中不可或缺的物品之一。

然而，由于生产过程中的各种原因，玻璃瓶口上可能会出现一些缺陷，这些缺陷会影响到瓶子的密封性能，从而影响到产品的质量。

因此，如何快速、准确地检测玻璃瓶口的缺陷，成为了一个亟待解决的问题。

近年来，基于机器视觉的玻璃瓶口缺陷检测方法逐渐成为了研究的热点。

这种方法利用计算机视觉技术，通过对瓶口图像的处理和分析，来实现对瓶口缺陷的检测。

具体来说，这种方法主要包括以下几个步骤：1. 图像采集：利用相机等设备对玻璃瓶口进行拍摄，获取瓶口图像。

2. 图像预处理：对采集到的图像进行预处理，包括去噪、灰度化、二值化等操作，以便于后续的图像分析。

3. 特征提取：利用图像处理技术，提取瓶口图像中的特征信息，如边缘、角点等。

4. 缺陷检测：根据提取到的特征信息，结合一定的算法模型，对瓶口图像进行缺陷检测。

5. 结果输出：将检测结果输出，以便于后续的处理和分析。

基于机器视觉的玻璃瓶口缺陷检测方法具有以下优点：1. 高效性：利用计算机视觉技术，可以快速、准确地对瓶口缺陷进行检测，大大提高了检测效率。

2. 自动化：该方法可以实现自动化检测，减少了人工干预，降低了人工误差。

3. 精度高：利用图像处理技术，可以对瓶口图像进行高精度的分析和处理，从而实现对瓶口缺陷的精准检测。

4. 可靠性高：该方法可以避免人为因素对检测结果的影响，提高了检测结果的可靠性。

总之，基于机器视觉的玻璃瓶口缺陷检测方法是一种高效、自动化、精度高、可靠性高的检测方法，可以有效地提高玻璃瓶生产的质量和效率。

随着计算机视觉技术的不断发展，相信这种方法在未来会得到更广泛的应用和推广。

基于图像处理的瓶内异物自动检测

基于图像处理的瓶内异物自动检测随着社会的发展,食品安全问题越来越受到人们的关注,啤酒的质量问题也愈加受到消费者和生产厂商的重视。

例如瓶体不完善,瓶内出现不溶于液体的异物等。

针对此类问题,液态产品中的传统人工灯检法已经不能满足生产商和消费者的要求。

在此基础上,本文设计开发了一种基于图像处理的瓶内异物自动检测系统,对瓶体中的异物进行识别与分析。

首先,介绍了课题的研究背景和意义、机器视觉技术的应用领域和国内外现状。

接着从啤酒的实际生产线出发,利用机器视觉技术设计了一套检测系统。

系统主要包括照明系统、检测设备和处理软件,给出了检测系统的方案和工作流程。

异物目标检测过程中的处理算法是本文研究的重点。

对采集到的图像,首先通过灰度和几何信息标定出有效检测区域,并对区域中的检测目标做分析。

有效检测区域包括单个瓶体的瓶身和瓶底区域。

瓶身区域的异物目标有悬浮的小颗粒异物以及液面处的气泡,瓶底区域的异物目标包括沉在瓶底的大面积异物以及小颗粒异物。

对于小颗粒异物目标,瓶底和瓶身区域的检测算法是相同的,即采用一阶微分检测算子与形态学操作相结合,获得图像中包括异物目标在内的所有连通域,进而对连通域的特征进行分析,根据目标的几何及灰度特征初步判断出小颗粒异物目标的范围。

在此步骤中瓶身区域的印字边缘会对结果造成干扰,接着利用印字的特性去除其对结果的影响,完成小异物目标的检测。

对于气泡,采用方向梯度直方图和支持向量机相结合的方法对其和干扰目标进行分类,实验表明,该方法取得了较好的分类结果。

对于沉在瓶底的大面积异物目标,首先对瓶底区域做噪声去除和背景抑制的基本处理,继而采用最大类间方差法对图像进行阈值分割,如此可以将瓶底偏亮区域分割出并获得二值图像,在此基础上去除瓶壁的干扰。

图像中大面积异物与瓶底底部相接,根据该特性可以描绘出瓶底底部的上部曲线。

最后分别利用PCA和Gabor提取出瓶底曲线的特征,同时采用支持向量机分类处理,并对两种特征提取方法的准确率做了比较和分析。

基于图像处理技术的玻璃缺陷识别方法研究

图４．２玻璃图像平整的没有缺陷的玻璃图像整个看起来应该是均匀的，每个像素的值都应该是一样的；有了缺陷之后，如果没有别的干扰的存在，均匀的图像上面就只出现了缺陷的图像，缺陷在平整玻璃的背景下就突出显示出来，把缺陷从背景下提取出来，加以处理、识别，即是本课题研究的主要内容。

但是由于各种干扰的存在，玻璃图像难免会出现一些噪声，这些从图中也可以看出来，噪声也同样在玻璃大背景下突出显示出来，这就给识别工作增加了一定的障碍。

另外由于没有底光源，加上上部光照的偏斜，在图像上出现了缺陷的影子和摄像头的影子，如下图４．３中的黑点即是缺陷的影子，比缺陷本身还重，给识另０造成很大的障碍。

图４．３带缺陷阴影的玻璃图像由于原始玻璃图像出现以上这些对识别造成的干扰，所以有必要对原始玻璃图像进行一定的预处理。

３．加权平均值法：加权平均值法是根据三基色的重要性或其他指标给胄、Ｇ、丑赋予不同的权值，并使Ｒ、Ｇ、置它们的值加权平均，转换关系为：足：Ｇ；Ｂ：Ｇｒａｙ（ｉ，．，）：—Ｗｒ—Ｒ—（ｉ，—ｊ）—＋Ｗ—ｃ＿Ｇ＿（ｉ，—ｊ）—＋—ＩＶＢ—Ｂ一（ｉ，ｊ）（４．３）Ｊ其中％、％、％分别为Ｒ、Ｇ、Ｂ的权值。

％、阡，Ｇ、降名取不同的值，加权平均法就得到不同的灰度图像。

由于人眼对绿色的敏感度最高，对红色的敏感度次之，对蓝色的敏感度最低，因此使％＞％＞％，将会得到较合理的灰度图像。

实验和理论推导证明，当％；０．３、％；０．５９、％＝０．１Ｉ时，郎月：Ｇ：Ｂ：Ｇｒａｙ（ｉ，ｊ）：—０—．３—０—Ｒ—（ｉ—，ｊ—）—＋—０—．—５９—Ｇ：—（ｉ—，ｙ—）—＋—０—．—１Ｉ—Ｂ—（—ｉ，一ｙ）（４．４）时，能得到最合理的灰度图像１２４］。

这样得到的灰度图像比较逼真，使人看起来比较惬意。

用加权平均值法对一幅玻璃图像灰度化处理后的结果见下面图４．４：图４．４玻璃幽像的灰度化从图中可以看到，图像坎度图比较真实地显示了原来的真彩色图像。

用本程郑州大学硕士学位论文图４．５直方圈图４．４的灰度图的直方图如上图４．５（ａ）所示，图４．５（ｂ）是该图像灰度在１５０～２００之间的直方图，原来看不清的灰度分布，现在也都明显地显示出来了。

基于局部方差的安全玻璃碎片自动检测算法

供依据。
关
键
词：方图均衡化；直目标增强；图像分割；水岭变换分
中图分类号：２８Ｔ３１４Ｐ５；Ｐ９．１
文献标识码：Ａ
Ａｏａｒａｃ－ｓｄＡｌｏｉｍｏｓｉｇＳｆｔａｓＦａｍｅｔｔｎＬｃｌＶａｉｎｅＢａｅｇｒｔｈｆｒＴｅｔａｅｙＧｌｓｒｇｎａｉｎｏ
维普资讯
第ห้องสมุดไป่ตู้２第５期４卷
２００７年ｌＯ月
测绘科学技术学报
ＪｕｎｌｏｈｎｚｏｎｔｕｅｏｕｖｙｎｎｐｉｇｏｒａｆＺｅｇｈｕＩｓｉｔｆＳｒｅｉｇａｄＭａｐｎｔ
ＬＵＸｉｏｈｎ，ＩＩａ — ｏｇＪＡＮＧＪ— ｏＺｉｔ，ＨＯＵＸｕ — ｉａｅｑｎ
（ｃｏｌｆＣｍｕｒｃｎｅａｄＴｃｎｌｙｈｎｏｇＵｉｒｔｃｎｌｙｉ５０９ｈｎ）Ｓｈｏｏｏｐｔｉｃｎｅｈｏｏ，ＳａｄｎｎｅｉｏＴｈｏ，Ｚｂ２５４，ＣｉａｅＳｅｇｖｓｙｆｅｏｇｏ
ｒｔｍｒｔｓｄｌＣａｉｎｅｂｓｄｈｓｇａｅｕｉａｉｎｔｅｈｎｅｔｅｏｊｃｓｉｍａｅ．ａｄｔｅａｉｏｅｈｉｆｓｅａｖｒｃ —ａｅｉｔｒｍｑａｚｔｏｎａｃｂｅｔｎｉｇｓｎｎｐｒｔｎｄｔｅｈｉｕＯｌａｏｌｏｈｈｔｉ
ｕｅｈｔｒｈｅｔａｓｏｍａｉｎｏｒｆａｍｅｔｒｃｇｉｉｎ．Ｅｘｅｍｅｔｓｎｍａｅｆｏｒａｒｇｎｔｔｏｔｓｓｓｄｔｅｗａｅｓｄｒｎｆｒｔｏｆｒｇｎｅｏｎｔｏｐｒｉｎｓｕｉｇｉｇｓｒｍｅｆａｍｅａｉｎｅｔｌｓｏｄｔｔｔｅａｇｒｔｈｗｅｈａｈｏｈｍｏｌａｃａｅｙｄｔｒｉｈｒｇｎｔｔｏｉｅｎｔｅｎｍｂｅｆｆａｍｅｔｎｔｅｉ — ｌｉｃｕｄｃｕｒｔｌｅｅｍｎｅｔｅｆａｍｅａｉｎｌｎｓａｄｈｕｒｏｒｇｎｓｉｈｍａ

探究基于数字图像处理的陶瓷瓶裂纹检测

来的图像变更为明晰的陶瓷图片，获取平台创设了零漏检的新指标。
之上的瓷瓶现状。经由Ａ／Ｄ特有的转变，摄像
头辨识了内置图像。在这之后，采集卡把它
五、结语
数字图像处理显出了独有的优势，在检测陶瓷瓶时，它提升了原有的精准特性，
检测装置可被分成双重的部分：采集独有的特性为：辨别瓷瓶缺陷，包含不易查也显出了独有的灵活优势。经由调试可得：数字图像、调控动作并测定数量。在这之中，
主控单元布设了嵌入式架构内的微处理器，
者。化解检测疑难，就要依循数字图像特有要安设上位机，把搜集得来的数值传递至这
一
有的状态。常规状态下，可参照测得的圆度系数来辨识裂痕是否存在。
的处理流程，改进检测算法。针对搜集可得
的图像，设定了边缘检定。选取控制技术，查
装置。经由上位机特有的流程，自动辨识
了陶瓷瓶本体的质量。依托智能的路径予以
验可得暗藏的瓷瓶裂痕，然后予以剔除】。数调控，划分传送类别。
直击高新技术ＴｅｃｈｎｏｌｏｇｙＡｐｐｌｉｃａｔｉｏｎ ‘ 科技应用
百家争鸣
田浩
江西省工业陶瓷质量监督检验

基于视觉的汽车安全玻璃碎片状态检测方法研究

独创性声明本人声明所呈交的学位论文是我个人在导师的指导下进行的研究工作及取得的研究成果。

尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。

对本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。

本人完全意识到本声明的法律结果由本人承担。

学位论文作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。

本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。

保密□，在年解密后适用本授权书。

本论文属于不保密□(请在以上方框内打“√”)学位论文作者签名：指导教师签名：日期：年月日日期：年月日华中科技大学硕士学位论文摘要安全玻璃是汽车的重要组成部分，其质量好坏直接关系到汽车用户的人身安全。

为了保障消费者的利益，我国政府对安全玻璃产品强制性实施产品认证制度，制定了安全玻璃产品的质量检测标准。

碎片状态试验是检测标准中的一项重要内容，通过检测玻璃破裂后的碎片信息，评价安全玻璃破裂时对用户的影响程度和造成伤害的可能性。

目前，碎片状态试验结果的识别和判定完全由人工完成，存在效率低、稳定性差、易受主观因素影响等缺点。

本文旨在利用数字图像处理技术对碎片状态试验结果中的玻璃碎片进行自动检测和识别，提高检测效率和准确性，并开发具有实用价值的汽车安全玻璃碎片状态检测系统。

本文主要工作包括研究汽车安全玻璃碎片边缘的提取技术、汽车后挡风玻璃加热丝或天线图像条纹的消除方法，研发汽车安全玻璃碎片状态检测系统软件。

具体为：第一，提出了一种新的、基于分水岭和动态阈值分割的玻璃碎片边缘提取方法。

该方法以分水岭算法结果为基础、以动态阈值分割结果为引导，完成边缘提取，从而有效地避免了分水岭算法过分割和动态阈值分割结果不精准的问题。

毕业论文《玻璃瓶瑕疵自动检测系统》

毕业论⽂《玻璃瓶瑕疵⾃动检测系统》玻璃瓶瑕疵⾃动检测系统摘要本课题是研究玻璃瓶瑕疵⾃动检测系统，针对玻璃瓶检测的⾼速度、⾼精度、实时性的特点，本⽂主要利⽤数字图像处理技术及其⽅法研究⼀套玻璃瓶瑕疵检测系统，利⽤该检测系统提供的⼀些数字图像处理⽅法可以决速准确的判断出该图像是否为缺陷图像。

利⽤该检测系统所应⽤的技术设计出来的系统不受主观因素的影响，能快速、准确地检测产品，完成⼈⼯⽆法完成的检测任务，是现代化⽣产中不可缺少的⼯具。

本⽂详细地介绍了图像处理技术，验证了多种图像检测算法，我们提出了⼀种基于混合滤波器缺陷检测算法，并从理论和实验两⽅⾯对检测效果做了评价。

论⽂分析了各种模式识别⽅法，提出了玻璃瓶缺陷检测的具体⽅案。

⽅案利⽤聚类算法来提取缺陷，通过对缺陷特征的分析来识别玻璃瓶的好坏。

本系统的主要部分由CCD摄像机、图像采集卡和微型计算机组成。

CCD摄像机采集玻璃瓶图像，图像采集卡把玻璃瓶图像转换成计算机能识别和处理的数字图像，再通过计算机上的软件完成缺陷检测功能。

检测系统在实验阶段的检测精度已达到设计要求，较成功地实现了玻璃瓶缺陷的检测，能⽤于检测玻璃瓶的裂痕、⽓泡等缺陷。

关键词:图像处理缺陷图像分割模式识别特征提取AbstractThis paper studies the glass bottle defect detection system, for the high-speed, high precision and real-time features of glass bottle detection,this paper mainly uses thetechnologies and methods of digital image processing to research and develop a glass-crack inspecting system.We can judge whether the image is a crack or not from the digital image processing methods that the inspecting system applies us.The detection system, which designed with this technique, won’t be inf luenced by subjective factors. It can detect the product fleetly and accurately that the human can’t do. It is an indispensable tool in modernization production.This paper introduces image processing technique detailedly.Demonstrating a variety of image detection algorithm, we propose a defect detection algorithm based on hybrid filter, and have evaluated the testing results from both theory and experiment.The paper analyses a variety of pattern identification technique and raises a specific scheme for the detection of the glass bottle blemish. The scheme uses the clustering arithmetic to distill blemish, and identifies the glass bottle by analyzing the character of blemish.This system’s hardware is mainly composed of CCD camera, image capture card and computer. The image of glass bottle is collected by CCD camera, and turned to digital images that can be identified with computer by image capture card, and identify glass bottles’blemish with the software in the computer. The detection system has successfully realized the blemish detection of bottles. It reaches the detection precision needed in experimental conditions and can detect the blemish of glass bottles, such as crack, bleb, etc.Keywords: Image Processing；Blemish；Image segmentation；Pattern Identification；Feature Extraction第⼀章绪论1.1 本课题的提出随着时代的发展，科技的进步，⼈们对⼯业产品的数量和质量要求越来越⾼，传统意义上的检测技术与飞速发展的⼯业要求之间的⽭盾⽇益突出。

基于图像处理的啤酒瓶瓶口区域的确定

基于图像处理的啤酒瓶瓶口区域的确定
陶跃珍;韩采芹
【期刊名称】《计量与测试技术》
【年(卷),期】2009(036)008
【摘要】啤酒瓶的瓶口缺陷是啤酒瓶常见缺陷之一,确定瓶口环形区域,屏蔽瓶底及瓶身的反光,将有助于提高检测的分析精度.本文讨论了三种确定圆心的方法,并最终应用投影法获得了比较理想的效果.
【总页数】2页(P52-53)
【作者】陶跃珍;韩采芹
【作者单位】四川理工学院,四川,自贡,643000;四川理工学院,四川,自贡,643000【正文语种】中文
【中图分类】TQ658
【相关文献】
1.基于BP神经网络的啤酒瓶口检测方法 [J], 郭克友;廉丽冰;李娜;
2.基于图像处理的啤酒瓶瓶口缺陷检测 [J], 陶跃珍;韩采芹
3.基于OpenCV的啤酒瓶口缺陷检测系统研究 [J], 郭克友;廉丽冰;李娜;纪彬
4.基于BP神经网络的啤酒瓶口检测方法 [J], 郭克友;廉丽冰;李娜
5.基于机器视觉的啤酒瓶口缺陷检测分类方法研究 [J], 黄志鸿;毛建旭;王耀南;周显恩;历艳琨;刘学兵
因版权原因，仅展示原文概要，查看原文内容请购买。

基于DSP的玻璃酒瓶检测系统研究

¡¢£¤
( 硬件系统的构成
整个硬件系统的工作过程如下 # EE# 摄像器件检测产品线上的酒瓶 $ 捕获的图像信号经过放大器和采样保持电路后 $ 传输至 FG# 转换器 ’ 数字化后的图像信息送入外部存储器 $ 待数据传送完毕 $ 即启动 #$% 开始对图像数据信息进行处理 ’ 处理完毕后$ 将结果送给计算机进行综合分析和控制 $ 若发现不合格品 $ 则报警器告警 $ 并将其排除出产品线 ’ 林森 #硕士
(./!000 辽宁省阜新市辽宁工程技术大学 $ 林森惠晓威杨顺
("$
设 I ( x, y ) 为灰度图像函数 " Ñ 2G 为拉普拉斯边缘检测算子 " 由线性系统中卷积和微分的可交换性 " 得 ! (! $ 即对图像的高斯平滑滤波与拉普拉斯微分运算
电话 !76 72 516 8148 5 "5 16315 65 #9% : $ % 嵌入式系统应用精选 17 7 例 &
x2
y2
= A2 (
(: $
A=
1 2ps2
x2
- 2 x2 K1(x) = A ( 2 -1 )e 2s s
5¡ ¡
图 ! 数字图像对比度增强
input
-
x2 2s 2
K2 (x) = Ae
" $ 图像平滑
一幅图像可能存在着各种噪声和干扰 " 它们的来源是多方面的 " 图像平滑的目的就是消除这些噪声和干扰 " 同时又不使图像的边缘轮廓和线条变模糊 ’ 邻域平均法就是一种比较常用的线性的图像平滑方法 ’ 这种方法的基本思想是用几个像素的平均值来代替每个像素的灰度 ’ 假定有一幅 #!# 个像素的图像 $%&’ ()"平滑处理后得到一幅图像 *+&,() ’ *%&,() 由下式决定 !

基于图像处理技术的玻璃裂纹检测系统设计

基于图像处理技术的玻璃裂纹检测系统设计张一杨【摘要】Based on the digital image processing technology,the author of this paper has designed a glass crack detection system,which can obtain the information of glass surface images by mak-ing use of the preprocessing,image segmentation,feature extraction of the collected images,and j udge whether the images contain cracks according circularity indexes.With Visual Basic6 .0 as the programming language,the system can perform detection of various kinds.%设计了一种基于数字图像处理技术的玻璃裂纹检测系统。

此系统对采集的图像进行预处理、图像分割、特征提取，从而获得玻璃表面图像的识别信息，并利用圆形度指标判断该图像是否含有裂纹。

系统采用Visual Basic6.0编程语言开发，实现了裂纹检测过程中各部分功能。

【期刊名称】《唐山学院学报》【年(卷),期】2016(029)006【总页数】3页(P69-71)【关键词】图像处理;玻璃裂纹;检测系统【作者】张一杨【作者单位】唐山学院智能与信息工程学院，河北唐山 063000【正文语种】中文【中图分类】TP751随着社会的发展，人们对玻璃外观质量的要求越来越高，玻璃裂纹检测技术面临着越来越多的机遇与挑战。

传统的玻璃裂纹检测多采用人工方法，这种方法存在受主观因素影响、检测速度慢、效率低、检测数据的保存和查询不方便等缺陷，不能满足现代制造业的需要。

基于图像处理的玻璃瓶口裂纹检测系统设计与实现

基于图像处理的玻璃瓶口裂纹检测系统设计与实现李军成;肖健;李兵【摘要】为了快速、准确地对玻璃瓶口裂纹进行无接触检测,基于图像处理技术设计与开发了一个玻璃瓶口裂纹检测系统;首先对获取的玻璃瓶口图像进行降噪与分割处理,并利用重心法获取玻璃瓶口圆心的粗定位,然后利用边界跟踪算法对玻璃瓶口进行边界跟踪,并通过最小二乘拟合获取玻璃瓶口圆心的精确位置,最后利用深度优先遍历算法对裂纹点集进行聚群,从而实现对玻璃瓶口裂纹的检测;实验结果表明,该系统操作简单、效率高、抗干扰能力强,能满足实际使用的要求.【期刊名称】《计算机测量与控制》【年(卷),期】2015(023)011【总页数】4页(P3619-3622)【关键词】图像处理;玻璃瓶口;裂纹检测;系统开发【作者】李军成;肖健;李兵【作者单位】湖南人文科技学院数学与计量经济系,湖南娄底417000;湖南人文科技学院数学与计量经济系,湖南娄底417000;中国人民解放军63961部队复杂地面系统仿真重点实验室,北京 100012【正文语种】中文【中图分类】TP391玻璃瓶由于具有外形美观、化学稳定性高、气密性好、可回收利用等特点，因此已被广泛应用于药品、饮料、食品等产品的包装中。

在玻璃瓶的生产过程中，流水线上的玻璃瓶经常会出现裂缝、缺口等缺陷。

带有这些缺陷的玻璃瓶，一旦装入有气压的液体，非常容易发生爆炸。

因此，对于玻璃瓶进行裂纹检测具有重要的现实意义。

目前，国内外大多采用人工目测验瓶、接触式验瓶和无接触验瓶机等方式来检测玻璃瓶是否存在裂纹，其中，人工目测验瓶法存在人工成本高、效率低、稳定性差等不足，利用机械装置的接触式验瓶法则存在设备成本高、检测模型固定、灵活性差等缺陷，而基于图像处理技术的无接触验瓶技术由于具有速度快、造价低、灵活性高、易于调试和工作环境要求低等性能，因此逐渐成为研究的热点。

近年来，虽然目前已有许多学者对基于图像处理技术的玻璃瓶表面缺陷检测算法或系统进行了研究［16］，但对玻璃瓶口裂纹检测的研究却并不多见。

基于数字图像处理的玻璃瓶瑕疵检测系统

基于数字图像处理的玻璃瓶瑕疵检测系统吴房胜;徐金秀;李如平【摘要】市场上众多的玻璃瓶产品表面存在裂缝、破损、磨损带过大等问题,如流入市场即成为次品并要求退回,严重影响了产品质量,并消耗了大量的劳动力.为解决此问题,研究了一套装置,利用数字图像处理技术,通过改进的Sobel检测算子方法,对采集的图像进行边缘检测,并结合ARM控制技术,自动检测玻璃瓶瑕疵,并将其剔除,替代了传统的用人工目视的检测方法,克服了人工检测速度慢、检测结果可靠性低、一致性和稳定性差,无法提高产品质量,检测效率低等问题.【期刊名称】《宜宾学院学报》【年(卷),期】2014(014)006【总页数】5页(P103-107)【关键词】图像处理;Sobel算子;玻璃瓶;瑕疵【作者】吴房胜;徐金秀;李如平【作者单位】安徽工商职业学院电子信息系,安徽合肥231131;安徽鸿路集团设计院,安徽合肥231131;安徽工商职业学院电子信息系,安徽合肥231131【正文语种】中文【中图分类】TP231该自动瓶检系统采用ARM技术，因其具有高性能的处理速度，该装置具有很高的检测精度，检测速度与灌装生产线的线速完全匹配，高精度微米级在线检测的精度可以根据要求任意调节，用来检测玻璃瓶瑕疵、玻璃磨损等，并可自动分类剔除次品．企业中可用于新装配线或旧线技术的升级与改造，最高在线检测速度可达到90 000个/小时[3]．2.1 图像增强算法在拍摄过程中，玻璃瓶图像是通过摄相机将生产线上玻璃瓶图像抓拍下来，经过嵌入式视频采集卡采集图像信息，将其转换成BMP位图的格式存储到系统中．在图片的采集与传输过程中，难免会遭到各种外界因素(电磁辐射、噪音等)甚至人为因素的影响，使所拍摄的玻璃瓶的图像效果不太理想．这些噪声干扰对图像质量有严重影响，会使拍摄的图片变得模糊不清，虽然这些外界噪声肉眼一般是无法辨别的，但噪声干扰可以覆盖甚至改变图片特征，使系统对次品是否合格品的精确判断带来严重困难．因此，在对玻璃瓶判断检测之前，必须改善图像质量，消除噪声，使拍摄图像的轮廓更加突出[4]．拍摄的玻璃瓶图像首先采用图像增强算法对其噪声的干扰实施前期处理，保证检测精度．由于图像中的频谱处在较低的空间频率域中，而噪声频谱在空间频率区域较高，图像与噪声区域之间的关联性不大，据此可消除这些外界噪声.本系统结合实际情况，提出一种领域平均法，对采集到的图像实施滤波去噪声.该方法是一种比较简单的平滑方法，算法不但简单快捷，而且噪声平滑效果也非常好．领域平均法的基本原理是将拍摄的图片其中一个像素的灰度值与其周围邻近的N个像素的灰度值进行叠加，然后除以N+1求平均值，作为该点像素的灰度值．该方法是比较简便的空间域处理方法．该方法利用模板计算的思想，模板操作完成了一种邻域运算，即某个确定像素点的灰度值，不仅与本像素灰度有关，而且与其邻近点的像素灰度也有关[5]．邻域平均法用数学公式表达如下：式中，f(i,j)是一幅给定的噪声图像，g(m,n)是领域平均法处理后得到的图像，S是所取邻域中各邻近像素的坐标，m,n=0,1,...,N-1，N是集合中像素点的集合．在点(m,n)的邻域中的f(i,j)的几个象素中，通过算出它们灰度值的平均值，得出g(m,n)中的每个象素点的灰度值，使图像得到平滑，在实际应用时，一般按照不同的需求选择使用不同的模板，如3×3、5×5、7×7等，在选择模板时，如果图像越大，数据运算量也越大，考虑到本装置采用32位ARM处理器控制，其处理能力远不如计算机，因此选择的模板一般要小一点，这样能够节省时间和运算量．如一种常见的3×3模板：为算出新图中该点像素的灰度值，首先将原图中一个像素的灰度值与其周围邻近四个像素的灰度值相加，即将当前像素点与其上下左右四个像素点相加，再除以5求平均值，算出灰度的平均值，将求出的灰度平均值代替当前像素点的灰度值[6]．该方法就是利用四周邻近像素的平均值来代替该点像素的灰度值，从而很大程度上削弱一定频率的噪声.该方法虽减小了噪声，但图像有一定程度上的模糊．2.2 图像边缘检测边缘检测已成为当前工控视觉研究领域最活跃的应用领域，在工程的应用中具有举足轻重作用．图像的边缘检测，是玻璃瓶图像分割、玻璃瓶图像区域的识别及其形状提取等图像分析的关键技术基础．物体的边缘是按照图像的不连续的特征为形式出现的，也就是图像的局部亮度变化最明显的部分为物体的边缘，如纹理结构的突变、颜色的突变、灰度值的突变等，物体的边缘即为不同区域的分界处．边缘按特性分，可分为两类：一种为线条边缘，另一种为阶跃性边缘[7]．当一个像素处在玻璃瓶图像中某物体的临界点上时，则其附近的领域就成了一个灰度级的变化区域．线条边缘的二阶方向导数是在边缘处取极值；而阶跃性边缘是在边缘处成零交叉，两者大不相同．针对玻璃瓶图像中各个像素的邻域，边缘检测算子均要对其定位，并对其灰度变化率及变化方向展开运算[8]．目前比较常用的边缘检测算子为Roberts检测算子，该算法是求对角线方向相邻的两个像素的差值，是一种利用局部差分算子查找边缘的算子，Roberts检测算子如表1所示，其算法如公式(2)所示，在2×2邻域上计算对角导数[9]：式中，g(i,j)为Roberts交叉算子，f(i,j)为输入的图像．进行平方根计算后，便于人眼的视觉观察．但考虑到实际情况，为了计算更加简单方便，一般采用绝对值的方法来近似计算交叉算子，算法如公式(3)所示:另外还能够比较两绝对值的最大值，这样算更加简便，算法如公式(4)所示：利用式(4)进行计算，对图像的边缘取向非常好．因此，对于长度相同但取向不同的图像边缘，采用公式(4)所得到的合成幅度比采用公式(2)得到的变化要小．Roberts检测算子可分别用这两个卷积核进行表达：，图像中的每个像素点均用这两个卷积核进行卷积，再利用公式(3)，即可求出函数g(i,j)的结果，运算结果是一幅边缘幅度图像[10]．如果采用前面介绍的Roberts检测算子方法，图像会有一个致命的弱点，那就是图像的抗噪声能力非常低.但Sobel算子却大不相同，它是把方向差分运算与局部平均融合在一起进行计算的一种算法．该算法以图像中某个像素为中心，截取一个3×3像素的窗口，如表2所示，然后分别计算窗口像素在水平方向与垂直方向上的偏导数，算法如公式(5)、(6)所示[11]．在采用Sobel进行边缘检测时，加权系数c为定值，取2，从而能够求出偏导数幅值与角度的计算公式：Sobel算子的卷积核可表示为：利用Sobel算子的两个卷积核，一个计算出图像的垂直边缘，另一个计算出图像的水平边缘，这样得到的边缘检测效果比较好，并且抗噪声效果也比较好．该算法使用的模板越大，其抗噪声能力就越好，是一种非常实用的边缘检测手段．考虑到玻璃瓶瓶身裂纹、破裂形状的不规则性等因素，边缘在多个方向都可能存在梯度，如果能构造一个方向模板对采集的图像进行边缘检测，则能获取的玻璃瓶瑕疵信息必然会比普通的Sobel算子更齐全，考虑到实际情况，本检测装置采用改进的Sobel边缘检测算子对玻璃瓶图像进行边缘检测．改进的Sobel边缘检测算子引入了改进的八个方向的Sobel边缘检测算子．其模板表示如图3所示．图像中某个像素点B及周围3×3区域的灰度如图4所示，设qi为图像经过Sobel 算子第i+1个模板处理后得到的B点灰度值，其中i取0到7．则对q0计算表达式为：处理后的B点的灰度值为qB=max{qi}，i=0,1…7．图像处理时，对图像的扫描从第2行开始结束于第M-1行，第2列开始结束于第N-1列，这样就保证了在研究图像中任何一点(i,j)周围的3×3领域内的像素都不会超出矩阵范围．通过将八个方向的模板一一与所研究的像素中心点周围的3×3领域相点乘，得到8个值，最后取8个值中绝对值最大的作为研究的像素点(i,j)变换后的灰度值，而结果中取最大值的模板所对应的检测方向的垂向即为边缘的方向[12]．检测装置的硬件设计采用ARM控制技术，核心控制器件为三星公司的S3C2440芯片，主要完成玻璃瓶传输、数字图像处理、界面显示与次品剔除等功能．3.1 检测装置硬件总体设计检测装置硬件设计主要由两个部分组成：主器件控制部分与外围扩展部分．主器件控制部分由主控制芯片S3C2440、存储器、以太网控制器等组成；外围扩展部分由工控触摸屏、供电电源、通讯接口、图像采集等部分组成．系统硬件总体框图如图5所示．该控制系统采用相互独立式的结构，每一个模块都可完成各自独立的功能．每个模块通过总线方式将工控触摸屏模块、主控制模块、图像采集模块联接在一起，最终实现具有图像采集、次品剔除、屏幕显示等功能的控制系统．控制板上还具有232、485等通讯接口、以太网接口、输入输出口等部分，便于系统功能的扩展与升级[13]．3.2 CCD摄像头摄像机选用敏通公司的1/2英寸黑白低照度高解析摄像机MTV1881EX，该摄像机CCD总像素为795(水平)×596(垂直)，扫描系统为625线，每秒50场，视频输出为复合式影像信号输出，具有内外同步功能和自动增益控制功能[14]．摄像机镜头选用AVENIR公司的CCTVLENS型手动定焦镜头，焦距25 mm，手动光圈．3.3 嵌入式视频捕捉卡检测装置对图像信号的捕捉利用武汉万德数码科技有限公司的VC302嵌入式视频捕捉卡（见图6），左上侧白色插头为视频输入接口，右侧插头为与主控芯片连接的总线数据接口．其工作流程是将摄像机信号接入左侧白色插口，经过数据的采集处理，信号经过右端总线接口连到主控模块的输入总线接口，利用32位ARM芯片分析并处理数据．该视频捕捉卡提供了完整的静止和活动图像采集方案；每次捕捉并缓存1帧，支持最高25帧/秒捕捉速度；支持4种输出图像格式．视频捕捉卡具有FIFO式存储器，在内部对玻璃瓶图像进行捕捉的同时，处理器就开始读取已捕捉的玻璃瓶图像信息，而不需要等一帧全部捕捉完成再读取，这样能够增强处理器的处理效率．该采集卡采集速度快、使用方便、性能稳定，所以本系统采用此采集卡是比较理想的选择[15]．该采集卡与ARM主控芯片的连线如图7所示，利用8位并行数据总线传输数据，采用芯片ATF16V8B输出图像采集卡的地址和片选信号，地址由VC302采集卡的地址总线A1A0两位决定．检测装置的软件采用EVC++实现的，为了使玻璃瓶瑕疵检测系统的软件便于设计、调试、移植和维护，要求整个软件系统采用独立模块化结构设计，各个模块相互独立又相互联系．图像处理函数按功能进行了分类，软件界面可以通过多种方式调用特定的图像处理函数，并将处理后的图像显示在指定的区域，软件对图像进行数字图像处理后，检测出次品并分类剔除，流程图如图8所示．上述主要介绍了玻璃瓶瑕疵检测系统硬件及软件的设计思想及程序的开发方式，在明确系统软件功能及设计任务的基础之上，根据软件功能划分设计模块并编写程序.本系统经过软硬件的调试，系统工作正常，界面友好，功能强大并易于扩展，实现了图像采集卡的连接、参数的设定、自动数字图像处理等功能．数字图像处理玻璃瓶瑕疵的过程和效果良好，检测效果图如图9(a)、(b)所示，(a)图为瓶身处玻璃破碎，(b)图为瓶身磨损带过大，这两种情况均为次品，需将其剔除．在检测过程中，检测结果具一致性、系统精度可达到5 mm(可调)、稳定性和可靠性均达到99.99%，确保了出厂产品的合格率，实现零漏检．大大减少了人工和次品退货造成的各种费用，降低企业成本；该系统由软件控制检测精度，保证质检结果和检测精度的可靠性，极大地保障了产品质量的稳定性．【相关文献】[1]文西芹,张永忠.扭矩传感器的现状与发展趋势[J].仪表技术与传感器,2001(12):1-3.[2]印保靖，成勇，史伟，等.转矩转速测量装置转速特性检测方法的研究[J].上海计量测试,2006(6):15-16.[3]吴纪国,袁道成.数字图像处理技术在几何量精密测量中的应用研究[J].仪器仪表学报,2007(8):9-10.[4]连锦湮.机器计算机视觉的应用——打孔机影像定位系统设计[J].今日电子,2006(10):83-86.[5]张恒.基于ARM的视觉定位技术研究[D].广州:广东工业大学,2007.[6]吴房胜,欧阳名三.数字图像处理技术在高精度自动对中装置中的研究[J].煤炭工程,2009(1):110-112[7]尹建新.基于计算机视觉木材表面缺陷检测方法研究[D].杭州:浙江工业大学,2007:22-23.[8]李群,张玉存.基于LabVIEW下扭矩传感器实验平台的研究[J].传感器技术学报,2003,16(4):504-506.[9]沈全鹏.基于数字图像处理的车牌定位研究[D].广州:广东工业大学,2007:6-30.[10]吴房胜,欧阳名三.电机转速测量器件高精度检测装置的研究[D].淮南:安徽理工大学,2010.[11]于彬.基于数字图像处理的陶瓷瓶裂纹检测研究[D].湖北:武汉理工大学,2007.[12]余苏胜.微电机电气性能智能测试系统的研究[D].杭州:浙江大学, 2001.[13]冈萨雷斯.数字图像处理(MATLAB版)[M].北京:电子工业出版社, 2006.[14]何秀伟.电机测试技术[M].北京:机械工业出版社,1985.[15]Fiorini P,Shiller Z.Motion planning in dynamic environments using Velocity obstacles[J].The Internationa1 Journal of Robotics Research, 1998,17(7):760-772.。

基于数字图像处理的啤酒瓶静态智能检测技术

关键词：啤酒瓶；图像处理；边缘检测；图像测量中图分类号：123’&0# 文献标识码：4 文章编号：&--+%((53 （+--$）-#%-,,%-3
"
引言
啤酒瓶质量检测是啤酒生产行业日益重视的重要环
数字图像处理算法及分析软件平台，提高回收瓶的质量，从而为企业降低成本，提高啤酒瓶重复使用的安全性，降低爆瓶事故发生率，不仅具有理论研究价值，而且有着重大的社会效益和经济效益。
!"%
软件开发
软件开发不仅要实现各种检测、统计和管理等复杂
功能，而且是实现图像处理模型和算法的关键步骤。通过选择合适的编程语言，建立合理的程序结构，优化程序代码等手段，都可以提高运算效率，加快图像处理的速度。开发语言拟采用面向对象的 56178( 9:: 。与
5;、 <=>?>8@、 <=AB>= 等开发平台相比，它更具良
（&0后勤工程学院，四川重庆，#---#&；+0军事医学科学院，北京
&---,$）
摘
要：提出了一种对再利用啤酒瓶进行质检的智能型方法—图像处理法。文中论证了啤酒瓶质量图像检测的可行性，讨论了实现检测的基本思想，论述了系统实现的基本技术路线，建立了系统构架，并分析了研究中需要关注的主要问题。该系统的研制有助于克服当前人工检测的弊端。
节。国家质量技术监督局要求强行实施强制性国家标准
!"#$##%&’’(，以保证消费者使用瓶装啤酒的安全，减
少伤害事故
)&*
。然而，根据新标准生产的专用啤酒瓶（"

玻璃瓶检测报告

玻璃瓶检测报告1. 引言玻璃瓶是一种常见的包装容器，在生产过程中，为了确保质量和安全性，需要进行检测。

本文将介绍一种基于图像处理和机器学习的玻璃瓶检测方法。

2. 方法2.1 数据采集首先，我们需要收集一批包含玻璃瓶和非玻璃瓶的图像数据。

这些图像可以通过现场拍摄或从互联网上下载。

为了提高检测效果，建议采集多种形状、颜色和尺寸的玻璃瓶，以及一些可能与玻璃瓶形状相似的非玻璃瓶。

2.2 图像预处理在进行玻璃瓶检测之前，我们需要对图像进行预处理，以提取有用的特征信息。

预处理的步骤包括图像去噪、灰度化、二值化和轮廓提取。

去噪可以通过使用滤波器，如高斯滤波器或中值滤波器来实现。

灰度化将彩色图像转换为灰度图像，简化后续处理步骤。

二值化将灰度图像转换为二值图像，使得图像中的物体与背景明显区分。

轮廓提取可以通过边缘检测算法，如Canny算法或Sobel算法来实现。

2.3 特征提取在预处理后，我们需要从图像中提取特征，以便进行后续的分类。

常用的特征包括形状、颜色和纹理等。

形状特征可以通过计算对象的边界框、面积和周长等来获得。

颜色特征可以通过计算对象的颜色直方图或使用颜色空间转换方法来获得。

纹理特征可以通过计算对象的灰度共生矩阵、小波变换或局部二值模式等方法来获得。

2.4 建立分类模型在特征提取后，我们可以使用机器学习算法建立一个分类模型，对玻璃瓶和非玻璃瓶进行分类。

常用的机器学习算法包括支持向量机、随机森林和深度学习等。

在建立分类模型时，我们需要将数据集划分为训练集和测试集，以便评估模型的性能。

2.5 模型评估在建立分类模型后，我们需要对其进行评估，以了解其性能。

常用的评估指标包括准确率、精确率、召回率和F1值等。

这些指标可以帮助我们判断模型的分类能力和稳定性。

3. 结果与讨论通过以上步骤，我们成功地建立了一个基于图像处理和机器学习的玻璃瓶检测方法。

该方法可以对玻璃瓶和非玻璃瓶进行准确分类，并具有较高的检测精度。

然而，该方法仍然存在一些局限性，如对图像质量要求较高、对光照和角度敏感等。

光电图像处理---瓶子检测

关于检测瓶子是否合格的思路因为需要检测的目标是瓶子中的液体是否达到指定的标准，而从照片的角度来看，有液体与没有液体的直接标准是颜色上的差别——有液体呈现深色（黑色），没有液体呈现浅色（白色）。

因此我们可以把照片颜色的深浅作为判断瓶子是否合格的标准。

从数字图象处理的角度来看，对于这种灰度图片，其颜色的深浅反映为灰度值的大小。

因此下面的操作重点围绕灰度值矩阵来进行。

Step One：读出待检测照片的灰度值设为矩阵A，其为大小341×498；Step Two：找出有液体与没有液体的临界灰度值。

通过对已有照片的分析，并考虑到偶尔的噪声干扰，将这个灰度值设定为100，灰度值大于100就认为该处不存在液体；Step Three：确定瓶子合格的标准，将矩阵A的第101行作为瓶中液体必须达到的高度，即大于101行的所有灰度值都必须具有较小的值。

因此自需要第101行的灰度值满足有液体的条件即可（液体不能凭空存在，低于这个高度的灰度值不用检验）；Step Four：确定瓶子所在的区域，因为第一与第五个瓶子在照片上并不完整，因此只把第二、三、四个瓶子作为检测的对象。

它们的区域对应于矩阵A的列数范围为：86—187；204—307；324—424；Step Five：为了避免出现个别杂点影响检测结果，我们规定在某一瓶子的待检测高度上，如果存在10个以上的灰度值属于没有液体的情况，那么我们认定该瓶子内的液体没有达到规定高度，则该瓶子不合格。

而对于低于10的情况，我们认为是杂点造成的，不予考虑。

（事实证明这一步是非常必要的，同时也是合理的）。

在上面分析的基础上，用MATLAB编程，对各种情况的瓶子的检测结果都是令人满意的。

附MATLAB的程序如下clc%清除上一次的检验结果A=imread('6666666.bmp'); %读取待检测图片的灰度值k1=0;k2=0;k3=0; %对判断指标设初值for i=1:498 %对图片的所有灰度值矩阵的列进行判断if A(101,i)>=100 %将灰度值矩阵的第101行作为是否合格的判断标准，灰度值大于100视为没有液体if i>=86&&i<=187 %第一个瓶子的区间k1=k1+1;elseifi>=204&&i<=307 %第二个瓶子的区间k2=k2+1;else i>=324&&i<=424; %第三个瓶子的区间k3=k3+1;endendendif k1>10 %避免出现个别杂点影响判断disp('第一个瓶子不合格');%输出检测结果endif k2>10disp('第二个瓶子不合格');%输出检测结果endif k3>10disp('第三个瓶子不合格');%输出检测结果end。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

．
由于试验条件所限加之摄取的图像本身有定的误差所以结合实际情况 1 9 9 6 (《酒瓶质量标和 G B 4 5 4 4 啤准》 G B 4 9 2 7 2 0 0 l (《 ) 啤酒质量标准》在这里我们规定阈值为 9 5 ％即 R > ) 95％时匹配成功此时认为瓶身是干净的；否则认为匹配失败瓶身有污渍故此例判为匹配失败瓶身有污渍如图可见判别结果是准确的
，
并适当加以改进提出了种基于局部分析的检测方法最后给出了实验结果
“
一
，
”
，
。
1
传统检测方法分析
传统的检测流程
一
般如图
1
所示 …
，
图 2 平滑后图像
图3
瓶身模板
图
4
边缘检测结果
图6
小块污渍
图
7
切割图像
维普资讯
林森（）１９８０一．男．辽宁沈阳人．硕士．助教．主要研究方向为：图像处理．信息识别。
；＋ｍ＋）
｛／／指向源图像倒数第ｊ＋ｎ行，第ｉｍ个象素的指针＋
ｌＳｃ：（ｈｒ｝ｌＤＩｐｒｃａ）ｐＢＢｉｓ＋ｔ
“ 割” 出来，得到图８。切进行边缘检测后得到图９。这时，在ＶＣ＋环境中进行模板匹配＋
［］５何斌等．ｉａｃ＋数字图像处理［］北Ｖｕｌ＋ｓＭ．京：人民邮电出版社．０１６－；５２０；２２５．０ｆｒＯｍ＜ｅｌｅｄｈｏ（；ＴｍｐａＷｉｔｍ＝ｔ
学．０５２０．
｛
ｄｉｍａＴ＝０ＳｇＳ：ｄｉｍａ＝０：ＳｇＳ
［Ｒｌｅ．ｏ．ｚ２ａａＩＧｒ．，］ｆｃ￣１ａｅＥＷｏ．．ｏｄ喇ｓＩｇｒｅｈ（ｃｎＥ［］ｌ１ｍｅＰｃｓｇｅｄｄａｏｓ￣ＳｏＭ．ＰｂｇＩ埘由
Ｈｕｅｏｅｔｏｉｓｎｕｔｙ．０；９１１８．ｏｓｆＥｌｒｎｃＩｓｒ２０５ — ｃｄ０
ｆｒ＝．＜１ｅｌｔｅｈｏ（ＯｎＴｍｐｅｉｔｎａＨｇ
Ｉ＋ｎ＋）
下面运用 “ 局部分析 ” 法，将整个瓶身分成若干小区域，即将图６中的污渍
对每一小块分别进行图像处理，此分析方法我们称之为 “ 局部分析”法，图７如中所
示。
｛ｆｒｉ：０；＜ｌｉｔ一０（ｉＷｄｈ
１ｅｌｔＷｉｔ＋ｌｉ＋Ｔｍｐａｅｄｈ；）＋
［１］熊熠明．基于数字图像处理及识别的玻璃容器检验系统研究［］杭州：浙江大Ｄ．
，
"
—
)
；
—
：
—
芦
鲁
：
鳖坚型
—
—
昔
—
一
∑∑b 兰p J／兰
1
I
m
—
。一。 ’
m (。
，
” 。
l
"
I
(m ) J 、 ∑∑旷％ 1
Ⅲm
)】芝／囊／
I
，
一。
)T
(
1
) 在V
c + +
环境中编程实现流程图 13 】
，
，
经过模板匹配运算
96％
，
一
得其相关性为 R
，
=
85
维普资讯
基于
林森高明明
“
局部分擀
盼
图像
12 5 1 0 5
处理方法的玻璃瓶检测研究
辽宁工程技术大学电子与信息工程学院
2
基于
“
局部分析
”
的检测方法
，
，
在对瓶身进行检测处理时我们是以整个瓶身为参考对象加以分析如果污渍较大如上例所示这种方法是可行的但如果瓶身仅有块非常小却很明显的污渍( 如图 6 中箭头所指) 以瓶身为参考对象就会产生较大的误差计算匹配的 R
，，
，
一
，
，
这里我们给出
图2
一
个啤酒瓶检测的例子
。
，
如
图 4 所示
其中边缘检测采用 R 如图 5 所示 [2 I
。
o
be r ts
算子模板
，
。相似性测度 R 采用如下计算公式 I I
∑∑s
R㈦『 1
…
‘’
(m
麓
，
n
) x T (m
了
=
— — —
，
—
，
，
，
，
，
图
1
流程图
，
。
，
。
，
。
圈圈
图5
Ro b e r t s
算子模板
引言
玻璃瓶检测属于工业视觉检测它结合了计算机技术数字图像处理技术传感
，，
，
器技术等诸多先进技术
，
广泛应用于啤酒
。
灌装工业及其他玻璃容器生产行业本文对传统检测方法的不足之处进行了分析
１ｉｅｙｅＬｎＢｔｓ｝（ｎｊ）＋（ｍ）＋ｉ；＋／指向模板图像倒数第ｎ行，第ｍ／个象素的指针ｌＴｅｌｔＳｃｐｍｐａｅｒ＝
中国科技信息２０年第１期Ｏ８６
ＣＩＡＳＩＣＮＥＮＯＯＹＩ：ＲＡＩｕ．０８ＨＮＣＥＥＡＤＴＣ￣ＬＧＭＯＭＴＯＡｇ２０ＮＮ
时，其值将大于９５，程序认为图像匹％配，事实上，此明显的污渍将影响酒瓶但如质量，得到错的匹配结果。为此，本文提出了一种改进方案，即将瓶身分成若干部分，
运算，计算出Ｒ＝６９３＜９％，认定匹８５％５配失败，从而准确地完成了图像识别。限于篇幅，仅给出模板匹配函数部分ＶＣ源代码
ＢＯＯＬＷＩＮＡＰｍｐａｅａｃＤＩＩＴｅｉｔＭｔｈＢ
《《上接第１４页５；