基于“局部分析”图像处理方法的玻璃瓶检测研究
- 格式:pdf
- 大小:425.94 KB
- 文档页数:2
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。
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。
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》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
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。