1、 95 玻璃瓶的制造原料主要是天然矿石、石英石、烧碱、石灰石等。玻璃瓶具有高度的透明性及抗腐蚀性，与大多数化学品接触不会发生材料性质的变化，制造工艺简便，造型自由多变，硬度大，耐热、洁净、易清理，并具有可反复使用等特点。玻璃容器用于包装食品还具有耐热、耐压、耐清洗等优点，既可高温杀菌，也可低温贮藏，因此成为啤酒、果茶、酸枣汁等许多饮料首选的包装材料1。但在玻璃瓶的生产制造过程中，成品玻璃瓶往往会存在一些缺陷，例如：崩口、划痕、含气泡、杂物和污垢等。用存在缺陷的玻璃瓶包装食品，易造成食品污染、变质；包装气体或带气压的液体，易造成爆炸，因此，对玻璃瓶缺收稿日期：2022-01-10基金项目：安徽省
2、高校自然科学研究重点项目（KJ2020A0640）；淮南市科技局科技计划项目（2021A249）；淮南师范学院校级项目（2019hsjy55；2021hsjypj32）通信作者：封居强，男，江苏徐州人，安徽理工大学讲师、机电工程师，博士。研究方向：信号检测与故障诊断。E-mail:。基于虚拟仪器技术与机器视觉的玻璃瓶质量检测孙亮东1，封居强1,2*，韩芳1，陈大广1（1.淮南师范学院 机械与电气工程学院，安徽 淮南 232038；2.安徽理工大学 安全科学与工程学院，安徽 淮南 232001）摘要：玻璃瓶因具有透明度高、气密性好、外形美观、价格低廉和可回收的特点被广泛应用，但生产过程中存在崩口
3、、划痕、含气泡、杂物和污垢等缺陷。为确保玻璃瓶质量，作者设计了一套基于虚拟技术和机器视觉的玻璃瓶缺陷检测系统。利用几何圆的特征确定圆心位置，采用 Sobel 算子对瓶身缺陷进行边缘检测，基于虚拟技术 vision 的圆度拟合函数及图像量化函数分别进行瓶口和瓶身的缺陷分析。实验结果表明该系统能够定量检测缺陷的大小，定性分析缺陷的种类，检测速度为 36ms，测试精度为 98%。该系统操作简单，能实现快速、准确的检测，有效降低了生产成本，满足了实际生产的需要。关键词：虚拟技术；机器视觉；玻璃瓶；Sobel 算子中图分类号：TP391文献标识码：A文章编号：1009-3583（2023）-0095-0
4、5Quality Inspection of Glass Bottle Based on Virtual Technologyand Machine VisionSUN Liang-dong1,FENG Ju-qiang1,2*,HAN Fang1,CHEN Da-guang1(1.School of Mechanical and Electrical Engineering,Huainan Normal University,Huainan 232038,China；2.School of Safety Scienceand Engineering,Anhui University of S
5、cience and Technology,Huainan 232001,China)Glass bottles are widely used because of their high transparency,good air tightness,beautiful appearance,low price and recyc-lable characteristics.However,there are some defects in the production process,such as cracks,scratches,bubbles,inclusions and dirt.
6、In order to ensure its quality,the author designed a set of glass bottle defect detection system based on virtual technology and machinevision.The center position of the circle was determined by the feature of geometric circle.Sobel operator was used to detect the edge ofbottle body defects.The roun
7、dness fitting function and image quantization function of virtual technology Vision were used to analyzethe bottle mouth and bottle body defects respectively.Experimental results show that the system can quantitatively determine the size ofdefects,qualitative analysis of the type of defects,detectio
8、n speed up to 36ms,testing accuracy up to 98%.The system is simple to op-erate,to achieve accurate and rapid detection,to effectively reduce the production cost and meet the actual production needs.virtual technique;machine vision;glass bottles;Sobel operator第 25 卷第 1 期2023 年 2 月遵义师范学院学报Journal of Z
9、unyi Normal UniversityVol.25,No.1Feb.2023 96 第 25 卷第 1 期遵义师范学院学报2023 年 2 月陷进行检测具有重要的意义。目前，检测玻璃瓶缺陷的方法和工艺还比较落后，多采用人工检测的方法，易受到检测工人技术水平、责任心、疲劳程度等因素的影响，误检和漏检率较高2-4，且效率低下、一致性差，无法满足当代大批量生产的需求。近年来，机器视觉技术快速发展，许多学者对基于机器视觉的玻璃瓶缺陷检测做了大量研究。杨丹5基于机器视觉设计了一种瓶口定位和缺陷检测方法，详细论述图像预处理、图像分割、瓶口定位、缺陷检测方法，该方法的性能指标达到 98%；罗时光6为了
10、提高玻璃瓶口缺陷检测精度，提出基于机器视觉方法，利用 BP 神经网络实现瓶口缺陷的准确识别，检测成功率高达 99%；周航7通过工业摄像机采集玻璃瓶缺陷图像，采用视觉分析实现缺陷分类识别，并控制机器分拣；阿夫沙尔8采用统计方法中的旋转局部方差不变测度（RIMLV）算子进行陶瓷产品缺陷边缘检测，同时采用结构方法中的闭合形态算子对检测区域进行填充和平滑，实现对每个产品所有缺陷的标记，并采用多类支持向量机分类器对缺陷进行识别。另外，文献9-13分别采用机器视觉实现了医用管制玻璃瓶、轴承滚轴、太阳能板、PCB板和水果等缺陷的检测，且检测效率高、误差率低。本文结合现有的机器视觉检测系统，针对益益牛奶的玻璃
11、瓶，提出基于虚拟技术和机器视觉的缺陷快速检测方法，并结合工业相机和单元控制系统实现破损玻璃瓶的筛选。1 检测系统结构设计玻璃瓶缺陷检测主要是对瓶口和瓶身进行检测。其中瓶口在生产过程中常会出现崩口、爆口，瓶身在生产过程中常会出现气泡、划痕、污点，如图 1所示。图 1玻璃瓶缺陷的主要分类在生产过程中，瓶口和瓶身都可能存在缺陷，并且存在的位置随机性较大。为了准确检测瓶口和瓶身的缺陷，首先设计系统结构，以获得全方位的图像。该结构主要包括图像采集模块，图像处理与缺陷识别模块和电气控制器模块，如图 2 所示。其中，图像采集模块由 3 个工业相机、1 个无影环形 LED灯、2 个LED背光源和 2 个光源控
12、制器组成；图像处理与缺陷识别模块由工控机与检测软件组成；电气控制器模块主要由 PLC控制器、控制阀和传感器组成。图 2系统结构图系统工作原理如图 3 所示。当瓶子经过第一个光电开关时，PLC控制器收到一个脉冲信号，并传送给工控机，工控机做出判断，控制第一个相机拍照，获得瓶身一侧的照片；在传送带的作用下，玻璃瓶右移，到达第二个光电开关时，触发第二个相机拍照，获得瓶口的照片；同理，通过第三个相机获得瓶身另一侧的照片。工控机将获得的照片在虚拟仪器监测系统中处理和识别，当检测到缺陷时，将信号发送给PLC 进行分类处理。图 3系统工作原理流程图系统以 2018 版 LabVIEW 环境为开发平台，利用
13、IMAQ Vision14视觉库函数，借用虚拟仪器技术和 PC 技术实现图像处理和缺陷的检测。97 2 图像预处理2.1 图像降噪处理在生产过程中，设备的噪声、抖动和光照的不均匀等因素都会使相机采集的图像中含有大量的不规则噪声，严重影响玻璃瓶缺陷的检测和识别，因此需要对采集到的图像进行降噪处理，使图像的相关特征更为明显。文献15-17对中值滤波、高斯滤波和均值滤波均有对比分析。其中，中值滤波在去除干扰的同时，对图像本身影响较小。中值滤波器按升序排列掩模覆盖范围内的像素，并选择中间像素灰度值而不是原始灰度值15。它的表达为：（1）其中()，()为原始输入图像和输出图像，为二维模板。2.2 图像分
14、割处理为了获得有效的检测区域，提高检测效率，需对图像进行分割。本系统检测对象为玻璃瓶，其缺陷位置的灰度与非缺陷位置的灰度不同，并且其对应的灰度值大多处于集中分布状态。因此，阈值分割的方法能很好地将缺陷从背景中提取出来。灰度阈值用公式表达为：（2）阈值（）是将所有零值像素的对应点视为需要在选择条件下处理的缺陷，将具有 255 值像素的点视为待检测的缺陷或对象。本系统开机瓶口阈值为55，瓶身阈值为 7。2.3 形态学运算处理针对分割处理后的图像边缘不连贯的情况，采用形态学处理中开、闭环两种运算对瓶口图像进行关联处理，大大提高了检测的精度和效率，其中主要用到腐蚀和膨胀操作。腐蚀18数学表达为：（3）
15、元素（,）不为0时，用（）周边区域（+）内最小值代替（）。膨胀18数学表达为：（4）元素（,）不为0时，用（）周边区域（+）内最大值代替（）。瓶口缺陷图像处理后结果如图 4 所示。图 4图像预处理结果图 4（a）是将瓶口图像转换为灰度图，以圆心为坐标对瓶口区域进行划分，去掉圆心一定半径的内外图像，如图 4（b）。再经过阈值处理，图像被显示为明显的单色，便于后续的分割或校正操作，如图 4（c）。由于图像中的阈值不同，图像中有一部分会影响后续的操作，将使图像边缘不连贯。采用形态学处理中的开、闭环操作对瓶口图像进行关联处理，大大提高了检测的精度和效率，如图 4（d）。3 缺陷检测3.1 瓶口定位传送
16、装置两侧安装了夹瓶机构，但传送过程中，瓶口的定位依然是检测的基础和前提。系统采用重心法检测瓶口中心。获取二值化后图像的每个环点，按照式 5 进行求和。（5）按照式 6 求得中心坐标。（6）和分别表示累积的横、纵坐标值。和是瓶口边缘的每个点（）的灰度值。3.2 瓶口缺陷检测瓶口检测基于反射光的原理。瓶口的相机在反射光照射下拍摄的图像应该有均匀的白色光晕。如果瓶口存在缺陷，则缺陷位置的白色光带会不均匀或有缺口，从而导致入射光散射，白色光晕中较暗的部分考虑为缺口或裂缝。瓶口缺陷检测采用NIvision函数，主要包括As-sistant 函数库中的 Color Plane Extraction、ImageMask、Threshold、Adv.morphology 和 Find CircleEdge 函数。缺陷检测主要程序和原理如图 5 所示。孙亮东等基于虚拟仪器技术与机器视觉的玻璃瓶质量检测 98 第 25 卷第 1 期遵义师范学院学报2023 年 2 月图 5主要程序和原理其中 Threshold 函数实现阈值的设定矫正；Adv.morphology 函数实现去除图像中的小粒子、标记粒子和填