一种基于机器视觉的啤酒瓶口定位方法
【技术领域】
[0001] 本发明涉及工业自动化检测技术领域，特别涉及一种基于机器视觉的啤酒瓶口定 位方法。
【背景技术】
[0002] 我国每年的瓶酒瓶需求量巨大，据行业数据显示，2014年我国啤酒行业累计产量 高达4921. 85万千升，按每瓶啤酒530ml的瓶装容量计算，则需要多达9. 28651xl013个啤酒 瓶，而其中80 %以上的啤酒瓶使用回收旧瓶，这些旧瓶中存在着大量瓶口破损的瓶，瓶口破 损可能导致玻璃瓶封装失败或成功封装销售后给消费者带来重大安全隐患，因此啤酒灌装 前必须检测啤酒空瓶瓶口质量，传统的人工检测法难以保证检测的可靠性和快速性，基于 机器视觉的瓶口检测技术可克服人工检测缺陷，满足工业自动化生产中高速高精度的检测 要求，而在基于视觉的瓶口检测过程中瓶口定位是一个必要过程。
[0003] 2006年，严筱永、任明武等在《基于图像的啤酒瓶口与瓶底污损自动检测》中应 用图像匹配算法和Hough变换法检测圆实现瓶口定位，其中图像匹配法无法满足42000瓶 /时的检测需求，Hough变换法定位精度高，且能满足实时检测需求，但该算法的运算量非 常大；2007年，段峰、王耀南等在《啤酒瓶视觉检测机器人研究中》中研究对比了重心法、 探测圆逐步逼近法和一种将边缘分组后求圆参数的瓶口定位综合算法，其中重心法速度最 快、定位精度最低，综合算法速度比前两种算法稍慢，但其定位精度最高，王耀南、周博文等 应用该综合算法实现饮料瓶口定位，并申请发明专利《饮料瓶口视觉定位方法》；2009年， 马思乐、黄彬等在〈〈Algorithm research on location of bottle mouth and bottom in intelligent empty bottle inspection system》中使用最小二乘法实现瓶口定位，该算法 运行速度快，但抗干扰能力差；2013年，王贵锦、张淳等在发明专利《瓶口定位方法》中提出 了一种最小二乘法与改进的随机圆检测法相结合实现玻璃瓶瓶口定位的算法，该算法抗干 扰能力较其他算法有所提高。
[0004] 综上，目前用于瓶口定位的方法包括：重心法、模板匹配法、探测圆逐步逼近法、最 小二乘法、随机圆检测法以及Hough变换法等。当瓶口严重破损或存在大量连续干扰边缘 点时，已有算法得到的啤酒瓶瓶口定位结果误差大，导致后续瓶口缺陷检测结果不正确。
【发明内容】
[0005] 针对现有瓶口定位算法在瓶口严重破损或存在大量连续干扰时定位误差大这一 问题，本发明提供一种对大量连续干扰有很强的抵抗能力的瓶口定位方法，与啤酒空瓶检 测机配套使用，实现啤酒瓶口质量自动化检测。
[0006] 一种基于机器视觉的啤酒瓶口定位方法，包括以下步骤：
[0007] 步骤1 :获取啤酒瓶口图像；
[0008] 步骤2 :利用重心法获取啤酒瓶口图像的重心坐标（X。，，Y。，）；
[0009] 步骤3 :利用重心坐标和设定的扫描半径Rs，对啤酒瓶口图像进行Ns次径向扫描， UiN 丄 Λ J ^ 厶/ O X 获取Ν'个啤酒瓶口外边缘点，i表示第i次径向扫描，1彡i彡NS，NS= 360/Δ α， △ α表不径向扫描间隔；
[0010]
[0011]
[0012] 步骤4 :对步骤3获取的啤酒瓶口外边缘点进行去噪；
[0013] 步骤5 :将去噪后外边缘点应用最小二乘法进行啤酒瓶口外边缘拟合，完成啤酒 瓶口定位；
[0014] 所述步骤4的具体步骤如下：
[0015] 步骤a :依次求出重心坐标到所有外边缘点的测量距离：
[0016]
[0017] 步骤b :计算相邻外边缘点的测量距离差分绝对值I Δ fm(i) I = I fm(i+l)-fji) I ;
[0018] 步骤c :对所有的I Δ^α) I进行从大到小排序，排序靠前的前100 ·τ。％个测量距 离差分绝对值对应的外边缘点为干扰点，其中，Τ。为设定阈值，0彡K 1 ;
[0019] 步骤d :去除干扰点及与该干扰点相邻的后一个边缘点，获得去噪后的外边缘点。
[0020] 对于一个已知圆心、半径和所有边缘点坐标的圆，以圆内的任意一点为圆心，进行 与上述相同的径向扫描，得到对于边缘点坐标，扫描圆心到所得边缘点的距离与径向扫描 顺序号呈三角函数关系，该距离的差分值与i也呈三角函数关系，若存在干扰点时，干扰点 对应的距离差分值与不满足上述三角函数关系，且一般远大于真实边缘点距离差分值； [0021 ] 啤酒瓶口外边缘拟合具体步骤如下：
[0022] 步骤1 :将步骤4获得的去噪后的外边缘点均匀分成Ng组；
[0023] 步骤2 :依次从分组后的外边缘点组中随机选取N。组外边缘点，采用最小二乘法 进行圆拟合，得到对应的个拟合圆参数，每个拟合圆参数包括拟合圆圆心坐标
和半径/《，ls.fr).，Ng。表示当前所选择的N。组边缘点的总数目，
[0024]
[0025]
[0026]
[0027] (<,y丨)表示第j次所选择的N。组边缘点中第k个边缘点的坐标；
[0028] 步骤3 :计算每个拟合圆圆心到所有外边缘点的距离与拟合半径之间差的绝对值 小于D。的外边缘点数量，同时，计算
.；
[0029] 步骤4 :选择最大的η 应的拟合圆作为啤酒瓶瓶口，完成啤酒瓶瓶口定位。
[0030] 所述步骤2利用重心法获取啤酒瓶口图像的重心坐标（X。，Yty )的具体过程如下：
[0031 ] 首先，对采集到的啤酒空瓶瓶口图像f (X，y)进行全局阈值分割处理，得到瓶口二 值化图像g(x, y)，T为设定的分割阈值；
[0032]
[0033] 其次，按照重心计算公式获取重心坐标：
[0034]
[0035]
[0036] 其中，Nb4和y "分别表示非0的像素点的总数量、第m个非0像素点的X和y坐 标，g(xm，ym)表示坐标为（X m，ym)的像素点对应的灰度值，1彡m彡Nb, m e Z+。
[0037] 所述步骤3中径向扫描步进角Δ α小于等于90°。
[0038] 所述步骤3中径向扫描步进角Δ α取值为〇. 5° -5°。
[0039] 有益效果
[0040] 与现有技术相比，本发明的优点在于：
[0041] (1)抗干扰能力强
[0042] 定位精度主要受干扰边缘点的影响，尤其是连续干扰和大量离散的随机干扰点 等，而本发明提出的啤酒瓶口定位方法，利用重心到各边缘点距离的变化特征去除对离散 的随机干扰点的影响，通过将边缘点分组拟合取最优拟合结果的方法消除大量连续干扰对 瓶口定位的影响，因此本文定位方法对连续干扰和离散随机干扰都具有很强的抵抗能力。
[0043] (2)执行速度快
[0044] 本发明提出的啤酒空瓶瓶口定位方法通过对分组后每次提取的边缘点仅一次计 算就可以得到该组边缘点所对应的拟合圆圆心坐标和半径，因此方法速度快。
[0045] (3)定位精度高
[0046] 本发明提出的啤酒空瓶瓶口定位方法对在进行最小二乘圆拟合前的边缘点经过 了去除噪声的处理，且选取其中的最优结果作为瓶口中心位置，因此该方法比单独使用最 小二乘法和随机圆拟合方法的定位精度都要高。
【附图说明】
[0047] 图1为采集的具有缺陷的啤酒瓶口图像，其中，（a)为瓶口出现严重破损，（b)为存 在连续干扰的瓶口图像示意图；
[0048] 图2是本发明啤酒瓶口定位方法的流程总框图；
[0049] 图3是本发明啤酒瓶口定位方法实施例的具体流程示意图；
[0050] 图4是径向扫描示意图；
[0051] 图5是扫描圆圆心到瓶口边缘点的距离变化特征；
[0052] 图6是扫描圆圆心位置变化对各角度函数关系的影响，其中，图（a)为圆心坐标位