面向瓶盖图像获取的迭代控制方法与流程

本发明属于控制技术领域，涉及一种面向瓶盖图像获取的迭代控制方法。

背景技术：

获得高质量被检测工件图像是机器视觉检测的必要条件，然而在瓶盖灌装智能制造中，瓶盖在生产流水线上高速移动，伴随着流水线的机械振动和随机摆动，以及相机安装吊臂的机械应力形变和传感器的感应误差等因素，这些因素对准确抓拍高质量的瓶盖图像造成极大的干扰。只有得到高质量的完整瓶盖图像才能对瓶盖图像的瑕疵进行有效的检测，即当传感器检测到工件到来，控制单元应排除众多干扰，精确计算出相机曝光的准确时刻，控制相机的快门开启并同步控制闪光灯闪光，使得瓶盖图像完美地成像于相机的视场中心，完成对瓶盖图像抓拍的任务。如何控制相机精确抓拍高速运动瓶盖图像，是实现高质量检测技术的关键。

现有的拍照控制方法是测量出从传感器检测到瓶盖到来，到瓶盖位于相机视场中心位置的时间，将该时间作为拍照控制时间。该方法的缺点在于，每一台相机或传感器、运动控制器进行调整时，都需要手工重新测量拍照控制时间；此外，随着检测系统的使用时间不断增加，控制器和传感器的性能也会发生变化，也需要重新调整拍照控制时间。这给大批量、高速的瓶盖检测的实际应用带来了困难。

技术实现要素：

本发明目的在于克服现有技术的不足，尤其解决现有的高速瓶盖图像获取方法中，受流水线的机械振动和随机摆动，以及相机安装吊臂的机械应力形变和传感器的感应误差等因素，导致瓶盖图像获取不准确的问题。提供一种面向瓶盖图像获取的迭代控制方法，该方法通过传感器感应实现自动拍照，并根据瓶盖的移动规律决定延时的时间长短，在瓶盖到达相机视场中心时，开启相机快门，抓取瓶盖图像，图像获取后，进行图像的处理，找出瓶盖图像的中心，然后将处理的结果发送给控制单元，控制单元据此决定下一次迭代的相关操作参数调整。

为解决上述技术问题，本发明采用如下的技术方案：

本发明的目的在于提供一种面向瓶盖图像获取的迭代控制方法，所述方法包括：S1图像获取，当瓶盖移动到红外接收器时，红外接收器被触发并发送指令给控制单元，控制单元延长适当的时间长度，然后送出指令触发相机曝光，同时触发光源闪光获取图像；S2计算拍照偏移，对获取的瓶盖图像进行图像处理，得到瓶盖与图像左边缘的距离，再计算出求出拍照的偏移误差；S3迭代调整控制量，根据拍照的偏移误差，使用迭代控制方法，不断改变输入量，使得系统的实际输出完美的跟踪理想的预期输出信号。

其中，所述步骤S2包括S21图像灰度化、S22图像滤波、S23图像二值化、S24图像边缘化、S25偏移误差计算操作。

本发明与现有技术相比具有以下的有益效果：

本发明方案利用图像处理技术，自动判别当前拍照中心与瓶盖的偏移误差，使用迭代控制方法，不断改变输入量，使得系统的实际输出完美的跟踪理想的预期输出信号，克服了图像处理系统定位瓶盖中心时产生的不确定性干扰，实现高速运动中瓶盖图像的准确拍照获取。

附图说明

图1是本发明实施例的面向瓶盖图像获取的迭代控制方法的流程图。

图2是本发明实施例的拍照不同延迟的效果图。

具体实施方式

下面结合附图及具体实施例对本发明进行更加详细与完整的说明。可以理解的是，此处所描述的具体实施例仅用于解释本发明，而非对本发明的限定。

参照图1，本发明实施例的一种面向瓶盖图像获取的迭代控制方法，所述方法包括：

S1图像获取，当瓶盖移动到红外接收器时，红外接收器被触发并发送指令给控制单元，控制单元延长适当的时间长度，然后送出指令触发相机曝光，同时触发光源闪光获取图像。

S2计算拍照偏移，对获取的瓶盖图像进行图像处理，得到瓶盖与图像左边缘的距离，再计算出求出拍照的偏移误差。其过程包括S21图像灰度化、S22图像滤波、S23图像二值化、S24图像边缘化、S25偏移误差计算，具体描述如下：

S21图像灰度化。相机获取的图像是彩色图像，包含的信息量大，图像处理速度较慢。考虑到工业生产自动化对实时性的要求高，对彩色图像进行灰度化处理是必须的。灰度化就是使彩色像素的R、G、B分量值相等的过程，灰度图像中的灰度值等于原彩色图像中的RGB平均值，即

Gray＝(R+G+B)/3 (1)

S22图像滤波。在图像中经常会出现对比度不够的情况，这是由于图像采集过程中的原先曝光不足所造成的。为了保证可以得到图像中瓶盖的特征，以便于进一步分析与处理。采用直方图均衡化可使图像的灰度间距拉开或使灰度分布均匀，从而增大反差，使图像细节清晰，达到图像增强的目的。其具体方法是：

首先给出原始图像的所有灰度级Sk(k＝0，1，......，L-1)；然后统计原始图像各灰度级的像素数nk；利用式(2)计算原始图像的直方图后再用(3)式计算原始图像的积累直方图：

P(Sk)＝nk/n，k＝0，1，...，L-1 (2)

p(tk)＝nk/n (4)

其中，n是图像像素总数。对灰度值tk取整，确定Sk→tk的映射关系后统计新直方图各灰度级的像素数nk；最后利用式(4)计算新的直方图。

S23图像二值化。用最大类间方差法进行图像二值化，将图像的前景与背景进行分割，过程为：

设图像共有L个灰度级，灰度值为i的像素点共有ni个，图像共有N个像素点，归一化灰度直方图，令

设定一个阈值t，根据灰度值将像素点分成c0和c1两类。c0的概率ω0、均值μ0：

c1的概率ω1、均值μ1：

其中，由此可知c0和c1的类间方差σ²(t)为：

σ²(t)＝ω0(μ-μ0)²+ω1μ1-μ)² (9)

于是将t从0到i进行取值，当σ取最大值时t为最佳阈值，即可得到最佳的二值化图像。

S24图像边缘化。对图像进行边缘提取以实现提取出瓶盖的边缘，用于下一步的偏移误差计算。通常采用一阶微分或二阶微分运算，求得梯度最大值或二阶导数的过零点，最后选取适当的阈值来提取图像边缘。

Roberts算子是一种利用局部差分算子寻找边缘的算子，由下式给出：

S25偏移误差计算。从瓶盖经过红外接收器触发拍照，到相机对瓶盖拍照的时间长度u内，瓶盖中心到传感器触发位置点的距离x是：

x＝vu (11)

其中，v是瓶盖运动的线速度，

在抓拍的瓶盖图像中，瓶盖与图像左边缘的距离y可以用下式计算出来：

y＝x-s (12)

式中，s为传感器触发点到相机视场左边缘的距离，该距离是一个固定值，即s是常数。瓶盖移动的理想距离为xd，瓶盖图像中心到左边缘的理想距离为yd。在实际实施中，由于存在干扰在v和u中，干扰信号通过干扰u从而改变x的大小，进一步影响了瓶盖图像的精确抓拍，即y值的大小。参照图2，如果u的值太小，则相机曝光时间提前，抓拍到的瓶盖图像偏左；如果u的值太大，则相机曝光时间滞后，抓拍到的瓶盖图偏右。

为了正确的调整u的大小，需要求出瓶盖的偏移误差e，并将偏移误差e反馈给相机控制单元。偏移误差的计算公式为：

e＝yd-y (13)

S3迭代调整控制量，根据拍照的偏移误差，使用迭代控制方法，不断改变输入量，使得系统的实际输出完美的跟踪理想的预期输出信号。

将控制对象看作一个离散的单输入单输出系统，对象特征方程yk(i)表示为：

yk(i)＝vuk(i)-s (14)

式中，v表示控制对象的转换函数，i表示控制的工位数；uk(i)是第k次迭代系统的输入向量，表示从传感器触发到相机曝光之间的延时；yk(i)是系统的输出向量，表示瓶盖图像的偏移量。

给出参考信号yd(i)，控制的目标是通过改变输入量uk(i)的值使得实际的输出信号yk(i)尽可能与参考信号yd(i)保持完全一致。若当前迭代到第k代，当工位数i达到最大值时(即i＝N)，N是最大工位数，系统的工位数复位到初始状态(i＝0)，并重新开始新的一轮循环，即迭代代数从k增加到k+1。这样随着一代一代的重复迭代，不断改变输入量uk(i)，使得系统的实际输出完美的跟踪理想的预期输出信号。