一种西林瓶高精度废瓶视觉检测方法与流程

本发明涉及瓶类检测方法，具体涉及一种西林瓶高精度废瓶视觉检测方法。

背景技术：

1、在现代工业制造中，质量控制和废品检测是至关重要的，特别是在制药和食品工业。西林瓶，作为一种重要的制药容器，必须具备高质量，以确保医药制品的安全性和有效性。然而，在西林瓶清洗和烘干过程过程中，由于剐蹭和温度变化等因素，难免会出现一些瑕疵，如炸裂碎块、表面裂痕和凸起凹陷等。

2、传统的质量控制方法通常依赖于人工检查，这不仅费时费力，而且容易出现人为差错。此外，人工检查不能满足高速生产线上的需求。因此，自动化的视觉检测系统已经成为现代工业中的一种重要需求。

3、因此，需要一种新的技术解决方案，能够在高速生产线上实时检测西林瓶的质量，提高检测的准确性、速度和效率。

技术实现思路

1、为解决上述问题，本发明提出了一种西林瓶高精度废瓶视觉检测方法，包括以下步骤：

2、步骤一：通过正面工业相机连续式采集转动中的西林瓶正面图像，对西林瓶多个正面图像灰度化处理；

3、步骤二：正面图像两两图像数据融合对比，特征提取西林瓶正面图像表面裂痕和内部碎块；

4、步骤三：通过多个顶部工业相机采集静止状态的西林瓶俯视图像，对西林瓶多个俯视图像灰度化处理；

5、步骤四：多尺度表示俯视边缘图像边缘得出俯视边缘图像的表面梯度；

6、步骤五：计算俯视图像边缘曲率，特征提取西林瓶俯视图像表面凸起；

7、步骤六：对通过灰度化处理后的西林瓶俯视图像进行重影分析，特征提取西林瓶外缘凹陷；

8、步骤七：根据步骤二、步骤三和步骤四的特征提取结果，通过计算机视觉算法来确定西林瓶的质量状态。

9、进一步的，步骤一和步骤三中的灰度化处理内容包括：

10、s1：通过接收输入图像，其中包括由噪声影响的原始图像；应用多通道小波变换，以将原始图像分解为不同频率的小波系数；基于已知噪声模型，对每个小波系数采用自适应去噪算法，以消除噪声；重新构建去噪后的小波系数，生成去噪后的图像；

11、s2：采用自适应直方图均衡化技术，将去噪后的图像分成局部区域；为每个局部区域计算局部直方图，并对该区域内的像素进行均衡化处理；对各个局部均衡化后的图像块进行拼接，以生成增强后的图像；

12、s3：将增强后的图像转换为灰度图像，以减少计算复杂性；采用自适应亮度法，通过考虑亮度的权重，计算灰度值；

13、s4：输出经过去噪、增强和灰度化处理后的图像，用于后续计算机视觉任务。

14、进一步的，步骤二中的表面裂痕和内部碎块特征提取处理内容如下：

15、s1：利用局部二值模式(lbp)或高斯局部二值模式(glbp)纹理分析方法，提取灰度图的纹理信息；

16、s2：于提取的纹理信息，计算表面纹理的复杂度和方向；

17、s3：应用滑动窗口技术，对每个窗口内的纹理特征进行分析。

18、进一步的，步骤二中的表面裂痕和内部碎块特征提取处理内容还包括：

19、s4：对两两正面图像数据进行融合和对比，以创建一组合成图像，数据融合可以采用多种方式，包括但不限于图像叠加、加权叠加或差异对比；

20、s5：利用卷积神经网络(cnn)或图像特征匹配，对合成图像进行分析；通过结构相似性指数(ssi)、峰值信噪比(psnr)分析检测图像中不同部分之间的差异；

21、s6：利用支持向量机(svm)或设置阈值，对每个窗口内的纹理特征进行分类，确定是否存在裂痕和碎块；

22、s7：对于检测到的裂痕和碎块，记录其位置和相关特征，包括长度、宽度和方向，并输出包括图像中检测到的裂痕和碎块的位置、大小和方向的结果。

23、进一步的，步骤四中表面梯度处理内容包括：

24、s1：使用图像金字塔技术，创建多个尺度的图像，包括原始分辨率图像和多个下采样图像；

25、s2：对于每个尺度的图像，计算其表面梯度；

26、s3：表面梯度表示图像中像素灰度的梯度变化，通过sobel算子梯度计算方法实现。

27、进一步的，步骤五中边缘曲率处理内容包括：

28、s1：对每个尺度的图像进行边缘检测，以突出废瓶的边缘特征；

29、s2：边缘检测可以采用canny算子或sobel算子，识别图像中的边缘；

30、s3：对于每个边缘图像，通过分析像素点的邻域像素，并通过拟合二次曲线以获得局部曲率信息，计算其边缘曲率。

31、进一步的，步骤五中表面凸起特征提取处理内容包括：

32、s1：基于曲率的计算，根据凸起区域通常具有正的曲率，检测并提取俯视图像中的凸起特征；

33、s2：输出包括从俯视图像中提取的凸起的数量和相关特征信息。

34、进一步的，步骤六中的西林瓶俯视图像处理内容包括：

35、s1：通过canny算子边缘检测算法，检测俯视图像中的西林瓶外缘；

36、s2：对检测到的外缘应用形态学操作，包括膨胀和腐蚀，以填充小孔或去除不必要的细节；

37、s3：分析像素密度变化或像素值变化，以识别凹陷区域，凹陷通常表现为像素值的陡峭下降，或像素密度的不规则变化；

38、s4：通过重影分析，检测俯视图像中的西林瓶外缘是否发生重叠；

39、s5：输出包括从俯视图像中提取的凹陷的数量和相关特征信息。

40、本发明有益效果如下：本发明提供一种自动化的视觉检测方法，无需大量人工干预，可以在高速生产线上实时应用；通过图像处理、特征提取和计算机视觉算法，本发明可以实现对西林瓶表面裂痕、凹陷、凸起等缺陷的高精度检测。本发明的检测方法相对于人工检查更客观，减少了主观因素的干扰；且适用于各种尺寸和规格的西林瓶，包括不同直径和高度的瓶子。

技术特征：

1.一种西林瓶高精度废瓶视觉检测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种西林瓶高精度废瓶视觉检测方法，其特征在于：步骤一和步骤三中的灰度化处理内容包括：

3.根据权利要求2所述的一种西林瓶高精度废瓶视觉检测方法，其特征在于：步骤二中的表面裂痕和内部碎块特征提取处理内容如下：

4.根据权利要求3所述的一种西林瓶高精度废瓶视觉检测方法，其特征在于：步骤二中的表面裂痕和内部碎块特征提取处理内容还包括：

5.根据权利要求2所述的一种西林瓶高精度废瓶视觉检测方法，其特征在于：步骤四中表面梯度处理内容包括：

6.根据权利要求2所述的一种西林瓶高精度废瓶视觉检测方法，其特征在于：步骤五中边缘曲率处理内容包括：

7.根据权利要求6所述的一种西林瓶高精度废瓶视觉检测方法，其特征在于：步骤五中表面凸起特征提取处理内容包括：

8.根据权利要求1所述的一种西林瓶高精度废瓶视觉检测方法，其特征在于：步骤六中的西林瓶俯视图像处理内容包括：

技术总结
本发明公开了一种西林瓶高精度废瓶视觉检测方法，涉及瓶类质量检测方法技术领域，包括以下步骤：通过正面工业相机连续式采集转动中的西林瓶正面图像，对西林瓶多个正面图像灰度化处理；正面图像两两图像数据融合对比，特征提取西林瓶正面图像表面裂痕和内部碎块；通过多个顶部工业相机采集静止状态的西林瓶俯视图像，对西林瓶多个俯视图像灰度化处理；多尺度表示俯视边缘图像边缘得出俯视边缘图像的表面梯度；计算俯视图像边缘曲率，特征提取西林瓶俯视图像表面凸起；对通过灰度化处理后的西林瓶俯视图像进行重影分析，特征提取西林瓶外缘凹陷；以实现对西林瓶表面裂痕、凹陷、凸起等缺陷的高精度检测。

技术研发人员：唐勇
受保护的技术使用者：湖南恒生制药股份有限公司
技术研发日：
技术公布日：2024/3/4