本發(fā)明涉及工業(yè)自動化視覺檢測技術(shù)領(lǐng)域，特別涉及一種智能空瓶檢測機(jī)器人瓶底定位方法。

背景技術(shù)：

在啤酒生產(chǎn)中，企業(yè)為減低生產(chǎn)成本，約80％的啤酒空瓶進(jìn)行循環(huán)利用，而回收瓶質(zhì)量參差不齊。在空瓶運(yùn)輸和上線過程中易造成空瓶破損。同時空瓶的瓶底上若粘附有異物，灌裝后由于這些異物的存在，會嚴(yán)重影響到瓶內(nèi)液體的質(zhì)量，產(chǎn)生食品安全隱患。另外啤酒瓶在運(yùn)輸過程中易發(fā)生摩擦、碰撞，可能產(chǎn)生裂紋，使用這樣的空瓶進(jìn)行灌裝會導(dǎo)致發(fā)生泄漏甚至爆炸的情況。因此，在空瓶進(jìn)行灌裝前必須進(jìn)行空瓶質(zhì)量檢測。

國外，機(jī)器視覺技術(shù)起步早，但研究瓶底缺陷檢測方法的文獻(xiàn)較少，shafait等人應(yīng)用hough變換實現(xiàn)空礦泉水瓶瓶底定位檢測。droraiger和huguestalbot提出了一種檢測紋路的簡單快速有效的方法，這種方法基于相位變換(phaseonlytransform)，可快速移除小尺度的規(guī)則紋路，保留不規(guī)則區(qū)域，但該方法對于環(huán)形紋路缺陷無法進(jìn)行有效判別。在國內(nèi)，段峰等人最先展開啤酒空瓶檢測系統(tǒng)的研究，提出環(huán)形邊緣檢測法、模板匹配法、多神經(jīng)網(wǎng)絡(luò)法等3種瓶底缺陷檢測法，前兩種方法檢測速度快，但效果不理想，后者抗干擾能力強(qiáng)，但前期樣本采集、神經(jīng)網(wǎng)絡(luò)訓(xùn)練工作量大、時間長。劉煥軍等人和張瑩等人采用支持向量機(jī)實現(xiàn)瓶底缺陷檢測。馬思樂等人采用最小二乘法對啤酒瓶瓶底進(jìn)行定位。張?zhí)锾锊捎萌珠撝捣指钸M(jìn)行瓶底缺陷檢測。

上述玻璃啤酒瓶底缺陷檢測方法仍存在2個共同問題：1)當(dāng)瓶底圖像中灰度值分布不均勻、缺陷灰度值變化范圍大、防滑紋區(qū)域出現(xiàn)大量干擾時，無法實現(xiàn)高速高精度瓶底定位；2)傳統(tǒng)瓶檢測方法沒有利用防滑紋特性信息，對于防滑紋區(qū)域的缺陷，容易漏檢。

技術(shù)實現(xiàn)要素：

針對上述問題，本發(fā)明在前人研究啤酒瓶缺陷檢測方法的基礎(chǔ)上,對瓶底圖像中輪廓特征進(jìn)行分析，提出利用瓶底防滑紋作為圓擬合的邊緣點，采用基于變權(quán)重最小二乘圓擬合的瓶底定位算法，有效減少了干擾點對定位的影響。通過獲取防滑紋位置信息綜合應(yīng)用，對瓶底缺損和大量干擾點有更強(qiáng)的抵抗能力，定位精度更高，實現(xiàn)玻璃瓶底質(zhì)量自動化檢測。

一種智能空瓶檢測機(jī)器人瓶底定位方法，包括以下步驟：

步驟1：獲取玻璃瓶底圖像，瓶底圖像預(yù)處理；

步驟2：利用重心法獲取玻璃瓶底圖像的重心坐標(biāo)(xo′,yo′)；

步驟3：以步驟2所得重心為中心，從玻璃瓶底圖像中提取瓶底防滑紋的圓擬合邊緣點；

防滑紋的幾何特征一般表現(xiàn)為一個周長約為10-40個像素且灰度為0的區(qū)域。

查找瓶底外邊緣點灰度為0的輪廓，計算每個輪廓的周長，保存所有周長約為10-40個像素的輪廓信息；

步驟4：將防滑紋邊緣點應(yīng)用變權(quán)重最小二乘法進(jìn)行玻璃瓶底邊緣圓擬合，完成玻璃瓶底定位；

所述步驟3的具體步驟如下：

步驟a：利用重心坐標(biāo)和設(shè)定的掃描半徑rs，對玻璃瓶底圖像進(jìn)行ns次徑向掃描，獲取n'個玻璃瓶底外防滑紋邊緣點i表示第i次徑向掃描，1≤i≤ns，ns＝360/δα，δα表示徑向掃描間隔；

防滑紋的幾何特征一般表現(xiàn)為一個周長約為10-40像素且灰度為0的區(qū)域。查找瓶底外邊緣點灰度為0的輪廓，計算每個輪廓的周長，保存所有周長約為10-40像素的輪廓信息。

步驟b：將所有周長約為10-40像素的輪廓點作為圓擬合的邊緣點；

所述步驟4的具體步驟如下：

步驟a：依次求出重心坐標(biāo)到所有防滑紋的圓擬合邊緣點的測量距離：

步驟b：計算相鄰圓擬合邊緣點的測量距離差分絕對值|δfm(i)|＝|fm(i+1)-fm(i)|；

步驟c：對所有的|δfm(i)|進(jìn)行從大到小排序，排序靠前的前100·tc％個測量距離差分絕對值對應(yīng)的圓擬合邊緣點作為干擾點，其中，tc為設(shè)定閾值，0≤tc≤1；

步驟d：去除干擾點及與該干擾點相鄰的后一個圓擬合邊緣點，將剩余圓擬合邊緣點進(jìn)行最小二乘法圓擬合，獲得玻璃瓶底圓心位置。

進(jìn)一步地，所述將剩余圓擬合邊緣點進(jìn)行最小二乘法圓擬合的具體步驟如下：

步驟1：將剩余圓擬合邊緣點均勻分成ng組，依次從分組后的防滑紋的圓擬合邊緣點組中隨機(jī)選取nc組圓擬合邊緣點；

步驟2：采用變權(quán)重最小二乘法對每組外邊緣點進(jìn)行圓擬合；

其中，(x0,y0)表示擬合圓圓心坐標(biāo)，r表示擬合圓半徑，(xi,yi)表示當(dāng)前圓擬合邊緣點組中第i個圓擬合邊緣點的坐標(biāo)，ngc表示每組圓擬合邊緣點組中邊緣點的總數(shù)目，ngc＝nc*n'/ng(ngc∈z⁺)；

w(i)表示當(dāng)前圓擬合邊緣點組中第i個圓擬合邊緣點的權(quán)重因子，τ是削波因數(shù)，τ＝2σδ，δi表示當(dāng)前圓擬合邊緣點組中第i個圓擬合邊緣點到重心的距離；

削波因數(shù)τ指明哪些點應(yīng)被視作離群值，因為它代表的是一個距離，所以它可以通過參數(shù)設(shè)置進(jìn)行調(diào)整，本發(fā)明根據(jù)輪廓點到重心的距離值的標(biāo)準(zhǔn)偏差來確定τ的值。

步驟3：對殘差平方和函數(shù)y運(yùn)用最小二乘原理擬合圓，通過最小化誤差的平方和找到最優(yōu)圓擬合參數(shù)；

令y(x0,y0,r)對x0，y0，r求偏導(dǎo)，令偏導(dǎo)等于0，得到極值點，比較所有極值點的函數(shù)值得到最小極值點，得到以最小極值點對應(yīng)的個擬合圓參數(shù)；

每個擬合圓參數(shù)包括擬合圓圓心坐標(biāo)(x0,y0)和半徑r，1≤k≤ngc；

其中，表示第j次所選擇圓擬合邊緣點組中第k個圓擬合邊緣點的坐標(biāo)；

a、b、c、d、e為最小二乘法擬合圓過程中計算圓心坐標(biāo)參數(shù)時的公式推導(dǎo)簡化式，無具體含義；

步驟4：計算每個擬合圓圓心到所有剩余圓擬合邊緣點的距離與擬合半徑之間差的絕對值小于dc的剩余圓擬合邊緣點數(shù)量同時，計算

步驟5：選擇最大的η^j對應(yīng)的擬合圓作為玻璃瓶瓶底，完成玻璃瓶瓶底定位。

進(jìn)一步地，所述步驟2利用重心法獲取玻璃瓶底圖像的重心坐標(biāo)(xo′,yo′)的具體過程如下：

首先，對采集到的玻璃空瓶瓶底圖像f(x,y)進(jìn)行全局閾值分割處理，得到瓶底二值化圖像g(x,y)，t為設(shè)定的分割閾值，

其次，按照重心計算公式獲取重心坐標(biāo)：

其中，nb、xm和ym分別表示為0的像素點的總數(shù)量、第m個為0像素點的x和y坐標(biāo)，g(xm,ym)表示坐標(biāo)為(xm,ym)的像素點對應(yīng)的灰度值，1≤m≤nb,m∈z⁺。

進(jìn)一步地，所述步驟3中徑向掃描步進(jìn)角δα小于等于90°。

進(jìn)一步地，所述步驟3中徑向掃描步進(jìn)角δα取值為1°-10°。

有益效果

與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點在于：

(1)抗干擾能力強(qiáng)

定位精度主要受干擾邊緣點的影響，尤其是連續(xù)干擾和大量離散的隨機(jī)干擾點等，而本發(fā)明提出的啤酒瓶底定位方法，利用重心到各邊緣點距離的變化特征去除離散的隨機(jī)干擾點的影響，通過將防滑紋邊緣點分組擬合取最優(yōu)擬合結(jié)果的方法消除大量連續(xù)干擾對瓶底定位的影響，因此本文定位方法對連續(xù)干擾和離散隨機(jī)干擾都具有很強(qiáng)的抵抗能力。

(2)執(zhí)行速度快

本發(fā)明提出的啤酒空瓶瓶底定位方法通過對分組后每次提取的邊緣點僅一次計算就可以得到該組邊緣點所對應(yīng)的擬合圓圓心坐標(biāo)和半徑，因此方法速度快。

(3)定位精度高

本發(fā)明提出的啤酒空瓶瓶底定位方法對在進(jìn)行最小二乘圓擬合前的邊緣點經(jīng)過了去除噪聲的處理，且選取其中的最優(yōu)結(jié)果作為瓶底中心位置。利用瓶底防滑紋的邊緣進(jìn)行瓶底中心擬合，由于瓶底防滑紋是以瓶底真實圓心為圓心的一個圓環(huán)，故提取瓶底防滑紋信息作為圓擬合算法的輸入邊緣點能有效提高定位精度。因此該方法比單獨(dú)使用霍夫變換法和隨機(jī)圓擬合方法的定位精度都要高。

附圖說明

圖1為采集的玻璃瓶底圖像，其中，(a)為正常完好瓶底，瓶底防滑紋區(qū)域標(biāo)記如圖所示，(b)為存在連續(xù)干擾和異物遮擋的瓶底圖像示意圖；

圖2是本發(fā)明玻璃瓶底定位方法的流程總框圖；

圖3是本發(fā)明玻璃瓶底定位方法實施例的具體流程示意圖；

圖4是徑向掃描示意圖；

圖5是提取到的防滑紋輪廓特征；

圖6是圖像各階段處理效果圖；

圖7為采用霍夫變換法對瓶底圖像進(jìn)行定位的效果圖；

圖8為采用本發(fā)明所述方法對瓶底圖像進(jìn)行定位的效果圖。

具體實施方式

下面將結(jié)合附圖和實施例對本發(fā)明做進(jìn)一步的說明。

圖1(a)(b)分別是正常完好瓶底和瓶底存在異物遮擋和連續(xù)干擾的瓶底源圖像，其中防滑紋和內(nèi)區(qū)域用封閉的黑色實線標(biāo)出，圖2和圖3分別是本發(fā)明玻璃瓶底定位方法流程總框圖和具體流程示意圖，其具體步驟如下：

(1)重心法獲取瓶底圓心的大致位置。

首先，對采集到的啤酒空瓶瓶底源圖像進(jìn)行全局閾值分割處理，得到瓶底二值化圖像，如式(1)所示，其中x,y分別表示像素的x,y坐標(biāo)，t表示設(shè)定的分割閾值，在給定了啤酒空瓶型號之后，該閾值是經(jīng)過實驗測試得到的，因此，空瓶檢測系統(tǒng)在進(jìn)行另一型號的啤酒空瓶檢測之前，需要使用一定數(shù)量的檢測空瓶進(jìn)行測試，以得到合適的閾值t；隨后，進(jìn)行閾值處理并求出此二值瓶底圖像的重心坐標(biāo)(xo'，yo')，重心計算公式如式(2)所示，其中，nb、xm和ym分別表示為0的像素點的總數(shù)量、第m個為0像素點的x和y坐標(biāo)，g(xm,ym)表示坐標(biāo)為(xm,ym)的像素點對應(yīng)的灰度值，1≤m≤nb,m∈z⁺，該值通過式(1)得到，因此，它只能為1或者0。

(2)徑向掃描獲得瓶底圖像的邊緣點。

如圖4所示，以上述步驟(1)得到的重心位置o'為圓心，以rs為半徑(rs預(yù)先設(shè)定，該值大致等于瓶底外邊緣圓半徑的一半)，繪制一個圓，該圓被稱之為掃描圓，沿逆時針方向進(jìn)行360度的徑向掃描，徑向掃描從重心o'開始，當(dāng)掃描到第一個非零像素點時停止，此非零像素點是干擾點或瓶底的真實防滑紋邊緣點，如果沿著掃描半徑方向一直掃描至pi位置仍然沒有發(fā)現(xiàn)灰度值非零像素點，則說明該邊緣點缺失，當(dāng)瓶底邊緣出現(xiàn)較大裂縫時會出現(xiàn)該情況。徑向掃描每隔δα度進(jìn)行一次，我們稱δα為徑向掃描步進(jìn)角，δα預(yù)先設(shè)定，一般取5度或更小的值。共進(jìn)行ns次徑向掃描，ns＝360/δα，最終得到瓶底防滑紋邊緣點n'個(如果瓶底圖像完整，則n'＝ns，如果瓶底圖像不完整，則n'<ns)，并按順序保存邊緣點坐標(biāo)(xpi',ypi')和對應(yīng)的序號i，其中xpi'和ypi'值可由式(3)得到，i表示徑向掃描的序號，如第10次徑向掃描時i＝10，若無邊緣點缺失，徑向掃描得到的對應(yīng)邊緣點為p10'。

(3)根據(jù)瓶底防滑紋幾何特征，提取瓶底防滑紋邊緣點；

如圖5所示，根據(jù)瓶底外邊緣點信息，由于瓶底防滑紋是以瓶底真實圓心為圓心的一個圓環(huán)。故提取瓶底防滑紋信息作為圓擬合算法的輸入邊緣點能有效提高定位精度。防滑紋的幾何特征一般表現(xiàn)為一個周長約為10-40個像素且灰度為0的區(qū)域。查找瓶底外邊緣點(利用重心坐標(biāo)和設(shè)定的掃描半徑rs，以重心為中心對玻璃瓶底圖像進(jìn)行向外徑向掃描，獲取的玻璃瓶底外防滑紋邊緣點)灰度為0的輪廓，計算每個輪廓的周長，保存所有周長約為10-40像素的輪廓信息。將所有周長約為10-40像素的輪廓點(可能為防滑紋或者干擾區(qū)域)作為圓擬合的假設(shè)邊緣點。

通過上述步驟(1)、(2)和(3)分別求得了重心o'和所有防滑紋邊緣點的坐標(biāo)，由兩點間的距離公式可求出重心和到第i個邊緣點的距離fm(i)，我們稱該距離為測量距離，如式(4)所示，i從1變化至ns，依次求出重心到所有邊緣點的距離并存儲，求出其差分的絕對值|δfm(i)|，如式(5)所示，對所有的|δfm(i)|值進(jìn)行從大到小排序，并按順序保存在集合{s}中，其中排序靠前的前tc*n'個元素被認(rèn)為是干擾點，其中tc是設(shè)定的一個閾值，0≤tc≤1，去除干擾點及與該干擾點相鄰的后一個邊緣點，最終剩余的n個點被認(rèn)為是啤酒瓶底的真實防滑紋邊緣點。

|δfm(i)|＝|fm(i+1)-fm(i)|(5)

(4)邊緣點分組，應(yīng)用最小二乘法進(jìn)行瓶底外邊緣擬合。

將以上步驟(3)得到的n個瓶底外邊緣點均勻的分成ng組，從ng組邊緣點中任意選擇nc組邊緣點，用最小二乘法進(jìn)行圓擬合，得到擬合圓的參數(shù)，其中擬合圓圓心坐標(biāo)和半徑分別是(x0,y0)和r，如式(6)所示，a、b、c、d和e的表達(dá)式如式(7)所示，其中i是整數(shù)，它的變化范圍為1≤j≤ngc，ngc表示當(dāng)前所選擇的nc組邊緣點的總數(shù)目，ngc＝nc*n'/ng1≤k≤ngc；同時求出所有n'個邊緣點到擬合圓圓心的距離與擬合半徑差的絕對值少于dc的邊緣點的數(shù)目nobj占所有邊緣點數(shù)目的比例η^j，η^j＝n^jobj/n'，dc是設(shè)定的一個閾值，保存擬合圓參數(shù)、對應(yīng)的η^j以及步驟(4)執(zhí)行的次序號j，上述步驟(4)的操作每執(zhí)行一次，j增加1(其初始值為1)。

表示第j次所選擇的nc組邊緣點中第k個邊緣點的坐標(biāo)；

重復(fù)執(zhí)行步驟(4)的上述操作，直至窮盡種組合,j的最終值等于的大小。

(5)選擇擬合圓上邊緣點數(shù)目所占邊緣點總數(shù)的比例最多的擬合結(jié)果作為瓶底位置。比較所有的η^j值大小，選擇最大的η^j值所對應(yīng)的擬合圓圓心作為瓶底圓心的中心位置。綜上所述，本發(fā)明專利提出的啤酒瓶底視覺定位方法需要設(shè)定的參數(shù)如表1所示。

表1方法設(shè)定參數(shù)說明

為分析本發(fā)明提出的瓶底定位方法的性能，用人工標(biāo)定出瓶底中心坐標(biāo)or(xor,yor)和瓶底外邊緣半徑r，該結(jié)果作為瓶底中心的真實位置和瓶底外邊緣的真實半徑，本文方法與hough變換檢測的結(jié)果作為對比，同時定義本發(fā)明提出的瓶底定位方法得到的的瓶底中心of(xf，yf)與人工標(biāo)定得到的瓶底中心的距離之差為瓶底定位誤差ε，如式(8)所示。

下面通過一個具體的應(yīng)用實例分析該方法，圖1中的(a)作為瓶底測試圖像，(圖像的分辨率為648x483,灰度級數(shù)為256)，先通過人工標(biāo)定得到瓶底中心坐標(biāo)和瓶底外邊緣半徑：xor,＝310，yor＝267，r＝120；其次，設(shè)定本發(fā)明提出的瓶底定位方法的各參數(shù)，其中t＝160，δα＝1度，tc＝1/4，ng＝8，nc＝2，dc＝2時，輸入測試圖像，各階段處理結(jié)果示意圖如圖6所示，得到本文方法運(yùn)行效果如圖8所示。

為了驗證本發(fā)明方法的有效性和準(zhǔn)確性，對同一幅瓶底圖像采用霍夫變換法和本發(fā)明方法進(jìn)行瓶底圓心定位，檢測結(jié)果如圖7和圖8所示，圖7為采用霍夫變換法對瓶底圖像進(jìn)行定位的效果圖，圖中能夠清晰看到，由于瓶底圖像采集過程中機(jī)械的振動和光源的亮度變化，以及瓶底圖像中存在異物遮擋或連續(xù)干擾點，導(dǎo)致定位偏差較大；圖8為采用本發(fā)明所述方法對瓶底圖像進(jìn)行定位的效果圖。防滑區(qū)和內(nèi)區(qū)域被準(zhǔn)確的分割，定位誤差ε＝0.53，基本能準(zhǔn)確定位到瓶底真實圓心，且抗干擾能力強(qiáng)。