灌裝自動(dòng)化生產(chǎn)線上視覺檢測機(jī)器人研究.pdf

1、灌裝自動(dòng)化生產(chǎn)線上視覺檢測機(jī)器人是以機(jī)器視覺技術(shù)為基礎(chǔ)，光機(jī)電一體化的智能檢測設(shè)備，它是現(xiàn)代制造業(yè)的重要自動(dòng)化裝備之一。它可以代替人工對灌裝自動(dòng)化生產(chǎn)線上的空瓶和瓶內(nèi)液體質(zhì)量進(jìn)行智能檢測。所以研究和開發(fā)具有自主知識產(chǎn)權(quán)的智能檢測機(jī)器人是國民經(jīng)濟(jì)飛速發(fā)展和市場不斷擴(kuò)大的需要。 論文首先介紹了課題研究的背景和意義，機(jī)器視覺技術(shù)的概況，它在工業(yè)智能檢測中的應(yīng)用以及灌裝自動(dòng)化生產(chǎn)線上視覺檢測機(jī)器人的研究現(xiàn)狀。然后根據(jù)生產(chǎn)中對灌裝前的空瓶

2、質(zhì)量檢測和灌裝后瓶內(nèi)液體質(zhì)量檢測的要求，分別設(shè)計(jì)了灌裝自動(dòng)化生產(chǎn)線上的空瓶視覺檢測機(jī)器人和實(shí)瓶視覺檢測機(jī)器人。并在文中對其基本結(jié)構(gòu)作了具體說明。比較了智能檢測機(jī)器人的幾種視覺檢測和控制系統(tǒng)設(shè)計(jì)方案。在此基礎(chǔ)上，為了滿足高速檢測的需要，設(shè)計(jì)了基于DSP的視覺檢測和控制系統(tǒng)。因?yàn)閳D像采集系統(tǒng)是智能檢測機(jī)器人的核心之一，所以論文中對圖像采集系統(tǒng)的各項(xiàng)關(guān)鍵技術(shù)進(jìn)行了深入研究，設(shè)計(jì)了可以為檢測機(jī)器人提供清晰圖像的圖像采集系統(tǒng)。在智能檢測機(jī)器人完成

3、檢測后，對不合格產(chǎn)品需要從生產(chǎn)線上分離，為此論文開發(fā)出新的柔性擊出器，可以保證在高速流水線上穩(wěn)定地分離對象產(chǎn)品。論文還開發(fā)了模塊化的智能檢測軟件平臺，能夠穩(wěn)定可靠地在智能檢測機(jī)器人上完成檢測和控制任務(wù)。根據(jù)這些研究，研制出灌裝自動(dòng)化生產(chǎn)線上視覺檢測機(jī)器人的實(shí)驗(yàn)樣機(jī)，驗(yàn)證了設(shè)計(jì)方案。 本文中著重對用于灌裝自動(dòng)化生產(chǎn)線上的智能檢測方法進(jìn)行了研究，并提出了以運(yùn)用支持向量機(jī)為主的對瓶身、瓶底、瓶口和瓶內(nèi)液體的不同檢測方法。 瓶口

4、質(zhì)量對灌裝后的產(chǎn)品質(zhì)量有著重要影響，需要在灌裝前對瓶口質(zhì)量進(jìn)行檢測。由于在線檢測中需要實(shí)時(shí)確定圖像中處理對象位置，所以論文首先探討了瓶口圖像處理區(qū)域定位算法。經(jīng)過對比分析確定了基于改進(jìn)Hough變換的快速瓶口處理區(qū)域定位算法。為了滿足生產(chǎn)線上高速檢測的需求，提出了基于經(jīng)驗(yàn)規(guī)則的瓶口質(zhì)量檢測方法。這種方法通過經(jīng)驗(yàn)規(guī)則對圓形掃描法得到的瓶口平均灰度曲線進(jìn)行判決，能快速確定瓶口質(zhì)量。此方法雖然簡潔，但要依賴于專家經(jīng)驗(yàn)，檢測準(zhǔn)確率不夠理想。因此

5、采用了具有良好推廣能力的支持向量機(jī)來判斷瓶口質(zhì)量。但是經(jīng)過實(shí)驗(yàn)對比發(fā)現(xiàn)支持向量機(jī)的性能與選擇的核函數(shù)及參數(shù)有很大關(guān)系。為此特提出基于支持向量機(jī)神經(jīng)網(wǎng)絡(luò)的瓶口質(zhì)量檢測算法。它結(jié)合了支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，能更好地得到全局最優(yōu)解。實(shí)驗(yàn)證明采用這種方法來檢測瓶口能達(dá)到最高的準(zhǔn)確率。 在灌裝前同樣需要對瓶身和瓶底質(zhì)量進(jìn)行檢測。對瓶身圖像，提出了中心概率算法來快速確定處理區(qū)域。而在瓶底圖像上采用了改進(jìn)Hough變換算法來定位處理區(qū)域。

6、經(jīng)過分析缺陷特征，提出了分區(qū)快速檢測算法來檢測瓶身和瓶底質(zhì)量。這種算法為了減少噪聲干擾將處理區(qū)域進(jìn)一步細(xì)分，然后采用綜合的專家規(guī)則在這些小區(qū)域中檢測是否存在缺陷。不過這種算法由于可能割裂缺陷，檢測準(zhǔn)確率不是很高。針對此種算法的不足，本文提出了基于多核函數(shù)支持向量機(jī)集成的瓶身和瓶底質(zhì)量檢測方法。這種方法先采用改進(jìn)的分水嶺變換分割出完整的可能缺陷區(qū)域，然后提取這些區(qū)域的特征，由多核函數(shù)支持向量機(jī)集成來分類決策。論文中提出的多核函數(shù)支持向量機(jī)

7、集成運(yùn)用蟻群算法優(yōu)選具有不同核函數(shù)的支持向量機(jī)進(jìn)行選擇集成，可以保證其分類性能。通過對比實(shí)驗(yàn)證明基于多核函數(shù)支持向量機(jī)集成的瓶身和瓶底質(zhì)量檢測方法具有更高的檢測準(zhǔn)確率。 在灌裝后瓶內(nèi)液體中可能還存在有雜質(zhì)，會(huì)危害到消費(fèi)者，必須對液體質(zhì)量進(jìn)行檢測。為了區(qū)分瓶內(nèi)液體雜質(zhì)和瓶體上的痕跡，需要采用運(yùn)動(dòng)分析的方法處理序列圖像。在序列圖像中，瓶內(nèi)液體雜質(zhì)都會(huì)表現(xiàn)為一些高亮度的區(qū)域。因此提出一種二值圖像差分算法，先采用基于聚類的二值化算法將圖

8、像二值化，再把連續(xù)的二值圖像進(jìn)行差分，據(jù)此分割出圖像中的運(yùn)動(dòng)區(qū)域。并提出一種基于關(guān)聯(lián)匹配的運(yùn)動(dòng)目標(biāo)跟蹤算法對分割出的運(yùn)動(dòng)區(qū)域進(jìn)行跟蹤。這種算法由卡爾曼濾波器預(yù)測運(yùn)動(dòng)目標(biāo)在下一幀圖像中可能的位置，然后以此為中心建立跟蹤窗口，將位于窗口中的各運(yùn)動(dòng)區(qū)域和運(yùn)動(dòng)目標(biāo)進(jìn)行關(guān)聯(lián)匹配運(yùn)算，確定最佳的匹配目標(biāo)，從而建立起目標(biāo)跟蹤鏈。然后根據(jù)這些運(yùn)動(dòng)目標(biāo)所在區(qū)域的特征及其運(yùn)動(dòng)特性提取出特征量，運(yùn)用論文中提出的模糊支持向量機(jī)算法來進(jìn)行分類。這種模糊支持向量機(jī)