基于視覺的PET瓶封蓋檢測及定位系統(tǒng)

張 鑫， 周向榮， 李小江

(杭州娃哈哈集團有限公司， 浙江 杭州 310018)

飲料行業(yè)競爭日趨激烈，用戶對產(chǎn)品質(zhì)量也愈加看重；而食品企業(yè)對食品安全的責任永無止境。在飲料生產(chǎn)線上，瓶蓋、瓶口及旋蓋封裝過程可能存在偏差，導致出現(xiàn)高蓋、歪蓋、安全環(huán)斷裂和低液位等問題。由于飲料對密封性要求高，易漏氣變質(zhì)，發(fā)現(xiàn)并剔除不合格產(chǎn)品可以保證產(chǎn)品質(zhì)量，降低生產(chǎn)損失，減少投訴。目前質(zhì)量檢測工作依然依靠人工目檢，存在檢查效率不高、崗位價值低等問題。課題組提出的基于視覺的PET封蓋檢測及定位系統(tǒng)可以更加快速和準確地檢測出高蓋、歪蓋、安全環(huán)斷裂和低液位等缺陷，將一次性成本投入為固定資產(chǎn)，減少人工成本方面的投入，降低了總成本；同時系統(tǒng)具有反向定位功能，能夠定位出產(chǎn)生封蓋異常的旋蓋機工位，指導生產(chǎn)，降低損失，提高生產(chǎn)效率。該檢測系統(tǒng)只需在車間停機時做適當清潔維護，可無間斷工作，避免了人因疲勞而導致的漏檢和誤檢。

1 機械結(jié)構(gòu)設(shè)計

1.1 視覺成像方案

飲料瓶封蓋缺陷主要包括無蓋、高蓋、歪蓋和低液位等，以上缺陷都能通過輪廓判斷來識別。因此在成像方案上課題組選用背光源剪影成像的方式，該方案能夠清晰的采集樣品的輪廓信息。另外，方案采用如圖1所示的3個相機進行拍攝，以保證視場覆蓋瓶蓋外表面。采像設(shè)備選用的是130萬像素的CCD相機和12 mm的定焦鏡頭。采集到的圖像能夠有效提取被檢測物的輪廓信息，效果如圖2所示。

圖1 成像方案Figure 1 Scheme of imaging

圖2 瓶子圖像Figure 2 Image of bottle

1.2 剔除機構(gòu)

剔除裝置用于剔除檢測出的不合格產(chǎn)品，用1個電磁閥驅(qū)動氣缸伸縮實現(xiàn)。使用時，調(diào)整減壓閥的壓力為300～400 kPa。剔除裝置在安裝時，剔除氣缸頭與瓶身的距離控制在15 mm左右。剔除裝置如圖3所示。

圖3 剔除裝置Figure 3 Rejecting device

1.3 定位機構(gòu)

定位系統(tǒng)能夠找到產(chǎn)生次品瓶蓋的旋蓋頭，從而有針對性地檢修，提高生產(chǎn)效率。原理如下：給每個轉(zhuǎn)盤的旋蓋頭設(shè)置編號，編號區(qū)間為 0～n，在0號位置安裝傳感器，PLC記錄起始位置，通過傳送帶編碼器，記錄每個瓶子對應的編號，在剔除工位，PLC將有缺陷的瓶子對應的編號及缺陷類型反饋給界面軟件存檔并顯示。定位系統(tǒng)如圖4所示。

圖4 定位系統(tǒng)Figure 4 Positing system

2 電氣設(shè)計

電氣控制選用西門子S7-1200系列的PLC作為主控單元，主要負責與視覺模塊的通信，利用光電傳感器及編碼器完成旋蓋機定位以及次品的剔除工作。其中與視覺控制器的通信包括接收次品缺陷類型，及反饋對應次品編號。具體的電氣檢測流程如圖5所示。

圖5 電氣控制流程圖Figure 5 Flow chart of electrical control

3 視覺設(shè)計

視覺設(shè)計軟件部分，主要分為界面軟件和圖像處理算法2部分。

3.1 界面軟件

開發(fā)工具采用微軟基礎(chǔ)類庫MFC，集成開發(fā)環(huán)境選擇的是Visual Studio 2019，主要實現(xiàn)的功能包括采集圖像、調(diào)用圖像處理算法、與PLC通信、統(tǒng)計檢測結(jié)果并存檔和人機操作等。

3.1.1 圖像采集

相機采用海康工業(yè)相機，將原廠相機SDK進行二次開發(fā)，其中圖像通過回調(diào)函數(shù)實時傳遞給應用類，實現(xiàn)圖像采集功能。

3.1.2 調(diào)用圖像處理算法

采用動態(tài)鏈接庫實現(xiàn)共享函數(shù)庫。使用動態(tài)鏈接庫可以更為容易地將更新應用于各個模塊，同時不會影響該程序的其他部分，有利于分割研發(fā)任務，方便后期的調(diào)試和維護。

3.1.3 PLC通信

與PLC的通信采用modbus tcp通信協(xié)議[1]。MFC調(diào)用CSocket類來實現(xiàn)通信[2-3]，相較于winsock，CSocket類提供了阻塞的訪問方式，其成員函數(shù)如receive，send，receivefrom，sendto和accept不會像winsock中的函數(shù)一樣返回錯誤代碼為WSAEWOULDBLOCK的錯誤，這些函數(shù)會自行進入等待狀態(tài)，直至操作結(jié)束。

3.1.4 數(shù)據(jù)統(tǒng)計和存檔

實時更新監(jiān)測數(shù)據(jù)，包括總檢測數(shù)、次品數(shù)及各個單項缺陷對應數(shù)據(jù)，同時統(tǒng)計旋蓋機各工位產(chǎn)生的缺陷類型及數(shù)量保存到本地文檔中。

3.1.5 人機操作

四人中，袁安的拳腳功夫可能是最好的吧，一路上，咬吳耕的狗，偷李離的賊，調(diào)戲上官星雨的鄉(xiāng)村流氓，都是由他負責打發(fā)掉的。他的拳法名叫百花錯拳，卻并不是母親請來的武術(shù)師父教會的。

每種類型的瓶蓋會有對應的參數(shù)，操作人員可以通過人機調(diào)用相應參數(shù)；另外，軟件也提供了主要參數(shù)的微調(diào)功能。比如，不同瓶型的高度會有差異，運行前操作人員需要進入調(diào)試模式，調(diào)整設(shè)備高度，以確保瓶蓋在視場中心。

3.2 圖像處理算法

圖像處理算法是視覺系統(tǒng)的核心，直接影響設(shè)備性能。項目集成開發(fā)環(huán)境選擇的是Visual Studio 2019，調(diào)用了開源的視覺算法庫Opencv，最終生成動態(tài)鏈接庫DLL，供軟件平臺調(diào)用。圖像處理算法主要功能分為：找目標、分割瓶體、各項分類處理和返回結(jié)果。圖像處理算法流程如圖6所示。

圖6 圖像算法流程圖Figure 6 Flow chart of image process arithmetic

3.2.1 找目標

將單通道灰度圖轉(zhuǎn)化為二值化圖像，利用Canny算子[4-5]找到邊緣，再利用8鄰域找輪廓并填充[6-7]，屏蔽面積小于閾值的區(qū)域，剩下輪廓數(shù)≠1，則說明視場中無檢測物或者存在多個檢測物，結(jié)束流程并返回結(jié)果為合格。如輪廓數(shù)=1，遍歷目標輪廓坐標[8-9]，如圖像邊緣是輪廓的一部分，則判為目標不完整，結(jié)束流程并返回結(jié)果為合格；反之，判為目標單一且完整，進入下一環(huán)節(jié)。

3.2.2 分割瓶體

這個環(huán)節(jié)的關(guān)鍵是找到支撐環(huán)，再根據(jù)支撐環(huán)找到瓶蓋、防盜環(huán)和液位區(qū)。為了設(shè)計出針對各個部位的單獨的識別算法：

1)首先，運行前手動調(diào)整支撐環(huán)在圖像中的初始位置，保證其在圖像中線位置上。

3.2.3 各項分類處理

采用串行處理的方式，依次順序為：無蓋、高蓋、歪蓋、低液位和環(huán)缺陷。一旦某一項檢測到異常，則直接退出，返回異常項；如果所有檢測都正常，返回結(jié)果為合格，并結(jié)束流程。

1)無蓋：判斷瓶蓋ROI灰度均值，大于閾值即為無蓋?；叶染翟谟猩w和無蓋2種情況下差異較大，閾值比較容易設(shè)置，判斷結(jié)果較為準確。

2)高蓋：計算蓋頂中心到支撐環(huán)擬合線的距離，與設(shè)定閾值比較，大于閾值即為高蓋，反之合格。

3)歪蓋：利用最小二乘法[10-12]擬合蓋頂輪廓線，計算其與支撐環(huán)擬合線的夾角，與設(shè)定閾值比較，大于閾值即為歪蓋，反之合格。

4)低液位：對液位ROI做Y方向投影，計算每行像素灰度均值，根據(jù)均值可以分為液體區(qū)、泡沫區(qū)(或者是晃動導致液位傾斜區(qū))和空氣區(qū)；對泡沫區(qū)繼續(xù)劃分，主要參數(shù)為泡沫密度閾值，即泡沫點(黑點)的比例，大于閾值即為液體，從而可以得到實際液位。不同產(chǎn)品閾值參數(shù)變化較大，如碳酸飲料和乳飲料對應的閾值比純凈水的閾值大很多。

4 試驗

在實際生產(chǎn)線進行了項目試驗檢測，主要步驟：①制作無蓋、高蓋、歪蓋、低液、無環(huán)和卷邊標準異常品，每種異常品連續(xù)測試10次；②實際生產(chǎn)測試，運行0.5 h，現(xiàn)場安排工人將漏檢產(chǎn)品拿出，最后人工復檢設(shè)備剔除的產(chǎn)品，統(tǒng)計相關(guān)數(shù)據(jù)；③人為拆除其中2個旋蓋機工位，制造無蓋產(chǎn)品，測試異常定位系統(tǒng)。

實際測試結(jié)果：無蓋、高蓋、低液、無環(huán)和卷邊蓋均可檢出；連線觀察飲料瓶數(shù)為15 765，誤剔瓶數(shù)為15，漏剔數(shù)為0，檢測準確率99.90%，不良品檢出率100.00%，誤剔率0.08%；定位系統(tǒng)能夠?qū)崟r顯示異常旋蓋機工位和缺陷種類，并能查看累計數(shù)據(jù)，現(xiàn)場測試能夠準確定位。測試結(jié)果表明，設(shè)備符合設(shè)計要求，檢測能力滿足實際生產(chǎn)線質(zhì)量標準。

圖7所示為歪蓋檢測的效果對比圖，左邊為正常蓋，右邊為歪蓋。

圖7 檢測效果圖Figure 7 Detection effect diagram

圖7中：kcapk表示蓋頂斜率，kringk表示支撐環(huán)斜率，Δk表示斜率差。

5 結(jié)語

針對目前飲料灌裝質(zhì)量檢測工作依靠人工目檢，存在檢查效率不高、檢出率低等缺點。筆者設(shè)計了基于視覺的PET封蓋檢測及定位系統(tǒng)。通過反復實驗測試表明：采用背光源剪影的成像方式能夠有效采集PET封裝的圖像信息，3相機方案能夠滿足瓶蓋柱面全檢測，穩(wěn)定有效的成像系統(tǒng)有助于算法模塊更加高效準確地識別目標缺陷。該設(shè)計采用的圖像處理算法對硬件要求低、速度快，能夠較大程度降低成本。在實際使用中，采用該系統(tǒng)的設(shè)備能夠有效檢測出PET封裝線上存在的缺陷并剔除，并能準確定位造成缺陷的旋蓋機工位。