一种智能空瓶检测机器人瓶底定位方法技术

本发明专利技术公开了一种智能空瓶检测机器人瓶底定位方法，包括以下步骤：(1)瓶底图像预处理；(2)重心法获取瓶底圆心大致位置；(3)以重心为圆心径向扫描，根据瓶底防滑纹的几何特征，获得瓶底图像的防滑纹位置信息并引入权重算子，去除干扰点；(4)对各防滑纹边缘点分组，任选其中Nc组边缘点，采用变权重最小二乘法进行圆拟合。该方法克服了瓶底透光不均造成的定位不准难题，并能在玻璃瓶底图像有异物遮挡或存在连续干扰点时，准确快速的定位瓶底中心，适用于高速自动化生产线上的玻璃瓶底质量自动检测。

Bottle bottom positioning method for intelligent empty bottle inspection robot

The invention discloses a iebi bottle positioning method, which comprises the following steps: (1) the bottom image preprocessing; (2) gravity method to obtain the approximate position of the bottle bottom center; (3) to the center of gravity for the center of radial scan, according to the geometric characteristics of bottle bottom skid marks, get the bottom of the bottle skid marks position information of image and the weight of operator, remove the noise points; (4) grouping the tread edge point, optionally including Nc group edge points, using variable weight least squares method of circle fitting. This method overcomes the problem of positioning the bottle bottom light caused by the uneven, and can have the image on the glass bottle bottom body occlusion or the presence of continuous disturbance when the location of the center of the bottle bottom accurate and fast, suitable for high-speed automatic production line of glass bottle bottom quality automatic detection.

【技术实现步骤摘要】
一种智能空瓶检测机器人瓶底定位方法
本专利技术涉及工业自动化视觉检测
，特别涉及一种智能空瓶检测机器人瓶底定位方法。
技术介绍
在啤酒生产中，企业为减低生产成本，约80％的啤酒空瓶进行循环利用，而回收瓶质量参差不齐。在空瓶运输和上线过程中易造成空瓶破损。同时空瓶的瓶底上若粘附有异物，灌装后由于这些异物的存在，会严重影响到瓶内液体的质量，产生食品安全隐患。另外啤酒瓶在运输过程中易发生摩擦、碰撞，可能产生裂纹，使用这样的空瓶进行灌装会导致发生泄漏甚至爆炸的情况。因此，在空瓶进行灌装前必须进行空瓶质量检测。国外，机器视觉技术起步早，但研究瓶底缺陷检测方法的文献较少，Shafait等人应用Hough变换实现空矿泉水瓶瓶底定位检测。DrorAiger和HuguesTalbot提出了一种检测纹路的简单快速有效的方法，这种方法基于相位变换(PhaseOnlyTransform)，可快速移除小尺度的规则纹路，保留不规则区域，但该方法对于环形纹路缺陷无法进行有效判别。在国内，段峰等人最先展开啤酒空瓶检测系统的研究，提出环形边缘检测法、模板匹配法、多神经网络法等3种瓶底缺陷检测法，前两种方法检测速度快，但效果不理想，后者抗干扰能力强，但前期样本采集、神经网络训练工作量大、时间长。刘焕军等人和张莹等人采用支持向量机实现瓶底缺陷检测。马思乐等人采用最小二乘法对啤酒瓶瓶底进行定位。张田田采用全局阈值分割进行瓶底缺陷检测。上述玻璃啤酒瓶底缺陷检测方法仍存在2个共同问题：1)当瓶底图像中灰度值分布不均匀、缺陷灰度值变化范围大、防滑纹区域出现大量干扰时，无法实现高速高精度瓶底定位；2)传统瓶检测方法没有利用防滑纹特性信息，对于防滑纹区域的缺陷，容易漏检。
技术实现思路
针对上述问题，本专利技术在前人研究啤酒瓶缺陷检测方法的基础上,对瓶底图像中轮廓特征进行分析，提出利用瓶底防滑纹作为圆拟合的边缘点，采用基于变权重最小二乘圆拟合的瓶底定位算法，有效减少了干扰点对定位的影响。通过获取防滑纹位置信息综合应用，对瓶底缺损和大量干扰点有更强的抵抗能力，定位精度更高，实现玻璃瓶底质量自动化检测。一种智能空瓶检测机器人瓶底定位方法，包括以下步骤：步骤1：获取玻璃瓶底图像，瓶底图像预处理；步骤2：利用重心法获取玻璃瓶底图像的重心坐标(XO′,YO′)；步骤3：以步骤2所得重心为中心，从玻璃瓶底图像中提取瓶底防滑纹的圆拟合边缘点；防滑纹的几何特征一般表现为一个周长约为10-40个像素且灰度为0的区域。查找瓶底外边缘点灰度为0的轮廓，计算每个轮廓的周长，保存所有周长约为10-40个像素的轮廓信息；步骤4：将防滑纹边缘点应用变权重最小二乘法进行玻璃瓶底边缘圆拟合，完成玻璃瓶底定位；所述步骤3的具体步骤如下：步骤a：利用重心坐标和设定的扫描半径Rs，对玻璃瓶底图像进行Ns次径向扫描，获取N'个玻璃瓶底外防滑纹边缘点i表示第i次径向扫描，1≤i≤Ns，Ns＝360/Δα，Δα表示径向扫描间隔；防滑纹的几何特征一般表现为一个周长约为10-40像素且灰度为0的区域。查找瓶底外边缘点灰度为0的轮廓，计算每个轮廓的周长，保存所有周长约为10-40像素的轮廓信息。步骤b：将所有周长约为10-40像素的轮廓点作为圆拟合的边缘点；所述步骤4的具体步骤如下：步骤a：依次求出重心坐标到所有防滑纹的圆拟合边缘点的测量距离：步骤b：计算相邻圆拟合边缘点的测量距离差分绝对值|Δfm(i)|＝|fm(i+1)-fm(i)|；步骤c：对所有的|Δfm(i)|进行从大到小排序，排序靠前的前100·Tc％个测量距离差分绝对值对应的圆拟合边缘点作为干扰点，其中，Tc为设定阈值，0≤Tc≤1；步骤d：去除干扰点及与该干扰点相邻的后一个圆拟合边缘点，将剩余圆拟合边缘点进行最小二乘法圆拟合，获得玻璃瓶底圆心位置。进一步地，所述将剩余圆拟合边缘点进行最小二乘法圆拟合的具体步骤如下：步骤1：将剩余圆拟合边缘点均匀分成Ng组，依次从分组后的防滑纹的圆拟合边缘点组中随机选取Nc组圆拟合边缘点；步骤2：采用变权重最小二乘法对每组外边缘点进行圆拟合；其中，(x0,y0)表示拟合圆圆心坐标，r表示拟合圆半径，(xi,yi)表示当前圆拟合边缘点组中第i个圆拟合边缘点的坐标，Ngc表示每组圆拟合边缘点组中边缘点的总数目，Ngc＝Nc*N'/Ng(Ngc∈Z+)；w(i)表示当前圆拟合边缘点组中第i个圆拟合边缘点的权重因子，τ是削波因数，τ＝2σδ，δi表示当前圆拟合边缘点组中第i个圆拟合边缘点到重心的距离；削波因数τ指明哪些点应被视作离群值，因为它代表的是一个距离，所以它可以通过参数设置进行调整，本专利技术根据轮廓点到重心的距离值的标准偏差来确定τ的值。步骤3：对残差平方和函数Y运用最小二乘原理拟合圆，通过最小化误差的平方和找到最优圆拟合参数；令Y(x0,y0,r)对x0，y0，r求偏导，令偏导等于0，得到极值点，比较所有极值点的函数值得到最小极值点，得到以最小极值点对应的个拟合圆参数；每个拟合圆参数包括拟合圆圆心坐标(x0,y0)和半径r，1≤k≤Ngc；其中，表示第j次所选择圆拟合边缘点组中第k个圆拟合边缘点的坐标；A、B、C、D、E为最小二乘法拟合圆过程中计算圆心坐标参数时的公式推导简化式，无具体含义；步骤4：计算每个拟合圆圆心到所有剩余圆拟合边缘点的距离与拟合半径之间差的绝对值小于Dc的剩余圆拟合边缘点数量同时，计算步骤5：选择最大的ηj对应的拟合圆作为玻璃瓶瓶底，完成玻璃瓶瓶底定位。进一步地，所述步骤2利用重心法获取玻璃瓶底图像的重心坐标(XO′,YO′)的具体过程如下：首先，对采集到的玻璃空瓶瓶底图像f(x,y)进行全局阈值分割处理，得到瓶底二值化图像g(x,y)，T为设定的分割阈值，其次，按照重心计算公式获取重心坐标：其中，Nb、xm和ym分别表示为0的像素点的总数量、第m个为0像素点的x和y坐标，g(xm,ym)表示坐标为(xm,ym)的像素点对应的灰度值，1≤m≤Nb,m∈Z+。进一步地，所述步骤3中径向扫描步进角Δα小于等于90°。进一步地，所述步骤3中径向扫描步进角Δα取值为1°-10°。有益效果与现有技术相比，本专利技术的优点在于：(1)抗干扰能力强定位精度主要受干扰边缘点的影响，尤其是连续干扰和大量离散的随机干扰点等，而本专利技术提出的啤酒瓶底定位方法，利用重心到各边缘点距离的变化特征去除离散的随机干扰点的影响，通过将防滑纹边缘点分组拟合取最优拟合结果的方法消除大量连续干扰对瓶底定位的影响，因此本文定位方法对连续干扰和离散随机干扰都具有很强的抵抗能力。(2)执行速度快本专利技术提出的啤酒空瓶瓶底定位方法通过对分组后每次提取的边缘点仅一次计算就可以得到该组边缘点所对应的拟合圆圆心坐标和半径，因此方法速度快。(3)定位精度高本专利技术提出的啤酒空瓶瓶底定位方法对在进行最小二乘圆拟合前的边缘点经过了去除噪声的处理，且选取其中的最优结果作为瓶底中心位置。利用瓶底防滑纹的边缘进行瓶底中心拟合，由于瓶底防滑纹是以瓶底真实圆心为圆心的一个圆环，故提取瓶底防滑纹信息作为圆拟合算法的输入边缘点能有效提高定位精度。因此该方法比单独使用霍夫变换法和随机圆拟合方法的定位精度都要高。附图说明图1为采集的玻璃瓶底图像，其中，(a)本文档来自技高网...

【技术保护点】
一种智能空瓶检测机器人瓶底定位方法，其特征在于，包括以下步骤：步骤1：获取玻璃瓶底图像，瓶底图像预处理；步骤2：利用重心法获取玻璃瓶底图像的重心坐标(XO′,YO′)；步骤3：以步骤2所得重心为中心，从玻璃瓶底图像中提取瓶底防滑纹的圆拟合边缘点；查找瓶底外边缘点灰度为0的轮廓，计算每个轮廓的周长，保存所有周长约为10‑40个像素的轮廓信息；步骤4：将防滑纹边缘点应用变权重最小二乘法进行玻璃瓶底边缘圆拟合，完成玻璃瓶底定位；所述步骤3的具体步骤如下：步骤a：利用重心坐标和设定的扫描半径Rs，对玻璃瓶底图像进行Ns次径向扫描，获取N'个玻璃瓶底外防滑纹边缘点

【技术特征摘要】
1.一种智能空瓶检测机器人瓶底定位方法，其特征在于，包括以下步骤：步骤1：获取玻璃瓶底图像，瓶底图像预处理；步骤2：利用重心法获取玻璃瓶底图像的重心坐标(XO′,YO′)；步骤3：以步骤2所得重心为中心，从玻璃瓶底图像中提取瓶底防滑纹的圆拟合边缘点；查找瓶底外边缘点灰度为0的轮廓，计算每个轮廓的周长，保存所有周长约为10-40个像素的轮廓信息；步骤4：将防滑纹边缘点应用变权重最小二乘法进行玻璃瓶底边缘圆拟合，完成玻璃瓶底定位；所述步骤3的具体步骤如下：步骤a：利用重心坐标和设定的扫描半径Rs，对玻璃瓶底图像进行Ns次径向扫描，获取N'个玻璃瓶底外防滑纹边缘点i表示第i次径向扫描，1≤i≤Ns，Ns＝360/Δα，Δα表示径向扫描间隔；步骤b：将所有周长约为10-40像素的轮廓点作为圆拟合的边缘点；所述步骤4的具体步骤如下：步骤a：依次求出重心坐标到所有防滑纹的圆拟合边缘点的测量距离：步骤b：计算相邻圆拟合边缘点的测量距离差分绝对值|Δfm(i)|＝|fm(i+1)-fm(i)|；步骤c：对所有的|Δfm(i)|进行从大到小排序，排序靠前的前100·Tc％个测量距离差分绝对值对应的圆拟合边缘点作为干扰点，其中，Tc为设定阈值，0≤Tc≤1；步骤d：去除干扰点及与该干扰点相邻的后一个圆拟合边缘点，将剩余圆拟合边缘点进行最小二乘法圆拟合，获得玻璃瓶底圆心位置。2.根据权利要求1所述的一种智能空瓶检测机器人瓶底定位方法，其特征在于，所述将剩余圆拟合边缘点进行最小二乘法圆拟合的具体步骤如下：步骤1：将剩余圆拟合边缘点均匀分成Ng组，依次从分组后的防滑纹的圆拟合边缘点组中随机选取Nc组圆拟合边缘点；步骤2：采用变权重最小二乘法对每组外边缘点进行圆拟合；其中，(x0,y0)表示拟合圆圆心坐标，r表示拟合圆半径，(xi,yi)表示当前圆拟合边缘点组中第i个圆拟合边缘点的坐标，Ngc表示每组圆拟合边缘点组中边缘点的总数目，Ngc＝Nc*N'/Ng(Ngc∈Z+)；w(i)表示当前圆拟合边缘点组中第i个圆拟合边缘点的权重因子，τ是...

【专利技术属性】
技术研发人员：朱青，范涛，王耀南，周显恩，蒋笑笑，严佳栋，刘学兵，黄森林，
申请(专利权)人：湖南大学，
类型：发明
国别省市：湖南,43