一种瓶状物瑕疵检测系统及方法技术方案

本发明专利技术公开了一种瓶状物瑕疵检测系统及方法，涉及瓶状物瑕疵检测技术领域，通过设置生产数据收集模块在瑕疵检测前，收集药瓶的生产过程数据；设置药瓶数据收集模块收集每个药瓶的瓶体以及瓶盖的图像数据，利用图像获取设备捕获瓶体以及瓶盖的三视图图像；设置瓶体瑕疵检测模块根据瓶体图像对瓶体瑕疵检测，并获取瓶体瑕疵数据；设置瓶盖瑕疵检测模块根据瓶盖图像对瓶盖进行瑕疵检测；设置综合评价模块根据瓶体瑕疵数据以及瓶盖瑕疵数据对部分瓶体或瓶盖生成销毁标记，并根据具有销毁标记的瓶体与瓶盖数量，对生产过程进行故障排查和质量检测；实现了减少销毁数量，提高药瓶良品率的目的。的目的。的目的。

【技术实现步骤摘要】
一种瓶状物瑕疵检测系统及方法


[0001]本专利技术涉及瓶状物瑕疵检测
，具体是一种瓶状物瑕疵检测系统及方法。

技术介绍

[0002]药瓶外观缺陷是医药企业生产过程中较为常见的生产现象，对于出现瑕疵的药瓶，若任其在市面上流通可能会导致患者对药企产生不信任，进一步的会影响到药企的药物销售，因此需要将生产出的不合格的瓶体和瓶盖进行销毁。
[0003]传统的人工肉眼视觉缺陷检测方法耗时耗力，不仅效率低、检测标准也很难统一；而目前部分企业推出的瓶体或瓶盖的检测机器可以通过计算机视觉技术对药瓶瓶体和瓶盖表面出现的瑕疵进行检测并标注，但并不能对瓶体或瓶盖的瑕疵程度进行评判，且无法对瓶体与瓶盖的生产过程进行检修反馈，以减少瓶体和瓶盖的销毁数量，提高良品率。
[0004]为此，本专利技术提出一种瓶状物瑕疵检测系统及方法。

技术实现思路

[0005]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种瓶状物瑕疵检测系统及方法，该一种瓶状物瑕疵检测系统及方法达成了减少瓶体或瓶盖的销毁数量，提高药瓶良品率的目的。
[0006]为实现上述目的，根据本专利技术的第一方面的实施例提出一种瓶状物瑕疵检测系统，包括生产数据收集模块、药瓶数据收集模块、瓶体瑕疵检测模块、瓶盖瑕疵检测模块以及综合评价模块；其中，各个模块之间通过电气和/或无线网络方式连接；
[0007]其中，所述生产数据收集模块主要用于在瑕疵检测前，收集每个药瓶的生产过程数据；
[0008]所述生产过程数据为每个药瓶的瓶体和瓶盖在生产阶段所经过的所有的生产环节、每个环节所使用的生产机器或生产容器的编号以及生产时间；
[0009]所述生产数据收集模块将每个药瓶的生产过程数据发送至综合评价模块；
[0010]其中，所述药瓶数据收集模块主要用于实时收集每个药瓶的瓶体以及瓶盖的图像数据；
[0011]所述药瓶数据收集模块收集每个药瓶的瓶体以及瓶盖的图像数据的方式为：
[0012]对于药瓶瓶体，使用瓶检机中安装的图像捕获设备分别以垂直于瓶口、瓶身以及瓶底的方向进行瓶体的三视图捕获；
[0013]对于药瓶瓶盖，使用盖检机中安装的图像捕获设备分别以垂直于瓶盖正面、盖身以及瓶盖背面的方向进行瓶盖的三视图捕获；
[0014]所述药瓶数据收集模块将捕获的瓶体以及瓶盖的图像分别发送至瓶体瑕疵检测模块和瓶盖瑕疵检测模块；
[0015]其中，所述瓶体瑕疵检测模块主要用于根据瓶体图像对瓶体进行瑕疵检测，并获取检测的瓶体瑕疵数据；所述瓶体瑕疵数据包括瓶体尺寸误差系数、瓶体形变误差系数以
及飞边瑕疵系数；将每个瓶体按照顺序标记为i，i＝{1，2，3，...,n}，其中n为瓶体数量值；
[0016]所述瓶体瑕疵检测模块对瓶体进行瑕疵检测的包括以下方式：
[0017]对于瓶体尺寸误差瑕疵，利用计算机视觉技术，从瓶体图片中截取出瓶体的瓶身图形、瓶口图形，并与标准瓶体图片进行比对，获取瓶体i与标准瓶体在瓶高、瓶身外径以及瓶口外径上的差值；并将瓶高差值、瓶身外径差值以及瓶口外径差值分别标记为hi、rbi以及rmi；并计算出瓶体尺寸误差系数Spi；其中瓶体尺寸误差系数Spi的计算公式为：及rmi；并计算出瓶体尺寸误差系数Spi；其中瓶体尺寸误差系数Spi的计算公式为：
[0018]对于瓶体形变，从瓶体的俯视图中截取出瓶口的形状，并将瓶口形状与标准瓶口设计图进行对比，计算出瓶口形状的面积与标准瓶口设计图的面积差值；从瓶体的侧视图中截取出瓶身的形状，可以理解的是，侧视图的瓶身形状为长方形，计算出瓶身形状的面积与标准瓶身设计图的面积差值；同理，从瓶体的仰视图中，计算出瓶底形状的面积与标准瓶底设计图的面积差值；分别将瓶口面积差值、瓶体面积差值和瓶底面积差值标记为ami、abi以及aui，并计算出瓶体形变误差系数Sxi；其中瓶体形变误差系数Sxi的计算公式为
[0019]对于飞边，预先收集若干具有飞边瑕疵和不具有飞边瑕疵的瓶体图片，并对瓶体图片人工进行飞边严重程度的标注，再以瓶体图片作为输入，训练出根据瓶体图片识别瓶体飞边和严重程度的多目标识别神经网络模型；将待检测的瓶体的三视图图像输入至该多目标识别神经网络模型，输出对瓶体上出现的飞边进行严重程度的标记；预先根据实际经验为每一级飞边严重程度设置一个权重系数；将飞边级别标记为f，飞边级别f对应的权重系数标记为wf，瓶体i中出现的飞边级别f的数量标记为nfi；计算飞边瑕疵系数Sfi；其中，飞边瑕疵系数Sfi的计算公式为Sfi＝ln(∑
f
(wf*nfi)+1)；
[0020]所述瓶体瑕疵检测模块将瓶体瑕疵数据发送至综合评价模块；
[0021]其中，所述瓶盖瑕疵检测模块根据瓶盖图像对瓶盖进行瑕疵检测，并获取瓶盖的瓶盖瑕疵数据；其中，所述瓶盖瑕疵数据包括瓶盖尺寸误差系数、螺纹偏差系数以及瓶盖形变误差系数；将每个瓶盖按照顺序标记为j，j＝{1，2，3，...,m}，其中m为瓶盖数量值；
[0022]所述瓶盖瑕疵检测模块获取瓶盖的瓶盖瑕疵数据包括以下方式：
[0023]对于瓶盖尺寸误差，利用计算机视觉技术，从瓶盖j的俯视图和侧视图中分别截取出瓶盖的盖面和瓶盖盖体图形，并计算出瓶盖盖面图形的半径与盖面标准图形半径的差值，以及瓶盖盖体高度与标准盖体高度的差值；将盖面半径差值标记为rgj，盖体高度的差值标记为hgj；将瓶盖尺寸误差系数标记为Gpj；其中，瓶盖尺寸误差系数Gpj的计算公式为值标记为hgj；将瓶盖尺寸误差系数标记为Gpj；其中，瓶盖尺寸误差系数Gpj的计算公式为
[0024]对于螺纹偏差，预先收集若干瓶盖盖体内的图片，并根据盖体内图片训练出识别螺纹数量的神经网络模型；并将待检测的瓶盖盖体的仰视图作为神经网络模型的输入，输出瓶盖盖体内螺纹的数量；则螺纹偏差系数为瓶盖盖体内螺纹数量的检测值与标准螺纹数量差值的绝对值；将螺纹偏差系数标记为Glj；
[0025]对于瓶盖形变，从瓶盖的俯视图中截取出盖面形状，并将盖面形状与标准盖面设计图进行对比，计算出盖面形状的面积与标准盖面设计图的面积差值bej；从瓶盖的侧视图
中截取出盖体形状，并将盖体形状与标准盖体设计图进行对比，计算出盖体形状与标准盖体设计图的面积差值boj；计算瓶盖形变误差系数Gxj；其中，瓶盖形变误差系数Gxj的计算公式为
[0027]所述瓶盖瑕疵检测模块将检测的瓶盖瑕疵数据发送至综合评价模块；
[0028]其中，所述综合评价模块主要用于根据瓶体瑕疵数据对瓶体判定是否生成销毁标记，还根据瓶盖瑕疵数据对瓶盖判定是否生成销毁标记；并统计瓶体具有销毁标记的数量和瓶盖具有销毁标记的数量，根据瓶体具有销毁标记的数量和瓶盖具有销毁标记的数量，对瓶体或瓶盖的生产过程进行故障排查和质量检测；
[0029]所述综合评价模块对瓶体或瓶盖的生产过程进行故障排查和质量检测包括以下步骤：
[0030]步骤S1：计算每个瓶体i的第一综合评价本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种瓶状物瑕疵检测系统，其特征在于，包括生产数据收集模块、药瓶数据收集模块、瓶体瑕疵检测模块、瓶盖瑕疵检测模块以及综合评价模块；其中，各个模块之间通过电气和/或无线网络方式连接；所述生产数据收集模块在瑕疵检测前，收集每个药瓶的生产过程数据；并将每个药瓶的生产过程数据发送至综合评价模块；所述药瓶数据收集模块实时收集每个药瓶的瓶体以及瓶盖的图像数据，利用图像获取设备捕获药瓶瓶体以及瓶盖的三视图图像；并将捕获的瓶体以及瓶盖的三视图图像分别发送至瓶体瑕疵检测模块和瓶盖瑕疵检测模块；所述瓶体瑕疵检测模块根据瓶体图像对瓶体进行瑕疵检测，并获取瓶体瑕疵数据，并将每个瓶体按照顺序标记为i，i＝{1，2，3，...,n}，其中n为瓶体数量值；所述瓶体瑕疵数据包括瓶体尺寸误差系数、瓶体形变误差系数以及飞边瑕疵系数；所述瓶体瑕疵检测模块将瓶体瑕疵数据发送至综合评价模块；所述瓶盖瑕疵检测模块根据瓶盖图像对瓶盖进行瑕疵检测，并获取瓶盖的瓶盖瑕疵数据；其中，所述瓶盖瑕疵数据包括瓶盖尺寸误差系数、螺纹偏差系数以及瓶盖形变误差系数；将每个瓶盖按照顺序标记为j，j＝{1，2，3，...,m}，其中m为瓶盖数量值；并将检测的瓶盖瑕疵数据发送至综合评价模块；所述综合评价模块根据瓶体瑕疵数据对瓶体判定是否生成销毁标记，还根据瓶盖瑕疵数据对瓶盖判定是否生成销毁标记；并统计瓶体具有销毁标记的数量和瓶盖具有销毁标记的数量，根据瓶体具有销毁标记的数量和瓶盖具有销毁标记的数量，对瓶体或瓶盖的生产过程进行故障排查和质量检测。2.根据权利要求1所述的一种瓶状物瑕疵检测系统，其特征在于，所述生产过程数据为每个药瓶的瓶体和瓶盖在生产阶段所经过的所有的生产环节、每个环节所使用的生产机器或生产容器的编号以及生产时间。3.根据权利要求1所述的一种瓶状物瑕疵检测系统，其特征在于，所述药瓶数据收集模块收集每个药瓶的瓶体以及瓶盖的图像数据的方式为：对于药瓶瓶体，使用瓶检机中安装的图像捕获设备分别以垂直于瓶口、瓶身以及瓶底的方向进行瓶体的三视图捕获；对于药瓶瓶盖，使用盖检机中安装的图像捕获设备分别以垂直于瓶盖正面、盖身以及瓶盖背面的方向进行瓶盖的三视图捕获。4.根据权利要求3所述的一种瓶状物瑕疵检测系统，其特征在于，所述的三视图分别为俯视图、侧视图以及仰视图。5.根据权利要求1所述的一种瓶状物瑕疵检测系统，其特征在于，所述瓶体瑕疵检测模块对瓶体进行瑕疵检测包括以下方式：对于瓶体尺寸误差瑕疵，利用计算机视觉技术，从瓶体图片中截取出瓶体的瓶身图形、瓶口图形，并与标准瓶体图片进行比对，获取瓶体i与标准瓶体在瓶高、瓶身外径以及瓶口外径上的差值；并将瓶高差值、瓶身外径差值以及瓶口外径差值分别标记为hi、rbi以及rmi；并计算出瓶体尺寸误差系数Spi；其中瓶体尺寸误差系数Spi的计算公式为：rmi；并计算出瓶体尺寸误差系数Spi；其中瓶体尺寸误差系数Spi的计算公式为：
对于瓶体形变，从瓶体的俯视图中截取出瓶口的形状，并将瓶口形状与标准瓶口设计图进行对比，计算出瓶口形状的面积与标准瓶口设计图的面积差值；从瓶体的侧视图中截取出瓶身的形状，计算出瓶身形状的面积与标准瓶身设计图的面积差值；同理，从瓶体的仰视图中，计算出瓶底形状的面积与标准瓶底设计图的面积差值；分别将瓶口面积差值、瓶体面积差值和瓶底面积差值标记为ami、abi以及aui，并计算出瓶体形变误差系数Sxi；其中瓶体形变误差系数Sxi的计算公式为体形变误差系数Sxi的计算公式为对于飞边，预先收集若干具有飞边瑕疵和不具有飞边瑕疵的瓶体图片，并对瓶体图片人工进行飞边严重程度的标注，再以瓶体图片作为输入，训练出根据瓶体图片识别瓶体飞边和严重程度的多目标识别神经网络模型；将待检测的瓶体的三视图图像输入至该多目标识别神经网络模型，输出对瓶体上出现的飞边进行严重程度的标记；预先根据实际经验为每一级飞边严重程度设置一个权重系数；将飞边级别标记为f，飞边级别f对应的权重系数标记为wf，瓶体i中出现的飞边级别f的数量标记为nfi；计算飞边瑕疵系数Sfi；其中，飞边瑕疵系数Sfi的计算公式为Sfi＝ln(∑
f
(wf*nfi)+1)。6.根据权利要求1所述的一种瓶状物瑕疵检测系统，其特征在于，所述瓶盖瑕疵检测模块获取瓶盖瑕疵数据包括以下方式：对于瓶盖尺寸误差，...

【专利技术属性】
技术研发人员：惠洁，马志鹏，王健，张永帅，胡浩，
申请(专利权)人：苏州誉阵自动化科技有限公司，
类型：发明
国别省市：