基于机器视觉的饮料产品外观多缺陷联合检测技术研究
饮料出厂缺陷检测系统在整个饮料灌装自动化产线上扮演着重要的角色。饮料灌装产线的检测项目一般包括标签检测、喷码检测、液位面检测及高低盖检测四类，这些检测项目对出厂品控具有至关重要的作用。当前企业采用的检测方法，通常是在各工序后安装相应的单一缺陷检测设备,并根据检测结果完成缺陷品剔除[1]。这意味着在一条产线的不同位置要安装多套不同的独立检测系统，存在制造资源浪费、安装难度高等问题，并且这种方式不便与数据库实现数据互联，从而影响对产品质量的跟踪与管理。 本文针对以上问题，结合机器视觉技术进行了如下研究: (1)针对当前饮料灌装产线出厂常规缺陷检测系统存在的问题，根据饮料灌装产线的生产要求，完成了多类缺陷联合检测系统的总体架构设计，具体包括检测、剔除、可视化交互等功能。 (2)对采集到的图像和数据集进行了图像预处理及数据增强设计。针对采集到的标签图像和喷码图像存在虚化、模糊等现象，通过采用图像锐化增强等方法进行预处理。针对采集到的网络训练的数据集数量不足的情况，对复杂组合形状式标签通过缩放、平移、旋转、镜像、添加噪声、重新组合颜色通道等来实现数据增强，对激光雕刻式喷码提出了基于泊松融合的数据增强方法，有效地对数据集进行了扩充。 (3)针对饮料灌装产线不同工序对应产生的多类缺陷进行特征分析设计了一个基于神经网络的可拓展式缺陷检测网络模型。模型可以实现对饮料喷码缺失、破损、错误缺陷以及标签缺失、倒贴缺陷的直接识别，并为后续标签破损检测提供特征基础。同时网络提供可拓展接口，可根据实际任务进行检测模块的增删。此外，为提升设计的网络检测速度，通过采用模型剪枝的方法对网络归一化层进行稀疏化剪枝，实现了速度和精度的均衡提升。 (4)对多缺陷联合检测网络提取到的标签分割图像进行破损检测。本文设计了一种基于概率霍夫变换和凸包检测的完整标签区域提取算法以提取标签的完整区域。得到完整标签区域后，通过文中设计的基于颜色空间和欧式距离的标签破损检测算法，完成对标签的破损检测。 (5)实验系统的搭建和算法功能测试。本文完成了实验系统重要硬件的选型工作，搭建了基础实验平台。实验平台包括光学图像采集模块、次品剔除模块和软件控制模块。之后，在实际平台上对所设计的检测系统进行了精度和速度的实验测试。 实验表明，本文提出的多缺陷联合检测方法检测精度超过95％,速度达到18000瓶/h,能够很好地提升缺陷检测效率，减少资源浪费，并且联合数据库技术，可方便地实现产线故障联网管理，有助于实现饮料产线一体化检测与管理。
机器视觉;图像处理;深度学习;饮料产品;联合检测
北京化工大学
硕士
机械
康敬欣;曾德斌
2023
中文
TP391.41
2023-09-27（万方平台首次上网日期，不代表论文的发表时间）