保健酒智能视觉检测机器人技术研究

我国有着巨大的饮料酒生产市场以及饮料酒产品的高增长率,但饮料酒生产线的自动化装备水平亟待提高,尤其在饮料酒生产线上的检测环节,主要依赖人工检测。近年来,随着消费水平的提高和相关法律、法规的完善,在饮料酒类行业中,产品质量变得越来越重要。人工检测效率低、精度低、漏检误检率高,面对国外先进成套饮料酒生产装备对国内市场的冲击,研究具有自主知识产权的饮料酒自动检测设备具有十分重要的价值。 本论文旨在研制面向大型高速保健酒自动化生产线上的产品检测智能机器人。保健酒智能视觉检测机器人是以多传感器信息融合为基础,利用机器视觉和智能控制技术,在不影响正常的安全生产过程的同时,可实现高速保健酒自动化生产线上的自动检测,并能把不合格保健酒实时自动分离出生产线。 保健酒智能视觉检测机器人涉及机器视觉、机械设计与传动、光机电一体化、传感器检测与信息融合、光学成像、数字图像处理和通信等多学科领域技术。本文从饮料酒检测现状出发,首先分析了机器人实施的技术路线和整体设计方案,研究了机械结构、机电控制系统、光学成像与视觉信息获取,详细设计开发了针对保健酒液中的可见异物检测和外观检测算法,并经过了大量实验论证,最后研制出保健酒智能视觉检测机器人样机,并把相关技术推广到大输液和口服液等医药自动化生产线上,为饮料医药行业的产品安全生产提供重要保障。归纳起来,本文主要工作和取得的创新成果有: 1、阐述了饮料酒产品的检测现状,指出研制智能视觉检测机器人的重要意义,概述了机器视觉技术,分析了保健酒中可见异物及外观缺陷的成因,重点分析了国内外饮料酒检测的现状。 2、对保健酒智能视觉检测机器人系统进行了可行性分析论证,给出了整体实施技术路线和技术方案,设计了直线间歇式、圆盘固定位置拍照式和旋转跟踪式三种保健酒智能视觉检测机器人的机械结构,并进行了对比分析,研究了基于多IPC和PLC的分布式精密光机电控制结构,分析了伺服跟踪拍摄控制的"加速跟上-同角速度运转-快速返回"三个阶段过程,提出了黑色异物和装量检测工位、白色异物检测工位和瓶盖检测工位的光学成像方法,给出了机器人的检测流程,对比研究了多种次品分拣方案,分析了机器人的软件构架。 3、对保健酒中的可见异物对象进行了运动学分析,并把可见异物和气泡、瓶壁刮痕刻度等进行了对比,对基本滤波算法进行了分析研究了一种改进型加权滤波处理算法,并提出了基于中值的加权均值滤波算法,既能有效的滤除噪声,又能有效的保留运动目标,根据保健酒特定的瓶型进行了检测区域的标定,提出了一种基于边缘统计的经验规则定位法进行图像定位,并得到了良好的定位效果。 4、研究了保健酒液序列图像中可见异物的分割与识别方法。分析了背景减除的运动目标提取方法,详细介绍了基于时间差分的运行目标提取,研究了基于Fisher评价函数的阈值分割,详细分析了基于改进型Mean Shift和Kalman滤波的运动目标跟踪方法,并进行了实例分析与测试,从运动目标的位置、形状和运动轨迹等方面,构建支持向量,研究了基于支持向量机的运动目标识别,进行了图像标定,然后从压像素角度分析,对可见异物进行测量,并判断异物尺寸是否在允许范围内,通过实验,验证了可见异物分割与识别算法的可行性和有效性。 5、研究了保健酒产品的外观检测算法。针对侧瓶盖缺陷,提出了多重扫描的边缘特殊点重心法定位,针对顶面瓶盖,提出了一种多重搜索定位法定位,得到定位点后,研究了一种基于分层思想的瓶盖缺陷图像快速匹配检测方法实现瓶盖检测,针对Sobel算子边缘检测的优点和缺陷,提出了基于改进型Sobel算子,得到液面线,并根据经验规则判断液面高度,实现装量的检测。 6、实现了保健酒智能视觉检测机器人的样机研制及推广应用。给出了机器人的实物图和各关键部分装置图,从人机界面、测试界面、控制软件和数据库模块四个方面分析了软件部分的构成,最后分析了保健酒智能视觉检测机器人的Knapp-Kushner测试方法,给出了测试数据,最后把保健酒智能视觉检测机器人的相关技术推广到大输液视觉检测机器人、安瓿视觉检测机器人和口服液视觉检测机器人等设备上,并得到了实际应用。 在保健酒智能视觉检测机器人研发过程中,从方案设计到测试实验,从图像预处理与定位算法,到可见异物检测与识别和外观检测方法的研究,从机械设计到精密光机电控制与传动,从样机研制到推广应用,发现并解决了大量的理论和实际问题,为设备的应用及后一步的升级开发提供了宝贵的经验,给相关设备的研发带来了良好的参考价值,为实现饮料酒和医药自动化生产线上的产品质量安全提供了保障。

基于机器视觉的高频变压器外胶缺陷检测算法与系统

高频变压器在生产成品交付前须进行外观缺陷检测与分拣,是其产品质量控制的关键工序.目前现场均由人眼观察来完成高频变压器外观缺陷检测与分拣,人工检测的劳动强度大,人员多,效率低,主观因素影响大,易误判漏检等.因此,迫切需要开发高频变压器外观缺陷自动与智能检测系统.本文以高频变压器外胶缺陷检测为对象,分析了外胶缺陷种类及其特征,构建了相应的图像采集与处理系统,研究了外胶及其印章字符,破损,脏污等缺陷检测与识别算法,开发了相应的识别算法软件和检测系统监控与管理软件,并作为重要检测模块之一,已与团队开发的"基于机器视觉的高频变压器外观缺陷智能检测系统"集成,投入了实际应用.本文的主要研究内容及结论如下: (1)根据团队开发的"基于机器视觉的高频变压器外观缺陷智能检测系统"总方案要求,分析了外胶缺陷种类及其特征,设计了该类缺陷的检测识别流程及其缺陷图像采集硬件,并与总系统的工件上下料,转位及图像采集系统集成,构成完整的高频变压器外观缺陷智能检测系统硬件平台. (2)针对外胶缺陷的结构特征和干扰因素,应用颜色空间转换与中值滤波,创建区域模板与仿射变换以及差分计算,实现了外胶图像平滑处理,缺陷区域定位与分割等,建立了基于模板匹配与差分算法相结合的区域定位算法.为后续外胶及其印章字符破损,脏污等缺陷图像处理,特征提取与识别检测等提供了统一的图像区域定位方法. (3)针对外胶印章字符破损,脏污缺陷的检测,设计了基于支持向量机的小样本字符识别算法.研究了形态学和最小外接矩形相结合的字符图像分割方法;通过优化正则化系数和核函数,设计了小样本集的外胶字符识别分类器;仅需36×50个缺陷图像的小样本集即可训练好36个字符分类器,并且字符缺陷识别率达97%以上;设计了基于面积与圆度相结合的外胶破损和脏污缺陷特征提取及缺陷检测方法. (4)在Halcon和VisualStudio2017开发环境下,采用C++语言,SQLServer数据库系统等开发了外胶缺陷检测的相机控制,图像处理与特征提取,缺陷识别算法,检测分类及相应的数据管理等功能模块,并与总系统相集成. 检测实验结果表明,基于支持向量机的外胶印章字符缺陷检测识别率达97.83%,外胶破损和脏污缺陷的表面质量检测准确率达98.71%,缺陷检测效率和正确率均比人工检测大大提高,实现了高频变压器外观缺陷的自动化检测,满足了高频变压器生产企业的质检技术要求,有很大的市场应用前景.

基于机器视觉的工业自动化生产线缺陷检测系统设计与实现

本研究旨在设计一种高效的工业自动化生产线缺陷检测系统,以提升产品质量与生产效率.随着制造业的快速发展,传统人工检测方法已难以满足大规模生产的需求,其效率低下且易受主观因素影响.基于此,本文提出采用机器视觉技术来设计缺陷检测系统.该系统通过图像采集设备获取产品图像,运用图像处理与模式识别算法对图像进行分析,从而实现对产品表面缺陷的自动检测.实验结果表明,该系统在检测准确率上达到[X]%,检测速度为每秒[X]件产品,显著优于传统检测方法.本研究为工业生产提供了一种高效,准确的缺陷检测解决方案,对提升工业生产质量与效率具有重要意义.

一种基于智能机器视觉识别的工业探伤技术

磁粉探伤广泛应用于铁磁性工件表面和近表面缺陷检测,但目前的缺陷识别仍依赖于人工判断.为实现检测自动化,将机器视觉技术应用于缺陷识别,提出一种智能的螺栓缺陷在线检测系统,针对螺栓在生产过程中产生的纵向,横向裂纹,使用基于统计的磁痕裂纹识别方法和基于改进LBP特征和SVM分类器识别方法进行级联完成螺栓零件表面裂纹的自动识别.实验结果表明,该方法与传统的识别方法对比具有很好的分类识别效果,漏检率减少5%,同时能够满足实时性的需求.