基于机器视觉的包装盒冲压缺陷检测方法研究.pdf
《基于机器视觉的包装盒冲压缺陷检测方法研究.pdf》由会员分享,可在线阅读,更多相关《基于机器视觉的包装盒冲压缺陷检测方法研究.pdf(6页珍藏版)》请在咨信网上搜索。
1、计算机时代 2023年 第12期0 引言铁制金属包装盒一般采用马口铁板,通过印刷、剪裁、冲压、卷边等工序制作而成,常用于保健食品包装。包装盒由盒体和盒盖两部分组成,经过冲压成型后流入合盖工序,在冲压过程中会出现边框向内弯曲和边框外翻缺陷,变形明显,尤其是边框外翻类缺陷产品会卡在合盖工序的下滑轨道中,需要由人工清除后才能再次运行。因此,研究一种针对金属包装盒的在线缺陷检测方法具有重要意义。机器视觉和图像处理技术日益成熟,可为生产过程中提供新的产品缺陷的检测手段,目前机器视觉技术已经广泛应用于工业检测领域1。金属材料具有良好的光泽度和反射性,易使相机成像出现高光区域,干扰金属材料的缺陷检测,因此在
2、做缺陷检测前要先消除高光的影响。费继友2等提出了基于PSO-OTSU算法的金属工件高光区域定位,并用直方图规定法修正高光区域的灰度值。叶婷等3提出了基于OTSU算法分割高光区域和八邻域像素平均值更新高光区域DOI:10.16644/33-1094/tp.2023.12.040基于机器视觉的包装盒冲压缺陷检测方法研究*李明华1,袁嫣红1,彭来湖1,周可1,徐布都2(1.浙江理工大学机械工程学院,浙江 杭州 310018;2.浙江理工大学龙港研究院)摘要:针对保健品包装盒在冲压环节产生的边框塑性变形缺陷,构建了一种基于机器视觉的金属包装盒缺陷检测方法。针对盒体棱边区域产生的小范围高光现象,提出一种
3、基于线性拟合的修正算法。针对包装盒的冲压缺陷,采用形状模板匹配算法初步校验并定位,再裁剪出边框内外圈区域,校验该区域灰度值的标准差均值等指标。结果表明:该方法检测准确率在95%以上,平均检测时间小于100ms,能满足实际应用中在线检测的需求。关键词:机器视觉;保健品包装盒;高光修正;缺陷检测中图分类号:TP274.5文献标识码:A文章编号:1006-8228(2023)12-184-05Research on machine vision based detection method for stampingdefects in packaging boxesLi Minghua1,Yuan
4、Yanhong1,Peng Laihu1,Zhou Ke1,Xu Budu2(1.School of Mechanical Engineering,Zhejiang Sci-Tech University,Hangzhou,Zhejiang 310018,China;2.Research Institute of Zhejiang Sci-Tech University in Longgang)Abstract:Aiming at the plastic deformation defects occurred during the stamping process of health pro
5、duct packaging boxes,amachinevision-baseddefectdetectionmethodformetalpackagingboxesisdeveloped.Toaddresstheissueofsmall-scalehighlights generated in the edge regions of the box body,a correction algorithm based on linear fitting is proposed.For thestamping defects of the packaging box,a shape templ
6、ate matching algorithm is used for preliminary verification and localization.The inner and outer ring regions within the frame are then cropped,and indicators such as the standard deviation and mean of thegrayscale values in this region are verified.The results show that the accuracy of this method
7、reaches over 95%,with an averagedetection time of less than 100ms,meeting the requirements for online detection in practical applications.Key words:machine vision;health product packaging boxes;highlight correction;defect detection收稿日期:2023-08-29*基金项目:浙江省科技计划项目(2022C01065)作者简介:李明华(1998-),男,浙江绍兴人,硕士研
8、究生,主要研究方向:图像处理。通讯作者:袁嫣红(1967-),女,浙江台州人,硕士,教授,主要研究方向:现代纺织装备机电一体化技术。184Computer Era No.12 2023像素值。在工业现场,通常会根据被检对象的高光特性,采用图像处理的方法修正高光现象。在缺陷检测方法方面,Chen等4提出了一种基于拉普拉斯-高斯算子的阴影校正算法来增强工件的缺陷部分,采用 Otsu 算法和形态学对缺陷部位进行提取。Tian等5设计了一种平面照明模式与多角度照明模式相结合的照明方法,获取多角度光源图像的灰色异常区域边缘线的位置和方向来判断是否为缺陷。商业彤等6利用NCC模板匹配和背景差影法去检测冲压
9、毛坯板料表面缺陷。李永敬等7针对冲压件外形缺陷提出了一种基于形状模板匹配的检测方法。上述文献都依据工件的缺陷特点,提出了具有针对性的缺陷检测方法。1 打光方式与高光修正1.1 打光方式金属表面光滑平整,这使其具有很高的光泽度,可以良好地反射光线。当光源呈一定角度照射到包装盒,经过金属表面反射后,部分光线会沿着工业相机光轴方向集中进入镜头,产生高光,干扰边框变形缺陷的检测。为了照亮整个边框且尽可能少的出现高光区域,采用暗箱避免环境光线进入,盒盖和盒体采用左右两侧条形光源水平照明的策略。盒盖和盒体的高度不同,根据成像效果不断调整光源的高度,最终选定盒盖处光源与边框平齐,盒体处光源在边框上方80mm
10、处,如图1所示。在保证边框照亮的前提下,无论如何调整光源高度,盒体底面与侧面的棱边区域始终会出现高光现象,这部分区域会影响后续盒体缺陷检测,因此需要通过修正算法消除高光影响。1.2 高光区域定位与修正修正算法分为高光区域定位和修正两部分,相机拍摄的盒体图像如图2,其左右两侧非边框区域出现高亮,宽度约为十个像素点。盒体产生的高光区域形状基本相同,因此采用形状模板匹配算法完成定位。首先对图像做阈值分割和连通域面积筛选,选出高光区域,再做一次闭运算和膨胀运算,得到高光加宽区域,最后采用Canny算法提取轮廓并根据长度属性进行筛选,提取的模板模型如图3所示,该模板用于定位盒体图像的高光区域。图2盒体图
11、像图3高光区域XLD轮廓完成高光区域定位后,需要对该区域做亮度修正,该区域正常情况下的灰度值应当与附近正常区域的值相近,因此采取数据拟合的方式重写该区域灰度信息。考虑到高亮边框和高光区域间隔在十个像素左右,为避免边框的数据参与计算,取高光区域外左右两侧各5个像素点用于数据拟合和修正。算法的核心思想为:获取每一行高亮区域以外左右两侧各五个像素点的灰度值;使用一次函数拟合上述灰度值,根据最小二乘法确定函数参数;根据确定的函数计算高光区域的灰度值,重写数据。其中一次函数表达式为:y=a0+a1x参数a0,a1通过如下计算确定,预测值和真实值的误差平方和:Sr=i=1n()yi-a0-a1xi2要让误
12、差平方和取最小值,则偏导数为0:图1打光方式示意图185计算机时代 2023年 第12期Sra0=0Sra1=0i=1nyi=na0+()i=1nxia1i=1nxiyi=()i=1nxia0+i=1n()xi2求解上式可得:a1=ni=1nxiyi-i=1nxii=1nyini=1n()xi2-()i=1nxi2a0=1ni=1nyi-a1ni=1nxi上述表达式中n代表已知点的个数,xi代表图像中该点列坐标,yi代表灰度值。通过已知的列坐标和灰度信息求得该行的一次函数表达式,再将高光区域的列坐标分别代入,求得修正后的灰度值。图4(a)为原图,图4(b)为线性拟合修复后的图像。(a)原图(b
13、)修正图图4高光修正2 缺陷检测算法设计该产品的尺寸为99.269.28.8mm,在生产过程中冲压设备因工艺参数失控、模具缺陷、材料过软或力学条件显著变化8等原因会导致包装盒出现过大的塑性变形,形状和尺寸超出生产误差范围,成为缺陷产品,如图 5。包装盒的缺陷产品主要表现为边框向内弯曲和边框外翻,变形明显。由于盒盖和盒体的检测方法相同,后续缺陷检测算法介绍均以包装盒的盒盖为检测对象说明。图5盒盖盒体冲压缺陷2.1 边框搜索与定位包装盒尽管拥有各式各样的色彩,但其形状轮廓是固定的,故而考虑采用基于形状的模板匹配算法,该方法适用于目标轮廓比较清晰的场景。模板匹配首先需要提取模板轮廓,待提取图像如图6
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 机器 视觉 包装 冲压 缺陷 检测 方法 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。