基于机器视觉的玻璃瓶缺陷检测研究现状概述

基于机器视觉的玻璃瓶缺陷检测研究现状概述

李康

淄博职业学院 智能制造学院 山东淄博 255314

摘要：本文对近年来国内外的玻璃瓶视觉检测技术进行总结和概括，并预测了未来玻璃瓶视觉检测技术的发展趋势。

关键词：机器视觉 玻璃瓶 缺陷 检测

玻璃瓶具有价格低廉、密封性能好、耐高温高压、可循环利用^[1]等显著优点，广泛应用于食品、药品、饮品等行业的产品包装中。然而，在玻璃瓶生产和使用过程中，由于具体工艺的复杂性，均不可避免的会有缺陷产生。如若使用缺陷瓶进行产品封装，轻则造成产品失效，重则危及消费者的生命安全^[2]。因此，对玻璃瓶进行缺陷检测就变得尤为必要。

传统的玻璃瓶缺陷检测主要依靠人工检测^[3]，存在着精度低、速度慢、易受主观情绪影响等缺点，无法满足企业生产过程中越来越高的精度和速度需求。机器视觉检测技术是伴随着数字图像处理发展起来的新兴技术，和人工检测相比较，具有速度快、准确率高和主观因素干扰小^[4-5]等优点，因此被越来越多的应用到现代企业生产当中，甚至成为某些企业必不可少的检测手段。本文就基于机器视觉的玻璃瓶缺陷检测技术研究现状进行论述和分析，同时探讨该技术存在的问题以及未来的发展方向，为后续的研究提供一定的参考和借鉴。

1.玻璃瓶视觉检测国外研究现状

国外机器视觉应用于玻璃瓶缺陷检测领域开始于上世纪中期，比较著名的设备集成开发商有德国的海富公司^[6]、克朗斯公司^[7]、美国的邦纳国际工程公司^[8]等。海富公司拥有几十年的食品、药品、饮品等的行业检测设备的开发经验，其检测设备种类齐全、模块化程度高，能够实现瓶底、侧壁、瓶口等部位的360度无损检测^[5]。克朗斯公司则研发了针对异形瓶的检测设备。美国的邦纳国际工程公司设计研发的机器视觉检测系统，解决了药品液体灌装液位的检测问题，目前该设备系统已广泛应用于世界各大知名制药企业。

目前国际市场的机器视觉系统，从结构上大致可以分为两类^[8-11]：一类是基于 PC 机进行的系统开发，此类系统开发商以美国国家仪器公司(NI)为代表，该类系统开发灵活、成本低廉，将机器视觉、运动控制和Labview虚拟仪器软件相融合，能够显著提高产品质量，广泛应用于现代工业生产领域的数据采集和仪器控制。另一类是基于专用集成电路进行的系统开发，这类系统开发商则以美国康耐视公司和德国西门子公司为代表，该类系统将图像采集和处理系统进行集成，同时能够提供多种外部接口，还可以在特定场景中可通过 PLC 构成测控网络。

2.玻璃瓶视觉检测国内研究现状

国内机器视觉应用于玻璃瓶缺陷检测领域起步于上世纪末期，伴随着改革开放的进行，我国在从国外引入设备的同时，也进行了玻璃瓶视觉检测设备的自主研发^[12]，在此领域国内较知名的企业为山东明佳、北京大恒、广州大元、成都术有、天朗科技等企业。其中山东明佳的检测设备种类较为丰富^[13]，天朗科技的检测设备高检测速度可达 60000 瓶/小时，北京大恒、广州大元、成都术有等企业也均能提供较为成熟的工业视觉检测解决方案^[14]。

相比较于企业，国内院校对玻璃视觉检测系统的研究则更多，并且取得了丰硕的成果。段峰^[9]等提出了将并联神经网络应用于瓶底瓶身检测的一整套方法，解决了诸如子神经网络训练、遗传算法搜寻等多神经网络应用的关键问题，并且进行了实验验证。陈雨杨^[15]等基于卷积网络模型，提出了瓶口缺陷检测和瓶底模号识别的网格优化方法，并且开发了基于PC端和移动端的可视化界面，取得了一定效果。林峰^[16]等将深度学习网络应用到玻璃瓶缺陷检测上，通过调整锚框的数量尺度以及选择合适的特征提取网格，实现了对小目标的玻璃瓶进行缺陷检测。王保军、张兴^[17]等就药瓶封装缺陷，提出了基于神经网络的图像匹配算法，判断玻璃瓶是否处于密封状态。

3.展望

随着人们对食品安全和医药健康重视程度的增加，玻璃瓶封装在我们的生活中的应用也越来越广泛，对玻璃瓶进行缺陷检测也就变得越来越重要，本文系统阐述了国内外有关玻璃瓶机器视觉检测技术的研究现状，同时预测如下未来可能的发展趋势：

（1）软件算法方面：目前的表面缺陷检测方法其较多的参数还是依靠人工进行设定，需要大量的先验知识作为基础，算法的计算效率和精度普遍较低，并且其通用性有待提高。因此，如何将现有软件算法进行优化创新，设计出效率高、精度好、通用性强的算法，是未来的一个发展方向。

（2）硬件系统方面：目前的机械结构中废品剔除单元仍然是单一的剔除单元，针对不同的缺陷类型，可以考虑进行分类剔除优化处理。再者，目前的系统光源仍然存在着光照不稳定、不均匀等缺陷，设计更加稳定均衡的光源系统，也是未来的一个发展趋势。

参考文献：

[1]高绍嵩, 范洪达, 魏宇. 基于机器视觉的玻璃瓶检测系统[J]. 海军航空工程学院学报, 2006, 21(2):285-288.

[2] 李艳红. 管制瓶综合参数图像检测系统的研究[D]. 合肥工业大学, 2007.

[3]周显恩, 王耀南, 朱青,等. 基于机器视觉的瓶口缺陷检测方法研究[J]. 电子测量与仪器学报, 2016(5):702-713.

[4]基于机器视觉的玻璃瓶在线检测系统研究与开发[J]. 机械与电子, 2013(11):67-70.

[5]周显恩. 饮料智能生产线玻璃瓶视觉检测方法研究[D].湖南大学,2019.

[6]https://heuft.com/.

[7]KRONES. http://www.krones.cn/.

[8]王保军. 基于机器视觉的药瓶封装缺陷检测系统研究[D].东北大学,2014.

[9]段峰. 啤酒瓶视觉检测机器人研究[D].湖南大学,2007.

[10]叶枫. 基于机器视觉的注塑药瓶缺陷检测系统研究与实现[D].武汉理工大学,2019.

[11] AHL , BGJ , BRW , et al. Object localization using positive features[J]. Neurocomputing, 2016, 171(C):463-470.

[12]江远. 医用管制玻璃瓶在线检测系统的研究[D].长春理工大学,2018.

[13]杨金凤. 机器视觉技术在空瓶检验系统中的研究与应用[D]. 山东大学. 2008.

[14]周航. 基于视觉测量的玻璃瓶缺陷检测[D].沈阳航空航天大学,2018.

[15]陈雨杨. 玻璃瓶缺陷和瓶底模号的识别与分类研究[D].成都理工大学,2020.

[16]林峰,张师嘉,傅莉.基于Faster R-CNN的玻璃瓶缺陷检测技术[J].沈阳航空航天大学学报,2021,38(03):47-52.

[17]张兴. 基于BP神经网络的药瓶封装缺陷识别技术研究[D].东北大学,2017.