导读:本文包含了空瓶检测论文开题报告文献综述、选题提纲参考文献，主要关键词:视觉,机器,缺陷,图像处理,啤酒瓶,图像,瓶底。
空瓶检测论文文献综述写法
陈儒侠,任德均,严扎杰,高永勋,付兴勇[1]（2018）在《基于机器视觉的注塑空瓶缺陷检测系统》一文中研究指出为了利用数字图像处理技术实现对注塑空瓶缺陷的自动检测,根据注塑瓶制造生产线的工作环境和检测要求,对注塑空瓶缺陷的光学特征进行分析,将注塑瓶空瓶检测分为3个工位检测,分别是瓶底检测、瓶身检测和瓶口检测。研究了检测过程中的图像获取、图像预处理、图像匹配、外围设备通信控制和可视化操作等关键技术,实现了一个适用于车间、基于机器视觉的在线生产检测的空瓶缺陷检测系统。测试显示,该视觉系统实时性好、可靠性高,能准确检测出有缺陷的不合格的空瓶并及时剔除,有效地提高了生产线的工作效率。(本文来源于《科技与创新》期刊2018年19期）
黄森林[2]（2018）在《啤酒空瓶检测机器人的瓶身缺陷检测算法研究及应用》一文中研究指出工业4.0和智能制造时代的到来,智能工厂和智能制造设备和产业已然成为了世界各国的共同焦点。在工业4.0中,饮料智能制造生产线是其中的一个重要应用场景。在饮料行业中,啤酒的生产大多采用回收旧瓶进行再生产,在对啤酒进行罐装之前都需要严格的对玻璃空瓶进行质量检测。传统的人工检测存在着很多的漏检,并且效率低、成本高。采用机器人视觉的方法,检测精度高、容错性强、速度快、成本低。本文主要研究基于机器视觉的瓶身缺陷检测单元的图像处理算法,旨在研发一套高性能的瓶身缺陷检测、识别算法。在对瓶身缺陷检测之前,首先需要确定瓶身在图像中的位置,好的瓶身定位算法可以大大降低瓶身缺陷检测算法的复杂度和提高检测速度。本文根据瓶身图像的空间特征提出了基于边缘点重心和基于垂直灰度投影极值点两种瓶身定位算法,定位精度在4个像素左右,平均定位时间为1ms,实验结果表明这两种算法可以很好的应用到瓶身缺陷检测的定位环节。由于瓶身瓶壁的透光率不一致,以及瓶身本身存在的LOGO文字和磨损的影响,瓶身各个部分的灰度值分布存在着较大的差异性,采用对瓶身图像的整体检测通常很难达到较好的效果。因此,本文根据瓶身图像的像素灰度值分布特点,提出了一种分区域瓶身缺陷检测算法。算法将瓶身图像分为光滑区域、耐磨带区域、LOGO文字区域叁个部分,对光滑区域采用基于超像素聚类的缺陷提取和超像素内像素均值特征的缺陷识别方法;对耐磨带区域提出了基于水平梯度算子的缺陷检测识别算法;对LOGO文字区域提出了基于改进的Canny边缘检测算子的矩形块提取和基于卷积神经网络的缺陷和LOGO文字识别算法。本文设计的瓶身缺陷检测算法,检测准确率能达到97%,运行平均时间为37ms,检测精度较高、速度快,能达到国际平均每小时72000瓶的速度,具有实际应用价值。(本文来源于《湖南大学》期刊2018-05-20）
范涛[3]（2018）在《空瓶检测机器人的啤酒瓶底缺陷图像识别方法》一文中研究指出在食品饮料行业中,食品饮料等在灌装前需要对空瓶进行缺陷检测。采用基于机器视觉技术的空瓶检测机器人检测与传统的人工检测相比,具有效率高、成本低等优点,因此其在食品饮料行业极具研究价值。本文针对基于机器视觉技术的空瓶检测机器人空瓶瓶底定位及缺陷检测算法进行研究。其中包括对瓶底图像采集方案的设计与改进,底层控制系统软件的设计与优化,瓶底图像中心定位方法以及图像缺陷识别检测方法的研究。目前,瓶底定位算法依然存在定位中心不准、时间长等难题,瓶底缺陷检测识别率也有待提高。在空瓶检测机器人的瓶底定位方法分析过程中,本文首先采用了传统的圆心定位方法,如重心法、最小二乘法、Hough变换法、叁点圆拟合法等分别对瓶底圆心进行定位,分析了几种定位方法的优缺点,总结了瓶底图像定位产生误差的原因。根据瓶底防滑纹的几何特征,提出一种改进的基于防滑纹位置的多次随机圆拟合定位方法。首先对瓶底图像进行预处理,尽量消除图像中存在的噪声干扰,然后采用重心法预定位获取初始圆心,径向扫描提取真实防滑纹边缘点,并以此为圆拟合算法的输入边缘,最后采用多次随机圆拟合算法对瓶底圆心定位,确定最终圆心位置。该方法有效减少了干扰点对定位的影响,与其他几种定位方法相比,本方法在精度和速度上均取得了较好的定位结果。通过对啤酒瓶底图像的缺陷类型及特征具体研究,提出将瓶底图像分为防滑区域和中心区域两部分分区域进行缺陷检测,对于瓶底中心区域,采用改进的基于轮廓特征的最小矩中心区域缺陷检测方法;对于瓶底防滑纹区域,采用基于区域分割的防滑纹区域瓶底缺陷识别方法。并采用支持向量机结合径向基核函数对瓶底缺陷特征进行分类。最后,设计了一个空瓶检测软件系统,对本文的算法进行验证。实验表明,瓶底定位误差小于6个像素(本文实验对象尺寸为648*483像素),每瓶检测时间在100ms以内,定位精度和速度均比之前的瓶底定位算法有较大提升。缺陷检测识别准确率为92.7%,具有较高的实用价值。(本文来源于《湖南大学》期刊2018-04-20）
陈卫[4]（2018）在《啤酒瓶定位准确性对空瓶检测机图像采集效果影响因素的研究及改进》一文中研究指出空瓶检测机是现代啤酒包装生产线上关键的在线检测设备,其图像采集的效果对啤酒瓶缺陷检测精度具有重要的影响,本文通过对啤酒瓶在检测区域定位的准确性对空瓶检测机图像采集效果影响因素的研究,分析各项影响因素成因并进行工业改进,以提高空瓶检测机的检测精度及产品质量。(本文来源于《中外酒业·啤酒科技》期刊2018年05期）
张郭[5]（2018）在《基于机器视觉的智能空瓶检测机器人研究》一文中研究指出随着先进技术的不断应用,生产效率大大提高、生产规模随之扩大,具有代表性的技术——智能空瓶检测技术取得了良好的应用效果,这在一定程度上会解放劳动力,扩大智能机器人应用空间。本文首先对机器视觉进行了定义介绍,然后分析了机器视觉的应用范围,最后重点探究了总体设计和系统研制。(本文来源于《中国高新区》期刊2018年05期）
范涛,朱青,王耀南,周显恩,刘远强[6]（2017）在《空瓶检测机器人瓶底缺陷检测方法研究》一文中研究指出针对当前瓶底圆心定位方法精度不高、瓶底防滑纹区域缺陷易误检等问题,利用瓶底防滑纹的几何特征,提出一种改进的基于变权重随机圆拟合的瓶底定位算法,首先采用重心法对瓶底圆心进行快速预定位,再采用变权重随机圆拟合法实现瓶底精定位。然后检测瓶底图像疑似缺陷区域,并提取区域面积、轮廓长度、圆形度、灰度方差和灰度均值等特征,采用支持向量机算法进行分类决策,检测出缺陷。实验表明,瓶底定位误差小于6个像素,缺陷检测准确率为92.7%,基本满足实际生产精度的要求。(本文来源于《电子测量与仪器学报》期刊2017年09期）
郑叶欣[7]（2017）在《高速高精度空瓶检测机器人瓶身质量检测算法研究与应用》一文中研究指出我国作为世界上的饮料大国,玻璃瓶是饮料的一种重要包装方式。在饮料灌装前需对饮料包装瓶进行质量检测。人眼检测效率低,工作环境恶劣,易出错。本文通过工业视觉检测的方式,以机器代替人眼,针对空瓶质量检测过程中,瓶身检测这一环节进行了研究与应用。提出了两种检测方法:以整体玻璃瓶为对象的检测方法和分区域的玻璃瓶瓶身为对象的检测方法。对于空瓶瓶身整体进行检测的方式,首先通过投影法实现玻璃瓶瓶身的快速定位,针对多种瓶型均可实现快速、准确的检测。然后通过输入玻璃瓶瓶身参数,实现玻璃瓶瓶身模型的建立,提取瓶身整体检测区域。对比了两种方法对玻璃瓶瓶身区域进行检测的效果.:其一通过阈值分割与边缘纠正的方法实现玻璃瓶瓶身质量检测,其二通过PCA降维的方式对输入图像实现主成分提取,将通过主成分提取的特征向量输入BP神经网络中训练神经网络,用于最终缺陷检测。两种方法均实现了玻璃瓶瓶身整体检测,其中第一种方法速度快,但精度相对较低;第二种方法准确率高,降维时间较长,需要大量的样本支撑。分区域的空瓶瓶身检测方式,依据玻璃瓶瓶身光路特性,对于玻璃瓶瓶身进行区域划分,将瓶身分为七个区域,分别归类为光滑区域、耐磨带区域、纹路区域和LOGO区域,针对不同区域,提出了不同的检测算法。针对光滑区域,提出了八邻域梯度阈值检测的方式;针对耐磨带区域,提出了水平梯度算子阈值分割的检测方式;针对纹路区域,提出了基于相位变换的纹路检测方式,根据相位一致性,通过相位变换去除玻璃瓶瓶身纹路,转换为光滑区域进行修正分割的阈值检测方式;针对LOGO区域检测时,通过改进的Canny算子实现LOGO区域的字符和缺陷区域提取,通过求取这两个区域的HOG特征,通过SVM对样本进行训练,利用RBF核函数实现LOGO区缺陷的检测分类器。玻璃瓶瓶身分区域检测速度快,效果较为准确,具有工业适用性。本文对高速高精度空瓶检测机器人瓶身检测进行了研究,以瓶身整体和分区域两种方式进行了研究,整体检测速度较快,但在特定区域准确性不足;分区域检测方法,实现了多区域的检测,牺牲了一定速度,但弥补了国内在字符和带纹路的玻璃瓶质量检测的空白。(本文来源于《湖南大学》期刊2017-04-20）
王海洲[8]（2017）在《饮料空瓶检测机器人软件系统研究与开发》一文中研究指出啤酒是饮料的一种,本文以回收啤酒瓶为研究对象。目前,我国啤酒销量已经连续多年位居世界第一,而用于生产的啤酒瓶80%是回收的旧瓶。回收的啤酒瓶可能存在各种缺陷,因此,必须在进行罐装前对回收瓶进行清洗和检测。传统的检测方式为人工灯检,要求工作人员在暗室中进行,配备简单的检测灯箱,通过目视检测回收瓶是否有缺陷,这种方法检查速度慢、操作繁琐、可靠性差和漏检率高,并且检测人员容易产生疲劳感。而基于机器视觉的回收瓶视觉检测机器人可以实现检测速度快、精度高、稳定性好全自动检测。当前我国在回收瓶检测设备方面的技术远远落后于发达国家,随着我国的啤酒产业高速发展,急需我国在这一方面的技术有所突破。为此,本论文对回收瓶视觉检测机器人进行了深入、系统的研究。本论文的研究工作、主要成果和创新点包括以下几个方面:1、本文在深入研究了国外相关成果的基础上,主要介绍了回收啤酒瓶视觉检测的概念和国内市场的需求,以及与视觉检测息息相关的机器视觉技术,最后介绍了机器视觉在各行业中的应用。总结了国外研发的回收瓶视觉检测机器人的相关成果。2、饮料空瓶检测机器人的总体设计,主要研究了回收瓶检测机器人的系统及其基本结构。首先,在机械结构中介绍了直线式传送系统和各结构的功能作用。其次,介绍了坏瓶剔除系统及其工作原理。在回收瓶检测机器人电气控制系统中介绍了基于工控机的控制系统方案,控制系统由一台西门子S7-200PLC实现。3、介绍了数字图像处理技术在回收瓶检测机器人中的应用。对于瓶口图像定位,提出了基于随机点霍夫变换圆检测方法。对于瓶底图像定位,首先用梯度法霍夫圆定位进行初步定位,然后利用阈值分割、轮廓提取和圆拟合进行精确定位。4、研制了回收瓶实验样机,完成了整个实验系统的机械、电气控制部分的设计、安装和调试,介绍了基于工控机的回收瓶检测机器人的工作流程和软件构架,用Micosoft Visual Studio 2012开发了基于工控机的整套软件平台,并建立了算法数据库。通过检测系统和样机的研发,发现并解决了许多一开始没考虑到的实际问题,为下一步的研发积累了大量的实际经验。(本文来源于《湖南大学》期刊2017-04-20）
彭玉[9]（2017）在《饮料空瓶检测机器人的瓶口缺陷识别算法研究》一文中研究指出空瓶检测机器人是一种基于视觉感知的智能检测机器人,主要应用于食品饮料行业,在饮料灌装前对饮料空瓶进行全方位的缺陷检测,并剔除缺陷瓶,为灌装安全与饮料质量把好关。空瓶检测机器人是一种高速高精度智能制造装备,装备的整体性能直接影响到饮料生产线的生产效率,设计合适的视觉检测方案并开发高速高精度的图像处理算法是提升整体装备性能的关键技术之一。本文主要研究瓶口检测单元的图像处理算法,旨在研发一套能达到较高性能指标的瓶口缺陷识别算法。进行瓶口缺陷识别之前,首先要对瓶口进行定位,瓶口定位算法定位精度不高,定位时间长,一直是一项难题。本文研究现有文献中出现过的瓶口定位算法,总结定位结果出现偏差的叁大因素,设计了一种四圆周瓶口圆心定位方法,能达到圆心偏差小于3个像素的定位精度,定位时间小于15毫秒。另外,本文定义圆心准确度为:当前定位圆心的圆周投影峰值与最佳瓶口圆心的圆周投影峰值的比值,通过在小范围内移动圆心并根据圆心准确度进行圆心校准,能达到圆心偏差小于1个像素的定位精度,但圆心校准时间较长。定位到瓶口圆心之后我们将瓶口区域展开为瓶口矩形,但是瓶口高光区域和阴影区域会互相干扰,影响缺陷识别。于是本文设计了一种分割瓶口高光区域的方法,首先通过检测瓶口圆周投影曲线的上升沿和下降沿,提取出瓶口高光区域,然后从原图中减去高光区域,并在原高光区域的邻域阴影区域内选取像素来填充空白区域,得到无高光瓶口还原图。提取出瓶口高光区域后,将对瓶口高光区域和无高光瓶口还原图分别进行缺陷识别。高光区域采用径向投影法,缺陷的投影值很低,因此对投影曲线进行凹型波谷检测,凹型波谷的长度达到设定阈值即被识别为缺陷。无高光瓶口真实还原图采用滞后阈值分割法,设置两个阈值,较高的阈值用来定位缺陷位置,较低的阈值用来分割缺陷面积,若缺陷面积达到设定尺寸即被识别为缺陷。本文设计的瓶口缺陷识别算法,能达到99%的坏瓶召回率,运行时间低于30毫秒。高于目前国际水平的72000瓶每小时的运行速度。具有实际使用价值。(本文来源于《湖南大学》期刊2017-04-20）
郑叶欣,王耀南,周显恩,蒋笑笑,彭玉[10]（2017）在《基于POBT的空瓶规则纹路区域缺陷检测》一文中研究指出现有的玻璃瓶瓶身质量检测方法中,缺乏对有纹理图案的玻璃瓶的缺陷检测,针对这一问题,提出一了种仅基于相位变换(phase only based transition,POBT)的玻璃瓶纹理区域缺陷检测算法。该算法采用基于灰度投影的方法求取玻璃瓶瓶身中心坐标,利用基于相位的变换方法,通过归一化过程去除玻璃瓶规则纹路区域的低频纹路分量,仅保留下缺陷图像,应用概率修正自适应阈值分割方法对经过POBT变换后去除纹理留下的缺陷的图像进行分割,提取缺陷,并将该分割方法与3种传统型的方法进行对比。实验结果表明,该方法可实现瓶身规则纹路区域的高速高精度缺陷检测。(本文来源于《电子测量与仪器学报》期刊2017年04期）
空瓶检测论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
工业4.0和智能制造时代的到来,智能工厂和智能制造设备和产业已然成为了世界各国的共同焦点。在工业4.0中,饮料智能制造生产线是其中的一个重要应用场景。在饮料行业中,啤酒的生产大多采用回收旧瓶进行再生产,在对啤酒进行罐装之前都需要严格的对玻璃空瓶进行质量检测。传统的人工检测存在着很多的漏检,并且效率低、成本高。采用机器人视觉的方法,检测精度高、容错性强、速度快、成本低。本文主要研究基于机器视觉的瓶身缺陷检测单元的图像处理算法,旨在研发一套高性能的瓶身缺陷检测、识别算法。在对瓶身缺陷检测之前,首先需要确定瓶身在图像中的位置,好的瓶身定位算法可以大大降低瓶身缺陷检测算法的复杂度和提高检测速度。本文根据瓶身图像的空间特征提出了基于边缘点重心和基于垂直灰度投影极值点两种瓶身定位算法,定位精度在4个像素左右,平均定位时间为1ms,实验结果表明这两种算法可以很好的应用到瓶身缺陷检测的定位环节。由于瓶身瓶壁的透光率不一致,以及瓶身本身存在的LOGO文字和磨损的影响,瓶身各个部分的灰度值分布存在着较大的差异性,采用对瓶身图像的整体检测通常很难达到较好的效果。因此,本文根据瓶身图像的像素灰度值分布特点,提出了一种分区域瓶身缺陷检测算法。算法将瓶身图像分为光滑区域、耐磨带区域、LOGO文字区域叁个部分,对光滑区域采用基于超像素聚类的缺陷提取和超像素内像素均值特征的缺陷识别方法;对耐磨带区域提出了基于水平梯度算子的缺陷检测识别算法;对LOGO文字区域提出了基于改进的Canny边缘检测算子的矩形块提取和基于卷积神经网络的缺陷和LOGO文字识别算法。本文设计的瓶身缺陷检测算法,检测准确率能达到97%,运行平均时间为37ms,检测精度较高、速度快,能达到国际平均每小时72000瓶的速度,具有实际应用价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
空瓶检测论文参考文献
[1].陈儒侠,任德均,严扎杰,高永勋,付兴勇.基于机器视觉的注塑空瓶缺陷检测系统[J].科技与创新.2018
[2].黄森林.啤酒空瓶检测机器人的瓶身缺陷检测算法研究及应用[D].湖南大学.2018
[3].范涛.空瓶检测机器人的啤酒瓶底缺陷图像识别方法[D].湖南大学.2018
[4].陈卫.啤酒瓶定位准确性对空瓶检测机图像采集效果影响因素的研究及改进[J].中外酒业·啤酒科技.2018
[5].张郭.基于机器视觉的智能空瓶检测机器人研究[J].中国高新区.2018
[6].范涛,朱青,王耀南,周显恩,刘远强.空瓶检测机器人瓶底缺陷检测方法研究[J].电子测量与仪器学报.2017
[7].郑叶欣.高速高精度空瓶检测机器人瓶身质量检测算法研究与应用[D].湖南大学.2017
[8].王海洲.饮料空瓶检测机器人软件系统研究与开发[D].湖南大学.2017
[9].彭玉.饮料空瓶检测机器人的瓶口缺陷识别算法研究[D].湖南大学.2017
[10].郑叶欣,王耀南,周显恩,蒋笑笑,彭玉.基于POBT的空瓶规则纹路区域缺陷检测[J].电子测量与仪器学报.2017