啤酒生产厂商大都采用可以回收使用的玻璃啤酒瓶。回收的啤酒瓶可能被污染或存在许多缺陷,必须在灌装前进行清洗和检测,剔除那些会影响啤酒质量的次瓶。人工检测啤酒瓶速度慢、效率低、漏检率高,检测人员很容易疲劳。而基于机器视觉技术的啤酒瓶视觉检测机器人能够实现速度快、精度高的自动化检测。我国对啤酒瓶视觉检测设备的研究远落后于发达国家。我国啤酒生产的大规模发展,急需国人的努力来弥补这一差距。为此,本论文对啤酒瓶视觉检测机器人进行了深入、系统的研究。本论文介绍了啤酒瓶检测的概念和市场需求以及相关的重要机器视觉技术,设计了啤酒瓶视觉检测机器人的机械和电气控制系统方案,深入研究分析了针对啤酒瓶瓶身、瓶底和瓶口的多种视觉检测方法,研制了两套检测实验系统、一台样机,完成了机械、电气控制系统和软件的设计、安装和调试,并开发了一套用于啤酒瓶视觉检测算法研究的软件。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.在总结了国外相关成果的基础上,结合啤酒瓶检测的实际需求,提出了啤酒瓶视觉检测机器人的整体设计方案。在机械结构方面,提出直线式和旋转式两种机械传动结构,并详细介绍了直线式啤酒瓶视觉检测机器人的机械布局以及光学成像系统和照明方案。对于系统的电气控制部分,本论文提出了基于PC机、基于DSP和基于视觉传感器的三种结构,分析了三种结构的特点,并设计了系统的方案。2.在分析了瓶身瓶底检测需求的基础上,首先提出了一种基于边缘点直方图的瓶身瓶底检测区域的快速定位方法,测试了传统边缘检测算法在瓶身瓶底检测中的应用,证明传统边缘检测算法还不能满足实际检测的要求;通过实验分析提出了基于连通域特征和经验规则的有实用价值的检测方法;并进一步改进了预处理算法,在大量实验分析讨论的基础上,提出了高低频段双尺度预处理算法,其中包括相关函数法和输出表修正的模糊推理法,实验证明输出表修正的模糊推理法有较好的预处理效果。3.将神经网络用于瓶身瓶底检测的缺陷判决,测试了单神经网络的应用效果,实验证明单一神经网络还不能满足实际检测的要求。进一步讨论了多神经网络的应用,实验证明传统的多神经网络融合方法效果仍十分有限,在实验分析的基础上,最终提出了一整套将并联多神经网络用于瓶身瓶底检测的综合方法。该方法解决了多神经网络应用中特有的几个关键问题,包括如何构建子神经网络训练样本,如何训练更适合团队协作的子神经网络,以及如何用遗传算法搜寻优良子神经网络组合最终组成并联多神经网络用于缺陷判决。实验证明该方法优于基于经验规则的判决方法。4.在分析了啤酒瓶瓶口检测特点的基础上,讨论了基于重心法的瓶口定位方法,其中包括采用灰度和边缘分割瓶口像素点的两种方法,实验证明这两种方法还不能满足实际检测的要求。在此基础上,详细介绍了探测圆逐步逼近法和一种瓶口定位的综合方法。前者使用一个不断移动扩大的圆形模板搜索定位瓶口中心,后者基于霍夫变换原理并吸取了多种算法的优点。这两种方法都达到了很高的定位精度和速度,完全可以满足实际需要;关于瓶口缺陷检测,首先分析讨论了两种简单方法:模板匹配法和环形扫描切线差分法,实验证明这两种方法效果不佳;然后详细介绍了基于径向投影和经验规则的瓶口检测方法以及基于串联多神经网络的瓶口检测方法。后者使用了两层神经网络,底层神经网络负责以不同输入模式多次检测同一目标,高层神经网络负责融合底层神经网络的输出信息,纠正其中的错误。实验测试表明这两种算法具有实用价值。5.研制了两套实验系统、一台样机,开发了一套用于算法研究分析的软件,构建了啤酒瓶图像数据库,为本论文的系统方案设计和所有检测算法研究提供了优越的实验平台。实践证明,所研发的实验系统、样机和分析软件具有极高的科研实用价值,在检测算法的研究中发挥了重要的作用,既节约了开发时间和经济成本,同时也为本课题研究拓展理论深度和挖掘研究潜能提供了坚实的基础。本论文通过理论分析研究和大量实验证明了所提出的啤酒瓶视觉检测机器人的光、机、电体系结构的合理性以及针对啤酒瓶瓶口、瓶底、瓶身的检测方法的有效性和可行性,解决了实际应用中的大部分问题,为进一步的研究开发奠定了很好的基础。