1、啤酒生產(chǎn)廠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許多缺陷，必須在灌裝前進行清洗和檢測，剔除那些會影響啤酒質(zhì)量的次瓶。人工檢測啤酒瓶速度慢、效率低、漏檢率高，檢測人員很容易疲勞。而基于機器視覺技術(shù)的啤酒瓶視覺檢測機器人能夠?qū)崿F(xiàn)速度快、精度高的自動化檢測。我國對啤酒瓶視覺檢測設(shè)備的研究遠落后于發(fā)達國家。我國啤酒生產(chǎn)的大規(guī)模發(fā)展，急需國人的努力來彌補這一差距。為此，本論文對啤酒瓶視覺檢測機器人進行了深入、系統(tǒng)的研究。

2、 本論文介紹了啤酒瓶檢測的概念和市場需求以及相關(guān)的重要機器視覺技術(shù)，設(shè)計了啤酒瓶視覺檢測機器人的機械和電氣控制系統(tǒng)方案，深入研究分析了針對啤酒瓶瓶身、瓶底和瓶口的多種視覺檢測方法，研制了兩套檢測實驗系統(tǒng)、一臺樣機，完成了機械、電氣控制系統(tǒng)和軟件的設(shè)計、安裝和調(diào)試，并開發(fā)了一套用于啤酒瓶視覺檢測算法研究的軟件。 本論文的研究工作、主要成果和創(chuàng)新點包括以下幾個方面： 1．在總結(jié)了國外相關(guān)成果的基礎(chǔ)上，結(jié)合啤酒瓶檢測的

3、實際需求，提出了啤酒瓶視覺檢測機器人的整體設(shè)計方案。在機械結(jié)構(gòu)方面，提出直線式和旋轉(zhuǎn)式兩種機械傳動結(jié)構(gòu)，并詳細介紹了直線式啤酒瓶視覺檢測機器人的機械布局以及光學成像系統(tǒng)和照明方案。對于系統(tǒng)的電氣控制部分，本論文提出了基于P C機、基于DSP和基于視覺傳感器的三種結(jié)構(gòu)，分析了三種結(jié)構(gòu)的特點，并設(shè)計了系統(tǒng)的方案。 2．在分析了瓶身瓶底檢測需求的基礎(chǔ)上，首先提出了一種基于邊緣點直方圖的瓶身瓶底檢測區(qū)域的快速定位方法，測試了傳統(tǒng)邊緣檢測

4、算法在瓶身瓶底檢測中的應(yīng)用，證明傳統(tǒng)邊緣檢測算法還不能滿足實際檢測的要求；通過實驗分析提出了基于連通域特征和經(jīng)驗規(guī)則的有實用價值的檢測方法；并進一步改進了預處理算法，在大量實驗分析討論的基礎(chǔ)上，提出了高低頻段雙尺度預處理算法，其中包括相關(guān)函數(shù)法和輸出表修正的模糊推理法，實驗證明輸出表修正的模糊推理法有較好的預處理效果。 3．將神經(jīng)網(wǎng)絡(luò)用于瓶身瓶底檢測的缺陷判決，測試了單神經(jīng)網(wǎng)絡(luò)的應(yīng)用效果，實驗證明單一神經(jīng)網(wǎng)絡(luò)還不能滿足實際檢測的

5、要求。進一步討論了多神經(jīng)網(wǎng)絡(luò)的應(yīng)用，實驗證明傳統(tǒng)的多神經(jīng)網(wǎng)絡(luò)融合方法效果仍十分有限，在實驗分析的基礎(chǔ)上，最終提出了一整套將并聯(lián)多神經(jīng)網(wǎng)絡(luò)用于瓶身瓶底檢測的綜合方法。該方法解決了多神經(jīng)網(wǎng)絡(luò)應(yīng)用中特有的幾個關(guān)鍵問題，包括如何構(gòu)建子神經(jīng)網(wǎng)絡(luò)訓練樣本，如何訓練更適合團隊協(xié)作的子神經(jīng)網(wǎng)絡(luò)，以及如何用遺傳算法搜尋優(yōu)良子神經(jīng)網(wǎng)絡(luò)組合最終組成并聯(lián)多神經(jīng)網(wǎng)絡(luò)用于缺陷判決。實驗證明該方法優(yōu)于基于經(jīng)驗規(guī)則的判決方法。 4．在分析了啤酒瓶瓶口檢測特點的基礎(chǔ)上，

6、討論了基于重心法的瓶口定位方法，其中包括采用灰度和邊緣分割瓶口像素點的兩種方法，實驗證明這兩種方法還不能滿足實際檢測的要求。在此基礎(chǔ)上，詳細介紹了探測圓逐步逼近法和一種瓶口定位的綜合方法。前者使用一個不斷移動擴大的圓形模板搜索定位瓶口中心，后者基于霍夫變換原理并吸取了多種算法的優(yōu)點。這兩種方法都達到了很高的定位精度和速度，完全可以滿足實際需要；關(guān)于瓶口缺陷檢測，首先分析討論了兩種簡單方法：模板匹配法和環(huán)形掃描切線差分法，實驗證明這兩種方

7、法效果不佳；然后詳細介紹了基于徑向投影和經(jīng)驗規(guī)則的瓶口檢測方法以及基于串聯(lián)多神經(jīng)網(wǎng)絡(luò)的瓶口檢測方法。后者使用了兩層神經(jīng)網(wǎng)絡(luò)，底層神經(jīng)網(wǎng)絡(luò)負責以不同輸入模式多次檢測同一目標，高層神經(jīng)網(wǎng)絡(luò)負責融合底層神經(jīng)網(wǎng)絡(luò)的輸出信息，糾正其中的錯誤。實驗測試表明這兩種算法具有實用價值。 5．研制了兩套實驗系統(tǒng)、一臺樣機，開發(fā)了一套用于算法研究分析的軟件，構(gòu)建了啤酒瓶圖像數(shù)據(jù)庫，為本論文的系統(tǒng)方案設(shè)計和所有檢測算法研究提供了優(yōu)越的實驗平臺。實踐證明