特征提取算法填充等级和灌装机的检验

《特征提取算法填充等级和灌装机的检验》由会员分享，可在线阅读，更多相关《特征提取算法填充等级和灌装机的检验（4页珍藏版）》请在金锄头文库上搜索。

1、2011 年国际会议上的模式分析和智能机器人 2011 年 6 月 28 日，Putrajaya, Malaysia特征提取算法填充等级和灌装机的检验Leila Yazdi#1, Anton Satria Prabuwono#2, Ehsan Golkar#3#Center for Artificial Intelligence Technology (CAIT), Faculty of Information Science and Technology, Universiti Kebangsaan Malaysia, 43600 UKM Bangi, Selangor D.E., Mala

2、ysia 2antonsatriaftsm.ukm.my 摘要自动化视觉检测系统（AVIS）能自动改善瓶质量，而不是通过人工的手 段来检查产品的。安飞士自动检测往往能分类产品图像，通过图像处理和人工 智能技术来检测。由于装瓶是最常见的，在食品和医疗等行业的包装风格各不 相同，在本文我们将集中对瓶的视觉检查来做研究。检查封帽质量高低和检查 液面高低是本文的核心，其中检查瓶液水平已调查达到优化瓶产品质量的目的。 因此，需要研究这些系统的硬件和模块等方面。此外，瓶液检查新技术与以前 的其他工作有所不同。那么，我们将提出一个特征提取在检查帽封闭和液位的 算法瓶子的方法。在同一系统中，根据新提出的方法

3、，我们的系统分为三种情 况：上限水平条件下的三种可能和三种液体的情况。因此对该系统的情况进行 调查是非常有必要的。 算法系统接受系统的液体时，水平是在正确的位置，并 在正常的上限为条件。其他情况下，将被拒绝。正确的算法提出如何使用瓶视 觉检测技术是为了达到最佳的液位与高品质的封帽。关键词特征提取，瓶检查，帽封闭I. 引言引言计算机视觉系统，一般是指系统从数字图像中提取所需的功能。增加场景 从输入图像的理解是主要目标这些系统1。视觉系统中的应用以生产过程自动 化的行业被视为机器视觉2。它被定义为自动视觉检测（AVI）的尝试时检查， 并承认使用的缺陷只有产品图片（质量控制）3。事实上，人类督察慢，

4、他们 的效率是由他们的影响国家的疲惫，疾病或其他人的缺点。在一些应用程序， 他们需要达到适当的技能培训。此外，有时是特殊环境是相当危险的，不利于 人的操作2。另一方面，特别是在制造环境中，它是要提高质量控制和生产力， 为了保持优势超过其竞争对手。有关智能视觉检测系统（IVIS）不同的科目， 如模式识别，图像处理，机器学习，图像分析，信号人工视觉处理软件和硬件的背后系统以及人工智能（AI）技术。这些技术已被广泛的研究安飞士通过合 并，提出高层次目测这些领域4。 在本文中，我们将集中于啤酒制造行业，这是一个主要是适用在包装行业 的包装方法。饮料及食品行业，牛奶行业，医药行业及其他化工产品行业是这

5、个最重要的样本工作行业。在这方面，灌装准确，检查帽封闭，分拣回收塑料 瓶，玻璃之间的承认瓶和 PET 瓶，上填充或下填充的检查，验证标签的质量和 缺陷产品的检测一些重要的参数，这似乎是必要的进行检查。工业视觉系统是 无法处理在各个领域的应用2中的所有任务。这意味着每个系统由于其特定的 要求和它的局限性需要特别是应考虑的技术。因此，对于任何应用程序，特别 要求需要达到优化系统受其定义参数。因此任何应用程序的原则问题应该分开 讨论。 所有瓶视觉检测为基本组成部分任何其他安飞士显示图。 1。第一步设计 一个视觉检测系统，图像采集这是关注硬件设备增加为进一步处理5的初始图 像的质量。正如我们知道，摄像

6、功能（摄像机的数量，种类和位置） ，传送带的 速度和背景的颜色有对图像质量的重要后果。此外，位置和光线的亮度是显着 的因素检查系统的设计（例如在反射率，尤其是当瓶子是透明的）9。图像捕 捉后，有必要时使用的计算技术进行筛选，分析，恢复，压缩和重建图像在图 像中删除各类噪声和提高其 472011 年国际会议上的模式分析和智能机器人2011 年 6 月 28 日至 29 日，马来西亚普特拉贾亚 978-1-61284-406-0/11/$ 26.002011 IEEECVIP-09 质量。此外，简化的数字图像， 像素需要分区和标记。线或曲线内部的图像应正确识别。事实上，相关信息从 减少数据被提取到

7、的图像需要套。从以前的步骤，根据特征向量将验证对象的 身份，以决定检查的对象属于哪一类。类独特和独家。监督分类可以在此步骤 使用。一般分类算法都灌装机的训练和测试部分。神经网络，模糊，SVM 和神 经模糊的一些适用的分类。在本文中，我们已经调查了瓶的基本原则目视检查。此外，我们已经提出 了不同的灌装机和最新的方法和技巧算法已表示。在这项研究中，我们一直致力于调查两个瓶的质量检验：帽封闭和含量的检测水平。我们提出安飞士检查 这两个参数。此外，我们有检测帽的特征提取算法内容的条件和水平，它已解 释完全通过数字。 II.II. 提前准备提前准备在 2007 年，一个 15 厘米的距离内的低端摄像头瓶

8、盖用于检测帽封闭。也暗 瓶的背景选择和输送速度 106 转。图像采集的精度已达到 94.264的移动瓶。 为了提高图像的质量，他们选择了一个合适的阈值增加图像的对比度。索贝尔 算法应用边缘检测技术。而且一回的传播应用神经网络系统，以确定三瓶盖的 情况：无帽和错位帽的情况下将被拒绝，正常情况下，将获得验收5。为了检查融合瓶的含量水平，HIK 作为 IP 摄像机，联网视觉 DS-2CD812PF 计算机和报警6。 Sobel 算子的算法为应用和提高边缘检测分为两个方向垂 直和水平边缘。据说，图像 bineryzation 已应用于找出阈值之后，过滤的方法 进行。找到水平线，水平投影已被使用。笔者的

9、技术有 99的准确度，当光线 变化和 100时输液瓶倾斜。Canny 算，记录和 ISEF 的边缘检测性能已经比较方法测量液体水平瓶。据 推测，这些方法都更准确与传统方法相比7，因为另一个强大的技术在图像分 割阈值。两个二维 Otsu 算法，提出了指示一维具有更快的速度和阻力的正面 噪音，但确实有一些缺点，应采取考虑到，如需要使用大量的空间和有精度低 时，它是不够的8。在瓶分类的情况下，有各种不同这是适用于瓶检查的方法技术。在玻璃的 缝隙缺陷检测瓶以回收瓶使用低级别和高级别神经10网络。此外，他们继续 他们的工作模糊支持向量机（FSVM） ，最多时达到 98的准确率11。参考文 献12在调查盖

10、子玻璃瓶应用模糊支持向量机，后来有分类他们的系统由 FSVMNN 的（模糊支持向量机神经网络）13。他们的分类是准确的高达 97。 参考文献14在一个改善神经培训的情况下网络作为一个分类，提出区的神经 网络是模式识别中的更强大。参考文献15采用了形状和形态操作要区分不同 的塑料瓶。事实上， 形态学方法已用于功能直方图的提取和获得。此外，他们有神经网络作为分类。 他们的方法降低功能数据设置正确。 在具体案件的装瓶机这是能够识别分类系统的开发瓶从它们的颜色和小号 ynthesis16。他们采用了 CCD 相机与二次色分类认可。另一个分拣塑料的开 发系统17瓶组成。他们有提出自动罗伊斯特征提取为了塑

11、料瓶瓶分为宠物和 非宠物。结果表明：80的准确率。 III.III.本文方法本文方法正如我们已经解释过，在瓶视觉检测系统，液位检测和封帽单独检查。在 本文中，我们将提出一个自动视觉检测系统（AVIS）是有能力调查同时检测液 位和帽封闭在装瓶机，还没有的东西尚未完成。首先，我们提出一般的模块和 这是在我们的系统所必需的图像处理方法。然后，我们会说明我们的特征提取 （FE）的技术。 数字从塑料瓶被捕获。 A. 建议模块 在这一部分，使该系统的基本模块被解释一步一步来。有 7 个模块，它们 之间的关系显示在图（图 2） 。事实上，此图给出了一个建议的普遍看法系统。1) 图像采集条件：为了减少光反射问题，尤其是在玻璃瓶瓶，我们假设 LED 作为照明源。此外，我们假设我们瓶子是没有任何标签。瓶的背景将光线 和相机捕捉的形象，从一个侧面瓶。2)图像采集条件：为了减少光反射问题，尤其是在玻璃瓶瓶，我们假设 LED 作为照明源。此外，我们假设我们瓶子是没有任何标签。瓶的背景将光线 和相机捕捉的形象，从一个侧面瓶。3)图像分割：这一步显示最在我们的研究的有效性。由于这个系统应该能 够以及确定水平线，如边缘检测精明，日志和二维索贝尔将适用。我们更好的 边缘，建议采用适当的门槛检测。4)形态技术：使用边缘检测后可用于消除噪音方法，形态闭幕达到的边缘和 线条更明显。