74 - 食品科学技术学报页
基本HTML版本
第 卷 第 期
2014
年
7
月
食 品 科 学 技 术 学 报
Journal of Food Science and Technology
Jul. 2014
doi:10. 3969 / j. issn. 2095鄄6002. 2014. 04. 013
文章编号
:
2095鄄6002(2014)04鄄0069鄄06
引用格式
:
郭克友
,
廉丽冰
,
李娜
.
基于
BP
神经网络的啤酒瓶口检测方法
.
食品科学技术学报
,2014,32(4):69 - 74.
GUO Keyou, LIAN Libing, LI Na. Method of beer bottle mouth inspection based on BP neural network. Journal of Food
Science and Technology, 2014,32(4):69 - 74.
基于
BP
神经网络的啤酒瓶口检测方法
郭克友
,
摇
廉丽冰
,
摇
李
摇
娜
(
北京工商大学 材料与机械工程学院
,
北京
摇 100048
)
摘
摇
要
:
运用
BP
神经网络可以实现啤酒瓶口的破损检测
.
首先获取啤酒瓶口图像
,
并进行图像处
理
.
然后计算啤酒瓶口的周长
、
面积
、
圆形度和相对圆心距离
4
种特征参数
,
由这
4
种特征参数构
成特征向量组
.
其次建立结构为
4-7-1
的
BP
神经网络模型
,
将特征向量组作为神经网络的输入
.
最后对啤酒瓶口破损情况进行训练
,
根据训练结果获得权值和阈值矩阵
,
通过逻辑转换关系获得啤
酒瓶口的破损情况
.
经实验验证该方法具有很好的准确度和检测效率
.
关键词
:
BP
神经网络
;
破损检测
;
特征向量
;
瓶口
中图分类号
:
TS261郾 7
;
TS262郾 5
;
TP391摇 摇 摇 摇 摇 摇
文献标志码
:
A
收稿日期
: 2013 10 03
基金项目
:
北京市属高等学校人才强教计划资助项目
(PHR20110876).
作者简介
:
郭克友
,
男
,
副教授
,
博士
,
主要从事机器视觉方面的研究
.
摇 摇
目前
,
国内啤酒瓶的回收利用在啤酒行业仍然
占据主要份额
(
根据数据统计重复使用率高达
85% )
[1]
,
为确保产品质量
,
需要对回收的啤酒瓶进
行严格的检测
,
若有破损
、
裂痕等情况
,
则不能再次
使用
.
在啤酒生产和包装过程中
,
许多环节已实现
自动化
,
但啤酒瓶破损情况仍然依靠人工检测
.
人
工检测的效率不高
,
长时间对视瓶口和重复同样的
动作
,
会使人产生疲劳综合症
.
而机器视觉具有可
重复性
、
长期性和高速性等特点
,
可利用机器视觉来
对啤酒瓶口进行智能化检测
[2 - 4]
.
本文对机器视觉
技术在啤酒瓶口检测中的应用进行探讨与研究
,
并
给出了一种可用于工业上检测啤酒瓶口的方法
———
基于
BP
神经网络的啤酒瓶口检测方法
.
1摇
啤酒瓶口图像的采集和处理
采集啤酒瓶口图像的模拟检测装置如图
1,
该
装置由
CCD
相机
、
镜头
、
环形照明装置和转动机械
平台等组成
.
采集的原始图像如图
2( a),
采用黑色
背景
,
可减少外界环境的噪声干扰
.
对啤酒瓶口破损情况分析
,
可明显看出啤酒瓶
口图像中
,
具有破损的区域的灰度值和正常区域的
灰度值存在很大差异
[5]
.
在检测破损之前
,
首先对
啤酒瓶口进行图像处理
.
图像处理步骤包括
:
除去
瓶内无关像素
,
预处理
,
形态学处理
,
以及采用
hough
圆定位法对啤酒瓶口的圆心进行定位
[6 - 7]
,
整个图像处理过程的效果如图
2.
预处理的过程采用最基本的图像处理方法
,
首
先进行灰度化处理
,
便于分析图像特征
;
然后进行直
方图均衡化
,
加强图像的对比度
;
最后进行阈值分
割
,
使图像有用特征更为突出
[8 - 10]
.
形态学的处理首先采用闭运算腐蚀来填充啤酒
瓶口二值图像中瓶口轮廓内部存在的细小空洞
,
并
使相邻的区域连通
;
然后采用平滑处理
,
改善图片质
量
;
最后进行开运算腐蚀
,
使图像中原有较大面积的
轮廓边界变得平滑
,
一些微小的孤立像素点将会被
去除
[11 - 12]
.
啤酒瓶口的位置可选择最常用的
Hough
圆变
换法
[13]
.
执行该算法所需要的时间较短
,
可满足系
统的检测速度要求
,
并且具有很好的鲁棒性
.
经过以上图像处理操作后
,
啤酒瓶口图像中的
96
