作者：郑晓敏
目前国内主要采用人工灯检法来检测酒液异物，其检测成本高、检测结果易受人为因素影响。
基于机器视觉的检测方法，具有检测准确率高、稳定性强等优点，逐步取代人工灯检法，成为酒液异物检测研究与应用的趋势。酒液中微小异物的检测结果容易受到容器表面等背景因素干扰，因此采用序列图像下的运动目标提取与跟踪相结合的方法，以提高异物检测的准确率。为满足酒液异物的检测需求，本文研究一种基于机器视觉的酒液异物智能检测方法。
1酒液异物智能检测系统设计
酒液异物在静止状态时，一般停留在酒瓶底部。为了准确检测出酒液异物，减小背景因素干扰，本检测方法采用翻转急停方式，将瓶装酒液翻转180。后，利用定位夹具使其急停，由相机采集序列图像后上传至计算机中处理，计算机根据处理结果通过运动控制卡来控制酒液产品移向合格或不合格方向。
检测系统包含硬件采集控制设备和软件检测算法。硬件采集控制设备结构框图如图1所示，包括千兆网工业相机、LED面光源、瓶装酒液、定位夹具、计算机、运动控制卡及辅助设备。
采集到序列图像后，进行软件检测算法处理。软件检测算法流程如图2所示。
2异物的算法检测
根据图2的检测流程，异物检测算法包括图像滤波预处理、异物目标提取、异物目标跟踪和目标路径解析判断这4个过程。
2.1 图像滤波预处理
工业相机采集的图像存在随机噪声干扰。根据酒液异物及噪声特点，本文采用中值滤波和高斯滤波的加权去噪方法，操作后的图像如式(1)所示：
其中：I1(z，y)为高斯滤波处理后的图像；I2(x，y)为中值滤波处理后的图像；a为滤波权值。
2.2 异物目标提取
图像经滤波预处理后，采用运动目标检测方法来提取酒液中的异物目标。目前，运动目标检测的主要方法有帧间差分法、光流法及背景减除法。帧间差分法的检测结果容易受到帧间时间间隔的影响；光流法因检测速度慢、抗干扰性低而无法进行实时检测；背景减除法因检测速度快、检测结果较完整而作为本文的异物目标提取方法。
为了有效提取出酒液中的微小异物目标，本文采用中值背景减除法与最大熵阈值分割法相结合的算法提取可疑异物目标，其操作流程如图3所示。
根据图3中的目标提取流程，取前N帧预处理后的图像进行“中值法”操作作为背景图像，并将后续帧图像与背景图像进行背景减除法操作。具体操作如式(2)所示：
其中：fk(x，y)为第k帧图像在(x，y)处灰度值；B(x，y，)为背景图像，是前N帧图像经中值法函数Med{…）操作后的像素值；D，(x，y)为差分图像d，(x，y)经阈值f’二值化后的结果。
阈值t*通过最大熵法获得，具体操作如下：
(1)统计背景减除后的差分图像结果的直方图分布情况，并求出最大灰度级L：
其中：n，为灰度级i的像素数；n为总像素数；p，为灰度级i的概率。
(2)取初始阈值￡为0，可以得到背景区域熵H,,和目标区域熵H，：
其中：p(f)为灰度级从0到t的概率和；y(t)为阈值t的目标函数。
(3)遍历阈值t从0到L，重复步骤(2)，得到y(t)取最大值时的阈值t*，即为差分图像的二值化阈值。为增强酒液微小异物信息，减少噪声干扰，将差分结果进行形态学膨胀及连通性分析操作，具体操作如式(5)所示：
其中：A为3×3的方形结构元素，用来对二值图像X进行膨胀运算操作；L8 (1)为8邻域连通分析后的第i个连通区域；T8为8邻域连通阈值常数，由异物检测精度决定。
2.3 异物目标跟踪
经可疑异物目标提取后，进行异物目标跟踪，以获得目标在序列图像中的运动路径。本文采用窗口目标搜索匹配法进行异物目标跟踪。目标跟踪的操作流程如图4所示。
根据图4中的目标跟踪流程，按照面积从大到小来跟踪首帧图像的异物目标，如果存在一个目标满足异物条件，则停止跟踪，判断酒液不合格；否则继续首帧图像中下一个面积目标的跟踪，直到所有目标跟踪完毕为止，此时判断酒液合格。
其中：dy，为第i帧与第/-1帧匹配目标速度差值；dy，为初始向下运动目标在后续帧的匹配目标速度；Dy为匹配目标的帧间高度坐标差值和；Dy。hresh。．a为差值和的阈值常数，由酒液运动速度决定；m为算法检测的最大帧数。
3实验结果
采用本文研究的智能检测方法，检测某厂家生产的500 mL瓶装酒液。硬件采集控制设备包括有2 GB内存的计算机，分辨率为200万像素的千兆网CCD黑白工业数字相机，红光LED面光源，运动控制卡及辅助设备；软件检测算法通过VC++2010及OpenCV来编程实现。
实验样本包括300瓶含异物酒液及200瓶无异物酒液，其中毛发、絮状物、颗粒3种异物酒液各100瓶。本文方法的检测结果如图5和表1、表2所示。
从图5跟踪结果可以看出，三类异物的跟踪结果都为向下的完整跟踪路径，而无异物的跟踪结果为向上或不完整的跟踪路径，根据两者的路径区别可以准确判断出酒液中是否含有异物。
从表1和表2的对比结果中可以看出，本文方法的漏检率和误检率都不超过5%，优于人工灯检结果。
4结论
本文提出了一种针对酒液异物的智能检测系统，通过实验结果验证了本文提出的方法能够实时准确地检测出酒液中的异物，优于传统的人工灯检法。
5摘要：针对酒液异物的检测问题，研究了一种基于机器视觉的智能检测方法。将该方法采集的序列图像进行加权滤波预处理；应用中值背景减除和最大熵阈值法提取出可疑异物区域；利用窗口目标搜索匹配法进行异物目标跟踪操作；根据目标跟踪路径来判断酒液中是否存在异物。实验结果表明，该方法具有较低的漏检率和误检率，较高的检测精度，能够实时有效地完成酒液异物检测。
