CN116858838B - 一种瓶状物瑕疵检测系统及方法 - Google Patents

Abstract

本发明公开了一种瓶状物瑕疵检测系统及方法，涉及瓶状物瑕疵检测技术领域，通过设置生产数据收集模块在瑕疵检测前，收集药瓶的生产过程数据；设置药瓶数据收集模块收集每个药瓶的瓶体以及瓶盖的图像数据，利用图像获取设备捕获瓶体以及瓶盖的三视图图像；设置瓶体瑕疵检测模块根据瓶体图像对瓶体瑕疵检测，并获取瓶体瑕疵数据；设置瓶盖瑕疵检测模块根据瓶盖图像对瓶盖进行瑕疵检测；设置综合评价模块根据瓶体瑕疵数据以及瓶盖瑕疵数据对部分瓶体或瓶盖生成销毁标记，并根据具有销毁标记的瓶体与瓶盖数量，对生产过程进行故障排查和质量检测；实现了减少销毁数量，提高药瓶良品率的目的。

Description

一种瓶状物瑕疵检测系统及方法

技术领域

本发明涉及瓶状物瑕疵检测技术领域，具体是一种瓶状物瑕疵检测系统及方法。

背景技术

药瓶外观缺陷是医药企业生产过程中较为常见的生产现象，对于出现瑕疵的药瓶，若任其在市面上流通可能会导致患者对药企产生不信任，进一步的会影响到药企的药物销售，因此需要将生产出的不合格的瓶体和瓶盖进行销毁。

传统的人工肉眼视觉缺陷检测方法耗时耗力，不仅效率低、检测标准也很难统一；而目前部分企业推出的瓶体或瓶盖的检测机器可以通过计算机视觉技术对药瓶瓶体和瓶盖表面出现的瑕疵进行检测并标注，但并不能对瓶体或瓶盖的瑕疵程度进行评判，且无法对瓶体与瓶盖的生产过程进行检修反馈，以减少瓶体和瓶盖的销毁数量，提高良品率。

为此，本发明提出一种瓶状物瑕疵检测系统及方法。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种瓶状物瑕疵检测系统及方法，该一种瓶状物瑕疵检测系统及方法达成了减少瓶体或瓶盖的销毁数量，提高药瓶良品率的目的。

为实现上述目的，根据本发明的第一方面的实施例提出一种瓶状物瑕疵检测系统，包括生产数据收集模块、药瓶数据收集模块、瓶体瑕疵检测模块、瓶盖瑕疵检测模块以及综合评价模块；其中，各个模块之间通过电气和/或无线网络方式连接；

其中，所述生产数据收集模块主要用于在瑕疵检测前，收集每个药瓶的生产过程数据；

所述生产过程数据为每个药瓶的瓶体和瓶盖在生产阶段所经过的所有的生产环节、每个环节所使用的生产机器或生产容器的编号以及生产时间；

所述生产数据收集模块将每个药瓶的生产过程数据发送至综合评价模块；

其中，所述药瓶数据收集模块主要用于实时收集每个药瓶的瓶体以及瓶盖的图像数据；

所述药瓶数据收集模块收集每个药瓶的瓶体以及瓶盖的图像数据的方式为：

对于药瓶瓶体，使用瓶检机中安装的图像捕获设备分别以垂直于瓶口、瓶身以及瓶底的方向进行瓶体的三视图捕获；

对于药瓶瓶盖，使用盖检机中安装的图像捕获设备分别以垂直于瓶盖正面、盖身以及瓶盖背面的方向进行瓶盖的三视图捕获；

所述药瓶数据收集模块将捕获的瓶体以及瓶盖的图像分别发送至瓶体瑕疵检测模块和瓶盖瑕疵检测模块；

其中，所述瓶体瑕疵检测模块主要用于根据瓶体图像对瓶体进行瑕疵检测，并获取检测的瓶体瑕疵数据；所述瓶体瑕疵数据包括瓶体尺寸误差系数、瓶体形变误差系数以及飞边瑕疵系数；将每个瓶体按照顺序标记为i，i＝{1，2，3，...,n}，其中n为瓶体数量值；

所述瓶体瑕疵检测模块对瓶体进行瑕疵检测的包括以下方式：

对于瓶体尺寸误差瑕疵，利用计算机视觉技术，从瓶体图像中截取出瓶体的瓶身图形、瓶口图形，并与标准瓶体图像进行比对，获取瓶体i与标准瓶体在瓶高、瓶身外径以及瓶口外径上的差值；并将瓶高差值、瓶身外径差值以及瓶口外径差值分别标记为hi、rbi以及rmi；并计算出瓶体尺寸误差系数Spi；其中瓶体尺寸误差系数Spi的计算公式为：

对于瓶体形变，从瓶体的俯视图中截取出瓶口的形状，并将瓶口形状与标准瓶口设计图进行对比，计算出瓶口形状的面积与标准瓶口设计图的面积差值；从瓶体的侧视图中截取出瓶身的形状，可以理解的是，侧视图的瓶身形状为长方形，计算出瓶身形状的面积与标准瓶身设计图的面积差值；同理，从瓶体的仰视图中，计算出瓶底形状的面积与标准瓶底设计图的面积差值；分别将瓶口面积差值、瓶体面积差值和瓶底面积差值标记为ami、abi以及aui，并计算出瓶体形变误差系数Sxi；其中瓶体形变误差系数Sxi的计算公式为

对于飞边，预先收集若干具有飞边瑕疵和不具有飞边瑕疵的瓶体图像，并对瓶体图像人工进行飞边严重程度的标注，再以瓶体图像作为输入，训练出根据瓶体图像识别瓶体飞边和严重程度的多目标识别神经网络模型；将待检测的瓶体的三视图图像输入至该多目标识别神经网络模型，输出对瓶体上出现的飞边进行严重程度的标记；预先根据实际经验为每一级飞边严重程度设置一个权重系数；将飞边级别标记为f，飞边级别f对应的权重系数标记为wf，瓶体i中出现的飞边级别f的数量标记为nfi；计算飞边瑕疵系数Sfi；其中，飞边瑕疵系数Sfi的计算公式为Sfi＝ln(∑_f(wf*nfi)+1)；

所述瓶体瑕疵检测模块将瓶体瑕疵数据发送至综合评价模块；

其中，所述瓶盖瑕疵检测模块根据瓶盖图像对瓶盖进行瑕疵检测，并获取瓶盖的瓶盖瑕疵数据；其中，所述瓶盖瑕疵数据包括瓶盖尺寸误差系数、螺纹偏差系数以及瓶盖形变误差系数；将每个瓶盖按照顺序标记为j，j＝{1，2，3，...,m}，其中m为瓶盖数量值；

所述瓶盖瑕疵检测模块获取瓶盖的瓶盖瑕疵数据包括以下方式：

对于瓶盖尺寸误差，利用计算机视觉技术，从瓶盖j的俯视图和侧视图中分别截取出瓶盖的盖面和瓶盖盖体图形，并计算出瓶盖盖面图形的半径与盖面标准图形半径的差值，以及瓶盖盖体高度与标准盖体高度的差值；将盖面半径差值标记为rgj，盖体高度的差值标记为hgj；将瓶盖尺寸误差系数标记为Gpj；其中，瓶盖尺寸误差系数Gpj的计算公式为

对于螺纹偏差，预先收集若干瓶盖盖体内的图像，并根据盖体内图像训练出识别螺纹数量的神经网络模型；并将待检测的瓶盖盖体的仰视图作为神经网络模型的输入，输出瓶盖盖体内螺纹的数量；则螺纹偏差系数为瓶盖盖体内螺纹数量的检测值与标准螺纹数量差值的绝对值；将螺纹偏差系数标记为Glj；

对于瓶盖形变，从瓶盖的俯视图中截取出盖面形状，并将盖面形状与标准盖面设计图进行对比，计算出盖面形状的面积与标准盖面设计图的面积差值bej；从瓶盖的侧视图中截取出盖体形状，并将盖体形状与标准盖体设计图进行对比，计算出盖体形状与标准盖体设计图的面积差值boj；计算瓶盖形变误差系数Gxj；其中，瓶盖形变误差系数Gxj的计算公式为

所述瓶盖瑕疵检测模块将检测的瓶盖瑕疵数据发送至综合评价模块；

其中，所述综合评价模块主要用于根据瓶体瑕疵数据对瓶体判定是否生成销毁标记，还根据瓶盖瑕疵数据对瓶盖判定是否生成销毁标记；并统计瓶体具有销毁标记的数量和瓶盖具有销毁标记的数量，根据瓶体具有销毁标记的数量和瓶盖具有销毁标记的数量，对瓶体或瓶盖的生产过程进行故障排查和质量检测；

所述综合评价模块对瓶体或瓶盖的生产过程进行故障排查和质量检测包括以下步骤：

步骤S1：计算每个瓶体i的第一综合评价系数Zsi，其中，瓶体i的第一综合评价系数Zsi的计算公式为：Zsi＝α*Spi+β*Sxi+γ*Sfi；其中，α、β、γ为预设的比例系数；

步骤S2：计算每个瓶盖j的第二综合评价系数Zgj；其中，瓶盖j的第二综合评价系数Zgj的计算公式为：Zgj＝δ*Gpj+ε*Glj+∈*Gxj；其中δ、ε、∈为预设的比例系数；

步骤S3：预先根据实际经验设置瓶体的瑕疵阈值Xs以及瓶盖的瑕疵阈值Xg；对于第一综合评价系数Zsi大于瓶体的瑕疵阈值Xs的瓶体，以及第二综合评价系数Zgj大于瓶盖的瑕疵阈值Xg的瓶盖，生成销毁标记；

步骤S4：对于具有销毁标记的瓶体以及瓶盖，获取每个瓶体和瓶盖的生产过程数据，并根据生产过程数据获取瓶体和瓶盖每个生产过程的生产设备编号或生产容器编号；再计算出在具有销毁标记的瓶体或瓶盖中，每个生产设备编号或生产容器编号出现的次数所占比重；并按照比重大小从大到小进行排序；并分别将瓶体的生产设备或生产容器编号按顺序保存在集合Vs中；将瓶盖的生产设备或生产容器编号按顺序保存在集合Vg中；

步骤S5：将具有销毁标记的瓶体数量标记为Ys，将具有销毁标记的瓶盖数量标记为Yg，将总瓶体数量标记为Ts，将总瓶盖数量标记为Tg；预设瓶体生产故障阈值Qs、瓶盖生产故障阈值Qg以及生产数量差阈值Qd；

若说明具有销毁标记的瓶体数量超过一定阈值，可能在瓶体生产过程出现故障，则对瓶体的生产设备或生产容器按照集合Vs中的编号顺序进行故障排查；

同理，若对瓶盖的生产设备或生产容器按照集合Vg中的编号顺序进行故障排查；

若(Ts-Ys)-(Tg-Yg)>Qd，说明生产的合格瓶体数量远远大于瓶盖数量，需要对瓶体的生产过程进行质检，对瓶体的生产设备或生产容器按照集合Vs中的编号顺序进行质量检测；

同理，若(Tg-Yg)-(Ts-Ys)>Qd，对瓶盖的生产设备或生产容器按照集合Vg中的编号顺序进行质量检测。

根据本发明的第二方面的实施例提出一种瓶状物瑕疵检测方法，包括以下步骤：

步骤一：生产数据收集模块在瑕疵检测前，收集每个药瓶的生产过程数据；

步骤二：药瓶数据收集模块实时收集每个药瓶的瓶体以及瓶盖的图像数据，利用图像捕获设备捕获药瓶瓶体以及瓶盖的三视图图像；

步骤三：瓶体瑕疵检测模块根据瓶体图像对瓶体进行瑕疵检测，并计算出瓶体尺寸误差系数、瓶体形变误差系数以及飞边瑕疵系数；

步骤四：瓶盖瑕疵检测模块根据瓶盖图像对瓶盖进行瑕疵检测，并获取瓶盖的瓶盖尺寸误差系数、螺纹偏差系数以及瓶盖形变误差系数；

步骤五：综合评价模块根据瓶体瑕疵数据以及瓶盖瑕疵数据对部分瓶体或瓶盖生成销毁标记，并根据待检测瓶体具有销毁标记的数量和待检测瓶盖具有销毁标记的数量，对瓶体或瓶盖的生产过程进行故障排查和质量检测。

与现有技术相比，本发明的有益效果是：

本发明通过预先收集每个瓶体和瓶盖的生产过程数据，并通过图像捕获设备实时捕获每个瓶体和瓶盖的三视图图像，根据瓶体图像对瓶体进行瑕疵检测，并计算出瓶体尺寸误差系数、瓶体形变误差系数以及飞边瑕疵系数，再根据瓶盖图像对瓶盖进行瑕疵检测，并获取瓶盖的瓶盖尺寸误差系数、螺纹偏差系数以及瓶盖形变误差系数，最后根据瓶体瑕疵数据以及瓶盖瑕疵数据对每个瓶体和瓶盖的瑕疵程度进行分析，并对满足销毁条件的瓶体和瓶盖予生成销毁标记，进一步的，根据具有销毁标记的瓶体和瓶盖的数量，对瓶体或瓶盖的生产过程进行预警，实现了减少瓶体或瓶盖的销毁数量，提高药瓶良品率的有益效果。

附图说明

图1为本发明实施例一中瑕疵检测系统各个模块的连接关系图；

图2为本发明实施例二中瑕疵检测方法的流程图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

实施例一

如图1所示，一种瓶状物瑕疵检测系统，包括生产数据收集模块、药瓶数据收集模块、瓶体瑕疵检测模块、瓶盖瑕疵检测模块以及综合评价模块；其中，各个模块之间通过电气和/或无线网络方式连接；

其中，所述生产数据收集模块主要用于在瑕疵检测前，收集每个药瓶的生产过程数据；

在一个优选的实施例中，所述生产过程数据为每个药瓶的瓶体和瓶盖在生产阶段所经过的所有的生产环节、每个环节所使用的生产机器或生产容器的编号以及生产时间；

优选的，所述生产过程数据使用数字编号进行表达；对于瓶体和瓶盖的每个生产过程，使用固定位数的数字对每台生产设备或生产容器进行编号；每个瓶体和瓶盖的数字编号可以通过按生产顺序对所使用的生产设备或生产容器编号进行拼接，最后拼接上生产时间的方式生成；在对数字编号进行读取时，按照每个生产环节的编号位数对数字编号进行切割并分段读取生产设备或生产容器的编号，或生产时间信息；可以理解的是，以编号拼接的方式是将生产过程数据进行数据化表达的最短数据串的方式；

所述生产数据收集模块将每个药瓶的生产过程数据发送至综合评价模块；

其中，所述药瓶数据收集模块主要用于实时收集每个药瓶的瓶体以及瓶盖的图像数据；

在一个优选的实施例中，所述药瓶数据收集模块收集每个药瓶的瓶体以及瓶盖的图像数据的方式为：

对于药瓶瓶体，使用瓶检机中安装的图像捕获设备分别以垂直于瓶口、瓶身以及瓶底的方向进行瓶体的三视图捕获；

对于药瓶瓶盖，使用盖检机中安装的图像捕获设备分别以垂直于瓶盖正面、盖身以及瓶盖背面的方向进行瓶盖的三视图捕获；可以理解的是，所述的三视图分别为俯视图、侧视图以及仰视图；

所述药瓶数据收集模块将捕获的瓶体以及瓶盖的图像分别发送至瓶体瑕疵检测模块和瓶盖瑕疵检测模块；

其中，所述瓶体瑕疵检测模块主要用于根据瓶体图像对瓶体进行瑕疵检测，并获取检测的瓶体瑕疵数据；所述瓶体瑕疵数据包括瓶体尺寸误差系数、瓶体形变误差系数以及飞边瑕疵系数；将每个瓶体按照顺序标记为i，i＝{1，2，3，...,n}，其中n为瓶体数量值；

可以理解的是，药瓶的瓶体可能存在的瑕疵包括瓶体尺寸误差、瓶体形变以及飞边；再进一步的，瓶体尺寸误差还包括瓶高、瓶身外径以及瓶口外径存在误差；瓶体形变包括瓶身形变、瓶口形变以及瓶底形变；

在一个优选的实施例中，所述瓶体瑕疵检测模块对瓶体进行瑕疵检测的包括以下方式：

对于瓶体尺寸误差瑕疵，利用计算机视觉技术，从瓶体图像中截取出瓶体的瓶身图形、瓶口图形，并与标准瓶体图像进行比对，获取瓶体i与标准瓶体在瓶高、瓶身外径以及瓶口外径上的差值；并将瓶高差值、瓶身外径差值以及瓶口外径差值分别标记为hi、rbi以及rmi；并计算出瓶体尺寸误差系数Spi；其中瓶体尺寸误差系数Spi的计算公式为：可以理解的是，由于瓶高一般大于瓶身外径大于瓶口外径，因此，为了对误差尺度进行平衡，将瓶高差值、瓶身外径差值以及瓶口外径差值分别使用不同的数量级进行计算；

对于瓶体形变，从瓶体的俯视图中截取出瓶口的形状，并将瓶口形状与标准瓶口设计图进行对比，计算出瓶口形状的面积与标准瓶口设计图的面积差值；从瓶体的侧视图中截取出瓶身的形状，可以理解的是，侧视图的瓶身形状为长方形，计算出瓶身形状的面积与标准瓶身设计图的面积差值；同理，从瓶体的仰视图中，计算出瓶底形状的面积与标准瓶底设计图的面积差值；分别将瓶口面积差值、瓶体面积差值和瓶底面积差值标记为ami、abi以及aui，并计算出瓶体形变误差系数Sxi；其中瓶体形变误差系数Sxi的计算公式为可以理解的是，由于瓶体面积一般大于瓶底面积大于瓶口面积，因此，为了对误差尺度进行平衡，将瓶口面积差值、瓶体面积差值和瓶底面积差值分别使用不同的数量级进行计算；

对于飞边，预先收集若干具有飞边瑕疵和不具有飞边瑕疵的瓶体图像，并对瓶体图像人工进行飞边严重程度的标注，再以瓶体图像作为输入，训练出根据瓶体图像识别瓶体飞边和严重程度的多目标识别神经网络模型；将待检测的瓶体的三视图图像输入至该多目标识别神经网络模型，输出对瓶体上出现的飞边进行严重程度的标记；预先根据实际经验为每一级飞边严重程度设置一个权重系数；具体的，将飞边级别标记为f，飞边级别f对应的权重系数标记为wf，瓶体i中出现的飞边级别f的数量标记为nfi；计算飞边瑕疵系数Sfi；其中，飞边瑕疵系数Sfi的计算公式为Sfi＝ln(∑_f(wf*nfi)+1)；

所述瓶体瑕疵检测模块将瓶体瑕疵数据发送至综合评价模块；

其中，所述瓶盖瑕疵检测模块主要用于根据瓶盖图像对瓶盖进行瑕疵检测，并获取瓶盖的瓶盖瑕疵数据；其中，所述瓶盖瑕疵数据包括瓶盖尺寸误差系数、螺纹偏差系数以及瓶盖形变误差系数；将每个瓶盖按照顺序标记为j，j＝{1，2，3，...,m}，其中m为瓶盖数量值；

可以理解的是，药瓶的瓶盖可能存在的瑕疵包括瓶盖尺寸误差、螺纹偏差和瓶盖形变；其中，瓶盖尺寸误差包括瓶盖的盖面半径和瓶盖盖体高度的误差；螺纹偏差为瓶盖盖体内的螺纹数量的偏差；瓶盖形变包括盖体形变以及盖面形变；

在一个优选的实施例中，所述瓶盖瑕疵检测模块获取瓶盖的瓶盖瑕疵数据包括以下方式：

对于瓶盖尺寸误差，利用计算机视觉技术，从瓶盖j的俯视图和侧视图中分别截取出瓶盖的盖面和瓶盖盖体图形，并计算出瓶盖盖面图形的半径与盖面标准图形半径的差值，以及瓶盖盖体高度与标准盖体高度的差值；将盖面半径差值标记为rgj，盖体高度的差值标记为hgj；将瓶盖尺寸误差系数标记为Gpj；其中，瓶盖尺寸误差系数Gpj的计算公式为可以理解的是，由于盖体高度一般大于盖面半径大于瓶口面积，因此，为了对误差尺度进行平衡，将盖面半径差值和盖体高度的差值分别使用不同的数量级进行计算；

对于螺纹偏差，预先收集若干瓶盖盖体内的图像，并根据盖体内图像训练出识别螺纹数量的神经网络模型；并将待检测的瓶盖盖体的仰视图作为神经网络模型的输入，输出瓶盖盖体内螺纹的数量；则螺纹偏差系数为瓶盖盖体内螺纹数量的检测值与标准螺纹数量差值的绝对值；将螺纹偏差系数标记为Glj；

对于瓶盖形变，从瓶盖的俯视图中截取出盖面形状，并将盖面形状与标准盖面设计图进行对比，计算出盖面形状的面积与标准盖面设计图的面积差值boj；从瓶盖的侧视图中截取出盖体形状，并将盖体形状与标准盖体设计图进行对比，计算出盖体形状与标准盖体设计图的面积差值boj；计算瓶盖形变误差系数Gxj；其中，瓶盖形变误差系数Gxj的计算公式为

所述瓶盖瑕疵检测模块将检测的瓶盖瑕疵数据发送至综合评价模块；

其中，所述综合评价模块主要用于根据瓶体瑕疵数据对瓶体判定是否生成销毁标记，还根据瓶盖瑕疵数据对瓶盖判定是否生成销毁标记；并统计瓶体具有销毁标记的数量和瓶盖具有销毁标记的数量，根据瓶体具有销毁标记的数量和瓶盖具有销毁标记的数量，对瓶体或瓶盖的生产过程进行故障排查和质量检测；

在一个优选的实施例中，所述综合评价模块对瓶体或瓶盖的生产过程进行故障排查和质量检测包括以下步骤：

步骤S1：计算每个瓶体i的第一综合评价系数Zsi，其中，瓶体i的第一综合评价系数Zsi的计算公式为：Zsi＝α*Spi+β*Sxi+γ*Sfi；其中，α、β、γ为预设的比例系数；

步骤S2：计算每个瓶盖j的第二综合评价系数Zgj；其中，瓶盖j的第二综合评价系数Zgj的计算公式为：Zgj＝δ*Gpj+ε*Glj+∈*Gxj；其中δ、ε、∈为预设的比例系数；

步骤S3：预先根据实际经验设置瓶体的瑕疵阈值Xs以及瓶盖的瑕疵阈值Xg；对于第一综合评价系数Zsi大于瓶体的瑕疵阈值Xs的瓶体，以及第二综合评价系数Zgj大于瓶盖的瑕疵阈值Xg的瓶盖，生成销毁标记；

步骤S4：对于具有销毁标记的瓶体以及瓶盖，获取每个瓶体和瓶盖的生产过程数据，并根据生产过程数据获取瓶体和瓶盖每个生产过程的生产设备编号或生产容器编号；再计算出在具有销毁标记的瓶体或瓶盖中，每个生产设备编号或生产容器编号出现的次数所占比重；并按照比重大小从大到小进行排序；并分别将瓶体的生产设备或生产容器编号按顺序保存在集合Vs中；将瓶盖的生产设备或生产容器编号按顺序保存在集合Vg中；

步骤S5：将具有销毁标记的瓶体数量标记为Ys，将具有销毁标记的瓶盖数量标记为Yg，将总瓶体数量标记为Ts，将总瓶盖数量标记为Tg；预设瓶体生产故障阈值Qs、瓶盖生产故障阈值Qg以及生产数量差阈值Qd；

若说明具有销毁标记的瓶体数量超过一定阈值，可能在瓶体生产过程出现故障，则对瓶体的生产设备或生产容器按照集合Vs中的编号顺序进行故障排查；

同理，若对瓶盖的生产设备或生产容器按照集合Vg中的编号顺序进行故障排查；

若(Ts-Ys)-(Tg-Yg)>Qd，说明生产的合格瓶体数量远远大于瓶盖数量，需要对瓶体的生产过程进行质检，对瓶体的生产设备或生产容器按照集合Vs中的编号顺序进行质量检测；

同理，若(Tg-Yg)-(Ts-Ys)>Qd，对瓶盖的生产设备或生产容器按照集合Vg中的编号顺序进行质量检测。

实施例二

如图2所示，本实施例所述一种瓶状物瑕疵检测方法，包括以下步骤：

步骤一：生产数据收集模块在瑕疵检测前，收集每个药瓶的生产过程数据；所述生产过程数据为每个药瓶的瓶体和瓶盖在生产阶段所经过的所有的生产环节、每个环节所使用的生产机器或生产容器的编号以及生产时间；

步骤二：药瓶数据收集模块实时收集每个药瓶的瓶体以及瓶盖的图像数据，利用图像捕获设备捕获药瓶瓶体以及瓶盖的三视图图像；

步骤三：瓶体瑕疵检测模块根据瓶体图像对瓶体进行瑕疵检测，并计算出瓶体尺寸误差系数、瓶体形变误差系数以及飞边瑕疵系数；

步骤四：瓶盖瑕疵检测模块根据瓶盖图像对瓶盖进行瑕疵检测，并获取瓶盖的瓶盖尺寸误差系数、螺纹偏差系数以及瓶盖形变误差系数；

步骤五：综合评价模块根据瓶体瑕疵数据以及瓶盖瑕疵数据对部分瓶体或瓶盖生成销毁标记，根据待检测瓶体具有销毁标记的数量和待检测瓶盖具有销毁标记的数量，对瓶体或瓶盖的生产过程进行故障排查和质量检测，以达到减少瓶体或瓶盖的销毁数量，提高良品率的目的。

以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (4)

1.一种瓶状物瑕疵检测系统，其特征在于，包括生产数据收集模块、药瓶数据收集模块、瓶体瑕疵检测模块、瓶盖瑕疵检测模块以及综合评价模块；其中，各个模块之间通过电气和/或无线网络方式连接；

所述生产数据收集模块在瑕疵检测前，收集每个药瓶的生产过程数据；并将每个药瓶的生产过程数据发送至综合评价模块；

所述药瓶数据收集模块实时收集每个药瓶的瓶体以及瓶盖的图像数据，利用图像捕获设备捕获药瓶瓶体以及瓶盖的三视图图像；并将捕获的瓶体以及瓶盖的三视图图像分别发送至瓶体瑕疵检测模块和瓶盖瑕疵检测模块；

所述瓶体瑕疵检测模块根据瓶体图像对瓶体进行瑕疵检测，并获取瓶体瑕疵数据，并将每个瓶体按照顺序标记为i，i＝{1，2，3，...,n}，其中n为瓶体数量值；所述瓶体瑕疵数据包括瓶体尺寸误差系数、瓶体形变误差系数以及飞边瑕疵系数；所述瓶体瑕疵检测模块将瓶体瑕疵数据发送至综合评价模块；

所述瓶盖瑕疵检测模块根据瓶盖图像对瓶盖进行瑕疵检测，并获取瓶盖的瓶盖瑕疵数据；其中，所述瓶盖瑕疵数据包括瓶盖尺寸误差系数、螺纹偏差系数以及瓶盖形变误差系数；将每个瓶盖按照顺序标记为j，j＝{1，2，3，...,m}，其中m为瓶盖数量值；并将检测的瓶盖瑕疵数据发送至综合评价模块；

所述综合评价模块根据瓶体瑕疵数据对瓶体判定是否生成销毁标记，还根据瓶盖瑕疵数据对瓶盖判定是否生成销毁标记；并统计瓶体具有销毁标记的数量和瓶盖具有销毁标记的数量，根据瓶体具有销毁标记的数量和瓶盖具有销毁标记的数量，对瓶体或瓶盖的生产过程进行故障排查和质量检测；

所述的三视图分别为俯视图、侧视图以及仰视图；

所述瓶体瑕疵检测模块对瓶体进行瑕疵检测包括以下方式：

对于瓶体尺寸误差瑕疵，利用计算机视觉技术，从瓶体图像中截取出瓶体的瓶身图形、瓶口图形，并与标准瓶体图像进行比对，获取瓶体i与标准瓶体在瓶高、瓶身外径以及瓶口外径上的差值；并将瓶高差值、瓶身外径差值以及瓶口外径差值分别标记为hi、rbi以及rmi；并计算出瓶体尺寸误差系数Spi；其中瓶体尺寸误差系数Spi的计算公式为：

对于瓶体形变，从瓶体的俯视图中截取出瓶口的形状，并将瓶口形状与标准瓶口设计图进行对比，计算出瓶口形状的面积与标准瓶口设计图的面积差值；从瓶体的侧视图中截取出瓶身的形状，计算出瓶身形状的面积与标准瓶身设计图的面积差值；同理，从瓶体的仰视图中，计算出瓶底形状的面积与标准瓶底设计图的面积差值；分别将瓶口面积差值、瓶体面积差值和瓶底面积差值标记为ami、abi以及aui，并计算出瓶体形变误差系数Sxi；其中瓶体形变误差系数Sxi的计算公式为

对于飞边，预先收集若干具有飞边瑕疵和不具有飞边瑕疵的瓶体图像，并对瓶体图像人工进行飞边严重程度的标注，再以瓶体图像作为输入，训练出根据瓶体图像识别瓶体飞边和严重程度的多目标识别神经网络模型；将待检测的瓶体的三视图图像输入至该多目标识别神经网络模型，输出对瓶体上出现的飞边进行严重程度的标记；预先根据实际经验为每一级飞边严重程度设置一个权重系数；将飞边级别标记为f，飞边级别f对应的权重系数标记为wf，瓶体i中出现的飞边级别f的数量标记为nfi；计算飞边瑕疵系数Sfi；其中，飞边瑕疵系数Sfi的计算公式为Sfi＝ln(∑_f(wf*nfi)+1)；

所述瓶盖瑕疵检测模块获取瓶盖瑕疵数据包括以下方式：

对于瓶盖尺寸误差，利用计算机视觉技术，从瓶盖j的俯视图和侧视图中分别截取出瓶盖的盖面和瓶盖盖体图形，并计算出瓶盖盖面图形的半径与盖面标准图形半径的差值，以及瓶盖盖体高度与标准盖体高度的差值；将盖面半径差值标记为rgj，盖体高度的差值标记为hgj；将瓶盖尺寸误差系数标记为Gpj；其中，瓶盖尺寸误差系数Gpj的计算公式为

对于螺纹偏差，预先收集若干瓶盖盖体内的图像，并根据盖体内图像训练出识别螺纹数量的神经网络模型；并将待检测的瓶盖盖体的仰视图作为神经网络模型的输入，输出瓶盖盖体内螺纹的数量；则螺纹偏差系数为瓶盖盖体内螺纹数量检测值与标准螺纹数量差值的绝对值；将螺纹偏差系数标记为Glj；

对于瓶盖形变，从瓶盖的俯视图中截取出盖面形状，并将盖面形状与标准盖面设计图进行对比，计算出盖面形状的面积与标准盖面设计图的面积差值bej；从瓶盖的侧视图中截取出盖体形状，并将盖体形状与标准盖体设计图的形状进行对比，计算出盖体形状与标准盖体设计图的面积差值boj；计算瓶盖形变误差系数Gxj；其中，瓶盖形变误差系数Gxj的计算公式为

所述综合评价模块对瓶体或瓶盖的生产过程进行故障排查和质量检测包括以下步骤：

步骤S1：计算每个瓶体i的第一综合评价系数Zsi，其中，瓶体i的第一综合评价系数Zsi的计算公式为：Zsi＝α*Spi+β*Sxi+γ*Sfi；其中，α、β、γ为预设的比例系数；

步骤S2：计算每个瓶盖j的第二综合评价系数Zgj；其中，瓶盖j的第二综合评价系数Zgj的计算公式为：Zgj＝δ*Gpj+ε*Glj+∈*Gxj；其中δ、ε、∈为预设的比例系数；

步骤S3：预先根据实际经验设置瓶体的瑕疵阈值Xs以及瓶盖的瑕疵阈值Xg；对于第一综合评价系数Zsi大于瓶体的瑕疵阈值Xs的瓶体，以及第二综合评价系数Zgj大于瓶盖的瑕疵阈值Xg的瓶盖，生成销毁标记；

步骤S4：对于生成销毁标记的瓶体以及瓶盖，获取每个瓶体和瓶盖的生产过程数据，并根据生产过程数据获取瓶体和瓶盖每个生产过程的生产设备编号或生产容器编号；再计算出在具有销毁标记的瓶体或瓶盖中，每个生产设备编号或生产容器编号出现的次数所占比重；并按照比重大小从大到小进行排序；并分别将瓶体的生产设备或生产容器编号按顺序保存在集合Vs中；将瓶盖的生产设备或生产容器编号按顺序保存在集合Vg中；

步骤S5：将具有销毁标记的瓶体数量标记为Ys，将具有销毁标记的瓶盖数量标记为Yg，将总瓶体数量标记为Ts，将总瓶盖数量标记为Tg；预设瓶体生产故障阈值Qs、瓶盖生产故障阈值Qg以及生产数量差阈值Qd；

若则对瓶体的生产设备或生产容器按照集合Vs中的编号顺序进行故障排查；

同理，若对瓶盖的生产设备或生产容器按照集合Vg中的编号顺序进行故障排查；

若(Ts-Ys)-(Tg-Yg)>Qd，对瓶体的生产设备或生产容器按照集合Vs中的编号顺序进行质量检测；

若(Tg-Yg)-(Ts-Ys)>Qd，对瓶盖的生产设备或生产容器按照集合Vg中的编号顺序进行质量检测。

2.根据权利要求1所述的一种瓶状物瑕疵检测系统，其特征在于，所述生产过程数据为每个药瓶的瓶体和瓶盖在生产阶段所经过的所有的生产环节、每个环节所使用的生产机器或生产容器的编号以及生产时间。

3.根据权利要求1所述的一种瓶状物瑕疵检测系统，其特征在于，所述药瓶数据收集模块收集每个药瓶的瓶体以及瓶盖的图像数据的方式为：

对于药瓶瓶体，使用瓶检机中安装的图像捕获设备分别以垂直于瓶口、瓶身以及瓶底的方向进行瓶体的三视图捕获；

对于药瓶瓶盖，使用盖检机中安装的图像捕获设备分别以垂直于瓶盖正面、盖身以及瓶盖背面的方向进行瓶盖的三视图捕获。

4.根据权利要求1-3任意一项所述的一种瓶状物瑕疵检测系统的瑕疵检测方法，其特征在于，包括以下步骤：

步骤一：生产数据收集模块在瑕疵检测前，收集每个药瓶的生产过程数据；

步骤二：药瓶数据收集模块实时收集每个药瓶的瓶体以及瓶盖的图像数据，利用图像捕获设备捕获药瓶瓶体以及瓶盖的三视图图像；

步骤三：瓶体瑕疵检测模块根据瓶体图像对瓶体进行瑕疵检测，并计算出瓶体尺寸误差系数、瓶体形变误差系数以及飞边瑕疵系数；

步骤四：瓶盖瑕疵检测模块根据瓶盖图像对瓶盖进行瑕疵检测，并获取瓶盖的瓶盖尺寸误差系数、螺纹偏差系数以及瓶盖形变误差系数；

步骤五：根据瓶体瑕疵数据对瓶体判定是否生成销毁标记，还根据瓶盖瑕疵数据对瓶盖判定是否生成销毁标记；并统计瓶体具有销毁标记的数量和瓶盖具有销毁标记的数量，根据瓶体具有销毁标记的数量和瓶盖具有销毁标记的数量，对瓶体或瓶盖的生产过程进行故障排查和质量检测。