玻璃瓶检测

玻璃瓶检测（精选9篇）

玻璃瓶检测 篇1

0 引言

在早些年间管制玻璃瓶生产制作加工过程中, 就伴随有管制玻璃瓶不同程度的缺陷, 例如管制玻璃瓶瓶身会出现裂纹、瓶口处缺损、瓶壁内有气泡、瓶身表面粗糙等一系列缺陷, 它们不但一直困扰着生产管制玻璃瓶的厂家, 还对购买有缺陷管制玻璃瓶包装产品使用的消费者构成了极大的安全隐患, 因此, 机器视觉检测技术开始得到各大研究机构的研究开发, 许多生产管制玻璃瓶的厂家也开始应用此项技术。早期各大厂家都在使用人工检测方法, 众多检测人员处于检测强度很大的工作环境中, 通过肉眼或结合放大镜进行观测, 导致检测结果不是很稳定, 直接影响了工厂流水线的生产效率, 所以各生产管制玻璃瓶厂家很有必要引入依靠机器视觉检测管制玻璃瓶缺陷的技术。本文采用德国MVTec公司的专业机器视觉软件Halcon来开发机器视觉系统, 提出了相关机器视觉实现方法, 并且在机器视觉实验平台上完成了一个管制玻璃瓶缺陷检测任务。

1 机器视觉的原理

机器视觉缺陷检测方法采用CCD电子摄像机将待测物体的像转换成图像信号, 然后利用它的像素分布和亮度等变化信息转化成特定的数字信号。检测仪器中的图像处理软件再通过这些信号对被检测物体的特征如面积、长度、数量等信息进行判断, 之后根据相应参数输出最后的检测结果, 从而实现其自主识别的功能特性。

2 机器视觉的特点

机器视觉是一项完美的包容性技术, 它涉及电光源照明技术、数字图像处理技术、光学成像技术、模拟与数字视频技术、传感技术、人机接口技术、机械工程技术、控制技术等内容, 然后由这些技术在机器视觉系统中相互协调、相互利用, 共同实现机器视觉系统的功能。

机器视觉更强调实用性, 由于人眼有物理条件限制, 因此很多工作人工无法完成, 而机器视觉系统却没有这方面的限制, 它可以瞬间得到被测物体的信息, 尤其适用于对多个目标同时进行测量。这种系统在一般情况下主要对远、近景目标和微观世界进行测量, 由于它不通过接触也能进行检测, 不会损坏被测物体, 所以它的应用性甚是广泛。

机器视觉更强调实时性, 尤其是在被检测物体处于高速运转的状态下, 机器视觉能够瞬间抓拍到被检测物体的信息。

3 管制玻璃瓶缺陷检测的特点

管制瓶材料是玻璃, 玻璃制品在不同光源照射下表面会反射照来的光线, 而且角度不断变化。另外, 管制玻璃瓶的生产过程还要求实现全面控制, 在提高生产效率的同时加大合格率, 而传统的检测方法不能完美地发现前述缺陷问题。因此, 必须采用非接触式的机器视觉检测技术。针对管制玻璃瓶检测的特点与要求, 实践中主要针对以下3个方面进行检测:

(1) 瓶口检测:瓶口表面有无裂纹;

(2) 瓶身检测:瓶身表面有无凹凸毛刺或破损裂纹;

(3) 瓶底检测:瓶底表面有无裂纹或破损。

管制玻璃瓶经过检测系统时, 只要满足上面的3个要求, 则会自动进入下一个生产环节。

4 系统设计

机器视觉缺陷检测方法的核心是Halcon软件缺陷分析, 系统采集管制玻璃瓶的瓶口、瓶身和瓶底图像, 并加以识别处理, 系统内嵌的Halcon软件对处理后的图像进行分析, 再将最终指令传给工控机。控制操作界面与PLC通讯, 并读写PLC内部数据。管制玻璃瓶利用无压力传送带传到机器指定的特定位置, PLC再通过编码器与相关检测元件, 将其中不符合要求的玻璃瓶剔除。系统工作流程如图1所示。

4.1 基于视觉传感器MV-VS820开发检测平台

视觉传感器采用MV-VS820系统, MV-VS820是一款多相机嵌入式机器视觉系统, 最多可支持4路USB 2.0相机同时工作, MV-VS820集成数字化照相机:MV-VS1394数字面阵CCD逐行扫描, 软件控制图像窗口无级缩放, 该CCD相机最大分辨率1 280×960像素, 灵敏度很高, 在最大帧率为1 MHz时可瞬时采集4帧图像, 且达到12bits, 它的像素尺寸为4.65μm×4.65μm。MV-VS820集成CPU迅速处置灰度图像:80486100M CPU, 直接处置像素数据;16 MB RAM, 能够执行复杂程序;16MB FLASHDISK, 最大可存储200个程序;2MB图像储存器, 能在处置图像的同时抓取下一幅图像;利用倍速扫描技术, 图像扫描过程中即可进行评估;半帧模式时吞吐率高达25件/s, 全帧模式时可达16件/s。

4.2 利用Halcon软件分析采集的管制玻璃瓶图像

以瓶口检测为例, 闪光灯经过光学透镜及滤光体系照到瓶口上, 瓶口将光线反射至CCD相机, 并在其中成像形成圆环。处理后的图像用作评估, 以判定瓶口是否合格。

在使用Halcon软件分析时, 会用到很多检测图像预处理的算法, 包括图像增强、几何变换、图像分割、特征提取、边缘检测等, 本文重点应用的是图像分割算法。图像分割指的是将图像按特点区分成不同区域, 并获取感兴趣对象的过程。其中, 图像特点可为灰度、条纹、颜色、外形及空间关联等。对象可为单一的区域, 也可以是几个区域。经常使用的方法有阈值、边缘及区域分割等, 第一个方法最经常使用, 也是最简便的办法, 它尤其适用于对象及背景灰度级不同的图像。

阈值分割法是以区域为基础的图像分割方法, 它的基础理论为:根据设置的不同特征阈值, 将图片的像素点划分成多个类别。设初始图片为f (x, y) , 根据特定的规则在f (x, y) 中查找到特征值t, 把图像分割成两个部分, 处理后图像的表达式如下:

若b0=0 (黑) 、b1=1 (白) , 即为通常所说的图像二值化。瓶口的原始图像及二值化图像如图2、3所示。

4.3 图像检测环节

以瓶口检测为例, 以环形光源为采集光源, 连同远心镜头及CCD相机一起作为收集初始图像的设备, 瓶口上的密封面将光线反射输送至CCD相机, 在其内成像为圆环, 利用Halcon软件进行分析, 假设玻璃瓶的瓶口处有缺陷, 则缺陷处的灰度值会相对环形区域的其他位置有较大变化, 如图4所示。灰度值是检测玻璃瓶是否有缺陷的重要依据, 系统通过灰度值的变化来判断玻璃瓶的瓶口是否有缺陷, 图5为有缺陷的瓶口, 缺陷处已用白色方框标出。

5 软件控制

本文选取Visual C++6.0语言来开发软件系统。

(1) VC作为一个图形设计软件, 使用者能够直接对窗口页面、菜单进行设定, 无需再编写繁杂的编码, 也就不易出现错误。

(2) VC拥有极强的数学运算能力及图形图片处理能力, 还拥有标准数学函数, 给系统的图像处置带来了便利。

(3) 更重要的是, VC能更好地适应Halcon代码的输出和移植, 可以实现代码的精确表达, 相较VB而言, 一样的项目, VC代码运行速度更快, 且VC开发所用到的程序代码更精练。

管制玻璃瓶视觉检测系统是高速实时控制系统, 因而对软件的运算速度、执行精度提出了很高的要求, 所以Halcon软件和VC的结合满足系统要求, 图6为系统界面。

通过调节阈值范围来判断管制玻璃瓶的缺陷, 可以大大降低生产线上存在缺陷管制玻璃瓶的概率, 而且还杜绝了安全隐患。使用基于机器视觉的管制玻璃瓶缺陷检测技术, 可大幅提高生产线的生产效率, 同时保证整个生产过程的安全可靠。

6 结语和展望

本文综合应用了机器视觉系统、传感器、PLC、机械手等, 通过视觉传感器获取图像, 利用Halcon软件实时处理图像, 利用工控机最后输出信号给机械手抓取缺陷管制玻璃瓶, 达到了精确剔除缺陷管制玻璃瓶的目的。

参考文献

[1]余文勇, 石绘.机器视觉自动检测技术[M].北京:化学工业出版社, 2013.

[2]Carsten#space2;#Steger, Markus#space2;#Ulrich, Christisn#space2;#Wiedemann.机器视觉算法与应用[M].杨少荣, 吴迪靖, 段德山, 译.北京:清华大学出版社, 2008.

玻璃瓶检测 篇2

中冶建筑研究总院（上海）有限公司将凭借雄厚的技术力量、先进的设备、高素质的人员、严格的管理程序，确保检测数据的科学性、准确性，公正地站在第三方的立场为客户服务，为保证建设工程质量服务。

2008年5月1日后竣工验收的有建筑幕墙的建筑工程，要选取有建筑幕墙工程检测专项资质的检测机构进行建筑幕墙工程的专项检测。

建筑幕墙是指由支承结构体系与面板组成的、可相对主体结构有一定相对位移能力、不分担主体结构所受作用的建筑外围护结构或装饰性结构。通常建筑幕墙由面板（玻璃、铝板、石板、陶瓷板等）和后面的支承结构（铝横梁立柱、钢结构、玻璃肋等等）组成。

二、建筑玻璃幕墙检测分为：

实验室检测与现场幕墙结构可靠性检测 1.幕墙现场可靠性检测

1）.什么情况下，需要对玻璃幕墙进行现场安全性检测？（1）未按照玻璃幕墙规范设计、施工和验收（2）工程技术资料、质量保证资料不齐全（3）停建玻璃幕墙工程复工前

（4）当遭遇地震、火灾，或强风袭击后出现幕墙损坏情况（5）发生幕墙玻璃破碎、开启部分坠落或构件损坏等情况（6）玻璃幕墙使用过程中发现质量问题，业主要求进行评估

2）专业从事建筑幕墙安全可靠性的各项性能检测,玻璃幕墙安全性能检测评估包括以下几点内容：

（1）玻璃幕墙材料的检测（2）玻璃幕墙的结构承载力验算（3）玻璃幕墙结构和构造的检测

2、根据《建筑节能工程施工质量验收规范》GB50411-2007的相关内容，幕墙节能工程使用的材料构件等进场时，应对其下列性能进行复验，复验应为见证取样送检：（1）保温材料：导热系数、密度。

（2）幕墙玻璃：可见光透射比、传热系数、遮阳系数、中空玻璃露点。（3）隔热型材：抗拉强度、抗剪强度。

（4）幕墙的气密性能应符合设计规定的等级要求。当幕墙面积大于3000m2或建筑外墙面积50%时，应现场抽取材料和配件，在检测试验室安装制作试件进行气密性能检测（气密性能检测试件应包括幕墙的典型单元、典型拼缝、典型可开启部分），试件应按照幕墙工程施工图进行设计。试件设计应经建筑设计单位项目负责人、监理工程师同意并确认，检测结果应符合设计规定的等级要求。

三、玻璃幕墙检测规范

玻璃瓶检测 篇3

摘要：针对目前玻璃空瓶回收再生产过程中造成瓶口缺陷破损的在线实时检测难题，提出一种基于极限学习机（Extreme Learning Machine， ELM）的检测算法。首先对采集的瓶口进行预处理，通过研究表面缺陷，提取灰度方差等6种表面特征。然后运用遗传算法对极限学习机的输入层层的阈值和权值进行优化，提高算法的检测精度。最后现场选取569个样本对所设计ELM分类器进行训练学习与测试，并与LVQ算法、BP分类器对比实验。结果表明该算法能够满足对机器视觉检测系统缺陷检测高速高精度的要求。

关键词：缺陷检测；机器视觉；特征提取；极限学习机

中图分类号：TP391.4文献标识码：A

Abstract：A novel defect detection method based on Extreme Learning Machine was proposed for beer bottle mouth， which tackles with the problem of beer online realtime defect detection in recycling and reproduction process. The proposed method consists of the following steps. First， the bottle mouth is preprocessed by researching on the characteristics of surface defect bottle mouth， which extracts six kinds of surface features such as gray scale variance. Then， to improve the detection accuracy， we optimize Extreme Learning Machine （ELM） input and output layers of threshold and weight by using genetic algorithm. Finally， 569 samples from experimental test platform are selected to design the ELM classifier， and experimental results are compared with LVQ algorithm and BP algorithm. Experimental results show that the proposed ELM based classifier is able to obtain much higher speed and higher detection accuracy， which can meet the requirements of the production enterprise for machine vision system.

Key words：defect detection； machine vision； feature extraction； extreme learning machine

1引言

质检行业面临劳动力供给不足和劳动力成本上升的压力，采用自动化视觉机器代替人工操作岗位，是解决制造业用工问题的最有效途径。机器视觉检测已在集成电路质检、医药灌装、电力线路巡检等方面取得广泛的应用[ 1-4]，采用机器视觉检测代替人工检测。

2图像采集预处理

空瓶检测机器人是基于机器视觉检测、光机电一体化、图像处理和软件编程技术设计的智能化装备，由多个CCD相机、专用LED光源、空瓶传送系统、次瓶分拣装置和检测控制系统组成。图1为啤酒瓶视觉检测系统。

采用低角度环形LED光源的，所发出的光线照射在瓶口上，瓶口反射的光线进入相机[6，7]，相机从该光源的孔中对瓶口进行拍照来获得瓶口的图像。

受外界环境因素的干扰，采集的瓶口图像存在噪声需要对图像进行预处理以突出瓶口表面特征[8]，同时抑制目标图像中的噪声。

对瓶口圆心进行准确、高速地定位。现场采集200个瓶口样本。将200个瓶口样本随机分成4组，分别用四种瓶口定位检测法进行测试。从最大圆检测时间、最大定位误差等两个实验参数进行比较。表1 为四种瓶口定位检测结果比较。

通过实验比较，多次随机圆法在时间和精度上都优于其他3种算法采用多次随机圆检测的瓶口定位方法，来实现对瓶口的精准定位。

瓶口缺陷面积、周长、填充度、圆形度、相对圆心距离、灰度方差等六特征。

3基于极限学习机的检测算法设计

在获得提取的瓶口图像特征后，需要选择合适的分类算法对瓶口质量进行判决。已有多种传统的分类算法运用在缺陷检测中，例如LVQ分类器、BP算法、以及ELM神经网络。，选择ELM。

3.1极限学习机

极限学习机算法是Huang[10]等人在2006年提出，它是在单隐含层神经网络基础上的一种改进算法，前馈神经网络存在训练速度较慢、合适学习率选择困难以及容易陷入局部极小点等问题。如图4所示ELM神经网络。

3.2使用极限学习机进行分类

对于瓶口检测而言，产品为两类：一类为质量合格的瓶口，另一类为含缺陷的瓶口。

极限学习机常用的激励函数包括三角基函数、hardlim函数、正弦函数和Sigmoid函数、径向基核函数（RBF）等5种。根据，最终选用径向基核函数作为极限学习机的激励函数：

K（X，Xi）=exp （-12σ2‖x-xi‖2）（2）

式中σ为调控参数，通过调控参数σ，RBF核函数在实际应用上具有相当高的灵活性，也是使用最广泛的激励函数之一[11]。图为五种激励函数分类性能的比较。在确定参数σ时，提出使用遗传算法来进行优化选择。遗传算法的适应函数为：

F=k1-C（3）

式中C为分类准确率，交叉验证处理后得到。

确定核函数的参数后，使用训练样本对进行训练。提取到特征值输入到极限学习机前，将数据进行归一化处理到[0，1]区间内。

基于遗传算法的极限学习机的分类方法，其RBF核函数的参数用遗传算法进行优化后选择，对瓶口的参数选择取0.51。

4实验与分析

现场采集569个瓶口样本用于实验其中400个样本用于ELM神经网络的训练，即有400组特征向量；另外169个样本用于分类器测试，，作极限学习机算法的输入向量。

计算训练集每张瓶口样本图像所对应的灰度方差等六个特征向量，并将提取出来的400组特征向量逐一添加到ELM分类器中进行分类训练，训练终止误差设置为 0.001。ELM分类器训练结束后，再将剩余169个样本添加到ELM分类器进行分类测试，部分检测结果见图。

从表2可看出，ELM分类器识别率可以达到99.41%，比BP神经网络和LVQ神经网络的正确率有较大提高，同时训练神经网络也比其他两种算法，说明使用极限学习机用于，能够满足生产过程中高速高精度的要求。

5结论

首先对瓶口进行预处理，提取图像灰度方差等六种特征。通过比较几种激励函数的分类性能，选择RBF径向基函数作为ELM算法的激励函数，并通过遗传算法计算出参数σ。现场采集的569份瓶口样本，对所设计的ELM网络进行训练和测试，实验结果表明所设计的极限学习机的分类性较传统的BP、LVQ神经网络有很大的提高。基于遗传算法的极限学习机对啤酒瓶口质量检测的准确性较高，同时具有推广性能随着研究，一些学者提出许多改进的方法，如在线学习ELM[11]、进化ELM[12]等，取得不错的效果。从实际应用而言，基于极限学习机的分类算法有的发展前景，值得进一步的研究。

参考文献

[1]WU F，ZHANG X，KUAN Y，et al.An AOI algorithmfor PCB based on feature extraction[C].Intelligent Control and Automation， 2008. Wcica 2008. World Congress on. 2008：240-247.

[2]吴成中，王耀南.基于机器视觉的注射液中不溶异物检测方法研究[J]. 仪器仪表学报，2015，07：1451-1461.

[3]WU C Z， WANG Y N. Based on Machine Vision injection should not matter detection [J]. Chinese Journal of Scientific Instrument， 2015，07： 1451-1461.

[4]MARTINEZ C，SAMPEDRO C，CHAUHAN A，et al.Towards autonomous detection and tracking of electric towers for aerial power line inspection[C] International Conference on Unmanned Aircraft Systems. 2014：284-295.

[5]WE YRICH M，WANG Y，SCHARF M. Quality assessment of row crop plants by using a machine vision system[J]. 2013， 20（11）：2466-2471.

[6]王耀南，陈铁健.智能制造装备视觉检测控制方法综述[J].控制理论与应用，2015，03：273-286.

[7]LI Z，GENG Q X. An Image Preprocessing Algorithm of Weak and Small Target in Digital Video Interpretation System[C].International Conference on Electrical and Control Engineering. 2010：388-390.

[8]刘焕军，王耀南，段峰.空瓶的智能检测算法研究[J].湖南大学学报：自然科学版，2005，01：20-24.

[9]周显恩，王耀南，李康军，等.一种多次随机圆检测及拟合度评估的瓶口定位法[J].仪器仪表学报，2015，09：2021-2029.

[10]HUIFUANG， Ng. Automatic thresholding for detect detection[J]. Pattern Recognition Letters， 2006， （27）： 1644-1649

[11]HUANG G B，ZHU Q Y，SIEW C K. Extreme learning machine： Theory and applications[J]. Neurocomputing， 2006， 70（1-3）：489-501.

玻璃瓶检测 篇4

能源问题已经成为我国经济发展的主要瓶颈之一, 尤其我国的建筑能耗现已是气候条件接近的发达国家的3~4倍[1]。玻璃工程验收必检遮阳系数, 玻璃的遮阳系数是通过采集光谱数据进行计算得出的。现阶段, 国内主要以GB/T 2680-1994《建筑玻璃可见光透射比、太阳光直接透射比、太阳光总透射比、紫外线透射比及有关窗玻璃参数的测定》作为玻璃遮阳系数的主要参考依据。

1 单层玻璃遮阳系数理论公式分析

1.1 玻璃的太阳光直接透射比

式中:Sλ代表“太阳光辐射相对光谱分布”;代表“试样的光谱透射比, %”;Δλ代表“波长间隔, 此处为10nm”;τe代表“为试样的太阳光直接透射比, %”。

1.2 玻璃的太阳光直接反射比和直接吸收比[2]

式中:Sλ、Δλ同上。ρe代表“试样的太阳光直接反射比, %”;τe代表“太阳光直接透射比, %”;αe代表“太阳光直接吸收比, %”;代表“试样的光谱反射比, %”。

1.3 发射率

对于垂直入射的热辐射, 其热辐射吸收率ah定为垂直辐射率。

式中:εi—半球辐射率;ρh—检测得到的标准给定波长下的光谱反射比, %;ah—试样的热辐射吸收率, 即垂直辐射率, %;k—玻璃表面的系数。

玻璃的半球辐射率可以用傅里叶变换红外光谱仪检测, 常见玻璃的半球辐射率可以通过查表得出。

1.4 单层玻璃的太阳光总透射比

式中:εi代表“半球辐射率”;he代表“试样外侧表面的传热系数, 23W/m2·K”;hi代表“试样内侧表面的传热系数”。

单片玻璃或单层窗玻璃构件向室内侧的二次热传递系数qi可以通过半球辐射率计算, 也可以用检测方法测定玻璃导热系数[2]。

1.5 单片玻璃的遮阳系数Sc应按下式计算

式中:Sc代表透明玻璃部分的遮阳系数;g代表“试样的太阳能总透射比, %”;τs代表“3mm厚的普通透明平板玻璃的太阳能总透射比, 国际通用0.87[3]”。

2 双层玻璃遮阳系数理论公式分析

2.1 双层玻璃系统透射比、反射比、吸收比

太阳能透过中空玻璃光传播将室外片玻璃称为第一片玻璃、室内片玻璃称为第二片玻璃。

式中:a1觶2 (λ) 代表“双层玻璃系统中第一片玻璃的太阳光光谱直接吸收比, %”;

代表“第一片玻璃, 在光从室外/内射向室内/外时所测定的光谱吸收比, %”。

代表“双层玻璃系统中第二片玻璃的太阳光光谱直接吸收比 (通常用%表示) ”;

代表“第二片玻璃, 当光从室外射向室内时测得的光谱吸收比 (通常用%表示) ”。

根据以下公式依次计算出双层玻璃系统的透射比、反射比。

式中:τe、τ (λ) 、Sλ、△λ所代表的计算参数同式 (1) 。ρe、ρ (λ) 所代表的参数信息同式 (3) 。Sλ·△λ代表“标准相对光谱分布系数, 由标准查表得到相应波长下该值”。

根据计算双层玻璃系统的吸收比。

2.2 计算玻璃系统吸收太阳光能量后向室内的二次热传递系数qi

①根据公式 (19) 计算出双层窗玻璃系统中第一片玻璃的太阳光直接吸收比:

②第二片玻璃的太阳光直接吸收比按照下面公式计算:

2.3 太阳能总透射比

式中:g代表“太阳能总透射比 (用%表示) ”;τe代表“太阳光直接透射比 (用%表示) ”;qi代表“玻璃系统吸收太阳光能量后向室内的二次热传递系数 (用%表示) ”。

式中:he、hi所代表的参数信息同式 (9) 。

2.4 双层玻璃的遮阳系数Sc应按下式计算

式中:Sc代表“透明玻璃部分的遮阳系数”;τs代表“3mm厚普通透明平板玻璃的太阳能总透射比, 国际通用0.87”;g代表“试样的太阳能总透射比, 用%表示。

3 遮阳系数检测应用价值

国家强制性标准GB 50411-2007《建筑节能工程施工质量验收规范》对建筑工程中使用的玻璃要求遮阳系数检测合格后方可验收, 因为遮阳系数直接关系到建筑物使用的节能性能, 夏天隔热, 冬季保温, 故不管寒冷的北方还是在炎热的南方, 对遮阳系数要求均非常严格, 也作为工程必备验收竣工材料, 有着广泛的实际应价值。针对不同品种的玻璃的遮阳系数和节能效果分析比较见表1。

由表1可以得出结论:具有良好的遮阳性能的Low-E中空镀膜玻璃的遮阳系数一般Sc小于0.55, 得到公共建筑和居住建筑的标准要求, 同时可见光透射比大于国家标准规定的0.4, 在建筑实际应用中相对已普通白玻具有很好的节能性能。在实际使用当中, 具有节约能源, 起到环保作用。由公共建筑和居住建筑标准对遮阳系数小于0.55要求可知, 在节能建筑中, 普通白玻已经被淘汰了, 要达到节能50%, 或者更高65%要求, 只有镀膜玻璃可以使用在建筑上。

4 结论

遮阳系数检测需要用到检测设备为分光光度计和远红外光谱仪。现在的检测技术在不断的发展中, 成熟的有国家建筑节能产品质量监督检验中心发明一种辐照度法利用太阳光直接测定遮阳系数系统[4], 设计原理根据遮阳系数定义———使用透过被测玻璃的太阳辐射得热与透过标准3mm透明玻璃的太阳辐射得热的比值[5], 针对建筑物外窗安装后的结构, 比较直观的采用太阳的全波段自然光源来检测遮阳系数, 温度、环境真实可靠, 检测过程也满足了低碳节能的要求。目前, 具有上述特点的遮阳系数检测系统, 国内所查文献, 未见提及”[6];重庆大学发明一种遮阳系统检测装置, 利用贴片式热电偶测得太阳辐射转化的热量计算遮阳系数, 对太阳辐射转化的热量采用了直接测量的方式[7];深圳发明一种由标准计量箱、测试计量装置和防护箱组成的测量方法。总之各种各样的检测方法在不断的研究和发展, 最基础的光学法是各种检测方法比对和参照的根本。

摘要：围绕单层玻璃和双层玻璃的遮阳系数测定方法, 对太阳光谱的分区进行分析, 根据单层玻璃和双层玻璃对太阳光通过玻璃的不同特性, 详细阐述了GB/T 2680-1994的遮阳系数检测公式计算步骤, 同时阐述国内其他的遮阳系数检测方法。

关键词：可见光透射比,太阳光直接透射比,太阳光总透射比,遮阳系数

参考文献

[1]赵刚.建筑节能与节能设计[J].科技情报开发与经济, 2005, 5 (13) :147-148.

[2]ISO 10292:1994 (E) , 建筑玻璃稳态U值 (传热系数) 的计算及测定[S].Switzerland, 1994.

[3]方明, 葛大中.太阳光测定遮阳系数系统[P].中国专利:ZL2012 2 0315537.3, 2013-01-16.

[4]GB/T 8478-2008, 铝合金门窗[S].北京:中国标准出版社, 2009.

[5]张犁朦, 胡明一.太阳光测定遮阳系数科技查新报告[R].安徽省科学技术情报研究所, 20010-08-23.

[6]串科, 刘晓杰, 江涛.一种遮阳系统检测装置[P].中国专利:ZL 200820099883.6, 2008-12.

高精度玻璃管液位自动检测装置 篇5

笔者采用600dpi CIS和S3C2440处理器, 将基于CIS的玻璃管液位测量系统的精度提至±0.10mm, 同时实现了有色和无色液体液位的自动测量。

1 工作原理*

简化的静态容积法流量标准装置中容积测量的示意图如图1所示, V1是一个标准容器, 其液位与容积一一对应。如果知道U型连通器右侧玻璃管中的液位, 通过查表就能得到对应容器中液体的体积。假设V1的圆柱形半径为15cm, 如果液位误差1.0mm, 则相应的体积误差为70.650m L;如果液位误差是0.1mm, 则相对应的体积误差为7.065m L。所以提高液位的测量精度对于静态容积的测量有着重要的意义。

将600dpi高分辨率的CIS置于玻璃管的一侧, 另一侧用平行光源照射。由于有液体和无液体的部分对光的折射率不同, 所以CIS上相应感光元件感应的光强不同, CIS输出的视频信号中, 有液体信号和无液体信号的电压值就不同。通过相应的A/D转换电路, 将电压进行阈值分割, 使得有液体部分对应的电压输出经A/D转换变为零, 这样在一个周期内, 统计零的个数, 就知道液位的实际高度。

2 硬件组成

基于600dpi CIS和S3C2440处理器的玻璃管液位测量系统的硬件组成如图2所示。外置平行光源与SV6134A4C-00型CIS分别位于玻璃管的两侧。CIS总长216mm, 每毫米24个像素点, 整个CIS共有5 184个像素点, 所以其最小分辨率达0.042mm。

CIS的时序图如图3所示, SV6134A4C-00型CIS传感器的3个引脚分别是时钟引脚CP (4MHz) 、使能引脚SI (周期1.5ms) 和视频信号输出引脚VOUT, 在一帧图像信息中有效的像素点输出5 184个, 其余为无效信息。需要特别注意的是, CP开始后的82个CLKS输出的信息是无效的。

测量系统的处理器采用S3C2440, 该处理器通过PWM实现CIS的高频时钟驱动。VOUT输出的视频信号通过A/D转换后的数据存入缓存器AL422B中, 存储一定的液位图像信息后, 处理器执行液位提取算法, 将液位的当前高度实时显示在数码管。

AL422B是一款存储容量为393 216Byte×8bit的FIFO存储芯片。A/D转换器采用ADS930, 其有效电压转换范围1~2V, 当输入在1~2V时输出非零, 当输入为1V时输出为0, 并且通过试验发现当输入为1V以下时输出也为零。在测量时, 通过调理电路将VOUT输出信号中的高低电平, 分别调整至1V的两侧, 则低于1V的有液体信号输出都为零, 通过脉冲计数法就能计算出玻璃管液位的高度了。

3 系统软件

在液位测量过程中, 环境误差可能会引入随机干扰, 所以需要进行数字滤波处理。首先, 一次性读取多幅图像信息, 然后分别对每一幅图像提取液位信息, 最后采用去极值平均滤波法得到液位的实际高度。FIFO读出的多幅图像信息连续存储在一个内存空间开辟的数组区域内, 所以快速、准确地查到每幅图像并计算出每幅图像中液位的高度信息是算法的关键。本软件采用快速查找与统计方法实现, 其相应算法流程如图4所示。

将FIFO读出的一组数据存入图像数组M[]中, 依次从数据头开始遍历, 找到第一个突变的点, 即图像的分界点i1。

在突变点前加入一个长度为L1的窗, 然后对窗内数据进行处理, 如果窗起始单元与窗结束单元之间的变化值window[L1-1]-window[0]<5且|window[i+1]-window[i]|<5 (0<i<L1) , 说明突变点前的数值是稳定的。同理, 给突变点后加入一个长度为L1的窗, 如果window[i]=0 (0<i<L1) 说明确实为突变点, 从突变点后开始进行脉冲统计。

如果在上述突变点前加的L1窗体内有不满足上述变化值的点, 则动态地增加L1的长度, 如果动态加入长度内的点满足变化范围, 则同样满足要求。同理, 当突变点后的L1窗有不满足上述变化的点, 同样动态增加L1的长度, 再进行判断, 如果动态加入长度内的点满足变化范围, 则同样满足要求;如果动态增加的窗内数据依然不满足变化范围, 则舍弃找到的突变点, 继续往后遍历。

将确定为真实图像分界点的值计为M, 然后从M+L1位置依次开始统计零点数。如果遇到非零点, 首先加一个小窗L2, 从此非零点开始存入所加的小窗, L2的初始长度根据实际情况取1~2, 如果L2的窗口内有零值, 继续往后统计, 如果L2的值非零点, 为保证准确度, 动态增加一定的长度, 确定L2内没有零值, 即一幅图像中低电平的值统计完毕, 此时的下标值即为N。

将点数N-M-1存入开辟的图像帧存储数组P[]中, 如果P[]存够指定的图像帧数则结束本次算法;否则继续遍历, 搜索突变点, 统计零点, 直至完成预定数量的图像帧。图像帧存储数组P[]经去极值平均滤波法就可以得到稳定的像素点输出, 将输出代入曲线拟合好的关系式, 就能得到实际的液位高度。

4 试验

在玻璃管液位计装置中, 由于凹形液面的折射率在空气和液体之间, 所以凹形液位产生的过渡区域的数值不能统计为液位的像素信息。为了补偿过渡区域的误差, 通过曲线拟合方式建立传感器检测液位的像素点个数和实际高度间的数学模型。

经过测量, 用于标定的试验量筒容积和刻度均匀。60m L液体对应高度142mm, 平均每毫升液体高度2.366mm。采用高精度的A级滴定管 (精度0.02m L) 向量筒中加入液体, 从15m L一直加到60m L, 每5m L记录一次液体的高度和数码管的液位像素信息显示, 为了保证滴定过程成的准确性, 在每滴完一定的体积后采用人工方式读取液体体积进行验证。表1为3次重复性试验的液体体积和数码管的读数, 将3次重复性试验的数码管读数取平均, 以消除随机误差。

注:D值是该像素点的两倍直接在数码管上的显示值。

将D和h拟合得到直线y1=-0.0207D+224.2973, D和he拟合得到直线y2=-0.0208D+215.9749, 如果y1和y2的斜率相同, 直接用两条直线之间的距离作为修正值。此处斜率不是完全一样, 经过试验取8.60对所有的he值进行修正, 即he的所有值加上8.60作为最后的实际高度输出。如图5所示, 将D和修正后的y值进行曲线拟合得y=-0.02084D+224.5749。将每次数码管的值用Matlab的polyval () 函数重新代入拟合好的曲线, 得到液位的最大误差为0.9mm, 最小误差为-0.01mm。

为了更好地检验拟合直线的准确度, 将拟合好的曲线编程输入S3C2440, 试验过程如上步骤。每次增加5m L, 从18m L开始滴加, 数码管直接输出液位的实际高度, 试验结果见表2, 可见最大误差为-0.09mm, 最小误差为+0.03mm, 都在±0.10mm的范围内。

由以上试验结果可以看出:600dpi CIS输出的视频信号噪声小, 能够清晰地分辨出液位的图像信息。输出信号经调理电路调理后, 可采用ADS930轻松实现阈值分割, 从而通过脉冲计数法实现液位信息的提取。

600dpi CIS最小分辨率为0.042mm, 通过试验可知, 其测量相对误差在±0.10mm以内, 相较于低分辨率的CIS, 提升了液位测量的精度。

本试验使用的600dpi CIS的线性度较好, 像素与高度间的关系可以直接拟合为一次函数。

利用高分辨率的CIS, 并结合相应的硬件转换电路也可以实现无色液体的液位测量。

5 结束语

采用600dpi CIS和S3C2440处理器实现了玻璃管液位计的高精度自动测量。与其他采用CIS实现液位检测的装置相比, 测量精度由0.50mm提高到了±0.10mm。此外, 此液位测量系统计还可以测量无色液体的液位。

参考文献

[1]孙刘杰, 王洪来.基于CIS的水流量标准液位读取装置研究与设计[J].微计算机信息, 2012, (10) :191~192.

汽车玻璃曲面超声检测系统的设计 篇6

汽车挡风玻璃的质量对驾驶员安全行驶有着重要的作用。对挡风玻璃的基本要求之一是:曲面形状误差小,以避免引起驾驶员视觉错误而造成事故[1]。此外,挡风玻璃是采用热成型工艺制造,曲面形状误差难以避免。为了检测挡风玻璃曲面形状误差,目前已经有运用莫尔干涉原理开发的在线莫尔检测技术。但在线莫尔检测技术的主要部件是光学系统,安装精度高,需在振动小的环境下使用,这对挡风玻璃热成型生产设备要求高,维护困难[2]。并且玻璃生产现场温度高、灰尘多,而且在线图像采集存在软件和硬件延迟、观测面积大、观测对象位置不确定、照明不充分、噪声干扰和运动模糊等问题,对检测的精度产生严重影响[3,4]。因此提出用超声波检测挡风玻璃曲面形状。

介绍了汽车玻璃检测系统工作原理和检测方法,接下来为进行实验选定系统设计方案,依据实验要求选定了基于xPC的方案设计实验,然后组建实验平台进行试验,并且对实验所得到的数据进行分析处理,最后得出结论。

2 检测系统硬件结构

为满足我国安全汽车玻璃标准规定的0.1mm检测精度要求[5],选择超声波传感器精度0.03mm,综合考虑挡风玻璃弯曲面的几何尺寸范围与超声波传感器死区大小,选择量程为200mm的传感器,内部带有温度补偿功能,可以满足检测系统的要求。

根据上述要求,构建的检测系统原理见图1。

该系统传感器、采样电路、处理用PC机等组成。系统由多个超声波测距传感器组成一个阵列,自动扫描玻璃曲线图形,然后又通过曲面成型技术生成曲面,通过与玻璃原设计的标准曲面继续对比分析,得到该玻璃是否合格,再将该信号送给分选机构进行分选。

硬件采样电路由单片机进行控制,由它来协调各部分功能模块的运作。电路包括采样模块、单片机与上位机的通讯模块和8155扩展模块三个分模块。其中AD芯片使用精度高(12位),速度快(25μs)的AD574,并在其转换前对信号作了采样保持处理,由于超声波的传感器量程范围是0～200mm,所以使用12位的AD芯片,其采样精度是可以达到0.1mm系统要求精度要求的。整体系统框图如图2所示。

其中xPC是一种可以对基于标准PC硬件的实时系统进行设计、测试、调参的解决方案。这种方案采用主—从设计,即在主PC机之外还采用一台从PC机,用来进行实时操作采样。xPC的双机模式可以方便的进行PC机对下位机的控制,可以完成多种算法的运算,是实验室进行控制实验的理想软件。双机模式是一台PC机运行在实时操作系统下,进行采样控制算法,可以保证系统的准确性,但不利于用户操作,故还有一台PC机运行在windows操作系统下,两机通过网线相连,既可以保证采样控制的实时性,又利于用户操作[6]。

3 系统软件部分设计

软件部分分为单片机内的程序及PC机上的MATLAB程序两部分。单片机程序包括主程序、系统初始化、数据发送程序、中断程序四部分。其中主程序负责对系统进行初始化及各程序模块的调用,初始化包括对单片机各中断口、定时器和芯片的初始设定,各个端口及寄存器的初始化。系统初始化程序完成整个系统初始参数设计,两个中断分别是串口中断和AD完成采集后给单片机的外部中断,主要完成数据收发和信号采集功能。其中主程序流程如图3所示。

PC机使用MATLAB中的xPC来进行采样,设计的MATLAB程序内部结构如图4所示。其主要作用是:每隔固定时间给单片机发送数据采集命令,使单片机启动AD芯片开始采样;每隔固定时间接收单片机发送上来的数据包,并且进行解包和运算得到距离并且显示。这些操作都在从机上完成,主机只完成对从机的开始、停止等控制操作。

4 检测方案与实验结果分析

4.1 检测方案

系统使用一个超声波传感器对最大尺寸300mm的汽车玻璃进行检测,建立系统原点后,Y轴每隔一段距离扫描一组X方向数据。

在实验中,有三个变量(采样时间,Y轴间隔,扫描速度),每个取值又有三种,所以本试验就是三因素三水平试验。其中实验设计采样间隔有25ms,30ms,100ms三组;Y轴间隔也有2.5mm,5mm,10mm三组;扫描的速度有200mm/min,320mm/min,500mm/min三组。其示意图见图5。

4.2 实验结果分析

由于超声波传感器的感应范围不是一个点而是一个圆,检测的距离是一个圆面到传感器的平均距离,所以必须在后期进行相关的数据圆滑化处理。

图6是实验接收到的数据曲线,其数值已经过了变换,实验中取其中一段弯曲面的数据即可,开始和结束时的数据突变是传感器进入和离开玻璃曲面产生的。从图6中可以看出得到的曲面形状,通过一组完整的数据进行拟合就可以得到需要的检测曲面。图7是真实玻璃曲面照片,图8两幅图分别是由测量数据拟合的汽车玻璃剖面图和玻璃外观轮廓图。

5 结束语

该基于超声波的汽车玻璃检测曲面系统,使用了xPC模块化设计,简单快捷。实验得到的曲面数据和实际基本一致,为汽车玻璃质量自动检测提供了一个新思路。

参考文献

[1]刘志海,李超.加工玻璃生产操作问答[M].北京:化学工业出版社,2009.

[2]王飞,崔凤奎,刘建亭,等.基于机器视觉的玻璃表面缺陷检测系统的研究[J].玻璃与搪瓷,2009,37(5):6-10.

[3]SAIFOLLAH R,MOHAMMAD T T.Moire deflectometer formeasuring distortion in sheet glasses[J].SPJE,2005,6024:6024E-1—6024E-6.

[4]彭向前,谢经明,陆万顺,等.浮法玻璃质量在线检测与分析系统[J].玻璃,2009,36(12):43-46.

[5]GB/T 17340一1998.汽车安全玻璃的尺寸、形状及外观[S].

玻璃瓶检测 篇7

关键词：安全玻璃,缺陷检测,光栅位移传感器,FPGA,USB

0 引言

在安全玻璃的缺陷检测中, 通常被检对象的尺寸很小, 约为40μm数量级。检测系统不仅需要确定缺陷位置, 还要精确测定其外形特征, 结合光学特征进一步判断缺陷的性质。因此, 检测平台的几何尺度测量必须有很高的精度。为之, 在设计的检测系统中采用了光栅位移传感器作为测试手段。

光栅位移传感器 (即光栅尺) 是进行高精度位移测量的最常用的装置, 它将位移量通过光栅的透射转换成莫尔条纹的移动, 然后经光电转换电路转换成电信号输出。当主光栅与指示光栅相对移动一个条纹距离时, 输出的电信号变化一个周期。通过对信号变化周期的测量, 进而测出移动的距离。

1 光栅尺接口信号及电路功能要求

方波输出的光栅尺, 所输出的电信号通常包括有A相、B相和Z相三个方波, 其中A相信号为主信号, B相为副信号, 两个信号的周期相同, 相位差90。Z相信号作为校准信号, 用以消除累积误差。若光栅尺正向运动时, A信号超前B信号, 在A信号下降沿, B信号为“1”;当光栅尺反向运动时, A信号滞后B信号, 在A信号下降沿, B信号为“0”;根据读到的B信号的数据并对A信号的周期进行计数 (正向计数或逆向计数) , 就可以测算出总位移[1]。

光栅尺的测量精度受栅线密度的限制。用电路信号细分的方法可以提高测量精度。故需设计光栅尺专用的接口电路, 完成细分辨向、可逆计数和数据传输等任务。

实现上述功能有多种硬件方案可供选择。我们采用美国Altera公司的Cyclone II系列的EP2C5T144C8N (FPGA芯片) 完成信号处理, 采用南京沁恒公司的CH372 (USB总线的接口芯片) 实现FPGA与PC机的数据传递, 较好地实现了上述目标。

2 核心电路设计

2.1 细分辨向电路

根据光栅尺的工作原理, 动尺每移动一个栅距, 其A、B两路输出方波变化一个周期。对位移的测量就转变为对输出方波的计数, 每当信号有上升沿或下降沿 (2选1) 时, 产生计数变化。换言之, 光栅尺每移动1个栅距只计1次数。如果让计数器在A、B两路信号的上升沿以及下降沿均产生计数, 则同样光栅尺移动1个栅距, 会有4次计数效果。也就是说, 光栅尺在1个栅距内, 每移动1/4栅距就产生1次计数, 相当于把栅距缩小了4倍, 或者说精度提高了4倍。这就是细分电路所要实现的功能[2]。

设计细分电路, 关键在于鉴别出信号的上升沿和下降沿。以A信号为例, 所谓“上升沿”和“下降沿”就是短时间A信号发生了变化 (不同) 。据此, 我们设计了用D触发器构成的2级移位寄存器, 其时钟由外部提供, 频率远高于光栅输出信号。触发器不断对光栅输出信号进行高速锁存采样, 寄存器中保存了A信号最近的两次采样值。同时我们注意到, 当光栅尺正向运动时, A相信号的上升沿发生在B信号为0时, 而下降沿发生在B信号为1时。因此, 采用图2所示的电路就可检出正向运动时A信号的下降沿, 采用图3所示的电路就可检出正向运动时A信号的上升沿。

正向运动时B信号的上升沿、下降沿检出电路也完全类似, 而对调AB信号则可得到反向运动时A信号、B信号的上升沿以及下降沿检出电路。把上述电路各部分进行合并、整合, 即可得到完整的细分电路。最终设计出的电路如图4所示。

当光栅尺正向运动时, 从CLK_UP信号端输出四倍频脉冲, 而CLK_DOWN端无信号输出。当光栅尺反向运动时, 从CLK_DOWN信号端输出四倍频脉冲, 而CLK_UP端无信号输出。因此, 两者就是我们所需的可逆计数器的计数脉冲。CLK_UP和CLK_DOWN信号控制RS触发器, 产生EN_UP信号, 对细分后的信号进行辨向。只有这样, 才能真正提高测量精度。

2.2 USB接口电路

外设与PC机进行信息交换, USB是最方便的模式。本系统采用了南京沁恒公司的CH372芯片, 实现了FPGA与PC机的数据传递。

CH372是一个USB接口芯片[3], 它内置了USB通讯的底层协议, 因而大大简化了USB接口的软件工作量;同时它具有8位数据总线和读、写、片选控制线和中断输出, 可以很容易挂到FPGA控制器的系统总线上;在计算机系统中, CH372所带有的配套软件具有简单的操作接口, 很容易与FPGA进行通信操作。系统中, CH372的工作方式为从机方式, 即将它作为从机挂接到FPGA的数据总线上与上位机进行通信。

2.3 电路整体结构

光栅尺接口电路整体框图如图5所示。整个系统包括X、Y两个方向的四细分辨向电路、24位的计数电路、数据锁存、地址译码、总线控制以及USB接口电路等组成。

3 结束语

本设计的FPGA部分使用VHDL编程, 在Quartus II环境下编译、仿真通过。用配置芯片EPCS4保存代码, 每次上电自动对EP2C5T144C8N进行主动配置。同时借助于CH372构成的USB口, 与PC机进行信息交换也快速、方便。该模块已成功运用于笔者设计的安全玻璃缺陷光学检测系统中。实际使用情况表明, 性能稳定可靠, 功能符合要求。

参考文献

[1]王成元, 常国祥, 夏加宽.基于FPGA的光栅信号智能接口模块[J].电气传动, 2007, 4.

[2]金锋, 卢杨, 王文松, 张玉平.光栅四倍频细分电路模块的分析与设计[J].北京理工大学学报, 2006, 12.

玻璃瓶检测 篇8

1 国内烟草行业目前包装机械整体情况概述

在我国, 烟草行业包装的机械应用种类非常多, 质量也参差不齐, 其中不乏准确可靠的装置。在这些包装机组中, ≥ 600 包/min的超高速机组很多都是从国外进口的, 如意大利GD公司所产的H1000、W1000 及S1000 型, 德国FOCKE公司产的F8, 上述包装机组均能达到1000 包/min。而≤ 600 包/min的高中速机组则主要有B1 (产自德国的慕斯门公司) , GDX1 及GDX2 (产自GD公司) , FOCKE350 (产自FOCKE公司) , 上述包装机组均为进口类高中速机组。国产主流机型则是由上海烟机公司从意大利的GD公司引进的GDX1 及GDX2, 在吸收消化的基础上生产的ZB25 与ZB45 两款包装机。近年来, 上海烟机公司又从意大利公司引进了C600、XC、PACK-OW, 并在对其进行吸收消化的基础上制造了国产包装机ZB47。目前, 正对从德国的FOCKE公司引进的FC800 包装机加以消化吸收, 以制造国产包装机ZB48, 其生产能力达800 包/min。国产类包装机中, 软盒ZB25 与硬盒ZB45 在国内卷烟厂中占据着主导地位[1]。

2 装置简介

ZB25 包装机由我国烟草总公司于20 世纪90 年代初从意大利的GD公司引进的全套技术, 在对其相关操作技术加以吸收与消化后形成国产化卷烟包装装置。该装置采用的是GD公司所开发的MICRO- Ⅱ电子控制系统, 各系统间主要使用G.D LAN进行网络通讯, 相应的控制程序则使用GD公司开发的G.D语言设计。数字输出板、数字输入板、步进电机板、编码器板等是控制硬件的主要组成部分, 400 包/min为该机器的额定速度[2]。

3 检测装置功能需求

检测装置根据生产相关要求应同时具备识别、移位及剔出这三大功能, 其具体控制原理如图1 所示。

4 检测装置硬件设计

通过图1 检测装置控制原理可以发现, 检测装置的硬件设计应包括控制器、同步器、剔出阀及散包检测传感器这四部分。

4.1 控制器

根据控制原理图, 选择西门子S7-200PLC为检测装置的控制器, 该控制器的PLC具有极强的抗干扰能力与可靠性, 且性价比相对其他控制器更高[3]。此外, 该控制器指令更为丰富、指令功能更强、掌握难度较低、操作方便;其内置高速计数器4 个, 高速脉冲输出2 个, RS485 的通讯口1 个。其工作电源为220VAC;输入点数与输出点数分别为8.24 与6.24VDC;以晶体管为其输出形式;存储容量达40964 个字节且其执行速度为0.37us/ 指令。该控制器相关技术参数均符合或高于实际需求, 因而能很好地满足生产需求。

4.2 散包检测传感器

将KEYENCE公司生产的FS-V21G型光电开关作为该检测装置的传感器。该公司设计产品专门针对移动速度极快的检测目标, 因而具有高度精确性及快速响应的特点。在传感器处配置双数字显示监视器, 可有效对灵敏度预置数值及当前数值进行实时观察, 且设置极为简便。该传感器工作电源为12 ~ 24VDC, 其操作实际需求为24VDC;其检测距离为90mm, 操作实际需求则大于50mm;其输出类型为NPN, 与实际需求一致;其输出状态为DON或LON, 实际需求为LON, 满足实际需求;反应时间为500s, 符合实际要求不超过1250s的需求。

4.3 同步器

同步传感器的主要功能是进行移位信号的采集, 因而对其精度的要求相对于同步散包传感器要略低[4]。我们选用的是BALLUFF公司生产的HL-S20 型接近开关作为检测装置的同步器。该同步器工作电源为12 ~ 24VDC, 操作实际需求为24VDC;其检测距离为50mm, 操作实际需求则大于30mm;其输出类型为NPN, 与实际需求一致;其输出状态为常开, 与实际需求一致;反应时间为980s, 符合实际要求不超过1250s的需求。

4.4 剔出阀

剔出阀主要用于剔出生产线上出现的缺陷烟包, 因而对速度要求极高。针对这一生产需求, 我们选用MAC公司生产的111B-5551BAAA型电磁阀作为检测装置的剔出阀。该剔出阀工作电源为24VDC, 操作实际需求为24VD;压力范围为0 ~ 4bar, 而实际需求则是大于或等于3bar, 符合实际生产需求;其输出状态为常闭, 与实际生产需求一致;其动作频率为250Hz, 符合实际生产需求的超过100Hz。

5 软件设计

5.1 程序流程图的设计

根据检测装置的控制原理, 其控制流程图具体设计详见图2。

5.2 程序设计

根据图2, 专门小组成员运用西门子公司STEP 7-Mcro/WIN这一软件程序对检测装置进行程序设计。

5.3 质量监控系统设计

该检测装置质量监控系统采用的是西门子公司S7-200系列的CPU222 型中的PLC为控制器。该控制器可靠性与性价比均极高, 且具有极强的抗干扰能力, 指令丰富且功能较为强大, 操作人员易于掌握与操作。该控制器以STEP 7-Mcro/WIN32 编程软件进行编程, 可同时为用户提供程序设计、程序编辑及运行监控等多重功能。该软件向用户提供语句表、梯形图及功能块三类语言编辑器[5], 因而, 用户可通过PPI或PC电缆或MPI电缆实现PLC与计算机之间的网络通讯。

5.4 系统工作原理

该监控系统通过从烟盒外的透明纸包装机械上进行传送链烟包检测器信号采集, 并使用第一个计数器对采集的信号予以累加, 当信号累加值V1 达到预置值8 000 时 (即该设备已累计生产8 000 包烟) , 即进行脉冲信号输出 (主要用于对报警灯进行驱动) 来提醒机台人员对产品进行质量检查[6,7]。在输出脉冲信号后, 监控系统将使用第二个计数器对采集的信号予以累加, 同时对盒外透明纸包装机上的手动剔出按钮触点状态进行检测, 当第二计数器累加值V2 达到800 时 (即脉冲信号再次发出已生产800 包烟) , 监控系统检测到包装机上手动剔出按钮触点闭合, 则需执行手动剔出动作, N1 清零, 脉冲信号停止输出。若第二计数器累加值N2 已达到800 后, 监控系统仍未检测出手动剔出按钮触点处于闭合状态 (即尚未手动执行剔出动作) , 那么系统盒外的透明纸包装机上停机按钮则会发出停机指令, 同时, 第二计数器累加值V2 清零。当设备再次启动后, 包装机第二计数器开始重新计数, 若累加值V2 在达到800之前监控系统仍未检测出包装机上手动剔出按钮触点闭合, 则需再次停机, 并重复该动作, 直到执行手动剔出动作。

6 应用效果

ZB25 检测装置在陕西中烟工业有限责任公司延安卷烟厂投入使用后, 能对玻璃纸散包进行准确识别, 稳定性高且效果明显, 极大降低了玻璃纸出现缺陷的产品流向市场, 进而有效提高了陕西中烟工业有限责任公司延安卷烟厂产品的市场信誉及经济效益。目前, 该检测装置已广泛应用于陕西中烟工业有限责任公司延安卷烟厂所有GDX1 及GDX2包装机上。

7 烟草包装机未来的挑战以及对烟草包装机以后的愿望

第一, 卷烟包装装置变革的前提是包装质量更高, 只有质量提高, 才能更好地适应需求;第二, 在包装速度方面更快, 这是卷烟包装装置的一大追求目标;第三, 灵活性更高, 这样能在零件更换数量减少的前提下对不同规格、不同数量、不同材料、不同软硬度烟盒、不同形式烟盒的烟支进行高质量包装, 以更好地适应千变万化的市场需要;第四, 可靠性与稳定性更优, 可靠性与稳定性的有效提升主要与合理的设计、零部件加工的精度、选用的材料及包装机的装配质量等有密切关系;第五, 在维修方面更为方便, 这也是所有先进包装装置极其注重的方面;第六, 运用多门学科的相关研究方法和手段, 如人体测量学、心理学、生理学及生物学, 对人体的心理、结构、功能及力学等方面问题进行研究, 从而使设计装置、仪器及控制装备能发挥最大作用;第七, 运用网络技术, 在系统方面把包装设备与生产指挥系统相互连接起来, 在硬件和软件调试期间, 可进行远距离服务及远距离监控等, 零件供应商可以更便捷地进行在线咨询联络;第八, 在原辅材料供应方面更为集中, 数字工厂及虚拟制造均是烟草包装设备未来的发展趋势。

参考文献

[1]宋慧欣.烟草包装机械自动化新发展[J].自动化博览, 2014, (8) :42.

[2]冯展坤.运用PLC对ZB25型卷烟包装机组条包缺包检测系统升级[J].科技创新与运用, 2014, (23) :48.

[3]祝荣壮.基于S7-200 PLC的ZB25包装机质量监控系统设计与应用[J].包装与食品机械, 2008, (2) :34-35.

[4]祝荣壮, 关堂新.ZB25包装机玻璃纸散包检测装置设计及应用[J].包装与食品机械, 2008, (5) :21-23.

[5]陈超明.ZB25包装机组电控系统改进[J].海峡科学, 2011, (3) :26.

[6]谯红伟, 张刘军, 霍开玲.ZB25卷烟包装机小盒透明纸使用规格的研究[J].科技传播, 2012, (5) :103.

玻璃瓶检测 篇9

原料在熔窑内熔化成玻璃液后经流液道进入锡槽，由于锡的比重比玻璃液的比重大，因此玻璃液会在熔融的锡液上摊平。锡槽的入口温度在1080℃左右，向后温度逐步降低，到出口处的温度在600℃左右，在锡槽的出口端有一个向上的爬坡以免锡液外流。因此玻璃液从进入锡槽的熔融状态向后逐渐温度变低，凝固成型成为平板玻璃，通过锡槽出口经过渡辊台进入退火窑。玻璃在锡槽内由前向后的运动主要是通过过渡棍台及退火窑内辊道转动所提供的拉引力。

在上述玻璃的成型过程中如果由于某种原因造成玻璃带在锡槽内断裂(称为断板)，其结果是后面的玻璃带会被退火窑的辊道拉引出锡槽，而前面的玻璃带则会由于没有拉力而出不了锡槽，这就是通常所说的断板。如能及时处理，通常对生产不会造成重大损失，但是如不能及时发现和处理，那么玻璃液就会在锡槽内堆积，造成通常所说的满槽事故。如果发生了满槽事故，就需要操作人员打开锡槽两侧的操作孔，将锡槽内几十吨的玻璃掏出外面，这类事故的处理通常少则需要几小时，长则需要几天。满槽事故造成的停产以及锡的损耗、电的损耗、设备的损耗等，其经济损失少则几十万，多则几百万。因此说满槽是浮法玻璃生产中应尽力避免的一种重大事故。

造成锡槽内玻璃断板的原因有几种，其中有一种原因是锡槽内玻璃带上有大的夹杂物。这有可能是来自熔窑内脱落的耐火材料，或是锡槽底部浮上来的槽底砖碎片。在正常的生产中一般不会发生这种情况，但在投产初期或者到了窑龄的后期，熔窑内通常会有耐火砖脱落掉入玻璃液内而流入锡槽;锡槽在窑龄的后期也偶尔会有槽底砖碎片脱落而漂浮上来，如不及时发现这些情况，将有造成断板、满槽事故的危险。所以及时发现锡槽内玻璃带上的漂砖或大的夹杂物，是避免这类事故发生的必要条件。

1 锡槽漂砖检测的基本原理

目前，对于锡槽漂砖的自动检测还未见有专用仪器或有效的方法，本文提出了采用图像处理的方法来检测锡槽漂砖或玻璃板面的夹杂物的。系统的硬件主要由摄像探头、计算机图像处理系统及报警器组成，如图2所示。其中摄像探头安装在锡槽侧面的观察窗上，通过观察窗摄取锡槽玻璃板面图像。探头内部为高清晰度摄像机，外部是冷却水套以免高温损坏摄像机。

摄像探头将摄取的实时图像送至计算机图像处理系统，当锡槽底部有耐火砖碎片脱落时，由于锡液的比重比耐火砖大许多，因此碎片会向上浮到玻璃板底部。由于此时的玻璃板还处于半固体状态，所以碎片会将玻璃板向上顶出一个突起的臌包，这时通过摄像探头可以看到玻璃板面出现一个随玻璃板运动的亮点(对于玻璃板内夹杂有较大杂物的情况也同样可以在图像上看到亮点)。

计算机图像处理系统以一定的时间间隔采集来自摄像探头的图像信号，然后依次做滤波→前后两帧图像相减→微小颗粒滤除→图像二值化→亮点搜索及大小判别→亮点运动方向判别等处理。当玻璃板面没有随玻璃板运动的亮点(即没有漂砖或夹杂物)时，前后帧图像基本相同，其相减并二值化的结果是除了某些没有规律的小干扰点外其余均为零，因此在后续的处理中无法找到大于阈值并随玻璃板方向运动的亮点。当玻璃板面出现随玻璃板运动的亮点(即有漂砖或夹杂物出现)时，前后帧图像之间在运动的亮点处存在差别，连续多次进行前后帧图像相减并二值化后，除了某些没有规律的小干扰点外，会在玻璃板的运动方向上出现连续的亮点，这就是玻璃板上的夹杂物，如果其尺寸大于所设定的阈值，计算机将送出报警信号至报警器，以提醒操作人员观看并作出判断和处理。同时，系统还对报警时的图像进行抓拍和记录，以备将来查询。其处理过程如图3所示。

2 实施中的几个问题

2.1 目标大小的判别

玻璃板上漂砖或夹杂物的大小反映在摄像机摄取的图像上是亮点的大小，对于小的亮点，则表示玻璃板内的夹杂物或漂砖很小，不至于引发断板事故，因此可以不作处理;但对于大的亮点则必须报警以提醒操作人员，所以计算机必须有识别亮点大小的能力。

亮点的大小反映在图像上是像素的多少，但对于同样大小的物体，反映在摄像机摄取的图像上必然是物体距离越近所占的像素点越多，越远所占的像素点越少，因此，必须通过软件进行距离修正以还原目标的实际尺寸，从而对漂砖或夹杂物的大小做出正确的判断。

2.2 目标不能漏检

玻璃板运动的速度一般最快为200mm/s，计算机进行一次图像处理所需的时间大约需要200ms(即1秒钟5次)，要可靠地识别玻璃板上的一个运动亮点一般需要抓取3次以上图像。因此在选取摄像机镜头的焦距时，必须满足在水平方向上摄取的最小宽度不小于：，但也不宜太宽，否则会影响检测的灵敏度。

2.3 目标运动方向判别

锡槽内部的温度一般在600℃～1000℃的范围，锡槽外部基本是常温，因此在观察窗附近有冷热气体的对流，另外为防止锡液的氧化而不断有氮气和氢气注入锡槽，由此也会产生冷热气体的对流。冷热气体的对流反映在摄取的图像上是图像会发生抖动，而玻璃由于存在反光，板面上会有锡槽顶部及侧壁的影像，因此存在亮暗的差别，图像的抖动就会造成计算机抓取的前后两帧图像存在差别，所以不能仅仅根据前后两帧图像的差别来判断漂砖或玻璃板内的夹杂物，而必须识别亮点的形状并判别亮点的运动方向，只有运动方向与玻璃板移动方向一致时才能认为是要发现的目标。

2.4 电气干扰的消除

由于玻璃厂内有许多大功率电器，它们中的一些会通过电磁辐射或电源干扰摄像机的图像，最常见的干扰是画面上出现雪花点。在本系统的实施中，处理的方法是系统良好接地，在电源端加电源滤波器，并在软件上选择合适的滤波方法。经过这样的处理并配合上述的运动方向识别，基本消除了这类干扰的影响。

3 系统的实现

在具体实现中，本系统硬件采用研华工业计算机、微视图像采集卡及松下高清晰摄像机，在软件界面上有检测阈值设置(在图像上只有大于阈值的亮暗变化才判断为需要检测的物体，这样可以避免因小的干扰而引起误报)、检测的目标大小设定(可以设定检测的目标大小，只有出现大于设定值的夹杂物或漂砖才会报警)、检测区域设定(因为摄像机摄取的图像范围会大于玻璃的宽度，可以选取刚好覆盖整个玻璃板面的区域作为检测区，这样就可以避免将边上漂浮在锡液表面的锡灰当作漂砖而误报)等功能，本系统自2006年投入使用以来，运行稳定可靠，为操作人员及时发现玻璃板面的漂砖及夹杂物提供了便利。

参考文献

[1]吕文敏.车牌识别系统中图像的采集和定位问题研究[J].计算机与现代化,2009(3):19-23.

[2]卢洋,张旭秀.图像边缘检测算法的对此分析与研究[J].太原科技,2009(3):50-52.

[3]冈萨雷斯.数字图像处理[M].北京:电子工业出版社,2003.