計算機視覺技術在塑料檢測領域的應用進展

王占強，薄楠林

（1. 嵩山少林武術職業學院，河南 登封 452470；2. 鄭州商學院，河南 鄭州 451200）

隨著塑料工業的發展，塑料的應用范圍越來越廣。塑料制品生產過程中，模具的應用極為廣泛。塑料加工一般有注塑和吹塑兩種，注塑應用更多。在塑料加工過程中，對模具及制品進行在線檢測，不僅有利于模具的保護，更有利于快速剔除次品。計算機視覺技術在塑料加工檢測領域、尤其是缺陷檢測方面具有獨特優勢［1-2］。本文綜述了近年來計算機視覺技術在塑料加工過程及其他相關領域檢測方面的應用進展。

1 在注塑工藝中的應用

1.1 在注塑機智能控制中的應用

廣東科捷龍機器人有限公司［3］在基于機器視覺的注塑機智能控制器的基礎上，又發明了基于機器視覺的注塑機智能控制系統［4］，由可與注塑機連接的主機控制器、控制單元及視覺單元組成。視覺單元在控制單元的控制下獲取合模前的圖像，并將圖像反饋至控制單元進行分析；控制單元包括與其連接的檢測單元；檢測單元獲取圖像后判斷是否符合合模條件，并將分析結果反饋回控制單元，控制單元將檢測結果傳回主機控制器。該系統克服了現有注塑系統注塑時無法檢測分析模具的狀況、不能保護模具及確保產品質量的問題。東莞市臺中精機有限公司［5］公開的基于機器視覺的雙料注塑機，由底部有轉盤的料筒，轉盤上裝有合模機構且其兩側裝有傳感器，轉盤前方工作臺上裝有工業攝像機。引入了工業攝像機，實現了機器視覺和傳感器的雙重定位，提高了加工精度和加工效率。

深圳市圣豐模具塑膠有限公司［6］公開的基于機器視覺的注塑機模具，核心是內部設置可編程邏輯控制器（PLC）、圖像處理器和存儲器的工業計算機。通過設置CCD攝像機可以實時采集模具在合模過程中的圖像，然后傳輸到PLC，PLC將采集的圖像再傳輸到圖像處理器內，對圖像進行處理后，通過PLC傳輸到工業計算機上的觸控屏進行顯示，從而使用者能夠快速、準確地判斷合模工作發生前模具中是否有殘留物體，即產品是否脫模，同時也可檢測注塑的工件是否完整。寧波匯智恒動自動化科技有限公司［7］公開了由視覺模塊、矯正模塊、機器學習識別模塊組成的用于注塑機的視覺檢測和矯正系統。其中，視覺模塊先采用圖像校正來減少由拍照位置偏移或者被拍對象偏移造成的圖像位置不一致帶來的影響，再對采集的圖像進行系統處理，提升了機器視覺處理的精確度。該發明采用機械臂并在視覺模塊和機器學習識別模塊的輔助下高效率放置無紡布及螺母的操作，提高了注塑機的注塑效率。

中國計量學院［8］發明了基于機器視覺的注塑加工監控檢測系統及操作方法，所用工業相機通過USB與設置4個輸出端的嵌入式微處理器的輸入端相連。其中，1號輸出端通過IO信號與可調光源相連；2號輸出端通過IO信號與注塑機急停開關相連；3號輸出端與無線收發器相連，并將警報信號無線發至監控客戶端；4號輸出端與觸控屏相連，顯示當前監控信息及檢測結果。該發明可以監控模具及檢測部件的磨損情況，當發現模具及部件磨損或異常時，可觸發注塑機急停開關啟動，并通過無線發送警報信號至監控客戶端，提高了產品合格率，適于工業應用。

1.2 在注塑模具監視中的應用

浙江工業大學［9］公開的模具監視方法包括：（1）分別采集注塑機開模到位時和頂針頂出之后的標準模板圖像；（2）當注塑機運行至開模到位時，通過攝像機對模具型腔面連續取像，對監控圖像的當前幀做預處理，為后續圖像快速配準做準備；（3）執行基于FAST-9圖像特征快速配準算法；（4）將配準之后的當前幀與模板圖像做差分；（5）采用Ostu自動閾值分割算法實現圖像的二值化，對圖像進行連續開和閉運算；（6）通過空穴檢測確定成型產品是否正常，若異常則報警，否則繼續等待下一周期的注塑機工作狀態信息。該發明實時性良好，魯棒性強；但不具備監控加工流程用時、局部磨損測量、次品原因統計分析、無線報警等功能。

寧波安信數控技術有限公司［10］公開的基于機器視覺的注塑機模具保護系統，由嵌入式芯片的主控板、相機及近紅外光源等組成，相機能夠在近紅外光源下采集到注塑機開模后模具內的圖像。該系統同時還可通過落料對模具進行拍攝，判斷落料是否成功及產品是否合格。但該裝置不具備異常急停、報警、局部磨損測量等功能。浙江大學［11］提供了注塑機模具圖像監測報警系統及方法。其中，圖像采集單元的攝像機通過USB接口與檢測單元的數字信號處理器（DSP）連接；輸入模塊通過信號線與檢測單元的DSP連接；輸出模塊通過信號線輸出數字信號到注塑機和DSP的指示燈；檢測到產品殘留時，指示燈報警，并禁止注塑機執行鎖模動作。該發明適用于各類模具，檢測正確率高；但僅能檢測脫模是否成功，不具備異常急停、報警、局部磨損測量等功能。

廣州中和互聯網技術有限公司［12］公開了一種注塑機模具檢測系統及方法，包括機器視覺檢測平臺（Ⅰ）、圖像處理單元（Ⅱ）、模具監測模塊（Ⅲ）和模具管理模塊（Ⅳ）。（Ⅰ）對模具進行平行無影光照射，而后采集模具的圖像信息；（Ⅱ）基于機器視覺方法，通過檢測模型對采集的模具圖像信息進行識別分析；（Ⅲ）用于結合心跳信號和不合格產品對模具的工作狀態進行監測，判斷模具是否出現異常；（Ⅳ）在接收到模具異常信號后分配對應的操作人員對模具進行檢修或者更換模具，提高了維修效率。

1.3 在注塑制品檢測中的應用

泰瑞機器股份有限公司［13］公開的基于機器視覺的薄壁注塑機產品分揀系統，主要由圖像采集裝置及圖像處理裝置（計算機）組成。該系統是基于機器視覺處理的薄壁注塑產品分揀系統的圖像處理算法，將處理過的三維圖像轉換成二維圖像進行比較，將CMOS相機引入到圖像采集裝置中，實現了機器視覺在注塑制品分揀上的應用，提高了制品檢測的精度和效率。

針對塑料制品表面質量問題，龍淑嬪［14］采用快速傅氏變換算法，并與高斯濾波技術相結合獲取圖像信息，對圖像的瑕疵區域進行自動檢測并輸出結果。結果表明，該系統可以對塑料產品表面質量實施快速、精確檢測，自動完成檢測及分揀任務。關日釗等［15］以透明塑料制品的裂痕檢測為研究對象，比較了傳統的HOG+SVM機器學習方法與基于Faster R-CNN的深度學習法在缺陷識別與定位上的效果，結果表明，后者對缺陷檢出的準確率為90%，較前者高20%。針對醫用塑料瓶生產中存在的瓶口有豁口、瓶口過薄等現象，岳昊等［16］設計了一套基于機器視覺的由數據采集模塊和檢測模塊組成的塑料瓶瓶口檢測系統。其中，數據采集模塊采集正常塑料瓶瓶口數據并保存，檢測模塊在檢測時讀取數據用于檢測。通過大量塑料瓶的檢測驗證，該系統對缺陷瓶口檢測的準確率達99%以上，最高檢測速率可達10 個/s，完全可以滿足工業生產要求。

2 在微小塑料零件檢測中的應用

2.1 在U型塑料管檢測中的應用

田春等［17］采用計算機視覺技術，以U型塑料管缺陷檢測為研究對象，借助圖像分析不同缺陷的特征，實現了U型塑料管缺陷的高精度檢測，在對10 072支U型塑料吸管的檢測中，合格品為9 963支，與實際完全相符；具有5類缺陷（長短相、壓長相、頭部問題、內八、黑點）的109支不合格管全部被識別出來；檢測耗時467 s，每支吸管平均檢測耗時0.046 s，達到了在線檢測要求。

2.2 在塑料齒輪檢測中的應用

LabVIEW軟件在塑料缺陷檢測中的應用越來越廣［18-20］。任楷飛等［21］針對家電、儀器儀表行業常用的塑料齒輪生產過程中存在的缺陷問題，基于LabVIEW軟件和IAMQ Vision工具包設計了塑料齒輪缺齒檢測系統。該系統將機器視覺與虛擬儀器技術結合起來，通過圖像采集及包括彩色圖像灰度化、中值濾波、閾值化、Canny邊緣檢測等一系列預處理程序，借助幾何匹配算法提取齒輪幾何信息，通過機器學習及模板匹配分數（缺齒程度與匹配分數呈反比）分析，得到檢測結果。該系統為齒輪及塑料零件缺陷檢測提供了新思路。

Zhang Zhenxiang［22］采用圖像識別技術對微小塑料齒輪的質量進行了檢測。針對齒輪缺陷不確定的情況，深入研究了計算機視覺系統的構建以及數字圖像采集、圖像預處理、圖像分割、亞像素定位等理論、技術，提出了一種虛擬圓掃描法實現齒輪齒形檢測，結果表明，該方法能夠滿足微小塑料齒輪自動檢測的要求。

2.3 在雨刮支撐塑料帽檢測中的應用

針對汽車后雨刮支撐塑料帽等小型零件的缺陷檢測，陳淳等［23］提出一種基于改進的YOLO v3網絡多目標缺陷算法。首先對特定零件進行修正，采用k-means聚類算法重新生成邊界框尺寸，使用平均重疊度重新選取目標區域候選邊界框尺寸，加快了目標檢測識別速度及精度；使用Mish激活函數強化了網絡學習能力。新方法的目標檢測平均精度為97.89%，檢測速率為60 ms/張，極大提高了汽車后雨刮器齒輪連桿機構總成裝配質量。

2.4 在塑料包裝檢測中的應用

針對檢測系統對半導體塑料包裝缺陷位置檢測能力較差的現狀，設計了一種基于機器視覺的半導體塑料包裝缺陷檢測系統［24］。根據機器視覺技術獲取的目標圖像，對圖像進行預處理、分割和特征提取，以識別和檢測目標圖像，檢測半導體塑料包裝缺陷。結果表明，該系統能夠準確檢測出半導體塑料包裝中的缺陷以及缺陷的位置，提高了缺陷檢測效果。Legrand等［25］提出利用機器視覺技術獲取高質量的半導體塑料封裝圖像，進而提高利用主動熱像儀檢測塑料蓋內膠點的真實機器視覺裝置的缺陷定位和檢測能力的方法。采用ElectroPhysics PV320型紅外相機，非冷卻BST（［Ba1-xSrx］TiO3）焦陣列，帶寬從2 μm擴展到14 μm，研究了表征缺陷的不同參數和主動熱技術，以獲得對缺陷現象的綜合評價和優化。利用噪聲濾波階段、膠熱印提取階段、分割階段等圖像處理工具，開發了一個自動決策系統。將該方法應用于測試樣本集，檢測所有未上膠的蓋子，未發生誤分類。

3 在其他塑料檢測中的應用

3.1 在吹塑產品檢測中的應用

西安交通大學［26］公開的基于機器視覺吹塑產品的在線測量方法，首先基于機器視覺獲取工業產品的圖像，接著進行圖像預處理，再對得到的圖像進行分割，從而得到其外形亞像素輪廓，基于亞像素輪廓可以實現相關橫截面的直徑、高度、圓弧直徑以及圓度的檢測。該方法提高了產品測量精度以及生產自動化程度。

3.2 在微塑料檢測中的應用

微塑料污染已經成為全球關注的環境污染問題。針對微塑料顆粒目標小、背景影響大、樣本難分離等特點，基于計算機視覺中的目標檢測算法，潘斌輝等［27］利用單目視覺領域的單點多盒探測法（SSD），采用位置誤差與置信度誤差相結合的加權損失函數引導網絡訓練，使用SSD網絡框架提取含有微塑料顆粒物樣本的特征圖像并進行識別。結果表明，該方法對微塑料顆粒物檢測的平均正確率達89.2%，高于同類型其他檢測算法。與常用的拉曼光譜、傅里葉變換紅外光譜等單一光學檢測法相比，計算機視覺檢測具有用工少、速度快、準確率高等優點。

3.3 在板料塑性檢測中的應用

Xia Jiaping等［28］提出了兩種利用球形壓痕試驗預測板料塑性各向異性性能的人工神經網絡模型，與常規拉伸試驗相比，最小化了測量時間、成本，簡化了各向異性性能的獲取過程，可以替代傳統的復雜無量綱分析。此外，還進一步準確地預測了不同方向的蘭克福系數。構造了一種考慮實際柔順性的適用于板料的FE球面壓痕模型。為了獲得大量訓練人工神經網絡的數據集，利用所建立的有限元模型對具有1 000個彈塑性參數條件的純金屬和合金工程金屬進行了模擬，并對TRIP1180鋼、鋅合金和6063-T6鋁合金3種不同板料進行了實驗驗證。結果表明，所提出的神經網絡模型在預測不同方向的流量曲線和蘭克福系數方面可行。

4 結語

在塑料加工過程中，計算機視覺技術在注塑、吹塑、塑料制品缺陷檢測方面的應用不僅提高了塑料加工精度和準確率，也降低了加工成本，提高了勞動生產率。計算機軟件和硬件技術的發展將使計算機視覺檢測技術不斷邁向更高的水平。