基于機器視覺在智能飲水機中的應用研究

吳雪良

（佛山市云米電器科技有限公司 佛山 528308）

引言

目前在人們生活水平提高的同時，生活節奏也日漸加快。飲水機在人們家庭中越來越普及。為了方便用戶快速取得適量的水，現有飲水機都設置了定量取水功能，例如通過設置200 ml 定量取水按鍵，點擊此按鍵后飲水機的出水量達到200 ml 后自動停止。但是由于不同用戶家杯子的差異比較大，定量取水功能難以適用。因此在使用飲水機定量取水時，依舊需要人眼不停關注水杯內水位的變化，來判斷出水量。當出現水量與杯子容量不匹配時，仍需要手動控制飲水機出水及停水。極易導致水的溢出，造成了水資源的浪費，并且溢出的熱水也可能造成燙傷等。同時在接水過程中，仍需要等待，無法合理利用時間。因此需要更加智能化自動停水的飲水機，來幫助人們節約用水和提高時間利用率。

機器視覺（machine vision, MV）技術涉及了多學科多領域，包括人工智能、圖像處理、模式識別、計算機軟硬件等[1]。相對于人工視覺，在需求更高觀察速度、更高分辨率，和識別結果高重復性的圖像獲取上，機器視覺更具優勢。目前已廣泛應用于交通，醫療、安防、農業等領域。在農業領域，張利娟等通過機器視覺技術實現對豬的身份識別，運動行為和健康檢測等，從而對成本優化，健康管理取得了有效地改善[2]。在醫療領域，機器視覺通過利用數字圖像處理技術，輔助醫生進行醫學影像分析，更加有效，準確地分析病因，從而使病人得到更有效地治療[3]。在交通領域，潘勇采用圖像處理技術對路面裂縫檢測方法進行了研究，使得路面檢測更加高效、安全、便捷[4]。近些年機器視覺技術也逐漸應用與家電領域。鄭卓韜等通過將機器視覺技術應用與小家電鎖付裝配系統，極大地提高了裝配精度和效率[5]。邵芬娟等，通過將機器視覺應用于檢測白色衣物上的臟污程度，使洗滌更加智能化，有效節省水電和減少洗滌劑殘留的效果[6]。但目前將其應用與飲水機上的研究相對較少。

本文通過將機器視覺技術在應用于飲水機上，對獲取圖像的灰度值進行分類，并設定不同的分割閾值，有效地提高不同種類杯子的杯口識別率。根據圖像中提取杯口輪廓和水位輪廓，設定閾值使其能夠在杯子水滿后自動停水，從而避免水資源的浪費，具有積極意義。

1 總體方案

基于機器視覺的智能飲水機系統主要包括：杯子放置模塊，出水動力模塊，視覺模塊，控制模塊和儲水模塊。在這些模塊中最為關鍵的還是視覺模塊和控制模塊。杯子放置模塊負責規范杯子的放置區域和提供穩定的背景，便于視覺模塊獲取穩定的背景圖像；出水動力模塊負責將水從儲水模塊中運送至杯子中；視覺模塊，通過對相機視野下方區域進行拍照，獲取飲水機出水過程前后水杯的圖像，并進行圖像處理，檢測和判斷杯子和水位結果，最后根據處理結果將出水和停水的信號發送給控制模塊；控制模塊通過獲取其他各模塊的信號和各傳感器的信號，從而對各個元器件進行工作控制；儲水模塊為整個系統提供水源。

2 視覺模塊與杯口和水面邊界的識別

本視覺模塊由紅外相機，940 nm 紅外燈和圖像處理單元組成。紅外相機可以采集高質量的杯子圖像，從而獲取有效的杯子邊緣特征數據。視覺采集還需要借助940 nm 紅外燈輔助光源，利用杯子的反光性和水的吸光性，使杯子的杯口特征和水的邊界特征地提取更加有效。將攝像頭固定在飲水機出水口下方，同時將光源設置在攝像頭兩側，可以增大光源覆蓋范圍，以達到理想的圖像采集條件。整個系統需要進行標定和校準，提高識別準確度。圖像處理單元需要對圖像進行預處理，預處理過程包括圖像的灰度化、圖像濾波、圖像分割、特征信息的提取、創建形狀模板，從而得到最終想要的特征圖。

杯口的識別是通過先獲取未放置杯子前圖像作為背景圖，再獲取放置杯子后的圖像進行對比，經圖像分割，特征提取，重新拼接來獲取杯口外輪廓，制作等直徑圓作為杯口特征。實際中杯子的材質和顏色種類眾多，相機獲取圖像后，由于不同的杯子灰度化后的灰度不一樣，從而導致圖像分割后，提取的特征信息與實際產生差異，因此需要對圖像的灰度值進行分類，經灰度分類后的圖像采用不同閾值進行圖像分割，從而提高圖像輪廓的準確度，杯口的判斷邏輯圖如圖1 所示。

圖1 杯口特征提取邏輯圖

水面邊界識別是通過利用水與杯子輪廓接觸時在表面張力作用下產生的非平面特征，經光線照射下水的非平面特征輪廓會產生反光現象表現為亮特征，而中間平面區會折射、吸收紅外光，從而產生暗特征，借助這種明暗特征差異下獲取水面輪廓。考慮到出水是動態過程，水面在水流沖擊下會產生波動。水面的波動會導致多處明暗條紋特征的出現，因此在提取圖像中水紋特征時，會出現多個離散區域。通過對離散區域進行濾波，膨脹，腐蝕等操作后，得到多個離散區域的外輪廓邊界，并繪制外輪廓邊界的外接圓作為水面的輪廓邊界，示意圖如圖2 所示。

圖2 水位邊界提取示意圖

3 測試分析

自動停水設定是基于圖像拍攝時會使圖像產生近大遠小現象，因此杯口輪廓會大于水位輪廓，隨著出水量的增加，水位輪廓直徑也在不斷增大，只需要設定好杯口輪廓和水位輪廓的直徑差作為停水閾值即可實現杯中水滿后有效自動停水。此時由于水位輪廓直徑小于杯口輪廓直徑，實際中水位低于杯口，因此不會產生溢水現象。

馬克杯自動停水過程效果圖如圖3 所示，在算法制定的閾值內可以很好地識別杯口的輪廓和水位輪廓，并在杯中水滿后有效地自動停水，無溢出。

實際測試過程中，考慮到不同家庭內杯子的差異化，測試時選擇使不同材質杯子進行杯口吻合和自動停水準確率測試，其中同種材質杯子繼續選擇不同形狀或不同顏色進行測試。杯口通過圖像技術提取的輪廓曲線與圖像中杯口輪廓吻合度在95 %以上定義為吻合。水位輪廓與杯口輪廓差值達到經算法制定的閾值后，自動停水。測量停水水位與杯口的高度差，差值在30 mm 以內定義為準確停水。測試過程先進行杯口識別測試，再將具有杯口吻合的杯子進行自動停水測試。

杯口識別率和自動停水準確率測試結果如表1 和表2 所示。經測試紙杯子杯口識別率最高，紙杯為白色表面更易反光，使其與背景差異化更加明顯，從而更加有效提取杯口輪廓，同時經自動停水測試后全部有效自動停水。陶瓷和塑料杯杯識別率未達到100 %。深色的杯子未準確識別，由于其提取的圖像通過灰度化之后，灰度值較低，不能有效進行圖像分割提取杯口輪廓，但其他亮色杯子均有效識別，繼續對識別率通過的杯子進行自動停水測試，均有效自動停水。

表1 杯口識別率測試

表2 停水準確率測試

4 結論

通過將視覺技術搭建在飲水機中進行智能自動停水研究，研究結果表明：根據杯子的反光性和水對紅外的吸光性特點，利用機器視覺技術可以將杯子中杯口的輪廓和水面的輪廓分割開來。杯口的識別吻合度與杯子的材質，顏色有明顯的關系。對于顏色偏亮的紙質杯子、陶瓷杯子和塑料杯子，具有更好的杯口識別率和有效自動停水率。此研究讓機器視覺技術具備了應用到實際產品上的潛力。但對于深色杯子識別率較差，接下來還可以繼續深入研究，以適應更加多樣化的需求。