[发明专利]一种基于机器学习的玻璃瓶裂纹检测方法

说明书

一种基于机器学习的玻璃瓶裂纹检测方法：采用拾音器采集金属棒敲击待检测的玻璃瓶瓶身产生的声音信号；对采集得到的声音信号进行特征提取，提取声音信号的传统特征、短时特征和时频特征三大类特征，得初始特征集；采用混洗蛙跳算法对初始特征集进行特征选择，得到最优特征子集；将最优特征子集作为BPNN的输入，进行BPNN训练得到模型参数，然后根据BPNN的输出判断玻璃瓶是否存在裂纹，最终得到裂纹检测结果；根据裂纹检测结果，采用剔除设备剔除存在裂纹的玻璃瓶。本发明提出的玻璃瓶裂纹检测具有检测精度高、效率高的特点。

技术领域

本发明涉及饮料行业中玻璃瓶缺陷的无损检测技术，特别是针对饮料行业中玻璃瓶注入饮料前对空玻璃瓶进行的裂纹无损检测方法。

背景技术

1.玻璃瓶裂纹检测

饮料行业的玻璃瓶在生产或运输过程中容易发生破损，出现瓶身损坏，产生裂纹等缺陷。这种存在裂纹的玻璃瓶用来装饮料，会造成饮料渗漏导致不必要的浪费，甚至会影响厂家的信誉，从而带来直接或间接的经济损失。这种问题在白酒厂尤其明显，用于灌装白酒的劣质玻璃瓶，不仅会造成白酒的浪费，流入市场更会影响厂家的信誉，造成经济损失。因此，为了防止意外损失，在灌装前对空瓶进行裂纹检查是非常必要的。

目前针对玻璃瓶裂纹可能导致饮料渗漏这一问题，饮料行业通常采用传统的手工检测方法进行玻璃瓶的裂纹检测，如图1所示。这种方法广泛应用于很多饮料厂，如酒厂。该方法由灌装前检测和灌装后检测两部分组成。

灌装前检测是通过人耳的感知(即人的听觉)识别瓶子的缺陷，初步剔除有裂纹的瓶子。这部分旨在通过对瓶子缺陷的初步检测来提高检测效率，其检测准确率约为95％。灌装后检测是将灌装了饮料的玻璃瓶放置在纸板上，24小时后，通过判断纸板上是否有水印来识别对应位置上的玻璃瓶是否存在裂纹。这部分检测准确率接近100％。

总的来说，人工检测方法分类精度可达到100％，但该方法完全依靠人工，存在效率低、占用空间大、浪费饮料等缺点。此外，随着饮料行业从传统的手工作业、手工战术向机械化、自动化、信息化、智能化生产过程迈进，玻璃瓶裂纹检测提出了全自动在线检测和剔除等新的挑战。因此，采用机械代替人工劳动，实现检测的自动化，以降低劳动强度，提高生产效率，保证产品质量。

为了克服这些挑战，结合流水线上酒瓶的生产特点，提出一种自动的检测方法来代替人工检测的灌装前检测，甚至整个人工检测方法。在缺陷检测领域常用的自动检测方法包括基于计算机视觉的方法、基于超声波的方法、基于振动的方法和基于声学的方法。其中，声学检测方法具有操作简单、检测速度快、环境限制小、成本低等优点。该方法首先敲击玻璃瓶，然后采集敲击后产生声学响应——声音，对声音进行分析处理，从而来判断玻璃瓶是否存在裂纹。尽管如此，声学检测方法在实际生产中也存在分类性能低的问题。

2.混洗蛙跳算法

混洗蛙跳算法(Shuffled Frog Leaping Algorithm，SFLA)是Eusuff等人在2003年提出一种新型的群体智能优化算法，它模拟了青蛙种群的觅食和迁移过程。整个过程可以描述成如下方式：多只青蛙共同组成了一个大种群，其中又分成了若干个初始子种群，每个子种群包含数只青蛙。每只青蛙的对环境的适应能力都不同。这里用与食物的距离来表示青蛙的适应能力。为了获取食物，每只青蛙都会靠近子种群中距离食物最近的那只青蛙，也就是每只青蛙都会向距离食物最近的青蛙跳跃，从而缩短自己与食物的距离，提高自己的适应能力。当整个青蛙种群完成一次跳跃后，不同的青蛙之间会进行信息交换与共享，目的是提高整个青蛙种群的适应能力。在子种群中，为了避免青蛙积聚在同一位置，每次交换信息之后，要重新形成新的子种群。每只青蛙都携带着各自的信息加入新的子种群。子种群中适应能力最高的青蛙是子种群内部的青蛙的跳跃方向，每次重新生成子种群保证了子种群之间的信息交互。通过交替进行子种群内部每只青蛙向最优青蛙的跳跃(局部搜索)和所有青蛙子种群之间的重新混洗(全局搜索)，可以保证整个青蛙种群是向着最优的方向前进。