自动装盘机中倒瓶检测算法的工程实现：从光电对射到机器视觉的演进-平芜编程栈

一、问题定义

在装盘机进瓶段，瓶子经传送带高速通过。倒瓶（瓶身倾斜超过15°或完全倒下）若未被检出并剔除，将导致：

推瓶机构卡死，触发伺服过载报警；
爆瓶风险增加，碎玻璃污染托盘；
整线停机，影响OEE。

因此，倒瓶检测算法需要满足：

实时性：检测周期 ≤ 10ms（传送带线速度0.5m/s，瓶间距80ms）；
准确性：漏检率 < 0.1%，误检率 < 0.05%；
鲁棒性：抗环境光、粉尘、瓶身标签反光干扰。

二、传统光电方案的缺陷

典型的双光电对射方案：上下两组对射传感器，瓶身直立时上下同时被遮挡，时间差ΔT稳定在较小范围；倒瓶时上下遮挡时间差ΔT显著增大。

实际测试数据（某药企2ml西林瓶，速度500瓶/分钟）：

瓶型	直立瓶ΔT均值(ms)	倒瓶ΔT均值(ms)	误判率	漏判率
透明西林瓶	3.2	9.5	4.7%	6.2%
棕色口服液瓶	4.1	12.3	2.1%	3.5%
塑料瓶（带标签）	5.0	8.2	11.3%	9.8%

问题根源：

透明瓶透光率波动，导致传感器触发电平不稳定；
标签反光造成误触发；
不同瓶型高度差异需人工重新校准传感器位置。

三、改进方案：单点激光测距+滑动中值滤波

3.1 硬件选型

将两组对射改为单只激光测距传感器（基恩士LR-Z系列或欧姆龙B5WC），水平安装于传送带一侧，高度为瓶身中位线。测量原理：激光三角法，输出模拟量4-20mA对应距离35-250mm。

直立瓶通过时，传感器测得的距离稳定在D_bottle（标定值）；倒瓶时瓶身倾斜，测量点偏移，距离值跳变为D_bottle ± ΔD，ΔD通常 > 10mm。

3.2 信号预处理：滑动中值滤波

原始AD值存在±1~2mm的白噪声。采用滑动中值滤波（窗口长度N=5）效果优于均值滤波，能保留边缘跳变。

伪代码（SCL）：

text

FUNCTION MedianFilter : REAL VAR_INPUT raw : REAL; END_VAR VAR_STATIC buf : ARRAY[0..4] OF REAL; idx : INT := 0; i,j : INT; tmp : REAL; END_VAR buf[idx] := raw; idx := (idx + 1) MOD 5; // 冒泡排序 FOR i := 0 TO 3 DO FOR j := i+1 TO 4 DO IF buf[i] > buf[j] THEN tmp := buf[i]; buf[i] := buf[j]; buf[j] := tmp; END_IF; END_FOR; END_FOR; MedianFilter := buf[2]; // 中值 END_FUNCTION

3.3 状态机设计

定义了三个状态：S_IDLE（等待瓶子）、S_BOTTLE_DETECT（瓶子进入检测区）、S_REJECT（剔除动作）。

状态转换逻辑：

text

S_IDLE: IF distance < threshold_near THEN start_timer(T_detect) 进入 S_BOTTLE_DETECT S_BOTTLE_DETECT: IF distance stable in [D_bottle - 2, D_bottle + 2] for 10ms THEN upright_count++; 回到 S_IDLE ELSE IF distance > (D_bottle + 8) OR distance < (D_bottle - 8) THEN 进入 S_REJECT ELSE IF T_detect > 50ms THEN // 超时无瓶子 回到 S_IDLE S_REJECT: // 计算剔除延时：传感器到气吹口距离L / 传送带速度v - 阀门响应时间 delay_time = L / v - 20ms; 延时后置位气阀，持续30ms 回到 S_IDLE

3.4 自适应基准学习

为解决不同瓶型的适配，程序中加入一键标定功能：按住HMI上的“学习”按钮，连续通过20个已知直立瓶，系统自动计算平均距离并更新D_bottle，同时设置阈值TH_H = D_bottle + 8，TH_L = D_bottle - 8。

四、性能对比测试

在某自动装盘机试验台上，使用2ml西林瓶，线速度0.5m/s，分别运行光电方案与激光方案各2小时（约6万瓶），结果如下：

方案	实际倒瓶数	正确剔除数	漏剔	误剔	准确率
光电对射（两组）	127	98	29	41	77.2%
激光测距+中值滤波	131	130	1	2	99.2%

激光方案的漏剔主要发生在瓶身倾斜临界值（ΔD ≈ 6mm），通过将阈值收紧到6mm并增加迟滞区间后，漏剔降至0。

五、向机器视觉的扩展思考

对于更复杂的场景（如瓶子带有反光标签、异形瓶、瓶口破损检测），激光测距可能不够用。可升级为工业相机+OpenCV方案：

相机俯拍进瓶段，每帧图像用YOLOv8或传统轮廓分析判断瓶身姿态；
通过串口或以太网将结果传给PLC（Modbus TCP）；
帧率需达到100fps以上，对应600瓶/分钟即10瓶/秒，每瓶至少10帧才能稳定检测。

以下是一个简化的Python轮廓检测逻辑：

python

import cv2 import numpy as np def is_bottle_upright(contour): # 计算最小外接矩形 rect = cv2.minAreaRect(contour) angle = rect[2] # 瓶身倾斜角度超过15°视为倒瓶 return abs(angle) < 15 cap = cv2.VideoCapture(0) while True: ret, frame = cap.read() gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) _, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) for cnt in contours: if is_bottle_upright(cnt): # 直立瓶，计数 pass else: # 倒瓶，触发剔除信号（通过I/O或串口） pass

该方案已在实验室环境验证，实际产线应用需解决光照、灰尘、帧率延迟等问题。