孫宗濤1,林強(qiáng)1,楊民2，李波2，任建明1,

高一鳴1,孫廣鑫1,張同放1,任德宸1,楊宇1,

（1.臨沂科技職業(yè)學(xué)院，山東臨沂276025；

2.山東金奧機(jī)械有限公司，山東臨沂276001）

摘要：針對(duì)傳統(tǒng)人工檢測(cè)吹塑制品質(zhì)量效率低、精度差等問題，提出基于機(jī)器視覺的非接觸式視覺檢測(cè)技術(shù)。分析了視覺檢測(cè)的技術(shù)原理及系統(tǒng)組成，以吹塑藥箱為例探討視覺檢測(cè)技術(shù)在吹塑制品生產(chǎn)中的應(yīng)用。結(jié)果表明：視覺檢測(cè)技術(shù)可實(shí)現(xiàn)尺寸測(cè)量、外觀缺陷、色差等方面的同步檢測(cè)，能夠有效提高檢測(cè)精度、檢測(cè)速度、可靠 性及穩(wěn)定性，滿足現(xiàn)代制造業(yè)對(duì)高質(zhì)量、高效率生產(chǎn)的需求，具有廣闊的應(yīng)用前景和推廣價(jià)值。

關(guān)鍵詞：吹塑制品；視覺檢測(cè)；缺陷識(shí)別；在線測(cè)量

前言

熱塑性樹脂經(jīng)擠出或注射成型得到管狀塑料型坯，趁熱（或加熱到軟化狀態(tài)）置于對(duì)開模中，閉模后立即在型坯內(nèi)通入壓縮空氣，使塑料型坯吹脹而緊貼在模具內(nèi)壁上，冷卻脫模后即可得到各種中空制品。吹塑制品以其良好的成型性、耐腐蝕性等特點(diǎn)，在包裝、汽車零部件、日用品等眾多領(lǐng)域得到廣泛應(yīng)用[1-9]。但吹塑制品在成型時(shí)，受型坯厚度、吹塑壓力、吹氣時(shí)間、保壓時(shí)間、模具溫度等因素影響，成型尺寸不穩(wěn)定。

隨著市場(chǎng)對(duì)吹制品質(zhì)量要求的不斷提高，高效、精確的質(zhì)量檢測(cè)成為保證產(chǎn)品質(zhì)量和生產(chǎn)效率的關(guān)鍵環(huán)節(jié)。傳統(tǒng)的吹制品檢測(cè)方法主要依賴人工目檢，不僅勞動(dòng)強(qiáng)度大、檢測(cè)效率低，而且容易受到人為因素的影響，導(dǎo)致檢測(cè)結(jié)果的準(zhǔn)確性和一致性較差。視覺檢測(cè)技術(shù)作為一種新興的非接觸式檢測(cè)手段，通過機(jī)器視覺系統(tǒng)(攝像機(jī)、光源、處理器等)實(shí)現(xiàn)非接觸式測(cè)量，具有檢測(cè)速度快、精度高、可靠性強(qiáng)等優(yōu)點(diǎn)，為吹制品質(zhì)量檢測(cè)提供了新的解決方案[10-11]。

1 傳統(tǒng)檢測(cè)方法的不足

吹制品的質(zhì)量檢測(cè)主要包括尺寸精度檢測(cè)、外觀缺陷檢測(cè)、色差檢測(cè)等方面。尺寸精度方面，要求對(duì)制品的外形尺寸、壁厚等關(guān)鍵尺寸進(jìn)行精確測(cè)量，以確保制品符合設(shè)計(jì)要求;外觀缺陷檢測(cè)則涵蓋了諸如孔洞、裂縫、變形、劃痕、氣泡等各種缺陷，這些缺陷會(huì)嚴(yán)重影響制品的性能和使用壽命;產(chǎn)品的色差是消費(fèi)者關(guān)注的重要因素之一，而色差作為影響吹制品外觀的關(guān)鍵指標(biāo)，對(duì)產(chǎn)品的品質(zhì)和市場(chǎng)接受度有著重要影響[12]。

人工目檢是目前傳統(tǒng)吹制品檢測(cè)的主要方式。人工檢測(cè)時(shí)，檢測(cè)人員憑借肉眼和簡(jiǎn)單的量具對(duì)制品進(jìn)行觀察和測(cè)量，這種方法存在諸多弊端:（1）長(zhǎng)時(shí)間的重復(fù)工作容易使檢測(cè)人員產(chǎn)生視覺疲勞，導(dǎo)致漏檢和誤檢率增加;（2）人工檢測(cè)的速度有限，難以滿足大規(guī)模生產(chǎn)的檢測(cè)需求;（3）人工檢測(cè)的主觀性較強(qiáng)，不同檢測(cè)人員對(duì)缺陷的判斷標(biāo)準(zhǔn)可能存在差異，從而影響檢測(cè)結(jié)果的一致性[13]。

2 視覺檢測(cè)的技術(shù)原理及系統(tǒng)組成

2.1 技術(shù)原理

視覺檢測(cè)技術(shù)是基于計(jì)算機(jī)視覺原理，通過光學(xué)成像系統(tǒng)將吹制品的圖像采集到計(jì)算機(jī)中，然后利用圖像處理算法對(duì)圖像進(jìn)行分析和處理，提取出制品的特征信息，如尺寸、形狀、顏色、紋理、表面缺陷等，并與預(yù)設(shè)的標(biāo)準(zhǔn)值進(jìn)行比較，從而判斷制品是否合格。視覺檢測(cè)技術(shù)的核心在于圖像處理和模式識(shí)別技術(shù)，通過對(duì)圖像的灰度、顏色、紋理等特征的分析，實(shí)現(xiàn)對(duì)制品質(zhì)量的評(píng)估[10]，即用光學(xué)手段把被測(cè)物變成數(shù)字圖像，再用算法將像素信息轉(zhuǎn)化為可度量的工程數(shù)據(jù)，并與預(yù)設(shè)規(guī)格比較，從而給出合格/不合格的決策。

2.2 系統(tǒng)組成

視覺檢測(cè)系統(tǒng)主要包括圖像采集設(shè)備、照明系統(tǒng)、圖像處理軟件、機(jī)械運(yùn)動(dòng)及控制系統(tǒng)。（見圖1）

圖1視覺檢測(cè)系統(tǒng)組成

圖像采集設(shè)備主要包括工業(yè)相機(jī)和鏡頭。工業(yè)相機(jī)負(fù)責(zé)捕捉吹制品的圖像，其分辨率、幀率等參數(shù)會(huì)直接影響檢測(cè)的精度和速度。鏡頭用于將制品成像在相機(jī)的感光元件上，需要根據(jù)檢測(cè)需求選擇合適的焦距和視場(chǎng)角的鏡頭，以獲取清晰的圖像。

照明系統(tǒng)是獲取高質(zhì)量圖像的關(guān)鍵，其作用是為吹塑制品提供均勻、穩(wěn)定的光照，減少陰影和反光對(duì)圖像質(zhì)量的影響。常見的照明方式有背光照明、前光照明和結(jié)構(gòu)光照明等，根據(jù)制品的形狀、材質(zhì)和檢測(cè)要求選擇合適的照明方式。

圖像處理軟件是視覺檢測(cè)系統(tǒng)的核心部分，包含各種圖像處理算法和工具，用于對(duì)采集到的圖像進(jìn)行預(yù)處理、特征提取、分析和判斷。常用的圖像處理算法包括圖像濾波、邊緣檢測(cè)、形態(tài)學(xué)處理、圖像分割等，通過這些算法能夠準(zhǔn)確地提取出制品的特征信息，并與標(biāo)準(zhǔn)模板進(jìn)行匹配和比對(duì)。

為了實(shí)現(xiàn)對(duì)吹制品不同部位的檢測(cè)，需要配備相應(yīng)的機(jī)械運(yùn)動(dòng)裝置，如輸送帶、旋轉(zhuǎn)臺(tái)、機(jī)械手臂等，用于將制品準(zhǔn)確地輸送到檢測(cè)位置，并控制相機(jī)和照明系統(tǒng)的運(yùn)動(dòng)。同時(shí)，還需要控制系統(tǒng)來協(xié)調(diào)各個(gè)部件的工作，實(shí)現(xiàn)自動(dòng)化檢測(cè)流程[14-16]。

3 視覺檢測(cè)技術(shù)在吹制品中的應(yīng)用實(shí)例

3.1 尺寸測(cè)量

在吹制品的生產(chǎn)過程中，尺寸精度是一個(gè)重要的質(zhì)量指標(biāo)。以吹塑藥箱為例，利用視覺檢測(cè)技術(shù)可以對(duì)其藥箱口直徑、藥箱高度、藥箱寬度等尺寸進(jìn)行精確測(cè)量。通過在檢測(cè)系統(tǒng)中設(shè)置合適的標(biāo)定參數(shù)，將圖像中的像素坐標(biāo)轉(zhuǎn)換為實(shí)際的物理尺寸。在測(cè)量過程中，工業(yè)相機(jī)從不同角度對(duì)吹塑藥箱進(jìn)行拍攝，獲取多幅圖像，然后利用圖像處理算法對(duì)這些圖像進(jìn)行分析和計(jì)算，得到吹塑藥箱的各項(xiàng)尺寸參數(shù)。實(shí)驗(yàn)結(jié)果表明，視覺檢測(cè)技術(shù)的尺寸測(cè)量精度可達(dá)±0.1mm,滿足了生產(chǎn)工藝對(duì)尺寸精度的要求，相比傳統(tǒng)的人工測(cè)量方法，大大提高了測(cè)量效率和準(zhǔn)確性。

3.2 外觀缺陷檢測(cè)

3.2.1 孔洞和裂縫檢測(cè)

對(duì)于吹塑制品表面的孔洞和裂縫等缺陷，視覺檢測(cè)技術(shù)能夠通過圖像分割和邊緣檢測(cè)算法進(jìn)行有效識(shí)別。首先，利用圖像分割算法將制品的圖像從背景中分離出來，然后對(duì)分割后的圖像進(jìn)行邊緣檢測(cè)，查找可能存在的缺陷邊緣。對(duì)于孔洞缺陷，通過計(jì)算孔洞區(qū)域的面積、周長(zhǎng)等特征參數(shù)，與預(yù)設(shè)的缺陷閾值進(jìn)行比較，判斷孔洞是否超出允許范圍;對(duì)于裂縫缺陷，根據(jù)裂縫的長(zhǎng)度、寬度及走向等特征進(jìn)行識(shí)別和分類。在實(shí)際應(yīng)用中，該方法能夠準(zhǔn)確檢測(cè)出直徑大于0.5mm的孔洞和長(zhǎng)度大于1mm的裂縫，檢測(cè)準(zhǔn)確率達(dá)到95%以上。

3.2.2變形檢測(cè)

吹塑制品在成型過程中可能會(huì)出現(xiàn)變形缺陷如藥箱體凹陷、藥箱口圓度超標(biāo)等。視覺檢測(cè)系統(tǒng)通過對(duì)制品的輪廓進(jìn)行提取和分析,與標(biāo)準(zhǔn)輪廓進(jìn)行比對(duì),計(jì)算出制品的變形量。例如,采用基于模板匹配的方法(見圖2),將標(biāo)準(zhǔn)藥箱的輪模板與實(shí)際檢測(cè)圖像中的藥箱輪廓進(jìn)行匹配(見圖3)通過計(jì)算兩者之間的差異來判斷瓶體是否發(fā)生變形實(shí)驗(yàn)結(jié)果顯示,該方法能夠準(zhǔn)確檢測(cè)出瓶體變形量大于1mm的缺陷,有效避免變形制品流入下一道工序。

圖2圖像模板匹配

圖3 吹塑藥箱標(biāo)準(zhǔn)輪廓模板

3.2.3 表面瑕疵檢測(cè)

吹塑制品表面的劃痕、氣泡等瑕疵會(huì)影響產(chǎn)品的外觀質(zhì)量和市場(chǎng)競(jìng)爭(zhēng)力。視覺檢測(cè)技術(shù)利用圖像的紋理分析和灰度特征提取算法，對(duì)制品表面的瑕疵進(jìn)行檢測(cè)。通過對(duì)正常制品表面紋理特征的學(xué)習(xí)和建模，當(dāng)檢測(cè)到圖像中的紋理特征與正常模型存在顯著差異時(shí)，即可判斷為表面瑕疵。在實(shí)際生產(chǎn)中，該方法能夠快速檢測(cè)出各種表面瑕疵，檢測(cè)速度達(dá)每秒5個(gè)制品以上，大大提高了生產(chǎn)線上的檢測(cè)效率[10]。

3.3 色差檢測(cè)

吹塑制品在成型時(shí)受材料、設(shè)備、工藝、環(huán)境等因素影響會(huì)產(chǎn)生色差，色差對(duì)產(chǎn)品的品質(zhì)和市場(chǎng)接受度有著重要影響。視覺檢測(cè)技術(shù)對(duì)采集到的圖像進(jìn)行預(yù)處理、特征提取和圖像分割等操作。預(yù)處理包括灰度化、濾波、降噪等步驟，以提高圖像質(zhì)量；特征提取則是從圖像中提取與色差相關(guān)的特征信息；圖像分割是將圖像中的目標(biāo)物體與背景分離，便于后續(xù)的分析處理。色差計(jì)算模塊根據(jù)圖像處理模塊提取的特征參數(shù)，采用合適的色差計(jì)算模型計(jì)算吹塑制品與標(biāo)準(zhǔn)樣品之間的色差。常用的色差計(jì)算模型有CIELAB色差公式、CMC色差公式等，其中CIELAB色差公式應(yīng)用最為廣泛。該模塊將計(jì)算得到的色差與預(yù)先設(shè)定的閾值進(jìn)行比較，即可判斷吹塑制品是否存在色差缺陷。在實(shí)際生產(chǎn)中視覺檢測(cè)系統(tǒng)檢測(cè)每個(gè)吹塑藥箱僅需3s，而人工檢測(cè)則需15s，視覺檢測(cè)系統(tǒng)的檢測(cè)效率是人工檢測(cè)的數(shù)倍[17]。

4 視覺檢測(cè)技術(shù)在吹塑制品應(yīng)用中的性能評(píng)估

4.1 檢測(cè)精度

通過對(duì)大量吹塑制品的檢測(cè)實(shí)驗(yàn)，驗(yàn)證了視覺檢測(cè)技術(shù)在尺寸測(cè)量和外觀缺陷檢測(cè)、色差檢測(cè)方面具有較高的精度。在尺寸測(cè)量方面，對(duì)于不同規(guī)格的吹塑制品，其測(cè)量誤差均能控制在工藝要求的范圍內(nèi)；在外觀缺陷檢測(cè)方面，能夠準(zhǔn)確識(shí)別出微小的缺陷，檢測(cè)精度明顯優(yōu)于人工目檢。視覺檢測(cè)技術(shù)使得檢測(cè)尺寸精度從毫米級(jí)到亞像素級(jí)，如西安交通大學(xué)的姜洪權(quán)等[18]提出的基于亞像素輪廓提取的在線測(cè)量系統(tǒng)，可實(shí)現(xiàn)吹塑制品直徑、高度、圓度等參數(shù)的高精度檢測(cè)，顯著提升產(chǎn)品一致性。人工智能(AI)塑料制品人機(jī)協(xié)作檢測(cè)系統(tǒng)通過智能化質(zhì)量管控方案實(shí)現(xiàn)了視覺識(shí)別一AI決策一工藝優(yōu)化的全鏈閉環(huán)，為注塑成型、吹塑加工等核心工序提供毫米級(jí)精度的在線實(shí)時(shí)檢測(cè)能力。該系統(tǒng)深度融合深度學(xué)習(xí)算法與工業(yè)級(jí)光學(xué)成像技術(shù)，配置百萬像素級(jí)高速工業(yè)相機(jī)與環(huán)形陣列光源系統(tǒng)，能精準(zhǔn)捕捉直徑0.02mm以上的飛邊、銀紋、雜質(zhì)等17類常見缺陷，誤檢率比傳統(tǒng)方案降低83%。

4.2 檢測(cè)速度

視覺檢測(cè)系統(tǒng)采用高速工業(yè)相機(jī)和并行處理算法，能夠?qū)崿F(xiàn)快速檢測(cè)。在實(shí)際生產(chǎn)線上，檢測(cè)速度可以達(dá)到每分鐘數(shù)十個(gè)甚至上百個(gè)制品，達(dá)到毫秒級(jí)響應(yīng)，遠(yuǎn)遠(yuǎn)超過人工檢測(cè)的速度，滿足了大規(guī)模生產(chǎn)的實(shí)時(shí)檢測(cè)需求。高速相機(jī)是實(shí)現(xiàn)高速視覺檢測(cè)的關(guān)鍵設(shè)備，這類相機(jī)需要具備高幀率以快速捕捉圖像，高分辨率以保證圖像細(xì)節(jié)，以及高靈敏度以適應(yīng)不同的光照條件。例如，在藥品生產(chǎn)中，需要對(duì)藥瓶進(jìn)行高速質(zhì)量檢測(cè)，這時(shí)就需要用到基于OpenCV和Python的實(shí)時(shí)缺陷檢測(cè)系統(tǒng)[19]。此外，一些先進(jìn)的表面檢測(cè)技術(shù)，如混合色散激光掃描，能夠?qū)崿F(xiàn)極高的掃描速度，可達(dá)幾千米每秒，適用于檢測(cè)微米級(jí)別的表面缺陷[20]。采用高幀率、高靈敏度的相機(jī)和圖像傳感器是實(shí)現(xiàn)快速圖像采集的基礎(chǔ)。例如，某些工業(yè)相機(jī)可以達(dá)到數(shù)千幀每秒的采集速度，適用于高速運(yùn)動(dòng)物體的檢測(cè)[21]。AI系統(tǒng)可在0.5s內(nèi)完成圖像采集、缺陷識(shí)別與分揀決策，支持每分鐘數(shù)千瓶的產(chǎn)線節(jié)奏。

4.3 穩(wěn)定性和可靠性

視覺檢測(cè)系統(tǒng)采用標(biāo)準(zhǔn)化的硬件設(shè)備和成熟的圖像處理算法，具有較高的穩(wěn)定性和可靠性。在長(zhǎng)時(shí)間的連續(xù)運(yùn)行過程中，系統(tǒng)能夠保持正常的檢測(cè)性能，減少了因設(shè)備故障和人為因素導(dǎo)致的檢測(cè)誤差和漏檢現(xiàn)象，提高了生產(chǎn)過程的穩(wěn)定性和產(chǎn)品質(zhì)量的一致性。一個(gè)穩(wěn)定的視覺檢測(cè)系統(tǒng)能夠持續(xù)提供可靠的檢測(cè)結(jié)果，減少誤判和漏判，從而保證生產(chǎn)過程的質(zhì)量和效率。系統(tǒng)穩(wěn)定性受多種因素影響，包括硬件設(shè)備的可靠性、軟件算法的魯棒性、環(huán)境因素的干擾以及維護(hù)保養(yǎng)的水平。相機(jī)和鏡頭是視覺檢測(cè)系統(tǒng)的核心組件，在長(zhǎng)期使用后可能會(huì)出現(xiàn)老化、磨損等問題，導(dǎo)致圖像質(zhì)量下降，進(jìn)而影響檢測(cè)結(jié)果的穩(wěn)定性。因此，選擇高質(zhì)量、高可靠性的相機(jī)和鏡頭至關(guān)重要。視覺檢測(cè)系統(tǒng)在實(shí)際應(yīng)用中會(huì)受到各種干擾，如光照變化、噪聲干擾、物體姿態(tài)變化等。魯棒性強(qiáng)的算法能夠有效地抑制這些干擾，保證檢測(cè)結(jié)果的準(zhǔn)確性和穩(wěn)定性。優(yōu)秀的算法具備一定的自適應(yīng)能力，能夠根據(jù)環(huán)境變化自動(dòng)調(diào)整參數(shù)，以保持最佳的檢測(cè)性能。例如，在光照變化時(shí)，算法能夠自動(dòng)調(diào)整圖像亮度，以保證圖像的清晰度。

5 結(jié)語

視覺檢測(cè)技術(shù)作為一種先進(jìn)的非接觸式檢測(cè)手段, 在吹塑制品質(zhì)量檢測(cè)中展現(xiàn)出了巨大的優(yōu)勢(shì)。通過對(duì)吹塑制品的尺寸測(cè)量和外觀缺陷檢測(cè)、色差檢測(cè)等實(shí)際應(yīng)用案例的分析, 證明了視覺檢測(cè)技術(shù)能夠有效提高檢測(cè)的準(zhǔn)確性、效率和可靠性, 滿足現(xiàn)代制造業(yè)對(duì)高質(zhì)量、高效率生產(chǎn)的需求。然而, 目前視覺檢測(cè)技術(shù)在吹塑制品應(yīng)用中仍存在一些問題, 如對(duì)復(fù)雜形狀制品的檢測(cè)適應(yīng)性有待提高、檢測(cè)算法的智能化程度還需進(jìn)一步加強(qiáng)等。未來, 隨著 AI、深度學(xué)習(xí)等技術(shù)的不斷發(fā)展, 視覺檢測(cè)技術(shù)將朝著更加智能化、自動(dòng)化和多功能化的方向發(fā)展, 有望在吹塑制品生產(chǎn)中得到更廣泛的應(yīng)用, 為提高吹塑制品質(zhì)量和生產(chǎn)效率做出更大的貢獻(xiàn)。

參考文獻(xiàn)

[1] 苗丹,宋玉平,王文倩. 我國(guó)中空吹塑行業(yè)發(fā)展現(xiàn)狀及"十四五"期間重點(diǎn)產(chǎn)品、工藝和設(shè)備發(fā)展方向[J]. 中國(guó)塑料, 2022, 36(9): 57-62.

[2] 邱建成. 中空吹塑技術(shù)研發(fā)現(xiàn)狀及可循環(huán)利用趨勢(shì)[J]. 塑料包裝, 2023, 33(1): 1-7.

[3] 馬占峰, 牛國(guó)強(qiáng), 蘆珊. 中國(guó)塑料加工業(yè)(2022)[J]. 中國(guó)塑料, 2023, 37(5): 110-115.

[4] 王瑩. 塑料生產(chǎn)加工行業(yè)的轉(zhuǎn)型發(fā)展策略[J]. 塑料助劑, 2022(6): 81-84.

[5] 王萌. 三維動(dòng)畫模擬技術(shù)在塑料擠出成型過程中的應(yīng)用[J]. 塑料工業(yè), 2023, 51(2): 184-185.

[6] 劉軍強(qiáng). 汽車塑料油箱吹塑成型生產(chǎn)技術(shù)現(xiàn)狀及發(fā)展趨勢(shì)分析[J]. 橡塑技術(shù)與裝備, 2021, 47(12): 30-33.

[7] 張萍. 中空吹塑制品型坯成型關(guān)鍵技術(shù)及其應(yīng)用研究[D]. 鎮(zhèn)江:江蘇科技大學(xué), 2015.

[8] 孫宗濤, 楊民, 任德宸, 等. 質(zhì)控算法在擠出吹塑制品中的應(yīng)用研究[J]. 上海塑料, 2024, 52(2): 27-30.

[9] 孫宗濤, 林浩, 任明建, 等. 數(shù)學(xué)建模在吹塑制品關(guān)鍵尺寸控制中的應(yīng)用研究[J]. 上海塑料, 2023, 51(3): 48-51.

[10] 張良剛. 機(jī)器視覺與感知技術(shù)在智能制造中的應(yīng)用研究[J]. 時(shí)代汽車, 2025(5): 134-136.

[11] 孫宗濤, 林浩, 孫銘, 等. 擠出吹塑制品的機(jī)械加工[J]. 上海塑料, 2023, 51(4): 58-62.

[12] 楊成. 中空吹塑成型生產(chǎn)線制品表面缺陷檢測(cè)系統(tǒng)的關(guān)鍵技術(shù)研究[D]. 鎮(zhèn)江: 江蘇科技大學(xué), 2022.

[13] 王占強(qiáng), 薄楠林. 計(jì)算機(jī)視覺技術(shù)在塑料檢測(cè)領(lǐng)域的應(yīng)用進(jìn)展[J]. 合成樹脂及塑料, 2022, 39(4): 88-91.

[14] 吳澤宇. 基于機(jī)器視覺的吸塑熱成型智能定位和缺陷檢測(cè)技術(shù)研究[D]. 徐州: 中國(guó)礦業(yè)大學(xué), 2021.

[15] 葉楓. 基于機(jī)器視覺的注塑藥瓶缺陷檢測(cè)系統(tǒng)研究與實(shí)現(xiàn)[D]. 武漢理工大學(xué), 2019.

[16] 李昕燁. 基于嵌入式視覺的塑件表面缺陷檢測(cè)技術(shù)研究[D]. 桂林: 桂林理工大學(xué), 2024.

[17] 黃美益. 計(jì)算機(jī)視覺技術(shù)在塑料領(lǐng)域的應(yīng)用研究進(jìn)展[J]. 合成樹脂及塑料, 2023, 40(4): 82-86.

[18] 西安交通大學(xué). 一種基于機(jī)器視覺吹塑產(chǎn)品的在線測(cè)量方法: 201410475842.2[P].2014-09-17.

[19]CHENX,WU Z. High-speed image process in phar.maceutical bottle production basing OpenCV[J]. Fron-tiers in Computing and Intelligent Systems,2024，9(2):53-55.

[20]YAZAKI A,KIM C,CHAN J,et al. Ultrafast dark-field surface inspection with hybrid-dispersion laserscanning[ J]. Applied Physics Letters, 2014,104(25): 251106

[21]GUO Q,YANG Z,XU J,et al. Progress, challengesand trends on vision sensing technologies in automatic/intelligent robotic welding: state-of-the-art review[ J]Robotics and Computer-Integrated Manufacturing,2024，89:102767