1. 研究目的与意义（文献综述）

随着近年来居民生活水平的提高，人们对白酒的需求越来越大，白酒产业对我国经济增长也越来越重要。但是伴随着白酒经济价值不断增长的，还有白酒的食品安全问题。

白酒作为广大百姓生活中的常见消费品，其质量安全自然不容忽视。白酒中的食品安全问题主要是白酒成分的问题，白酒应是无色透明、无悬浮物、无浑浊、无沉淀，但在生产过程中，因人为或非人为因素会白酒带来杂质，并且由于白酒自身的特性在酒度降低时，容易产生悬浮物、沉淀或浑浊等现象，特别是在低度白酒生产中更容易出现浑浊、失光等现象。另外由于瓶装白酒一般都是玻璃材质，所以在白酒装瓶的过程中可能会产生一些玻璃碎屑落入酒中，玻璃瓶洗涤过程中也有可能混入一些毛发、遗留的尘土等等，这些都是白酒中杂质的来源，如果含有杂质的产品被消费者使用，将直接危害人的身体健康。

但是，目前国内的白酒生产线大多数都没有瓶装产品检测设备，而是采用人工检测，这种方法效率低，成本也高，工人们每隔两小时就需要休息，检测效果也容易受工人工作时长的影响，白酒企业急需自动化检测设备提高效率，降低成本，因此，在线监测设备的研制成功将使白酒生产的品质得到保障同时提高了生产效率。本毕业设计针对白酒生产线中杂质沉淀物的检测课题进行研究，采用先进的技术手段，力求解决这个在线检测问题。

2. 研究的基本内容与方案

设计的基本内容及目标：白酒过滤中杂质沉淀物的检测一直是个难题，一般靠人来检查，但是人眼有许多缺点，因此本文打算用图像处理的技术设计一个白酒生产线杂质在线监测系统，当瓶装白酒中有杂质时，系统将自动检测出来并剔除不合格白酒，从而实现白酒杂质检测的自动化，提高白酒生产线的效率，减少成本。

方案一：利用紫外吸收原理，通过对白酒中杂质进行化学分析，发现在 1∶20白酒稀释溶液中，白酒杂质沉淀物对 285nm附近的紫外光有很强的吸收峰， 而白酒一般为电解质水溶液，其在 285 nm对紫外光几乎没有吸收。当被测溶液中有沉淀物时，由于杂质沉淀的吸光作用，透射光强将明显减弱，强度衰减程度与杂质沉淀浓度呈指数关系(比耳定律)。这样的检测系统采用双光路，一路光照射测量池，另一路光照射参比池。 根据两路光信号的比值变化判断是否有沉淀物，从而给出报警和控制信号。

方案二：先对瓶装白酒拍照，然后利用数字图像处理的方法，对获取的图像进行预处理并用杂质检测算法判断白酒中是否有杂质，在检测出杂质时报警和剔除不合格白酒。

两个方案的比较：因为直接对白酒用紫外光吸收原理检测会有很大的误差，所以方案一需要先对白酒取样，稀释并放入到测量室中，才能对稀释白酒进行检测，这种方法具有一定局限性，只是对白酒封装前进行检测，对封装过程中产生的杂质却检测不出来。方案二检测精度高，速度快，可对瓶装白酒进行检测，具有紫外吸收法不具备的许多优点，因此本文将选用方案二，所以对方法一不再做更详细的研究。

方案二的技术方案是先用晶片级摄像机获取瓶装白酒的图像，晶片级摄像机由图像传感器构成，分为CCD和CMOS 两种，本课题使用精度更高的CCD摄像机。再用图像处理的技术对获取的图像进行加工处理并判断瓶中是否有杂质。其具体措施如下：设计图像获取硬件系统，用数字图像处理的知识对图像预处理，用基于图像处理的技术设计杂质检测算法，设计不合格白酒剔除方案。

图2.1基于图像处理技术的杂质检测工艺实现过程

1. 图像获取硬件系统的设计

   由于白酒中可能有杂质沉淀，需要在获取图像之前将杂质沉淀流动起来，否则很难检测到这些沉淀的杂质。因此在瓶装白酒过来时要用旋转急停装置时瓶中液体流动起来。

   图像获取系统分为光源和图像传感器。本文将对当前工业上常用的几种光源进行比较并选出适合本课题的光源。

   图像传感器分为CCD（电荷耦合器件）和CMOS（互补型金属氧化物半导体）两种。在当前，成像检测设备已广泛应用于食品包装、医疗、机械加工等领域，为自动化程度的提高提供了技术保障。但在不同的检测领域，考虑到客户的价格承受能力及对外观要求的严格程度，需要选用不同的图像传感器。比如在生产线上，要检测目标的有无、正反或检测目标对象反差比较大的场合，选用CMOS图像传感器即可满足成像检测系统的需求；而当要检测目标的细部特征时，比如包装纸上的污点、轻微色差检测、纸张印刷效果、还有条形码等的检测时，就必须选用CCD图像传感器^[3]。由于CCD多方面性能优于CMOS，因此本文选用检测灵敏度高的CCD作为图像获取设备，并对CCD作简要介绍，用CCD附带的二次开发SDK函数库编写图像获取程序。

2. 用数字图像处理的知识对图像预处理

   本文将介绍对图像预处理的方法，因为初始获得的图像包含很多噪声，如椒盐噪声和高斯噪声等，所以预处理的目的是去除噪声干扰并使图像有利于判断杂质。预处理包括图像滤波技术、图像边缘检测算法等，并对图像边缘检测算法的几种方法进行比较，边缘检测算法包括Sobel算子、Roberts算子、Prewitt算子等，从而选择本文的最优算法并深入讨论和计算，设计出可行的算法，为下面的杂质检测打好基础。

3. 基于图像处理的杂质检测算法

   在对图像进行预处理后，就要对图像进行杂质的检测。有如下几个方法：基于单帧图像的异物检测算法、和基于图像序列的运动目标异物检测算法。本文将选择其中一种方法深入研究讨论，从而设计出可行的杂质检测算法将杂质识别出来，并将不合格白酒剔除、记录。

4. 不合格白酒剔除方案的设计

   此部分设计的目的是在不合格白酒被检测出来后，在剔除信号的作用下将不合格白酒同合格白酒分开处理，从而保证出厂的白酒的质量，排除次品的过程主要由传送带完成，当检测系统检测出杂质时，用电机控制一个挡板，将不合格白酒引流到不合格区。

   杂质检测工艺过程方框图如下：

   
   

   图2.2杂质检测工艺过程方框图

3. 研究计划与安排

1、开题报告，2019年3月8日

2、英文翻译，2019年3月28日

3、总体方案设计，2019年4月8日

4. 参考文献（12篇以上）

[1] 张争光，蔡乐才.基于紫外光的白酒杂质检测系统[j].仪表技术与传感器，2011，(3):46-48

[2] 朱明岩，等.国内外全自动异物灯检机性能比较研究[j].机电信息，2014，(35):15-19

[3] 吴振龙.成像检测系统中图像传感器的选择[j].科技视界，2012，(16):64-65