液位检测被泡沫干扰怎么办？从工艺到算法的 5 层处理顺序

泡沫干扰的本质，是液面从一条锐利边缘退化为一段渐变过渡带，因此单纯调算法阈值难以根治。处理顺序应为：先判定失效方向（漏检还是误剔），再从工艺、光学、算法、判定策略四层依次收敛；前两层成本最低、收益最大。把"低置信度不判"与"双工位复检"写进方案，通常比追求单帧全部判对更有效。

一、先分清方向：泡沫让你漏检，还是让你误剔

泡沫对液位检测的作用不是单向的。

当泡沫层较厚且透光时，算法可能把泡沫顶面识别为液面，读值偏高，结果是低液位产品被判合格而放行——这是漏检。当泡沫在瓶壁形成爬壁残留、或泡沫斑块遮挡液面边缘时，读值偏低，结果是合格品被判不合格而剔除——这是误剔。

两者的处理路径完全不同：漏检要解决"看得太靠上"，误剔要解决"看不清真实边界"。现场诊断方法很直接：

1. 取被剔除的样品静置 30 秒后复测，若复测合格，说明是泡沫导致的误剔；

2. 取被判合格的低液位样品复测，若静置后读数下降，说明是泡沫顶面造成的漏检。

这一步不做，后续所有调试都是盲调。工程实践中，相当比例的"算法不行"结论，实际是失效方向判断反了。

二、工艺层：让泡沫少产生，让泡沫有时间消散

这是成本最低、也最容易被跳过的一层。三个动作按投入排序：

1. 把检测位往后移。灌装后泡沫层厚度随时间单调衰减。多数工况下把检测工位后移 1–3 米（折合输送时间数秒），泡沫层厚度即可明显下降。这一步不增加硬件成本，只需与输送设计协同，是性价比最高的单一措施。

2. 调整灌装方式。降低灌装流速与压力、采用长管或底部灌装、避免液流直接冲击液面，是从源头减少起泡的手段。代价是灌装节拍可能受限，需与灌装设备方共同评估。

3. 控制灌装温度。含气饮料的泡沫量与二氧化碳溶解度直接相关，低温灌装有利于抑制起泡，但会增加制冷能耗与瓶身冷凝水问题（冷凝水本身又会干扰光学成像，需一并权衡）。

三、光学层：把看不清的边界变成看得清的边界

如果工艺层已无调整空间，光学设计是第二优先。核心思路是不再依赖"液面自身的亮度差"，而是依赖"液面与瓶壁的交线"或"液相与泡沫相的散射差异"。

· 背光透射：以均匀背光替代前光，瓶身反光被压掉，液相区因吸收与折射呈暗，泡沫区因强散射呈亮，两者形成稳定灰度差。对透明瓶与浅色液体效果较好。

· 低角度暗场：突出液面处的镜面反射带；泡沫表面粗糙、定向反射弱，差异因此被拉开。

· 偏振片：抑制瓶壁与泡沫表面的高光，减少虚假边缘。

· 斜视成像，测交线而非顶面：相机从侧下方一定角度取像，以液面与瓶壁的接触线作为基准，规避泡沫顶面。该方案对瓶型一致性与瓶身竖直度要求较高。

· 短曝光冻结：曝光时间压至百微秒级，避免高速运动造成的边缘拖影。

成像方案的选择没有通用答案，取决于瓶型、材质、液体颜色与泡沫形态，应以打样结果为准。

四、算法层：泡沫补偿技术

泡沫的视觉特征是空间上随机、时间上高频；而真实液面边缘的特征是沿瓶身水平方向连续、方向一致。利用这一差异，比反复调阈值有效得多。

· 多列投票：沿瓶身水平方向取 20–40 列，各列独立求液面候选点，再取中位数或做一致性投票。泡沫斑块只在少数列造成偏差，无法改变中位数；真实液位则在所有列一致出现。

· 方向性梯度 + 鲁棒拟合：只保留近似水平方向的强梯度点，再用 RANSAC 一类方法拟合液面直线并剔除离群点。泡沫纹理梯度方向杂乱，会被自然滤除。

· 分区判定：将瓶肩弧面、瓶底弧面、瓶壁爬壁环排除在检测窗口之外，只保留中段有效区域。

· 语义分割：以分割模型区分液相区、泡沫区与背景，适用于瓶型多、泡沫形态差异大的场景；代价是需要足量标注样本，推理资源上升。

· 输出置信度：让算法不仅给出液位值，还给出可信度评分，为下一层策略提供依据。

五、判定策略层：追求判错代价最小

这是最容易被忽略、性价比却最高的一层。工业检测的目标从来不是单帧准确率，而是整线的漏检率与误剔率达标。

· 低置信度不判：置信度低于阈值的样品不直接剔除，转人工复核或下游复检。对泡沫高发的开机、换型、升温阶段尤为有效。

· 双工位复检：同一瓶在下游再检一次，两次均判不合格才剔除。对随机性干扰，误剔率可近似按两次独立事件相乘下降，代价是增加一个工位。

· 批次自适应：以同批次液位的分布统计量作为动态基准，抑制批次间的系统性漂移。

· 分时段降级：泡沫高发时段由"剔除"降级为"报警不停机"，避免整线频繁停机。

六、不同检测方式对泡沫的敏感度

上表为定性排序，具体表现随瓶型、液体性质、泡沫形态变化，须以现场打样为准。

常见问题

加消泡剂能不能解决？

食品饮料场景受配方与法规限制，通常不作为在线手段；且消泡剂改变表面张力，可能影响口感与产品泡沫外观。

泡沫多是不是只能改灌装阀？

不是。检测位后移与光学方案调整的投入通常远低于灌装设备改造，应优先评估。

深度学习能直接解决泡沫干扰吗？

在样本覆盖充分时可显著改善，但它解决的是"分类"问题，不解决"物理边界不存在"的问题。当泡沫层厚度接近液位公差带时，任何算法都会进入不可靠区间。

背光还是前光？

透明瓶、浅色液体优先背光；深色瓶或瓶身有满版标签时，前光或暗场更可行，需打样确认。

检测位后移多少合适？

取决于泡沫衰减速度与产线布局。工程上以后移后静置 2–5 秒为起点试调，再按实测收敛。

作者：NJX ｜更新日期：2026-11-12  广州新视智能

本文所述参数区间为工程经验值，实际表现取决于瓶型、材质、液体性质与产线速度，须经现场打样确认。