項輝宇，劉倩倩，黃佳軍，孫 超

（北京工商大學 材料與機械工程學院；北京工商大學中國食品安全研究中心，北京 100037）

0 引言

工業(yè)生產(chǎn)中，許多產(chǎn)品都包含有字符信息，而大量的自動化印刷導(dǎo)致字符出現(xiàn)印刷缺陷，進而降低產(chǎn)品的合格率，影響生產(chǎn)效率，因此控制字符的不合格率成為了急待解決的問題。流水線生產(chǎn)過程中，僅僅靠人工檢測不僅費時費力，而且很多細小的瑕疵不容易被發(fā)現(xiàn)。全自動化式的生產(chǎn)方式已逐漸成為主流，因此實現(xiàn)字符識別及缺陷檢測已成為必然的發(fā)展趨勢。字符缺陷主要是字符印刷不清晰，字符漏印，字符相對位置不合格等，本實驗實現(xiàn)了從圖像的獲取到判斷字符合格與否的全過程自動化。

1 檢測系統(tǒng)

基于機器視覺的字符識別及檢測需要對字符進行采集和處理，本實驗采用的檢測系統(tǒng)如圖1 所示。檢測系統(tǒng)包括攝像機、光源、圖像采集卡、圖像處理單元、旋轉(zhuǎn)試驗臺。

圖1 檢測系統(tǒng)Fig.1 Testing system

1.1 旋轉(zhuǎn)試驗臺

本實驗采用的旋轉(zhuǎn)試驗臺系統(tǒng)包括單片機、驅(qū)動器、步進電機、霍爾傳感器。利用單片機產(chǎn)生脈沖，經(jīng)過驅(qū)動器的分配和方向控制，控制步進電機帶動轉(zhuǎn)盤運轉(zhuǎn)，可以實現(xiàn)步進電機的正轉(zhuǎn)、反轉(zhuǎn)、固定角度的轉(zhuǎn)動。本實驗利用VC++編程上位機界面控制步進電機的轉(zhuǎn)動。另外使用霍爾傳感器可以使實驗平臺轉(zhuǎn)到某一位置時觸發(fā)攝像機拍照，本實驗是利用霍爾開關(guān)觸發(fā)攝像機采集圖像，圖像顯示在HALCON 軟件的圖像窗口。

1.2 HALCON 處理軟件

HALCON 是一功能強大的機器視覺軟件，它提供了一個全面的視覺處理庫，包含了所有標準和高級的圖像處理方法，覆蓋了從不同的硬件采集圖像到高級的模式匹配算法；提供了機器視覺應(yīng)用程序中通常所需要的一些工具，如文件處理、數(shù)據(jù)分析、算法操作或分類等。本文利用HALCON 機器視覺軟件來實現(xiàn)字符的識別及缺陷檢測。在線檢測時，霍爾開關(guān)產(chǎn)生觸發(fā)信號觸發(fā)攝像機抓取圖像，通過相機USB 接口傳輸?shù)紿ALCON 軟件中，利用軟件中的算子功能對圖像進行相應(yīng)的處理，判別圖像是否合格。

2 檢測算法

對于字符的識別，最有效地方法是模板匹配。首先將標準圖像中的標準字符選為模板，利用模板的一些特征作為篩選條件和待檢測的圖像進行匹配。

2.1 基于灰度值的匹配

將模板圖像中模板字符的灰度信息存儲在模板里，比較待檢圖像與模板的灰度信息，根據(jù)兩者的相似度來判別是否匹配。但是基于灰度值的匹配只能進行單模板匹配，一次只能識別一個對象，而且容易受到光照、噪聲等因素的干擾。信息匹配的魯棒性不高。

2.2 基于形狀的匹配

將模板圖像中的模板字符的輪廓形狀特征存儲在模板里，比較待檢圖像與模板的形狀特征，根據(jù)兩者的相似度來判別是否匹配。此種匹配技術(shù)抗光照條件干擾的能力強，能有效地檢測出偏移、旋轉(zhuǎn)、縮放、部分覆蓋的目標對象，一個模板可以包含多個對象實現(xiàn)多模板匹配，但是無法檢測字符間的相對位置，在一些字符相對位置要求高的應(yīng)用中無法準確的檢測，如計算器、手機、鍵盤上的字符等。

2.3 基于組件的匹配

基于組件的匹配原理與形狀匹配相同，在對于一個包含多個字符的目標對象的檢測上，此匹配技術(shù)將此種目標對象作為一個大模板，訓(xùn)練模板時允許各個字符間有相對的位置偏移、旋轉(zhuǎn)。在模板匹配過程中只需搜索到一個字符，根據(jù)模板中字符間的相對位置可以減少其他字符的搜索范圍，因此匹配速度較快。匹配結(jié)果為待檢對象各個字符的相對位置坐標、待檢字符相對于模板字符的旋轉(zhuǎn)角度及字符的相似度等信息。

本次實驗檢測的是字符的缺失及相對位置是否正確，基于上述三種模板匹配的特點，本實驗選擇的是基于組件的模板匹配。

3 檢測過程

字符識別及檢測的流程圖圖2 所示。一般在檢測的物體上有標準的對象存在，將此對象選作為匹配的基準。本實驗選擇 ‘0’ 作為匹配的基準、將3、4、5、9、A、F 六個字符作為待檢測對象，實現(xiàn)字符漏印，錯位兩方面的檢測。

圖2 檢測流程圖Fig.2 Testing flow chart

圖3 標準模板圖像Fig.3 Standard template

3.1 創(chuàng)建模板

首先采集一幅標準的模板圖像如圖3 所示。利用HALCON 算子gen_rectangle1 選擇目標對象，并把對象添加到ComponentRegions 中，如圖4 所示。若模板中的字符可以有相對的偏移或旋轉(zhuǎn)，則需要通過train_model_components 對不同位置的模板進行訓(xùn)練，通過訓(xùn)練的組件模板幾乎包含所有的組元相對位置，利用get_component_relations 算子可以觀察到組元位置、組元間相對位置。由于本實驗中待檢測的字符間相對位置關(guān)系已經(jīng)確定，因此不需要對多個模板進行訓(xùn)練。create_component_model (ModelImage, ComponentRegions:VariationRow,VariationColumn,VariationAngle, AngleStart, AngleExtent,ContrastLowComp, ContrastHighComp, MinSizeComp,Min-ContrastComp,MinScoreComp,NumLevelsComp, AngleStep-Comp,OptimizationComp,MetricComp,PregenerationComp:ComponentModelID,RootRanking）算子將ComponentRegions中的目標對象創(chuàng)建成模板。由于待檢物體的放置，攝像機位姿等因素的影響，需要對算子中的VariationRow,VariationColumn, VariationAngle 進行設(shè)置。經(jīng)過創(chuàng)建模板產(chǎn)生RootRanking（根組元索引）用于模板匹配。最后利用算子get_component_model_tree 得出模板關(guān)系和模板搜索樹，如圖5 所示。

圖4 Component regionsFig.4 Component regions

圖5 模板關(guān)系和搜索樹Fig.5 Template relations and search tree

3.2 在線檢測

利用霍爾傳感器可以實現(xiàn)攝像機在同一位置抓取圖像。圖像傳輸至HALCON 軟件中，進行模板匹配，算子find_component_model 實現(xiàn)模板的搜索過程。由create_component_model 產(chǎn)生的RootRanking 被用于模板的搜索過程，搜索過程是先在待檢圖像中找到RootRanking，然后根據(jù)模板中的組字符間的相對位置一一搜索其他的組件（中間組件），可以通過設(shè)置使用其中一個RootRanking 使用固定的搜索路線來檢測。在一些應(yīng)用中根組件有可能丟失，可以對find_component_mode 算子中的If-RootNotFound 進行設(shè)置解決根組件丟失問題。本實驗中‘0’ 為匹配基準，因此選擇 ‘0’ 為RootRanking，由可知搜索路徑為0-3-5-4-9-F-A。若3—F 中的任一中間組件丟失造成無法對其他組件進行搜索，可以對算子find_component_mode 中 的IfComponentNotFound 進行設(shè)置來動態(tài)適應(yīng)搜索順序。利用算子get_found_component_model 獲得檢測到的組元，通過dev_display（FoundComponents）將檢測到的組件顯示出來。最后根據(jù)一定的檢測條件判斷檢測對象是否合格，本實驗使用的篩選條件是組件是否被找到即ScoreCompInst [i] 是否為0.0，若ScoreCompInst [i] =0.0 則說明第i 個組件丟失，產(chǎn)品字符漏印，則該產(chǎn)品不合格。

3.3 檢測結(jié)果

該實驗的檢測結(jié)果如圖6 所示。結(jié)果中的1-7 即搜索字符的順序，分別代表0-3-5-4-9-F-A。

圖6 檢測結(jié)果Fig.6 Test Results

從結(jié)果中可以看出： ①沒有被設(shè)為檢測模板的字符即使有錯誤也不能被檢測出來；②對于字符漏印的產(chǎn)品，可以被準確的檢測出來，并且其他字符也能夠準確提取并顯示；③對于字符順序有錯的產(chǎn)品也能夠檢測出來。

實驗驗證基于組件的匹配可以較好地應(yīng)用到字符的檢測中。

4 總結(jié)

實驗結(jié)果表明，本文提出的基于HALCON 的字符組件匹配技術(shù)可以準確的實現(xiàn)字符識別及缺陷檢測。與傳統(tǒng)的人工檢測方法相比較，基于組件的缺陷檢測使生產(chǎn)線上產(chǎn)品的質(zhì)量檢測有了進一步的進展。隨著工業(yè)自動化生產(chǎn)的發(fā)展，機器視覺在工業(yè)上的應(yīng)用將得到更廣泛的應(yīng)用和發(fā)展。然而試驗臺的轉(zhuǎn)速對攝像機的圖像抓取質(zhì)量會有較大的影響，本實驗中試驗臺的速度較低，在高速下的字符檢測還有待進一步的研究。

[1] Carsten Steger,Markus Ulrich,Christian Wiedemanm.機器視覺算法與應(yīng)用[M].北京：清華大學出版社，2008.

[2] 張瓊，沈海宏，沈民奮，劉長春.基于HALCON 的無印記印刷品圖像質(zhì)量檢測[J].汕頭大學學報，2011.

[3] 黃建榮，范彥斌，葉邦彥.基于Halcon 的STM-PCB 元件缺陷檢測[J].佛山科學技術(shù)學院學報(自然科學版)，2008.

[4] 陳濤.基于HALCON 的表面貼裝電子組件檢測系統(tǒng)的研發(fā)[D].廣東：華南理工大學，2011.

[5] 李志強，項輝宇.OCR 在印刷字符實時檢測系統(tǒng)中的應(yīng)用[J].機電產(chǎn)品開發(fā)與創(chuàng)新，2013，5.

[6] 孫懷遠，廖躍華.基于HALCON 的藥品包裝瓶批號檢測技術(shù)研究[J].包裝工程，2008，4.