秦曉敏
(江西中煙工業(yè)有限責(zé)任公司南昌卷煙廠,江西 南昌 330096)
?
煙條外觀質(zhì)量視覺(jué)檢測(cè)系統(tǒng)的應(yīng)用研究
秦曉敏
(江西中煙工業(yè)有限責(zé)任公司南昌卷煙廠,江西 南昌 330096)
摘要:研究了針對(duì)煙條圖像的圖像處理、圖像特征提取和圖像識(shí)別的算法,設(shè)計(jì)了軟件系統(tǒng),完成了軟件編程,并在生產(chǎn)現(xiàn)場(chǎng)進(jìn)行了系統(tǒng)的安裝、調(diào)試和實(shí)驗(yàn)。通過(guò)一系列的現(xiàn)場(chǎng)實(shí)驗(yàn)和測(cè)試,結(jié)果表明本系統(tǒng)可以對(duì)煙條外觀品質(zhì)進(jìn)行有效的檢測(cè),并具有檢測(cè)速度快、總體檢測(cè)效果好、穩(wěn)定性高的特點(diǎn)。
關(guān)鍵詞:機(jī)器視覺(jué); 條煙外觀; 檢測(cè)系統(tǒng); 圖像識(shí)別
0引言
近年來(lái),隨著煙草設(shè)備的不斷升級(jí)換代和技術(shù)改造,設(shè)備的自動(dòng)化水平得到了極大的提高,但對(duì)產(chǎn)品外觀品質(zhì)的把關(guān)依然采用落后的人工抽查的取樣方法,這在卷煙機(jī)速度達(dá)到8000支/min以上,包裝機(jī)速度達(dá)到400包/min以上的今天,完全不能滿足現(xiàn)代煙草在線品質(zhì)檢測(cè)的需求。
隨著視覺(jué)理論和光機(jī)電算技術(shù)的發(fā)展,可以采用機(jī)器視覺(jué)的方法來(lái)檢測(cè)煙條的外觀品質(zhì)[1]。
1條煙外觀品質(zhì)在線視覺(jué)檢測(cè)系統(tǒng)設(shè)計(jì)
為了滿足企業(yè)的實(shí)際要求,提升煙條外觀品質(zhì)的在線實(shí)時(shí)檢測(cè)和控制水平,降低煙條外觀品質(zhì)缺陷投訴率,開(kāi)發(fā)了一種煙條外觀品質(zhì)的在線檢測(cè)和剔除系統(tǒng)。系統(tǒng)以工業(yè)智能相機(jī)為中心,通過(guò)多臺(tái)CCD智能相機(jī)在線獲取圖像,并用圖像分割、匹配等算法進(jìn)行處理,上位機(jī)采用Visual C++6.0編程,對(duì)于檢測(cè)的煙條在線進(jìn)行處理,對(duì)于缺陷煙條報(bào)警并進(jìn)行剔除,是一套典型的機(jī)器視覺(jué)檢測(cè)系統(tǒng)。
系統(tǒng)是一個(gè)基于智能相機(jī)的機(jī)器視覺(jué)檢測(cè)系統(tǒng),如圖1所示。
圖1 煙條外觀品質(zhì)視覺(jué)檢測(cè)系統(tǒng)工作流程示意圖
由圖1可見(jiàn),系統(tǒng)由分煙機(jī)構(gòu)、機(jī)器視覺(jué)系統(tǒng)和剔除機(jī)構(gòu)幾部分組成。分煙機(jī)構(gòu)的作用是將相鄰的煙條分開(kāi),便于檢測(cè)和剔出。機(jī)器視覺(jué)系統(tǒng)包括圖像采集單元、圖像處理和圖像識(shí)別單元、圖像分析單元。圖像采集采用6個(gè)攝像頭對(duì)煙條的正面、兩個(gè)端面和相關(guān)側(cè)面的圖像進(jìn)行采集、處理和分析、識(shí)別,然后把處理結(jié)果送至上位機(jī),以提升采集圖像的品質(zhì)水平,進(jìn)而保障系統(tǒng)的檢測(cè)識(shí)別率和誤檢測(cè)率。剔除機(jī)構(gòu)則負(fù)責(zé)在高速運(yùn)行狀態(tài)下將不良煙條準(zhǔn)確剔除。
計(jì)算機(jī)視覺(jué)系統(tǒng)是本文研究的主要內(nèi)容。該系統(tǒng)設(shè)計(jì)主要包括了如下部件:1臺(tái)工控機(jī),1套PLC電控系統(tǒng),4套LED光源,6臺(tái)德國(guó)VC公司的基于網(wǎng)絡(luò)傳輸?shù)闹悄芟鄼C(jī),1臺(tái)路由交換機(jī),并采用Visual C++自行開(kāi)發(fā)了上位機(jī)軟件。系統(tǒng)原理如圖2所示。
圖2 煙條外觀品質(zhì)視覺(jué)檢測(cè)計(jì)算機(jī)視覺(jué)系統(tǒng)示意圖
1.3.1光源與照明方式
光源與照明方式,在機(jī)器視覺(jué)檢測(cè)系統(tǒng)中是關(guān)鍵環(huán)節(jié)。所用光源發(fā)光的波長(zhǎng)范圍、亮度、均勻性等因素可直接影響圖像采集的品質(zhì),進(jìn)而影響到整個(gè)檢測(cè)系統(tǒng)的成像效果和檢測(cè)精度。
經(jīng)過(guò)綜合對(duì)比,選用低角度照明方式和LED條形光源(紅光波長(zhǎng)為625 nm,帶寬為20 nm)作為計(jì)算機(jī)視覺(jué)系統(tǒng)的照明光源,它與傳統(tǒng)照明光源相比具有許多明顯優(yōu)勢(shì):波長(zhǎng)范圍較短,光照均勻;使用壽命長(zhǎng),運(yùn)行成本低;可供選擇的光源顏色多,可用的形狀多種多樣;響應(yīng)速度快,抗震能力強(qiáng),安裝簡(jiǎn)單等等優(yōu)點(diǎn)。
1.3.2智能相機(jī)
為實(shí)現(xiàn)煙條外觀品質(zhì)的在線檢測(cè),選用嵌入式機(jī)器視覺(jué)的檢測(cè)方式,由智能相機(jī)內(nèi)自帶的圖像處理軟件對(duì)拍取到的圖像進(jìn)行實(shí)時(shí)處理,并把處理結(jié)果和圖像通過(guò)以太網(wǎng)傳輸至上位機(jī)。選用德國(guó)Vision Components公司的VC智能攝像機(jī),該相機(jī)體積小,功耗小,占用空間小,處理速度快,連接方便。
2圖像處理和檢測(cè)算法
圖像處理的結(jié)果決定了系統(tǒng)的檢測(cè)精度并且決定了檢測(cè)系統(tǒng)的執(zhí)行效率。下面先介紹圖像處理中用到的幾種基本算法,然后詳細(xì)地闡述條包拉線的主要檢測(cè)方法。
閾值分割是圖像分割中應(yīng)用最為廣泛的一種,可通過(guò)選取恰當(dāng)?shù)拈撝祵?shí)現(xiàn)對(duì)圖像進(jìn)行分割的目的。其優(yōu)點(diǎn)是速度快、計(jì)算簡(jiǎn)單、運(yùn)算效率較高。閾值處理技術(shù)包括自適應(yīng)閾值、全局閾值、最佳閾值等多種方法。全局閾值是在全部檢測(cè)范圍內(nèi)使用同一個(gè)閾值T來(lái)進(jìn)行判別和分割處理,自適應(yīng)閾值處理技術(shù)可以根據(jù)一定的鄰域范圍動(dòng)態(tài)地選擇相應(yīng)點(diǎn)的閾值。
本系統(tǒng)采用的是自適應(yīng)閾值分割方法。當(dāng)背景灰度變化較大、有突發(fā)噪聲或者照明不均勻時(shí),將無(wú)法采用單一門限閾值T(不能兼顧各個(gè)像素的實(shí)際情況)來(lái)分割整幅圖像。因此,可以對(duì)圖像按照坐標(biāo)來(lái)分塊,并選取一特征閾值進(jìn)行分割。這種算法的缺點(diǎn)是計(jì)算量比較大,但因?yàn)槠涓咝У目乖肽芰Γ瑢?duì)采用全局閾值不易分割的圖像有著良好的效果[6]。
2.2特征選擇和提取
圖像特征的提取,是決定圖像分析和識(shí)別的精度和效果的關(guān)鍵。只有提取能夠全面反應(yīng)圖像各部分本質(zhì)的特征,分類器才能易于設(shè)計(jì)且分得準(zhǔn)確。在特征提取和選擇過(guò)程中,首先提取被檢測(cè)對(duì)象的特征參數(shù),并把特征參數(shù)量化為特征向量。常憑經(jīng)驗(yàn)列出相應(yīng)的特征集,然后計(jì)算不同的特征的相對(duì)效率,并選出若干提取效果最好的特征。提取效果好的特征參數(shù)具有以下特點(diǎn):可靠性高,可區(qū)分性明顯,獨(dú)立性強(qiáng),數(shù)量少。常見(jiàn)的目標(biāo)特征有顏色、形狀、紋理、幾何灰度等[7]。表1給出了提取的煙條外觀的灰度最大值、最小值、均值、方差4個(gè)灰度特征和7個(gè)不變矩等特征參數(shù)。
表1 煙條圖像特征參數(shù)表
在實(shí)際生產(chǎn)過(guò)程中,煙條包裝的缺陷有無(wú)拉線、拉線錯(cuò)牙、包裝盒印刷錯(cuò)誤、正面和端面起皺長(zhǎng)角、破損、無(wú)透明紙、端面長(zhǎng)角等。絕大部分的不合格是由正面拉線、端面折線以及褶皺引起的。下面以較為關(guān)鍵的拉線檢測(cè)為例,介紹煙條缺陷的檢測(cè)處理方法。
煙條在拉線處主要的外觀缺陷是有拉線跑偏和拉線缺失,其中拉線缺失屬于明顯的缺陷相對(duì)容易檢測(cè)得到,而拉線跑偏較難檢測(cè),要通過(guò)準(zhǔn)確測(cè)量拉線錯(cuò)位距離才能正確檢測(cè)出次品煙條。
為了準(zhǔn)確測(cè)量拉線錯(cuò)位的距離,通常采用提取拉線邊緣和形態(tài)學(xué)處理、拉線垂直和水平投影、微分處理等檢測(cè)算法。拉線的邊緣是指在圖像灰度值變化比較劇烈的邊界,獲得拉線的邊緣后,采用自適應(yīng)閾值進(jìn)行圖像分割,獲得二值化圖像,然后利用模板匹配;定位到拉線區(qū)域后,利用形態(tài)學(xué)的垂直和水平投影,可以算出各投影線的強(qiáng)度,盡可能減少各種噪聲干擾;微分處理可用于消除絕對(duì)強(qiáng)度值變化而造成的影響,實(shí)現(xiàn)了較好的高精度邊緣測(cè)量。圖3為拉線錯(cuò)位檢測(cè)及測(cè)量算法示意圖。圖4為算法流程圖。
圖3 拉線錯(cuò)位檢測(cè)及測(cè)量算法示意圖
圖4 算法流程圖
3系統(tǒng)軟件的設(shè)計(jì)與實(shí)現(xiàn)
條煙外觀品質(zhì)檢測(cè)系統(tǒng)軟件由不同的組件組成,組件又由不同的功能模塊組成,每個(gè)功能模塊又由不同的單元組成。該系統(tǒng)軟件,采用結(jié)構(gòu)化設(shè)計(jì),由五個(gè)相互獨(dú)立的組件模塊組成。圖5所示的是各組件模塊的功能。
圖5 煙條外觀質(zhì)量視覺(jué)檢測(cè)軟件系統(tǒng)結(jié)構(gòu)圖
1) 品牌管理模塊,主要是用于整個(gè)系統(tǒng)品牌的管理,包括對(duì)系統(tǒng)品牌的增加和刪除功能。
2) 通信及參數(shù)配置模塊,主要是對(duì)上位機(jī)與智能相機(jī)進(jìn)行通信的管理以及對(duì)智能相機(jī)進(jìn)行參數(shù)配置的功能。
3) 班次管理模塊,主要是對(duì)每個(gè)班次的信息進(jìn)行設(shè)定和管理功能。
4) 參數(shù)及處理結(jié)果監(jiān)視模塊,主要是對(duì)智能相機(jī)處理的識(shí)別結(jié)果以及一些關(guān)鍵參數(shù)的監(jiān)視功能。
5) 報(bào)警及剔除管理模塊,主要是對(duì)智能相機(jī)識(shí)別后的結(jié)果后進(jìn)行報(bào)警或剔除的管理功能。
圖6為煙條外觀品質(zhì)檢測(cè)系統(tǒng)的實(shí)時(shí)成像圖像處理系統(tǒng)主界面。
圖6 實(shí)時(shí)成像圖像處理系統(tǒng)主界面
4應(yīng)用效果分析
圖7為設(shè)計(jì)開(kāi)發(fā)的煙條外觀品質(zhì)視覺(jué)檢測(cè)系統(tǒng)的現(xiàn)場(chǎng)效果圖片。
圖7 煙條外觀品質(zhì)視覺(jué)檢測(cè)系統(tǒng)現(xiàn)場(chǎng)圖
經(jīng)過(guò)統(tǒng)計(jì),在實(shí)際使用過(guò)程中,該系統(tǒng)平均每天剔除煙條約為產(chǎn)量的4‰,其中不合格煙條約占2‰,誤剔煙條約占2‰。品質(zhì)投訴率降低到原有的15%左右。
5結(jié)論
煙條外觀品質(zhì)視覺(jué)檢測(cè)系統(tǒng)在現(xiàn)場(chǎng)已經(jīng)穩(wěn)定運(yùn)行3年多時(shí)間,極大的提升了產(chǎn)品包裝品質(zhì),節(jié)約了企業(yè)的人力成本開(kāi)支。本文雖然對(duì)機(jī)器視覺(jué)軟件設(shè)計(jì)方面進(jìn)行了一定的研究,但隨著計(jì)算機(jī)視覺(jué)技術(shù)進(jìn)一步發(fā)展,具有更高性能、更高準(zhǔn)確率的機(jī)器視覺(jué)控制系統(tǒng)將會(huì)問(wèn)世,而且由于圖像處理技術(shù)用于工業(yè)生產(chǎn)有著極為廣泛的應(yīng)用前景,要使其能夠真正的產(chǎn)品化還有很多的工作要做。
參考文獻(xiàn):
[1] 賈云德. 機(jī)器視覺(jué)[M]. 北京:科學(xué)出版社, 2000.
[2] 鄭世才. 國(guó)內(nèi)外射線照相檢驗(yàn)的新技術(shù)新方法:數(shù)字射線照相技術(shù)時(shí)代[J]. 無(wú)損探傷, 1994, (01):1-4.
[3] 曾祥照. 計(jì)算機(jī)在X射線數(shù)字化實(shí)時(shí)成像無(wú)損檢測(cè)中的應(yīng)用 [J]. 檢驗(yàn)與修復(fù),2000 (2): 77-81.
[4] Milan Sonka, Vaclav Hlavac. 圖像處理、分析與機(jī)器視覺(jué)(第二版)[M]. 艾海舟, 武勃譯.北京:人民郵電出版社,2003, 9.
[5] 馬頌德, 張正友. 計(jì)算機(jī)視覺(jué)-計(jì)算理論與算法基礎(chǔ)[M]. 北京:科學(xué)出版社, 1996,230-240.
[6] 麥特爾. 現(xiàn)代數(shù)字圖像處理[M]. 孫洪譯. 北京:電子工業(yè)出版社, 2006, 212-216.
[7] 楊述斌. 數(shù)學(xué)形態(tài)學(xué)在圖像處理中的應(yīng)用研究[D]. 武漢:華中科技大學(xué), 2002.
[8] 劉嵐,等. 用于神經(jīng)網(wǎng)絡(luò)模式識(shí)別的一種改進(jìn)的BP算法[J]. 信息技術(shù),2002,(06).
[9] 張珺,等. 基于BP神經(jīng)網(wǎng)絡(luò)的頭部形狀識(shí)別方法研究[J]. 微計(jì)算機(jī)信息, 2007, 28: 244-246.
[10] 王成明,等. 模糊神經(jīng)網(wǎng)絡(luò)法及其在缺陷模式識(shí)別中的應(yīng)用[J]. 計(jì)算機(jī)集成制造系統(tǒng), 2007,13(9): 1774-1779.
Research on Detection System of Vision of Cigarette Carton Case and Its Application
QIN Xiao-min
(Nanchang Cigarette Factories of Jiangxi Chinese Cigarette Industrial Co., LTD, Nanchang 330096)
Abstract:This thesis studies cigarette carton cases’ image processing, image feature extraction and image recognition algorithm, designs software system and program and completes the system installation, debugging and the experiment in the work site at last. Through a series of site experiments and tests, the results show that this system can be used to effectively detect the cigarette carton cases quality and its has the advantages of fast inspection speed, good overall detection effect and high stability.
Keywords:machine vision; cigarette carton; detection system; image recognition
中圖分類號(hào):TP391.41
文獻(xiàn)標(biāo)志碼:B
文章編號(hào):1671-5276(2015)02-0220-03
作者簡(jiǎn)介:秦曉敏(1967-),男,江西南昌人,工程師,碩士,主要從事設(shè)備管理和技術(shù)研究工作。
收稿日期:2014-04-07