閆笑顏， 林群煦， 倪費杰， 吳月玉

（五邑大學(xué) 軌道交通學(xué)院，廣東 江門529020）

0 引 言

中國是全世界最大的煙草生產(chǎn)國和消費國，香煙盤紙使用量巨大，而目前生產(chǎn)的盤紙存在著直徑誤差和多種缺陷（如夾紙、起毛、劃痕、油污等），目前盤紙的檢測主要是靠檢測器掃描和人眼辨別的方法，對于直徑誤差檢測主要是人工測量，對生產(chǎn)的盤紙抽樣檢測是采用游標(biāo)卡尺測量的方式，但人工檢測的方式存在誤差，精度不準(zhǔn)，且工作量巨大，人力成本高，效率低下。同時掃描式盤紙檢測器也并非全自動操作，而是通過放大盤紙中的缺陷于顯示器中，但并不能完全顯示缺陷的具體信息（如盤紙上污點的大?。┎⒆詣优袛嗥涫欠窈细?，而且不能對掃描后的眾多盤紙進行具體分類判斷缺陷的類型等。運用人工檢測的方式，需要耗費大量的勞動力且存在漏檢的問題，此外人眼疲勞等因素導(dǎo)致檢測不能長時間進行。

基于此，本文提出一種基于機器視覺盤紙直徑和寬度尺寸檢測方法，以機器視覺霍夫圓變換原理算法為基礎(chǔ)，確定盤紙的直徑和圓心坐標(biāo)。同時運用圖形細化提取輪廓骨架，確定邊緣直線像素方程，運用曲線擬合提高像素測距的準(zhǔn)確性。該直徑檢測技術(shù)可以實現(xiàn)自動化檢測，同時提高檢測的精度，該技術(shù)對節(jié)約人力、提高效率和經(jīng)濟效益、推動盤紙的生產(chǎn)發(fā)展都具有重要的意義。

1 總體研究方案

盤紙直徑檢測系統(tǒng)如圖1所示，采用LED光源和工業(yè)彩色MV-CE060-10UM/UC600萬像素CCD相機對盤紙進行數(shù)據(jù)采集，讀取每一幀的照片，首先對采集的照片運用高斯濾波、中值濾波預(yù)處理，灰度化操作；然后采用Canny邊緣檢測提取盤紙的輪廓，采用霍夫圓變換原理檢測盤紙的圓心和直徑，同時運用圖形細化提取輪廓骨架，對干擾線圖像填充，確定邊緣像素特征點坐標(biāo)，運用最小二乘法對特征點坐標(biāo)曲線擬合，計算兩條直線的距離實現(xiàn)盤紙寬度的距離檢測。設(shè)置盤紙直徑和寬度的極限偏差，判定產(chǎn)品的合格性。運用最小二乘法對圖像填充之后的輪廓骨架曲線擬合，提高盤紙寬度檢測的精度。

圖1 檢測系統(tǒng)流程圖

2 檢測理論算法

2.1 數(shù)據(jù)采集

本模型實驗采用工業(yè)相機支架搭載LED光源與CCD相機，采用不同尺寸的收銀紙模擬盤紙驗證檢測算法。調(diào)節(jié)支架使相機的位置距離收銀紙的寬度大約為45 cm，相機俯視拍攝收銀紙頂面直徑圖像，同時調(diào)整轉(zhuǎn)向和光源的位置，在相機廣角范圍內(nèi)拍攝出清晰的照片，以便于后期的數(shù)據(jù)處理。同理，調(diào)整相機支架的位置拍攝收銀紙寬度方向的照片。選取不同光照下的照片數(shù)據(jù)，參照對比，驗證實驗算法，得出實驗結(jié)論。

2.2 圖像預(yù)處理

高斯濾波是一種線性平滑濾波，目的是消除高斯噪聲，主要用于圖像處理的減噪過程[1]。原理是對整個圖像的每一個像素點加權(quán)平均，用模板卷積的方式掃描圖像中的每一個像素，用模板領(lǐng)域內(nèi)像素加權(quán)的平均值代替中心的像素值。其中，高斯平滑濾波器對于抑制服從正態(tài)分布的噪聲很有效，一維均值高斯濾波函數(shù)為

式中：sigma為高斯函數(shù)的方差；x為輸入一維圖像的像素坐標(biāo)。

采集的盤紙圖像為三通道彩色圖像，本模型采用二維零均值離散高斯函數(shù)作為平滑濾波器，函數(shù)如下：

式中：A為圖像的幅值；σ為正態(tài)分布的標(biāo)準(zhǔn)差；ux與uy分別為圖像水平方向、豎直方向中心像素坐標(biāo)；x與y分別為圖像像素坐標(biāo)。

2.3 霍夫圓變換檢測算法

霍夫圓變換是將預(yù)處理之后的二維盤紙圖像空間中的圓轉(zhuǎn)化為極坐標(biāo)下的直徑、圓心橫縱坐標(biāo)點的過程，在笛卡爾坐標(biāo)系下圓上所有的點對應(yīng)的是同一個方程，映射到極坐標(biāo)系下的點是圓上像素曲線的相交，相交累積數(shù)量大于閾值的則檢測為圓。由于累加平面會被三維的累加容器所代替，需要進行大量的計算且消耗大量的內(nèi)存。所以本模型選擇基于優(yōu)化之后的霍夫圓梯度下降算法，步驟如下：

1）用Canny邊緣檢測，檢測盤紙圖像的輪廓；然后對所有邊緣圖像中非零的像素，運用局部梯度的方法，調(diào)用Sobel（）函數(shù)計算水平方向和垂直方向的一階導(dǎo)數(shù)得到梯度。

a.設(shè)定預(yù)處理之后的盤紙圖像為I得到圖像像素的矩陣,在圖像的水平方向和豎直方向上，選定內(nèi)核為Gx、Gy與I進行卷積運算，此時選定內(nèi)核為3：

式中：I為輸入圖像的邊緣像素矩陣；Gx與Gy分別為圖像水平方向、豎直方向像素梯度值。

b.在邊緣圖像像素卷積運算得到Gx與Gy，計算出像素的近似梯度G與梯度角度θ：

2）由圖像的二維像素得到的梯度，設(shè)置滯后閾值，邊緣像素高于滯后閥值的，像素保留為邊緣像素值，而低于設(shè)定閥值的則被去除掉，介于兩個像素之間的僅保留連接到高于閥值的像素。之后在指定斜率的直線上進行累加器累加，并且同時標(biāo)注圖像中每一個檢測之后非零像素的位置。從計算的二維累加器中選擇候選中心，將所有選定的近鄰候選中心的像素值按照累加值降序排列。對于按照像素與中心距離的排序，從到盤紙邊緣最大輪廓的直徑算起，選定最優(yōu)直徑，得到檢測圓的圓心和直徑。

3 實驗檢測

1）本模型實驗選定直徑為50 mm、寬度為57 mm的超市收銀紙模擬實際盤紙，數(shù)量為50卷，收集拍攝不同光照條件下的照片，開發(fā)環(huán)境為Visual Studio 2015與OpenCV庫。實驗首先調(diào)節(jié)支架，微調(diào)光源和相機的位置拍攝出清晰的照片，從相機中讀取每一幀的數(shù)據(jù)，用于檢測超市收銀紙的圖像。

2）輸入檢測圖像，分別選取不同直徑和寬度的收銀紙，測試實驗的準(zhǔn)確率。實驗結(jié)果如圖3～圖7所示，圖中顯示了直徑為48.42 mm、寬度為56.49 mm 的收銀紙直徑和寬度檢測的原始圖像、邊緣輪廓、圖像圓心坐標(biāo)和結(jié)果判定的輸出。

圖2 矩形骨架

圖3 收銀紙原始直徑圖像

圖4 收銀紙直徑檢測圖像

圖5 收銀紙原始寬度圖像

圖6 邊緣檢測圖像

3）實驗結(jié)果分析。圖中顯示了測試選定不同尺寸的收銀紙，其中設(shè)置直徑為50 mm、寬度為57 mm的收銀紙為標(biāo)準(zhǔn)，設(shè)置直徑的參數(shù)誤差為2 mm，寬度參數(shù)誤差為0.8 mm，實驗一共測試了50卷的收銀紙，列舉了在誤差范圍之內(nèi)的3組代表數(shù)據(jù)（如表1），其中有2組符合誤差范圍之內(nèi)的合格樣品，另外一組收銀紙的寬度尺寸超過了設(shè)定的誤差范圍，檢測為不合格。實驗結(jié)果能夠準(zhǔn)確地輸出，區(qū)分產(chǎn)品尺寸的合格性；符合在誤差范圍內(nèi)的收銀紙，準(zhǔn)確率穩(wěn)定，系統(tǒng)檢測速度快，性能穩(wěn)定，實驗檢測與實際測量結(jié)果相符。

圖7 實驗檢測結(jié)果

表1 不同尺寸的收銀紙檢測結(jié)果

4 結(jié) 論

本文提出了基于機器視覺盤紙直徑檢測的方法，以霍夫圓變換和霍夫直線檢測為基礎(chǔ)，在Canny邊緣檢測算法的基礎(chǔ)上，實現(xiàn)盤紙直徑和寬度的自動化檢測，解決實際運用中人工檢測的問題，運用機器視覺提高檢測的效率和精度。實驗結(jié)果顯示，該檢測模型的直徑檢測精度在2 mm，寬度檢測誤差在0.8 mm范圍之內(nèi)的收銀紙檢測準(zhǔn)確率穩(wěn)定，符合實際運用要求。對節(jié)約人力、提高經(jīng)濟效益、解決人工檢測等方面的問題均具有重要的意義。