王宇杰

（河南經(jīng)貿(mào)職業(yè)學院，河南 鄭州 450053）

塑料因具有物化性質(zhì)穩(wěn)定、價格低廉、質(zhì)量輕、密度小、絕緣性好等優(yōu)點，在建筑、醫(yī)療、航天、農(nóng)業(yè)等領域廣泛應用［1-3］。塑料制品產(chǎn)量隨著經(jīng)濟的增長出現(xiàn)了大幅增長，在生產(chǎn)過程中對塑料質(zhì)量的要求也越來越高。塑料制品外觀質(zhì)量檢測是塑料生產(chǎn)過程中極其重要的部分，對提高生產(chǎn)效率，提升產(chǎn)品競爭力具有重要作用。目前，我國塑料生產(chǎn)企業(yè)對塑料制品外觀缺陷的檢測通常采用人工檢測方法，該方法準確率低，勞動強度大，檢測效率和準確率均依賴在線檢測人員技術熟練程度，嚴重制約著企業(yè)的快速發(fā)展。機器視覺是智能化檢測發(fā)展的重要方向之一，機器視覺可以代替?zhèn)鹘y(tǒng)人工進行檢測和判斷，具有廣闊的應用前景［4-6］。機器視覺檢測系統(tǒng)主要利用圖像采集設備和圖像處理系統(tǒng)將采集到的圖像進行處理，將處理后得到的圖像信息與標準信息進行比對后得出適當判斷。應用機器視覺檢測技術對塑料制品外觀缺陷進行智能自動化檢測，能夠顯著提高檢測效率和檢測精度，同時提升塑料生產(chǎn)企業(yè)生產(chǎn)效率和生產(chǎn)的智能自動化程度。本工作設計了一套基于機器視覺的塑料制品外觀缺陷檢測系統(tǒng)，利用相機進行圖像采集，并利用均值濾波和邊緣分割算法對圖像進行處理，以提高圖像的品質(zhì)，提升檢測效率和準確率。

1 塑料制品機器視覺在線檢測系統(tǒng)

機器視覺檢測技術主要是利用圖像采集設備，獲得檢測物品的原始圖像，再將原始圖像傳送到圖像處理系統(tǒng)中，利用圖像處理算法對圖像進行有效處理，最終獲得有效信息，實現(xiàn)塑料生產(chǎn)流水線的自動化、智能化檢測。機器視覺檢測技術具有檢測精度高、效率高、非接觸等優(yōu)點，在眾多自動檢測領域廣泛應用。近年來，機器視覺檢測技術逐漸應用于塑料制品生產(chǎn)領域，主要用于塑料制品外觀污點、裂痕等缺陷檢測，機器視覺檢測系統(tǒng)能夠?qū)崿F(xiàn)塑料制品外觀缺陷的快速檢測。機器視覺檢測系統(tǒng)主要包括：光源模塊、圖像采集模塊、圖像處理模塊、控制模塊和機械設備。背光源和環(huán)光源為機器視覺檢測系統(tǒng)提供光源，電荷耦合器件（CCD）工業(yè)相機、模擬量和數(shù)字量轉(zhuǎn)換模塊構成了圖像采集單元，圖像處理單元主要對采集到的圖像進行處理，并將處理結(jié)果傳送到計算機中，根據(jù)處理結(jié)果發(fā)出相應控制指令，控制步進電機將有缺陷的塑料制品取走，從而完成整個檢測過程。機器視覺檢測系統(tǒng)組成見圖1。

圖1 機器視覺檢測系統(tǒng)組成示意Fig.1 Composition of machine vision inspection system

相機選擇時不僅需要考慮其工作性能是否能夠滿足檢測系統(tǒng)的設計要求，還要兼顧其數(shù)據(jù)傳輸過程中是否對系統(tǒng)產(chǎn)生影響。相機選型過程中綜合考慮了分辨率、圖像傳輸速度、曝光時間以及接口形式等?；谝陨峡紤]，本工作選擇上海方誠光電科技有限公司的IK145M-15CCD型相機。在機器視覺檢測系統(tǒng)中，圖像采集卡主要負責控制相機進行拍攝，并將采集的圖像進行放大和數(shù)字化處理。根據(jù)實際要求，采用合眾達電子技術有限責任公司的SEED-VPM642型開發(fā)板處理采集圖像，該開發(fā)板集成了TMSDM642型數(shù)字信號處理芯片，既可以作為圖像采集卡使用，又可以作為圖像處理單元的硬件仿真使用。

2 圖像處理算法

2.1 均值濾波算法

塑料制品圖像在采集、傳送、成像過程中不可避免地受到外部噪聲干擾（如外部設備的電磁干擾、設備振動干擾等），噪聲會降低邊緣提取等圖像處理效果。為了獲得準確的圖像信號，必須有效濾除圖像中的噪聲。本工作采用均值濾波算法對圖像進行濾波處理，以保證塑料制品圖像缺陷檢測精度。均值濾波算法是一種空間域局部處理方法，該處理算法主要是將圖像區(qū)域中的相鄰點的灰度平均化處理后作為最終的灰度［7-9］。假設圖像中某點的灰度為f（x，y），S為相鄰像素組成的點集合，M為點集合S中像素個數(shù)，通過均值濾波器后，得到新的灰度，可表示為式（1）。

式中：g（x，y）為新的灰度；f（i，j）為圖像中某點的像素灰度，i，j分別為像素。

采用相鄰像素的均值來替代f（x，y）。若點集合S為8個鄰域，則f（x，y）對應的輸出值為式（2）。

均值濾波算法可以描述為：將原始圖像中的一個點的灰度與它相鄰點的灰度相加，再進行平均算法處理，平均值處理后便可得到新的灰度。該算法運算量較大，為了降低算法的運算量，提高算法處理速度，采用式（3）的運算方式。

2.2 邊緣分割算法

圖像分割是將圖像分割成多個不同的具有特定性質(zhì)的區(qū)域，并對有價值的部分進行提取。為了有效地對塑料制品圖像進行分割，采用Roberts算法的邊緣分割算法對其進行處理。首先對圖2所示的兩個對角線方向的相鄰像素之間的灰度做差值，再利用差值對圖像進行邊緣分割。

假設輸入圖像灰度為s（x，y），輸出圖像灰度為g（x，y），n為常數(shù)，則Roberts算法可以表示為式（4）。

圖2 Roberts算子Fig.2 Roberts operator

在實際應用過程中，為了提高控制器運行速度，通常對式（4）進行簡化處理，見式（5）。

3 實驗分析

使用IK145M-15CCD型相機、SEED-VPM642型圖像采集卡搭建了機器視覺檢測系統(tǒng)硬件平臺，采用均值濾波算法對圖像進行處理，最后對圖像中缺陷進行判斷。

從圖3可以看出：采用均值濾波器對遭受噪聲污染的塑料圖像進行濾波后，圖像中的噪聲能夠有效被濾除，且能夠很好地保護圖像中的細節(jié)。

圖3 均值濾波結(jié)果Fig.3 Mean filter results of images of plastic products

塑料制品的邊緣分割是圖像校正和目標定位的關鍵，為此用Roberts算子對圖像進行邊緣分割處理，從圖4可以看出：塑料手機外殼四周的邊緣能夠完整分割出來，且分割線平滑，連細小細節(jié)（如SAMSUNG的圖標和話筒）都能完整分割出來，效果較好。

圖4 Roberts算子邊緣分割Fig.4 Roberts operator edge segmentation

利用上位機統(tǒng)計軟件得到表1數(shù)據(jù)，從表1可以看出：污點、劃痕、孔洞檢測準確率均在96.0%以上，而毛刺的檢測準確率略低，原因是塑料制品毛刺程度較低，對毛刺程度較低的產(chǎn)品分辨較差?？偟膩碚f，基于機器視覺的塑料制品外觀缺陷檢測準確率較高，檢測準確率平均值為95.8%，完全能夠滿足塑料制品外觀缺陷檢測要求，對于提升生產(chǎn)企業(yè)檢測效率具有重要作用。

表1 缺陷檢測結(jié)果Tab.1 Results of defect detection

4 結(jié)論

a）設計了一種基于機器視覺的塑料制品外觀缺陷檢測系統(tǒng)，采用CCD工業(yè)相機、光源、圖像采集卡、計算機等作為系統(tǒng)硬件，經(jīng)過圖像均值濾波、圖像邊緣分割算法對采集到的圖像進行處理。

b）機器視覺檢測系統(tǒng)能夠?qū)崿F(xiàn)塑料制品外觀圖像的采集，多種缺陷的檢測，檢測準確率平均值達95.8%。