顧可欣，毛麗民，許家麒

（常熟理工學院 電氣與自動化工程學院，江蘇 常熟 215500）

隨著人民群眾對高質(zhì)量食品需求的不斷提高，食品檢測技術在食品安全生產(chǎn)過程中顯得越來越重要.但目前的食品檢測技術精度低，檢測效率也低，在食品缺陷檢測中存在很大的局限性，不能滿足實際生產(chǎn)中的檢測需求[1].

本文以食品品質(zhì)檢測為大方向，基于圖像處理軟件HALCON，設計了一種基于機器視覺的食品缺陷及包裝檢測系統(tǒng)，利用機器視覺檢測技術對餅干在外觀上存在的缺失、燒糊、變形等進行視覺檢測；對食品的包裝進行識別并分類.通過中值濾波、圖像增強技術、sobel算法等進行圖像預處理，再結合Halcon中的opening_circle算子、fill_up算子、create_shape_model算子等對圖像進行識別檢測，從而判斷餅干的好壞和包裝的完好與否.

1 系統(tǒng)整體框架

本課題采用工業(yè)視覺軟件HALCON及C#.NET為核心，主機控制器為一臺搭載英特爾Corei5的工控機，圖像采集部分采用高分辨率的工業(yè)相機，搭載可控光源構建場地，平臺部分采用可調(diào)皮帶運輸機進行物件運輸.整體框架如圖1所示.

圖1 整體框架

2 系統(tǒng)硬件方案

2.1 相機與鏡頭方案

本系統(tǒng)相機部分采用生產(chǎn)檢測中常見的工業(yè)相機.由于食品外觀和包裝在檢測上存在較大差異，因此分別對這兩種情況采用不同的相機.其中：食品外觀品質(zhì)檢測采用?？低暡噬骊囅鄼C，如圖2所示；食品外包裝檢測采用大華2K線陣相機，如圖3所示.

圖2 海康威視彩色面陣相機

圖3 大華2K線陣相機

2.2 光源方案

光源部分采用24 V工業(yè)光源并搭配光源控制器，可抑制環(huán)境光對圖像采集產(chǎn)生的影響.由于不同的光源發(fā)揮出的作用不盡相同，因此采用多種光源配合的方式進行安裝.本系統(tǒng)用到的光源有條形光源、面光源、同軸光源等.

2.3 紅外檢測方案

為了檢測被測物體是否進入檢測區(qū)域，需要對該區(qū)域設置傳感器進行判斷.本設計采用紅外傳感器作為檢測裝置，安裝在待檢測區(qū)域.當物體經(jīng)過時，傳感器發(fā)送信號給PLC，PLC將采集的信號轉換后發(fā)送給工控機并對相機部分做相應的處理，流程如圖4所示.

圖4 信號流程圖

2.4 系統(tǒng)供電方案

本設計由于傳感器與設備較多，且工作電壓不一致，因此采用多種方式給系統(tǒng)供電.其中相機采用220 V轉12 V的穩(wěn)壓模塊供電，光源采用光源控制器分別輸出多路24 V電壓供電，流水線采用220 V轉24 V的穩(wěn)壓模塊給電機供電.

2.5 流水線方案

本設計的傳送帶部分采用PVC材質(zhì)的輕型傳送帶，見圖5.其具有不易燃燒、高強度、耐氣候變化以及優(yōu)良的幾何穩(wěn)定性等特點[2].PLC控制柜如圖6所示，可根據(jù)不同場景的需要進行速度控制.

圖5 PVC傳送帶

圖6 PLC控制柜

3 圖像識別

食品外觀缺陷檢測首先要完成對食品的圖像采集.采集后的圖像經(jīng)過裁切、濾波、閾值分割等操作完成初步預處理，然后將處理后的圖片進行缺陷檢測并輸出缺陷類型.對處理后合格的產(chǎn)品進行記數(shù)后可進入下一流程.食品外包裝檢測采集的圖片經(jīng)過類似的預處理后進行模板匹配，并根據(jù)匹配度的高低判斷包裝是否破碎或受到污染，合格的產(chǎn)品可進入下一流程.系統(tǒng)程序整體設計如圖7所示.

圖7 外觀品質(zhì)檢測（左）和外包裝檢測（右）

3.1 相機標定

在系統(tǒng)初始化中，為了能精準地確定圖像二維尺寸與整體比例的大小，需要通過攝像機內(nèi)參進行相機標定，以改善內(nèi)部畸變帶來的影響，因此就必須建立相機坐標系進行相機標定.在建立相機坐標系后，需要通過建立世界坐標系來對應相機坐標系以及圖像坐標系表示圖像的轉換關系.基于Halcon的標定方法降低了操作難度，提高了可行性[3].其坐標關系如圖8所示.

圖8 坐標關系圖

圖中坐標系xoy為攝像機坐標系；XfOfYf為圖像像素坐標系，XOY為圖像物理坐標系；XWYWZW為世界坐標系.一般的，在攝像機坐標系中，x，y軸平行于圖像物理坐標系中的X，Y軸.u、v為像素坐標.

由坐標系間的相互轉化關系可得

在標定過程中，采用HALCON軟件中自帶的標定助手對標準2D黑白方塊標定板進行標定.通過采集多組不同位置的標定板圖像進行多點標定，并保證每幅圖像中的標定板都在圖像范圍內(nèi).利用find_calib_object識別出標定板的輪廓特征，再使用get_calib_data函數(shù)計算出標定板的實際距離，得到標定參數(shù).

3.2 圖像預處理

在圖像處理之前，為盡可能地減少外部因素（光線，機器震動等）影響導致的成像不清晰，需要對圖像進行預處理.預處理方式有濾波、圖像增強、輪廓提取[4]等，如圖9～圖13所示.

圖9 原圖

圖10 中值濾波圖

圖11 高斯濾波圖

圖12 圖像增強圖

圖13 輪廓提取

3.3 圖像處理

圖像處理是本系統(tǒng)的核心部分，其中的食品外觀缺陷檢測主要使用Blob分析技術進行圖像處理，包括二值化、閾值分割、連接域分析、特征值提取等.食品包裝檢測主要使用模板匹配的方法[5]，通過設置參數(shù)，根據(jù)相似度進行檢測判斷.實際處理圖如圖14所示.

圖14 圖像處理

4 上位機開發(fā)

通過Visual Studio上的C#.Net平臺，編寫出對應的食品檢測及包裝上位機界面，可以實現(xiàn)界面顯示、參數(shù)設置、圖像識別、仿真測試、結果輸出統(tǒng)計等功能.為了保護參數(shù)設置的隱私性，設計了一套用戶登錄系統(tǒng)來解鎖對應的參數(shù)設置，如圖15所示.這樣既可以允許不同員工查看各自設置的參數(shù)，避免每次需要重新設置，同時又為該系統(tǒng)做了相應的保護措施.

圖15 參數(shù)設置圖

5 系統(tǒng)調(diào)試

選用12 mm焦距的鏡頭，將相機垂直放置在80 cm高處.經(jīng)過調(diào)試，獲得的圖像輪廓邊界清晰，如圖16～圖17所示.經(jīng)多次系統(tǒng)測試，通過外部控制相機拍攝圖像，將采集好的圖像發(fā)給上位機，上位機測試如圖18～圖19所示.

圖16 采集的圖像（標準）

圖17 采集的圖像（缺陷）

圖18 測試圖（標準）

圖19 測試圖（缺陷）

6 總結

本文設計的食品外觀品質(zhì)及包裝檢測流水線經(jīng)過測試，能準確分辨各種形態(tài)的餅干，對食品包裝也能進行快速識別，檢測合格率達到99.5%以上，可基本滿足實際生產(chǎn)中大規(guī)模的檢測需求，提高檢測效率.