基于計算機視覺的物流包裝嚴密程度檢測系統

林 雯

（廣西工商職業技術學院，廣西 南寧 530003）

1 引言

物流過程中物品包裝的嚴密程度關系到物品安全、客戶安全和配送人員的安全問題，由于物流配送的物品種類繁多，要通過各種包裝措施以應對物品在流通過程中的物理變化、化學變化等情況，確保物品在到達目的地之前不會因外力作用而受到損壞。傳統人工檢測方法已經無法滿足現代物流高效率、高精度、自動化的要求，因此引入計算機視覺技術對物品的包裝嚴密程度進行檢測[1-2]。

人類通過視覺獲取周圍信息，然后通過大腦處理這些信息。物體在可見光的照射下，在人眼的視網膜上形成圖像，由感光細胞轉化成神經脈沖信號，再經神經纖維傳入大腦皮層進行處理和理解。利用攝像機獲取物體的圖像信息，然后將其轉為數字信號，計算機視覺技術就是利用計算機對視覺圖像信息進行全程分析處理[3]。通過計算機視覺技術對物品的外包裝進行三維圖像獲取，將這些三維圖像信息輸送到嵌入式處理器中，應用檢測算法進行圖像重建，獲得被測物體外包裝三維數據，通過分析后，得出物品包裝嚴密程度的數據信息并作出提示，可以在顯示屏上直觀地看到物品外包裝是否存在縫隙、漏洞等缺陷。整個系統實現了自動化操作，提高了物品包裝的可靠性，保證了物流過程的效率與服務水平。

2 系統分析

2.1 計算機視覺與物流包裝檢測

計算機視覺檢測技術，也稱為機器視覺檢測技術，是將被測對象的圖像通過高速相機、圖像傳感器等設備進行采集，然后將圖像信息轉成數據矩陣，應用計算機技術對數據進行綜合分析與處理，然后完成與視覺、圖像有關的檢測工作[4-5]?；谟嬎銠C視覺的精密測量需要應用視覺成像，實現實時、可視化的測量平臺，其測量原理如圖1所示。首先，在光源(包括可見光、紅外線、超聲波等)的照射下，成像設備(CCD相機、圖像采集卡等)把被測對象三維場景的圖像采集到計算機中進行處理，得到二維陣列的原始灰度圖像[6]。然后，將原始二維圖像應用計算機視覺處理技術進行預處理，以提高圖像的質量，或通過邊緣提取和亞像素技術得到被測對象的亞像素級邊緣；其次，要把圖像中有用的特征運用計算機視覺技術進行提取，運用模式識別技術對這些圖像特征進行分類整理，以形成對圖像的描述；最后，應用算法或人工智能等得到更高層圈的抽象描述，完成計算機視覺系統所要求的測量任務[7-8]。

圖1 計算機視覺檢測原理

物流配送過程中對于不同物品按照要求進行嚴密包裝，不但能保障配送物品的安全性，也方便物品的流通、裝卸和運輸?，F代物流包裝中，經常涉及各種各樣的檢查、測量和零件識別應用，如物品包裝嚴密程度檢測、包裝材料印刷質量檢測、產品包裝上的條碼識別等，這些操作流程較為復雜和繁瑣，在現代物流配送高效性、快捷性的要求下，單靠人工操作不但運作成本更高，而且效率低下。因此，要解決上述問題，就要引入計算機視覺檢測技術。

本系統基于計算機視覺技術，在捕獲包裝平臺上被測物品的位置與坐標信息后，應用慣量分析的原理來確定圖像的抓取點，采用矢量控制和控制學習的方法對步進電機進行調節，以實現對運動物品的穩定抓取。然后系統對采集到的圖像信息進行濾波以及圖像的灰度變換、邊緣檢測和二值化等圖像處理操作，最終得到需要的測量圖像和數據。

2.2 系統總體設計方案

圖2 系統總體結構圖

系統總體設計方案結構如圖2所示，當系統開始運行時，被檢測的物品放置于檢測臺上，根據被測物品的尺寸、需要采集圖像的要求，掃描步進距離等參數通過觸摸屏鍵盤設置，采用LED光源對物體進行照射，運動控制模塊控制物體進行運動，達到整體掃描的目的，CCD相機將采集到的圖像信號數字化后送入圖像處理模塊進行信息處理，最后微處理器將檢測結果和模擬合成圖像顯示在屏幕上。其各個模塊的主要功能如下：

系統控制器：主要是控制和協調系統內各個模塊之間的信息交換與系統動作的順序，系統控制器需要實時掃描系統內各個控制部分的狀態，根據系統工作模式設定的時序完成檢測流程，同時響應不同的系統動作和中斷。

運動控制模塊：是被檢測物品的傳送與位置探測裝置，應用步進電機驅動物品進行步距角為1.8°的運動，根據物品的尺寸和形態不同進行三維探測。

CCD相機：用于圖像信息的采集與捕捉，是一種高精度的光學成像系統，把圖像像素轉換成數字信號后傳遞給圖像處理模塊進行處理，CCD相機較快的圖像獲取速度保證了檢測的準確性。

圖像處理模塊：主要作用就是通過對系統獲取的圖像信息進行處理得出控制系統需要的檢測結果信息，此模塊的核心就是圖像信息處理的算法，算法在下文中會進行詳細研究。觸摸屏：用于參數設置的輸入、檢測數據的顯示以及檢測物品缺陷圖像的顯示。

3 檢測算法研究

3.1 圖像恢復算法

在采集被測物體圖像、轉換盒傳輸圖像信息的過程中,圖像信息容易被外部噪聲、相機的抖動、被測物體的抖動、光學鏡頭散焦以及采樣速度過低等因素影響，出現圖像模糊，質量不理想的情況。圖像恢復法就是根據已知的降質模型，從采集到的不理想圖像中恢復原始的圖像信息，通過對原始圖像的最優化描述，得到質量清晰的圖像畫面。降質數學模型的建立與求逆是圖像恢復算法的主要過程，其數學模型描述如下:

其中：y(i,j)為采集到的模糊圖像；h(i,j)為圖像模糊算子，也稱為退化算子；x(x,j)為原始圖像；n1為外部噪聲；n2為乘性噪聲。一般情況下,圖像降質過程等同于線性不變模型,因此式（1）可等同于：

其中：H為線性不變的低通濾波器,它代表相機的運動以及相機鏡頭散焦等干擾圖像質量的過程；n為外部噪聲,它是干擾圖像信號最常見的噪聲,但與圖像信號的強度大小相互獨立。確定性的恢復算法和隨機性的恢復算法是比較常見的圖像恢復方法。逆濾波法、約束性圖像恢復算法、貝葉斯方法和最大熵法則是現在比較流行的方法。

3.2 圖像邊緣檢測算法

為了使采集到的圖像輪廓更為突出，就要采用圖像邊緣檢測法。圖像特征提取的一般流程是，先進行邊緣檢測，然后進行二值化處理。圖像邊緣檢測的主要目的是突出圖像的邊緣，然后將圖像邊緣以外區域的圖像進行削弱甚至完全去掉。處理后圖像邊緣的亮度與原圖中邊緣周圍的亮度變化率成正比，以突出所需圖像。

圖像邊緣檢測通常采用空域微分算子進行，通過將其模板與圖像進行卷積來完成。圖像邊緣檢測算子采用的兩個卷積核如圖3所示。

圖3 邊緣檢測算子

圖像中的每個點都用這兩個點作卷積，前一個卷積對水平邊緣響應比較大，后一個卷積對垂直邊緣響應比較大。通過對兩個卷積核中各點的卷積計算，最后把兩個卷積結果的最大值作為該點的輸出值。

4 系統設計

4.1 硬件設計

系統硬件按照模塊化設計，主要的硬件模塊有：圖像獲取模塊、信息處理模塊、運動控制模塊。硬件工作流程如圖4所示。

圖4 硬件工作流程示意圖

本檢測系統主要用于三維物體外包裝缺陷檢測，在對比相機的分辨率、讀出噪聲、鏡頭畸變等參數后，決定選用北京迅天宇光公司的高分辨率CCD相機。相機部件詳細參數見表1。

表1 CCD相機參數

系統信息處理與控制采用NXP公司的嵌入式微處理器LPC2148，該處理器是一個支持實時仿真和嵌入式跟蹤的32位CPU處理器，有高達60MHz的工作頻率，并帶有32kB和512kB嵌入的高速Flash存儲器，低功耗高性能的特性非常適用于本系統。其與各個模塊管腳連接如圖5所示。

本系統的運動控制單元采用三軸步進電機的運動平臺對物體進行圖像采集。通過對X 軸和Y 軸的控制，實現被測物體的平行移動；通過對Z 軸的控制，實現被測物體的上下運動，以配合相機的自動對焦。處理器通過控制步進電機的步進距離、速度等控制工作臺的運動。X、Y、Z 三軸步進電機參數及執行運動平臺的參數見表2。

圖5 嵌入式處理器管腳連接

表2 步進電機參數

4.2軟件設計

圖6 軟件工作流程

在Visual C++6.0開發環境下編程，Visual C++提供MFC類庫并支持以MFC函數為框架的程序設計。軟件流程如6圖所示。CCD相機通信與運動控制的硬件驅動動態鏈接庫要實現對相機的圖像采集控制以及相機運動控制，上位機軟件就要通過調用相應的控制函數，將動態鏈接庫中的操作指令正確的加入到編譯的工程文件中來。其部分編譯程序如下：

Hinst=Load_Library("Cdvusbcam.dll");

SystemLine=(MyfunG1)GetProcAddress(hinst,"CD_SystemLine");

SystemAngle=(MyfunG2)GetProcAddress(hinst,"CD_System-Angle");

SetControl=(MyfunG3)GetProcAddress(hinst,"CD_SetVideo-Control");

……

編譯的程序中，將相機的動態鏈接庫Cdvusbcam.dll通過Load_Library函數添加到控制程序工程中；其次，為了調用相應的相機控制函數，可以通過GetProcAddress函數獲取相應函數指針，然后在程序中加以調用。

5 系統實驗

應用本系統對物品的箱體包裝缺陷進行檢測，通過如圖7所示的檢測結果輸出圖像來看，系統捕獲出了箱體存在的破損，即虛線框中的部分。

實驗結果表明，基于計算視覺技術的物品包裝檢測系統不僅能準確檢測出物品包裝存在的缺陷，而且達到了較高的精度，證明了本系統的有效性，并可以運用于自動化生產中。

圖7 箱體包裝檢測圖像

6 結語

基于計算機視覺技術的三維檢測方法具有諸多優點并且已經在實際生產中得到廣泛應用,而本系統是立足于計算機視覺在物流系統中對于物品包裝嚴密程度的檢測，結合物流系統的特點設計方案，并對系統中的硬件部分和軟件編程進行了的研究，硬件和軟件都采用了模塊式的開發，對于系統的擴展升級以及后期維護都更為有利。通過對本系統進行的功能測試表明，本系統整體性能高效穩定，物品缺陷圖像采集準確，達到了較高的測量精度，可以準確檢測出物品包裝是否存在缺陷。由于計算機視覺檢測技術在物品包裝嚴密程度檢測方面的研究還剛剛起步，應進一步加強、加快對該項目的研究與開發應用。

[1]鄭南寧.計算機視覺與模式識別[M].北京:國防工業出版社,1998.

[2]劉成君,戴汝為.計算機視覺的進展;模式識別與人工智能[J].1995,8(增刊).

[3]王天珍.計算機視覺研究進展[J].武漢汽車工業大學學報,1998,20(1):23-27.

[4]于洪川,吳福朝,等.基于主動視覺的攝像機自標定技術[J].機器人,1999,(1).

[5]馬頌德.張正友.計算機視覺計算理論與算法基礎[M].北京:科學出版社,1998.

[6]高立志,方勇,林志航.立體視覺測量中攝像機標定的新技術[J].電子學報,1999,27(2).

[7]田思,袁占亭.計算機視覺系統框架的新構思[J].計算機工程與應用,2000,(6):57-59.

[8]崔屹.數字圖像處理技術與應用[M].北京:電子工業出版社,1997.