基于數(shù)字圖像處理的玻璃瓶瑕疵檢測系統(tǒng)

吳房勝，徐金秀，李如平

(1.安徽工商職業(yè)學院電子信息系，安徽合肥231131；2.安徽鴻路集團設計院，安徽合肥231131)

基于數(shù)字圖像處理的玻璃瓶瑕疵檢測系統(tǒng)

吳房勝1，徐金秀2，李如平1

(1.安徽工商職業(yè)學院電子信息系，安徽合肥231131；2.安徽鴻路集團設計院，安徽合肥231131)

市場上眾多的玻璃瓶產(chǎn)品表面存在裂縫、破損、磨損帶過大等問題，如流入市場即成為次品并要求退回，嚴重影響了產(chǎn)品質(zhì)量，并消耗了大量的勞動力．為解決此問題，研究了一套裝置，利用數(shù)字圖像處理技術，通過改進的Sobel檢測算子方法，對采集的圖像進行邊緣檢測，并結合ARM控制技術，自動檢測玻璃瓶瑕疵，并將其剔除，替代了傳統(tǒng)的用人工目視的檢測方法，克服了人工檢測速度慢、檢測結果可靠性低、一致性和穩(wěn)定性差，無法提高產(chǎn)品質(zhì)量，檢測效率低等問題．

圖像處理；Sobel算子；玻璃瓶；瑕疵

圖1 裝置在線檢測的結構示意圖

該自動瓶檢系統(tǒng)采用ARM技術，因其具有高性能的處理速度，該裝置具有很高的檢測精度，檢測速度與灌裝生產(chǎn)線的線速完全匹配，高精度微米級在線檢測的精度可以根據(jù)要求任意調(diào)節(jié)，用來檢測玻璃瓶瑕疵、玻璃磨損等，并可自動分類剔除次品．企業(yè)中可用于新裝配線或舊線技術的升級與改造，最高在線檢測速度可達到90 000個/小時[3]．

2 系統(tǒng)的基本算法

2.1 圖像增強算法

在拍攝過程中，玻璃瓶圖像是通過攝相機將生產(chǎn)線上玻璃瓶圖像抓拍下來，經(jīng)過嵌入式視頻采集卡采集圖像信息，將其轉(zhuǎn)換成BMP位圖的格式存儲到系統(tǒng)中．在圖片的采集與傳輸過程中，難免會遭到各種外界因素(電磁輻射、噪音等)甚至人為因素的影響，使所拍攝的玻璃瓶的圖像效果不太理想．這些噪聲干擾對圖像質(zhì)量有嚴重影響，會使拍攝的圖片變得模糊不清，雖然這些外界噪聲肉眼一般是無法辨別的，但噪聲干擾可以覆蓋甚至改變圖片特征，使系統(tǒng)對次品是否合格品的精確判斷帶來嚴重困難．因此，在對玻璃瓶判斷檢測之前，必須改善圖像質(zhì)量，消除噪聲，使拍攝圖像的輪廓更加突出[4]．

拍攝的玻璃瓶圖像首先采用圖像增強算法對其噪聲的干擾實施前期處理，保證檢測精度．由于圖像中的頻譜處在較低的空間頻率域中，而噪聲頻譜在空間頻率區(qū)域較高，圖像與噪聲區(qū)域之間的關聯(lián)性不大，據(jù)此可消除這些外界噪聲.本系統(tǒng)結合實際情況，提出一種領域平均法，對采集到的圖像實施濾波去噪聲.該方法是一種比較簡單的平滑方法，算法不但簡單快捷，而且噪聲平滑效果也非常好．

領域平均法的基本原理是將拍攝的圖片其中一個像素的灰度值與其周圍鄰近的N個像素的灰度值進行疊加，然后除以N+1求平均值，作為該點像素的灰度值．該方法是比較簡便的空間域處理方法．該方法利用模板計算的思想，模板操作完成了一種鄰域運算，即某個確定像素點的灰度值，不僅與本像素灰度有關，而且與其鄰近點的像素灰度也有關[5]．鄰域平均法用數(shù)學公式表達如下：

式中，f(i,j)是一幅給定的噪聲圖像，g(m,n)是領域平均法處理后得到的圖像，S是所取鄰域中各鄰近像素的坐標，m,n=0,1,...,N-1，N是集合中像素點的集合．在點(m,n)的鄰域中的f(i,j)的幾個象素中，通過算出它們灰度值的平均值，得出g(m,n)中的每個象素點的灰度值，使圖像得到平滑，在實際應用時，一般按照不同的需求選擇使用不同的模板，如3×3、5×5、7×7等，在選擇模板時，如果圖像越大，數(shù)據(jù)運算量也越大，考慮到本裝置采用32位ARM處理器控制，其處理能力遠不如計算機，因此選擇的模板一般要小一點，這樣能夠節(jié)省時間和運算量．如一種常見的3×3模板：

為算出新圖中該點像素的灰度值，首先將原圖中一個像素的灰度值與其周圍鄰近四個像素的灰度值相加，即將當前像素點與其上下左右四個像素點相加，再除以5求平均值，算出灰度的平均值，將求出的灰度平均值代替當前像素點的灰度值[6]．

該方法就是利用四周鄰近像素的平均值來代替該點像素的灰度值，從而很大程度上削弱一定頻率的噪聲.該方法雖減小了噪聲，但圖像有一定程度上的模糊．

2.2 圖像邊緣檢測

邊緣檢測已成為當前工控視覺研究領域最活躍的應用領域，在工程的應用中具有舉足輕重作用．圖像的邊緣檢測，是玻璃瓶圖像分割、玻璃瓶圖像區(qū)域的識別及其形狀提取等圖像分析的關鍵技術基礎．物體的邊緣是按照圖像的不連續(xù)的特征為形式出現(xiàn)的，也就是圖像的局部亮度變化最明顯的部分為物體的邊緣，如紋理結構的突變、顏色的突變、灰度值的突變等，物體的邊緣即為不同區(qū)域的分界處．邊緣按特性分，可分為兩類：一種為線條邊緣，另一種為階躍性邊緣[7]．當一個像素處在玻璃瓶圖像中某物體的臨界點上時，則其附近的領域就成了一個灰度級的變化區(qū)域．線條邊緣的二階方向?qū)?shù)是在邊緣處取極值；而階躍性邊緣是在邊緣處成零交叉，兩者大不相同．針對玻璃瓶圖像中各個像素的鄰域，邊緣檢測算子均要對其定位，并對其灰度變化率及變化方向展開運算[8]．

目前比較常用的邊緣檢測算子為Roberts檢測算子，該算法是求對角線方向相鄰的兩個像素的差值，是一種利用局部差分算子查找邊緣的算子，Roberts檢測算子如表1所示，其算法如公式(2)所示，在2×2鄰域上計算對角導數(shù)[9]：

表1 Roberts算子

式中，g(i,j)為Roberts交叉算子，f(i,j)為輸入的圖像．進行平方根計算后，便于人眼的視覺觀察．但考慮到實際情況，為了計算更加簡單方便，一般采用絕對值的方法來近似計算交叉算子，算法如公式(3)所示:

另外還能夠比較兩絕對值的最大值，這樣算更加簡便，算法如公式(4)所示：

利用式(4)進行計算，對圖像的邊緣取向非常好．因此，對于長度相同但取向不同的圖像邊緣，采用公式(4)所得到的合成幅度比采用公式(2)得到的變化要?。甊oberts檢測算子可分別用這兩個卷積核進行表達：，圖像中的每個像素點均用這兩個卷積核進行卷積，再利用公式(3)，即可求出函數(shù)g(i,j)的結果，運算結果是一幅邊緣幅度圖像[10]．

如果采用前面介紹的Roberts檢測算子方法，圖像會有一個致命的弱點，那就是圖像的抗噪聲能力非常低.但Sobel算子卻大不相同，它是把方向差分運算與局部平均融合在一起進行計算的一種算法．該算法以圖像中某個像素為中心，截取一個3×3像素的窗口，如表2所示，然后分別計算窗口像素在水平方向與垂直方向上的偏導數(shù)，算法如公式(5)、(6)所示[11]．

表2 Sobel算子

在采用Sobel進行邊緣檢測時，加權系數(shù)c為定值，取2，從而能夠求出偏導數(shù)幅值與角度的計算公式：

Sobel算子的卷積核可表示為：

圖2 Sobel算子

利用Sobel算子的兩個卷積核，一個計算出圖像的垂直邊緣，另一個計算出圖像的水平邊緣，這樣得到的邊緣檢測效果比較好，并且抗噪聲效果也比較好．該算法使用的模板越大，其抗噪聲能力就越好，是一種非常實用的邊緣檢測手段．

考慮到玻璃瓶瓶身裂紋、破裂形狀的不規(guī)則性等因素，邊緣在多個方向都可能存在梯度，如果能構造一個方向模板對采集的圖像進行邊緣檢測，則能獲取的玻璃瓶瑕疵信息必然會比普通的Sobel算子更齊全，考慮到實際情況，本檢測裝置采用改進的Sobel邊緣檢測算子對玻璃瓶圖像進行邊緣檢測．

改進的Sobel邊緣檢測算子引入了改進的八個方向的Sobel邊緣檢測算子．其模板表示如圖3所示．

圖38 個方向的Sobel算子模板

圖像中某個像素點B及周圍3×3區(qū)域的灰度如圖4所示，設qi為圖像經(jīng)過Sobel算子第i+1個模板處理后得到的B點灰度值，其中i取0到7．

圖4 B像素點灰度圖

則對q0計算表達式為：

處理后的B點的灰度值為qB=max{qi}，i=0,1…7．

圖像處理時，對圖像的掃描從第2行開始結束于第M-1行，第2列開始結束于第N-1列，這樣就保證了在研究圖像中任何一點(i,j)周圍的3×3領域內(nèi)的像素都不會超出矩陣范圍．通過將八個方向的模板一一與所研究的像素中心點周圍的3×3領域相點乘，得到8個值，最后取8個值中絕對值最大的作為研究的像素點(i,j)變換后的灰度值，而結果中取最大值的模板所對應的檢測方向的垂向即為邊緣的方向[12]．

3 檢測裝置硬件設計

檢測裝置的硬件設計采用ARM控制技術，核心控制器件為三星公司的S3C2440芯片，主要完成玻璃瓶傳輸、數(shù)字圖像處理、界面顯示與次品剔除等功能．

3.1 檢測裝置硬件總體設計

檢測裝置硬件設計主要由兩個部分組成：主器件控制部分與外圍擴展部分．主器件控制部分由主控制芯片S3C2440、存儲器、以太網(wǎng)控制器等組成；外圍擴展部分由工控觸摸屏、供電電源、通訊接口、圖像采集等部分組成．系統(tǒng)硬件總體框圖如圖5所示．

圖5 系統(tǒng)硬件總體框圖

該控制系統(tǒng)采用相互獨立式的結構，每一個模塊都可完成各自獨立的功能．每個模塊通過總線方式將工控觸摸屏模塊、主控制模塊、圖像采集模塊聯(lián)接在一起，最終實現(xiàn)具有圖像采集、次品剔除、屏幕顯示等功能的控制系統(tǒng)．控制板上還具有232、485等通訊接口、以太網(wǎng)接口、輸入輸出口等部分，便于系統(tǒng)功能的擴展與升級[13]．

3.2 CCD攝像頭

攝像機選用敏通公司的1/2英寸黑白低照度高解析攝像機MTV1881EX，該攝像機CCD總像素為795(水平)×596(垂直)，掃描系統(tǒng)為625線，每秒50場，視頻輸出為復合式影像信號輸出，具有內(nèi)外同步功能和自動增益控制功能[14]．攝像機鏡頭選用AVENIR公司的CCTVLENS型手動定焦鏡頭，焦距25 mm，手動光圈．

3.3 嵌入式視頻捕捉卡

檢測裝置對圖像信號的捕捉利用武漢萬德數(shù)碼科技有限公司的VC302嵌入式視頻捕捉卡（見圖6），左上側(cè)白色插頭為視頻輸入接口，右側(cè)插頭為與主控芯片連接的總線數(shù)據(jù)接口．其工作流程是將攝像機信號接入左側(cè)白色插口，經(jīng)過數(shù)據(jù)的采集處理，信號經(jīng)過右端總線接口連到主控模塊的輸入總線接口，利用32位ARM芯片分析并處理數(shù)據(jù)．該視頻捕捉卡提供了完整的靜止和活動圖像采集方案；每次捕捉并緩存1幀，支持最高25幀/秒捕捉速度；支持4種輸出圖像格式．

圖6 VC302嵌入式視頻捕捉卡

視頻捕捉卡具有FIFO式存儲器，在內(nèi)部對玻璃瓶圖像進行捕捉的同時，處理器就開始讀取已捕捉的玻璃瓶圖像信息，而不需要等一幀全部捕捉完成再讀取，這樣能夠增強處理器的處理效率．該采集卡采集速度快、使用方便、性能穩(wěn)定，所以本系統(tǒng)采用此采集卡是比較理想的選擇[15]．

該采集卡與ARM主控芯片的連線如圖7所示，利用8位并行數(shù)據(jù)總線傳輸數(shù)據(jù)，采用芯片ATF16V8B輸出圖像采集卡的地址和片選信號，地址由VC302采集卡的地址總線A1A0兩位決定．

4 檢測裝置軟件設計

檢測裝置的軟件采用EVC++實現(xiàn)的，為了使玻璃瓶瑕疵檢測系統(tǒng)的軟件便于設計、調(diào)試、移植和維護，要求整個軟件系統(tǒng)采用獨立模塊化結構設計，各個模塊相互獨立又相互聯(lián)系．

圖像處理函數(shù)按功能進行了分類，軟件界面可以通過多種方式調(diào)用特定的圖像處理函數(shù)，并將處理后的圖像顯示在指定的區(qū)域，軟件對圖像進行數(shù)字圖像處理后，檢測出次品并分類剔除，流程圖如圖8所示．

圖8 軟件流程圖

5 結論

上述主要介紹了玻璃瓶瑕疵檢測系統(tǒng)硬件及軟件的設計思想及程序的開發(fā)方式，在明確系統(tǒng)軟件功能及設計任務的基礎之上，根據(jù)軟件功能劃分設計模塊并編寫程序.本系統(tǒng)經(jīng)過軟硬件的調(diào)試，系統(tǒng)工作正常，界面友好，功能強大并易于擴展，實現(xiàn)了圖像采集卡的連接、參數(shù)的設定、自動數(shù)字圖像處理等功能．數(shù)字圖像處理玻璃瓶瑕疵的過程和效果良好，檢測效果圖如圖9(a)、(b)所示，(a)圖為瓶身處玻璃破碎，(b)圖為瓶身磨損帶過大，這兩種情況均為次品，需將其剔除．

在檢測過程中，檢測結果具一致性、系統(tǒng)精度可達到5 mm(可調(diào))、穩(wěn)定性和可靠性均達到99.99%，確保了出廠產(chǎn)品的合格率，實現(xiàn)零漏檢．大大減少了人工和次品退貨造成的各種費用，降低企業(yè)成本；該系統(tǒng)由軟件控制檢測精度，保證質(zhì)檢結果和檢測精度的可靠性，極大地保障了產(chǎn)品質(zhì)量的穩(wěn)定性．

圖9 次品檢測示意圖

[1]文西芹,張永忠.扭矩傳感器的現(xiàn)狀與發(fā)展趨勢[J].儀表技術與傳感器,2001(12):1-3.

[2]印保靖，成勇，史偉，等.轉(zhuǎn)矩轉(zhuǎn)速測量裝置轉(zhuǎn)速特性檢測方法的研究[J].上海計量測試,2006(6):15-16.

[3]吳紀國,袁道成.數(shù)字圖像處理技術在幾何量精密測量中的應用研究[J].儀器儀表學報,2007(8):9-10.

[4]連錦湮.機器計算機視覺的應用——打孔機影像定位系統(tǒng)設計[J].今日電子,2006(10):83-86.

[5]張恒.基于ARM的視覺定位技術研究[D].廣州:廣東工業(yè)大學,2007.

[6]吳房勝,歐陽名三.數(shù)字圖像處理技術在高精度自動對中裝置中的研究[J].煤炭工程,2009(1):110-112

[7]尹建新.基于計算機視覺木材表面缺陷檢測方法研究[D].杭州:浙江工業(yè)大學,2007:22-23.

[8]李群,張玉存.基于LabVIEW下扭矩傳感器實驗平臺的研究[J].傳感器技術學報,2003,16(4):504-506.

[9]沈全鵬.基于數(shù)字圖像處理的車牌定位研究[D].廣州:廣東工業(yè)大學,2007:6-30.

[10]吳房勝,歐陽名三.電機轉(zhuǎn)速測量器件高精度檢測裝置的研究[D].淮南:安徽理工大學,2010.

[11]于彬.基于數(shù)字圖像處理的陶瓷瓶裂紋檢測研究[D].湖北:武漢理工大學,2007.

[12]余蘇勝.微電機電氣性能智能測試系統(tǒng)的研究[D].杭州:浙江大學, 2001.

[13]岡薩雷斯.數(shù)字圖像處理(MATLAB版)[M].北京:電子工業(yè)出版社, 2006.

[14]何秀偉.電機測試技術[M].北京:機械工業(yè)出版社,1985.

[15]Fiorini P,Shiller Z.Motion planning in dynamic environments using Velocity obstacles[J].The Internationa1 Journal of Robotics Research, 1998,17(7):760-772.

【編校：李青】

Glass Bottle Defect Inspection System Based on Digital Image Processing

WU Fangsheng1,XU jinxiu2,LI Ruping1
(1.Anhui Business Vocational College,Hefei,Anhui 231131,China;2.Anhui Honglu Group,Hefei,Anhui 231131,China)

In today’s market,a number of quality issues such as glass cracks,damage and excessive wear exist at the surface of Glass products,and if these glass bottles go into the market,they will become the defective products and lead to refunds,seriously affecting the quality of products,and consuming a lot of workforce.To solve this problem,this paper studies a set of devices using digital image processing technology to detect the acquired image edge through improved Sobel operator detection method. Combined with ARM control technology,it automatically detects and removes glass defects.Replacing the traditional methods of manual visual detection,the system overcomes the issues of slow manual testing,the low reliability of test results,the poor consistency and stability,inability to improve product quality,and the low testing efficiency.

image processing;sobel operator;glass bottles;flaws

TP231

A

1671-5365(2014)06-0103-05

目前市場上眾多的玻璃產(chǎn)品表面，存在玻璃瓶裂縫、破損以及磨損帶過大等質(zhì)量瑕疵問題，該類玻璃瓶如流入市場即成為次品并要求退回，嚴重影響了產(chǎn)品質(zhì)量，并消耗了大量的勞動力．為解決此問題，研究了一套檢測裝置，利用數(shù)字圖像處理技術中的Sobel邊緣檢測算子方法，對采集的圖像進行邊緣檢測，并結合32位嵌入式微處理器S3C2440，實現(xiàn)了玻璃瓶瑕疵的高精度自動檢測，完成玻璃瓶破碎與瓶身磨損帶過大等問題的檢測，不僅提高了瓶檢質(zhì)量的可靠性、一致性和穩(wěn)定性，也提高了檢測效率、檢測精度及產(chǎn)品質(zhì)量，且檢測功能的可擴展性較大．該系統(tǒng)大大降低了人工檢測勞動強度，并且避免了人工的誤操作，為灌裝飲料企業(yè)的技術升級和改造提供了可靠保障，降低了次品率和出廠產(chǎn)品的退回率，提高了企業(yè)效率．

1 系統(tǒng)概述及工作原理

檢測裝置由兩個部分構成，一個部分是數(shù)字圖像采集處理部分，另一個部分是動作控制、檢測數(shù)量控制等部分，主控制單元采用32位嵌入式微處理器S3C2440，其裝置的結構示意圖如圖1所示．被檢測的玻璃瓶安放在傳送帶上勻速前進，遮光密封盒為檢測室的箱體，檢測室箱體尺寸為110 cm(長度)×60 cm(寬度)×50 cm(高度)，所有檢測的玻璃瓶均通過檢測室箱體，箱體內(nèi)裝有攝像頭，并在攝像頭對面開一個比檢測瓶直徑略大的槽口，保證有充足的光線照射．當攝像頭拍攝到瓶身照片后，對其進行數(shù)字圖像處理，突出邊緣信息，判斷玻璃瓶是否有瑕疵，并判別該瑕疵是玻璃瓶裂縫、破損還是瓶身磨損．判斷瓶身磨損的方法是結合實際情況，計算瓶身磨損上下線的距離，如果計算值在人工設定值范圍之內(nèi)，則被判定為瓶身磨損．當玻璃瓶被分類判別后，由ARM處理器控制相應設備，將破碎的玻璃瓶剔除至檢測室箱體側(cè)面的破碎次品存放處，將瓶身磨損的玻璃瓶剔除至磨損次品存放處[1-2]．

2014-04-06修回：2014-05-12

安徽省廳級自然科研項目(KJ2011B069、KJ2013Z105)；2013年國家級大學生創(chuàng)新創(chuàng)業(yè)訓練計劃項目(201312216019)

吳房勝(1983-)，男，講師，碩士，研究方向為智能檢測技術

時間：2014-05-16 11:31

http://www.cnki.net/kcms/detail/51.1630.Z.20140516.1131.006.html