一種基于機器視覺的產品外包裝印刷缺陷檢測技術

汪以歆 余光輝 徐鏹 范洪輝

摘? ? 要：為了提高產品外包裝印刷缺陷檢測的效率、穩定性和靈活性，提出了一種基于機器視覺的產品外包裝印刷缺陷檢測技術。引入基于機器視覺的比對檢測算法，改進傳統的產品外包裝印刷缺陷檢測方法。試驗表明，基于機器視覺的產品外包裝印刷缺陷檢測技術在不同的試驗條件下都能穩定應用，可以快速精確地檢測出印刷缺陷。該技術有效地解決了人工抽樣檢測結果誤差大、主觀性強、檢測速度慢等問題，具有更快的效率、更好的穩定性和處理的靈活性。

關鍵詞：機器視覺;產品包裝;印刷缺陷;缺陷檢測

中圖分類號：TP181? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? 文章編號：2095-7394（2019）04-0007-08

近年來，包裝印刷工藝在不斷地進步和發展，過去常用的對產品外包裝印刷缺陷檢測的方法已經無法達到實際生產要求的檢測標準。通過質檢員對產品外包裝印刷缺陷進行檢測是最原始的檢測方法，但這種方法存在很多弊端，不但受個人的主觀意志影響較大，而且會導致生產效率低下，且漏檢率高。此外，該檢測方法需要較高的人力成本，相應地提高了生產成本。為了提高檢測質量，檢測人員也開始使用色差儀、密度計、偏光應力儀等儀器對產品外包裝印刷缺陷進行檢測。但缺陷種類繁多，情況復雜，比如，顏色失真、錯位漏印、針孔黑點、文字模糊、套印不準、油墨濺污等[1]，都是印刷過程中經常出現的缺陷。借助手持儀器的方法無法滿足實際生產中大批量、快速性、智能化、可現場性、重復性等需求。

機器視覺檢測可以克服傳統檢測方法所存在的弊端。[2]當檢測裝置投入生產線運行后，能夠長期執行標準化自動檢測流水線工作，從而極大地減少人力成本，降低企業的生產成本。機器視覺檢測還是一種全表面的檢測方法，能夠將檢測過程中存在漏檢的可能性降到最低。除了上述優點外，機器視覺檢測還可以針對外包裝上的條碼無法識別、偏位、重碼、錯碼等問題進行檢測，能夠全面、高效地完成產品外包裝印刷的缺陷檢測，具有傳統檢測方法無法比擬的優越性[3]。

1? ? 機器視覺檢測原理

機器視覺檢測通俗來講就是用電子元器件代替人的眼睛[4]，拍攝產品外包裝的全表面，用電腦代替人腦，對印刷存在的缺陷進行客觀的分析。數字圖像處理技術是機器視覺檢測技術的基礎，在此基礎上，結合光學、機械自動化等技術，構成一個完整的自動化檢測系統。機器視覺檢測具有諸多特點：第一，具有通用性和可移植性，可以適用到生產生活的各個方面，使用范圍廣，使用對象沒有局限性;第二，具有穩定性，可以對生產線的生產質量進行長期地實時檢測分析，檢測穩定在較高的精度和速度;第三，具有實用性[5]，可以在各種條件下進行檢測，如高輻射、高腐蝕、高風險等環境下，代替人工進行作業。

通常情況下，一個完整的機器視覺檢測系統[6]由光源、成像系統、CCD相機、圖像采集卡、圖像處理軟件、圖像處理硬件、反饋執行裝置、傳動裝置等部分組成，如圖1所示。

首先待檢測產品由傳動裝置傳送到固定的檢測位置，然后由成像系統通過CCD相機獲取待檢測產品外包裝表面的圖像[7]，之后圖像采集卡將圖像處理后的電信號發送到計算機端，接著計算機端通過圖像處理軟件對全表面圖像作出分析，給出缺陷檢測結果至反饋執行裝置。缺陷檢測結果的精度與速度受諸多因素的影響：第一，光源的選擇、CCD相機的配置和成像系統的設計關乎圖像采集的質量;第二，圖像處理軟件及圖像處理算法關乎缺陷檢測的質量[8];第三，硬件的選擇和配置影響檢測速度。

2? ? 印刷缺陷檢測系統設計

基于機器視覺的產品外包裝印刷缺陷系統的檢測流程如圖2所示，包括檢測平臺、圖像采集、檢品模式、數據庫查重碼等模塊。

2.1? ?圖像采集

基于機器視覺對產品外包裝印刷進行缺陷檢測時，首先就是要對外包裝的表面圖像進行采集。因為外包裝印刷包含多種印刷工藝，所以針對不同的印刷工藝，如燙印、凹版、絲印、激光、鍍膜等，需要采用不同的光源照射角度和不同的CCD相機拍攝角度進行分層采集。如圖3（a）針對大范圍彩印檢測，采用正射正拍[9];圖3（b）針對鍍膜檢測，采用反射正拍;圖3（c）針對燙印檢測，采用斜射正拍;圖3（d）針對二維碼檢測，采用二維碼正拍，以便獲取有效的待檢產品外包裝圖像。

由于傳動裝置處于高速運轉模式，因此，每次每臺相機所采集的一幅圖片中包含多個待檢產品外包裝圖像。例如，采集的第一幀圖像如圖4（a）所示，能夠定位到中間兩個完整的檢測對象表面圖像，以及上下兩個不完整的圖像。此時，需要刪除上方不完整的圖像，并將圖4（a）中陰影部分所示不完整的圖像緩存。從采集的第二幀圖像即圖4（b）開始，將圖4（a）中陰影部分加到圖4（b）中陰影部分的上端得到圖4（c），圖4（c）中的陰影部分即是將不完整圖像緩存累加后得到的完整圖像[11]。根據累加后的總高度除以每個完整圖像的高度，可以計算出當前采集圖像的個數。

2.2? ?建模學習

基于機器視覺對外包裝印刷進行缺陷分析檢測時，要先人工選擇合格品作為樣本圖像，然后把采集到的待檢測產品外包裝圖像與樣本圖像的灰度值進行比對分析[12]，判定是否存在缺陷。由于印刷工藝、機器精度以及環境變化等諸多因素的影響，無法要求待檢產品與標準模板之間不存在誤差，因此，對于待檢測產品外包裝的印刷缺陷應當有一定的容忍度。但是，一般不通過修改高低放松值的大小來擴展合格品區間，因為這樣的參數往往是主觀設定的，設置過大容易造成誤檢。因此，需要引進建模學習的概念來確定可接受范圍，減少誤檢。

首先，隨機挑選檢品，經人工判斷確定好品，如圖5（a）所示，作為標準圖像。其次，將待檢測產品通過機器采集圖像后，電腦比對學習產品與標準品的差異，從而將該位置可接受合格標準的范圍放大。通常學習的產品不能包含最亮如圖5（b）和最暗如圖5（c）的兩張好品，但是可以通過自定義擴展參數來增大合格標準的容許區域，如圖6所示。

2.3? ?標碼檢測

隨著科技的發展，產品外包裝上印制條碼十分普遍，并且具有重要的功能，它是監管產品的一種重要方法。常見的條碼有條形碼和二維碼，它們的顯要區別如圖7所示：條形碼包含一個方向上的信息，二維碼包含水平和垂直兩個方向上的信息。由此可見，二維碼相對于條形碼而言具有諸多優勢，如數據容量更大，超出了字母、數字方面的制約，尺寸小，具有抗損毀能力等。二維碼包含的信息如圖8所示。

針對二維碼的印刷缺陷檢測有以下6點要求：（1）二維碼大小和位置是否繪制在檢測的區域。（2）使用識讀設備，能識讀出二維碼的內容。（3）待檢測產品外包裝表面二維碼與二維碼數據文件是否一致。（4）同一產品上的二維碼與驗證碼是否相互對應。（5）二維碼邊界不能超出白色底框，且二維碼在框內居中對齊。（6）二維碼邊界與白色底框的邊界單邊距離默認值為1.5 mm。二維碼尺寸小于10 mm時，允許位置誤差范圍為±0.2 mm;尺寸大于10 mm時，允許位置誤差范圍為±0.5 mm。

3? ? 算法設計與缺陷檢測

將采集圖片與樣本圖片進行匹配對比時，引入基于灰度值的比對算法[13]，由于采集的圖片通常過大，因此需要結合動態閾值分割的方法進行檢測。動態閾值分割算法適用于檢測目標與背景具有較大區別的情況[14]，閾值分割后的圖像[y（a，b）]與采集圖像[x（a，b）]的關系如式（1）所示：

式（1）中，[H]表示設置的閾值大小，1表示檢測目標，0表示圖像背景。動態閾值分割算法檢測效果的好壞由閾值[H]的取值是否合適決定，閾值[H]的取值能夠通過如下迭代算法得到。

（1）依據采集圖像的直方圖，將兩峰的中間值作為一個預估閾值[H]。

（2）依據式（1）把采集圖像分割成檢測目標與圖像背景兩個區域，檢測目標[Q1]由全部大于閾值[H]的區域構成，圖像背景[Q2]由全部小于等于閾值[H]的區域構成[15]。

（3）對分割出的檢測目標[Q1]，求出其平均灰度值[d1]。同時，求出分割后圖像背景[Q2]的平均灰度值[d2]。

（4）依據計算出的兩個平均灰度值[d1]和[d2]，再計算得出新的閾值[H]，計算公式如式（2）所示：

（5）重復第（2）到第（4）的步驟，直到計算得出的閾值[H1]與閾值[H2]之間的差值[G]小于等于設置的額定參數[?H]，即：

分割后的區域面積與閾值關系到缺陷檢測精度。對缺陷檢測精度造成的影響變化如表1所示。分割區域面積理想值用S表示，閾值理想值用W表示。當分割區域面積大于1.1S，閾值大于1.1W時，缺陷檢測精度較差，容易出現漏檢問題;當分割區域面積在S～1.1S，閾值在W～1.1W時，缺陷檢測精度良好;當分割區域面積等于S，閾值等于W時，缺陷檢測精度最優;當分割區域面積在0.9S～S，閾值在0.9W～W時，缺陷檢測精度良好;當分割區域面積小于0.9S，閾值小于0.9W時，缺陷檢測精度較差，容易出現過檢問題。因此，可以通過調整分割區域面積與閾值來解決漏檢、過檢的問題。

4? ? 實驗結果與分析

運用本檢測技術組成的試驗平臺對500份產品外包裝進行了測試。實驗中檢測的最快速度為73 m/min。檢測結果表明本系統能夠檢測出產品外裝中的顏色色差、錯位漏印、套印不準、針孔黑點、文字模糊、油墨濺污，以及條碼無法識別、偏位、重碼、錯碼等印刷缺陷。

圖9（a）證明實驗實現了對檢測區域的自由繪制。圖9（b）證明實驗實現了：（1）穩定識讀

8 mm×8 mm、版本6以下的二維碼;（2）可適應15%、25%等常用糾錯率;（3）可以檢驗二維碼位置偏差。圖9（c）證明實驗實現了：（1）能夠識讀6磅以上數字（字間距保持0.5 mm）;（2）可校驗驗證碼位數。圖9（d）證明實驗實現了：（1）可導入數據量達到1 000萬行;（2）可以將二維碼與驗證碼進行對應;（3）能夠檢測二維碼/驗證碼錯碼（碼值/字符不在數據庫內，即為錯碼）;（4）能夠檢測二維碼重碼（同一二維碼第二次識讀到即為重碼）;（5）可以有效防止產生二維碼與驗證碼不對應的狀況。圖9（e）證明實驗實現了：（1）可按檢測批次導出成好品數據庫;（2）一個批次出錯，可以單獨刪除該批次，不影響其他已檢結果。

當系統的閾值設為15，缺陷檢測的正確率為97.2%，漏檢率為0.8%，誤檢率為2%，檢測結果基本達到當前企業對產品外包裝印刷缺陷檢測的要求。如果需要進一步優化檢測結果，可以通過減少機器震動、穩定傳動、減少灰塵、優化模板中參數的設置以及優良的學習圖像來實現。

5? ? 結論

引入動態閾值分割和灰度值比對檢測算法，可以提高檢測的效率、穩定性及處理的靈活性。實驗結果表明，該檢測方法在不同的實驗環境下均有較強的穩定性，能夠快速準確地檢測出產品外包裝存在的印刷缺陷，在產品外包裝印刷檢測中具有較好的市場前景。但該方法在多臺系統之間無法以相同的參數設定值檢測，在今后的工作中將對此做進一步的改進，以實現多臺系統對產品成像結果的一致性。

參考文獻：

[1] 代小紅，王光利.基于機器視覺的印刷品缺陷檢測與識別[J].半導體光電，2011，32（5）：714-718.

[2] YOU F C， ZHANG L F， ZHANG Y B. The research of printings image defect in spection based on machine vision[C] //Proc. Of the 2009 IEEE International Conference on Mechatronics and Automation， 2009： 2404-2408.

[3] 李樹杰.中國機器視覺的發展趨勢[J].赤峰學院學報（自然版），2010，26（1）：161-162.

[4] 闞希.基于機器視覺的印刷品缺陷在線檢測系統關鍵技術研究[D].南京：南京信息工程大學，2013.

[5] KALVIAINEN H. Machine vision based quality control form pulping to papermaking for printing[J]. Pattern Recognition and Image Analysis， 2011，21（3）： 486-490.

[6] 郭健.基于機器視覺的印刷質量在線自動檢測系統研究[D].廣州：華南理工大學，2016.

[7] KUMAR B M， RATNAM M M. Machine vision method for non-contact measurement of surface roughness of a rotating workpiece[J]. Sensor Review，2015，35（1）：10-19.

[8] 金燦.基于HALCON的印刷圖像質量檢測技術研究[D].長沙：中南大學，2013.

[9] 王文舉，趙萍.彩色印刷品缺陷快速精確檢測方法研究[J].包裝工程，2015，36（17）：112-118.

[10] 郭守寬.高速印刷品質量圖像檢測系統研究和開發[D].武漢：華中科技大學，2012.

[11] ZHU H J， FAN H H， YE F Y， et al. A novel method for moving vehicle tracking based on horizon-tal edge identification and local autocorrelation images[J]. DYNA， 2016，91（1）：61-67.

[12] 胡方尚，郭慧.基于ROI模板的印刷品圖像配準方法[J].東華大學學報，2016，42（4）：582-586.

[13] 汪松.基于SIFT算法的圖像匹配方法研究[D].西安：西安電子科技大學，2013.

[14] FAN H H， ZHU H J. Separation of Vehicle Detection Area Using Fourier Descriptor Under In-ternet of Things Monitoring[J]. IEEE Access， 2018（6）： 47600-47609.

[15] FAN H H， ZHU H J. Preservation of image edge feature based on snowfall model smoothing fil-ter[J]. EURASIP Journal on Image and Video Processing， 2018（1）： 67.

Abstract： In order to improve the efficiency， stability and flexibility of the printing defect detection of product packaging， a new technology based on machine vision was proposed in this paper. The traditional method of printing defect detection for external packaging of products was modified， and the comparison detection algorithm based on machine vision was introduced to improve the efficiency，stability and flexibility of the detection. Experimental results show that the machine vision based printing defect detection technology has strong stability in different experimental environments， and can quickly and accurately detect the printing defects. The proposed technology effectively solves the problems of large error of sampling detection results， strong subjectivity of manual detection and slow detection speed， which have faster execution efficiency， better

stability and flexibility of processing compared with traditional detection methods.

Key? words： machine vision; product package; printing defect; defect detection

責任編輯? ? 張志釗