基于機器視覺的煙支接裝質(zhì)量在線檢測系統(tǒng)

李 捷，陸海華，王 翔，洪金華，王 盛，申麗霞，包 俊，肖貴慧

浙江中煙工業(yè)有限責任公司寧波卷煙廠，浙江省寧波市奉化經(jīng)濟開發(fā)區(qū)葭浦西路2001 號 315040

隨著我國卷煙生產(chǎn)技術(shù)的不斷提高，卷接包設(shè)備自動化、智能化已成為煙草行業(yè)未來發(fā)展趨勢。ZJ116超高速卷接機組具有生產(chǎn)速度快、自動化程度高等特點，廣泛應(yīng)用于國內(nèi)各卷煙企業(yè)［1-2］。但該設(shè)備在濾嘴接裝過程中沒有煙支外觀質(zhì)量檢測功能，僅靠人工目測進行檢驗，會出現(xiàn)煙支缺陷漏檢、誤檢等問題，由此產(chǎn)生卷煙紙翹邊、褶皺，接裝紙長短不齊、粘貼不齊等質(zhì)量缺陷［3］，影響煙支外觀質(zhì)量。隨著科學技術(shù)的快速發(fā)展，對煙支質(zhì)量缺陷檢測已從單一的機械式、紅外光電式自動檢測逐步向智能化、機器視覺檢測轉(zhuǎn)變，并取得良好的應(yīng)用效果［4-5］。其中，Qu 等［6］基于機器視覺構(gòu)建了一種圖像處理系統(tǒng)，采用動態(tài)面積閾值法對單張圖像進行三維重建，計算濾棒在不均勻區(qū)域中的數(shù)量。盧振利等［7］利用機器視覺設(shè)計了盒裝卷煙識別分揀系統(tǒng)，提高了識別精度和分揀效率。Wei 等［8］利用卷積神經(jīng)網(wǎng)絡(luò)法對煙包錯位、損傷和缺失等進行檢測，準確率達99%。徐足騁等［9］設(shè)計了一種基于機器視覺的分布式檢測系統(tǒng)，可以精確計算商標紙缺陷的各項特征參數(shù)并判斷缺陷類型。陳光忠［10］設(shè)計了一種適用于工業(yè)機器視覺檢測的CCD 相機和影像處理系統(tǒng)，實現(xiàn)了鋼印圖像高清采集、快速匹配等功能。王暉等［11］設(shè)計了一種接裝紙缺陷檢測裝置，但無法實時檢測煙支接裝過程中存在的接裝紙翹邊、褶皺以及卷煙紙破裂等問題。此外，采用機器視覺對卷煙外觀和物理指標實現(xiàn)在線檢測［12-15］、非接觸式尺寸測量［16-18］等也得到廣泛應(yīng)用，但對于在線實時檢測煙支接裝缺陷則鮮見報道。為此，設(shè)計了一種基于機器視覺的煙支接裝質(zhì)量在線檢測系統(tǒng)，通過CCD 相機采集圖像，利用建立的二級檢測模型對煙支外觀進行分析，以實現(xiàn)濾嘴接裝過程中煙支外觀質(zhì)量的在線檢測，提高卷煙產(chǎn)品質(zhì)量。

1 系統(tǒng)設(shè)計

基于機器視覺的煙支接裝質(zhì)量在線檢測系統(tǒng)主要由圖像采集單元、在線傳輸單元、煙支分選單元等部分組成。圖像采集單元包括CCD 相機、圖像采集卡、光源、編碼器、工控機等，其安裝位置見圖1。為保證設(shè)備高速運行時圖像采集的清晰度，采用LED 燈為CCD 相機提供足夠的照度，并由智能光源控制器自動控制LED 燈的開啟/關(guān)閉及補光亮度。CCD 相機的成像速度為8 000 次/min，安裝于分離輪的上方25 cm 處。

圖1 圖像采集單元安裝位置示意圖Fig.1 Schematic diagram of image acquisition system

采用轉(zhuǎn)軸編碼器與卷接機組的主軸連接，跟蹤并精確計算煙支在高速生產(chǎn)中的具體位置。當煙支運行至CCD 相機下方垂直位置時，智能光源控制器開啟LED 燈補光照明，完成煙支的圖像采集。煙支分選單元主要實現(xiàn)在線同步提取、處理煙支外觀特性，通過圖像比對識別判定煙支質(zhì)量缺陷，并在剔除鼓輪處進行分選，從識別工位到剔除工位共有40 個煙槽。

1.1 圖像預處理

生產(chǎn)中檢測煙支通過鼓輪傳遞到CCD 相機拍攝區(qū)，采集到的彩色圖像包含多支煙和鼓輪等零部件，背景上的無關(guān)因素會影響圖像檢測的精度，增大運算量。本研究中采用提取感興趣區(qū)域ROI（Region of Interest）方法對圖像進行預處理，處理后的圖像分辨率為1 500 像素×450 像素，見圖2。

由于彩色圖像對煙支輪廓檢測無影響，因此需要對彩色圖像進行灰度化處理。根據(jù)整幅圖像的統(tǒng)計特性，選用Ostu 算法進行圖像二值化處理，實現(xiàn)閾值的自動選取［19-20］。

圖2 ROI 圖像提取結(jié)果Fig.2 Extraction results of ROI images

式中：g（x，y）為二值化后的灰度圖像；f（x，y）為灰度圖像的灰度值；t 為閾值。

灰度圖像的類間方差為：

對二值化后的圖像采用輪廓提取的方法突出煙支邊緣，消除圖像內(nèi)部和外部區(qū)域，在保留圖像邊緣信息的同時有效降低數(shù)據(jù)處理量，進而簡化圖像檢測過程，見圖3。

圖3 煙支外觀輪廓提取Fig.3 Extraction of cigarette contour

1.2 缺陷檢測方法

為提高圖像識別效果，采用二級檢測方法對煙支缺陷進行逐層篩選。其中，第一級采用輪廓最大面積判定法檢測濾嘴缺失、接裝紙翹邊以及與合格煙支外觀輪廓明顯不一致的缺陷煙支；第二級采用模板匹配法檢測接裝紙擦痕、煙支刺破以及與合格煙支外觀輪廓一致但內(nèi)部存在輕微缺陷的煙支。檢測流程見圖4。

1.2.1 最大輪廓面積判定法

輪廓特征是圖像識別的主要特征之一，本研究中在灰度圖像的基礎(chǔ)上提取二值圖像，再基于二值圖像提取煙支的外輪廓。由于存在噪聲影響，提取的外輪廓無法清晰地將目標輪廓識別出來，為此需要過濾掉部分小于某一規(guī)模的輪廓，以去除噪聲影響，再采用矩形框識別出目標輪廓，見圖5。

圖4 二級檢測流程Fig.4 Flowchart of second inspection

利用最大輪廓面積判定法計算煙支輪廓面積，再利用輪廓面積進行第一級檢測，能夠有效剔除不合格煙支，而將合格煙支完整保留下來，見圖6。

1.2.2 模板匹配算法

第一級檢測雖然能夠識別出有明顯缺陷的煙支，同時對位置平移也有一定的魯棒性，但無法檢測出外觀輪廓一致但內(nèi)部存在輕微缺陷的煙支。由于所采集的煙支圖像基本不存在旋轉(zhuǎn)和尺寸變化，僅有平移變化，為此本研究中采用模板匹配算法進行第二級煙支檢測。生產(chǎn)過程中CCD 相機采集到的合格煙支圖像可能不一致，為有效實現(xiàn)煙支識別，采用圖7 所示的3 種圖像作為標準模板。

采用3 種標準模板與待測煙支進行匹配時，若大于某一閾值即判定為合格煙支，否則為不合格煙支并予以剔除。本研究中采用OpenCV2 軟件庫，利用庫中的MatchTemplate 函數(shù)完成圖像匹配，即采用待測圖像與3 種標準模板進行匹配，根據(jù)求出的相關(guān)系數(shù)來判定煙支是否合格。模板匹配采用歸一化相關(guān)系數(shù)匹配法，計算公式為：

圖5 基于最大輪廓的煙支矩形框Fig.5 Cigarette rectangular frame based on maximum contour

圖6 第一級煙支檢測剔除效果Fig.6 Unqualified cigarettes rejected at the first stage inspection

圖7 3 種合格煙支模板Fig.7 Three templates for qualified cigarettes

由式（3）可見，R 值越大表明模板與待測圖像越匹配；反之則相異性越大。通過與閾值相比較，可以檢測出待測煙支是否合格。

2 應(yīng)用效果

2.1 試驗設(shè)計

材料：“利群（新版）”牌卷煙200 支（由浙江中煙工業(yè)有限責任公司寧波卷煙廠提供）。

設(shè)備：ZJ116 型超高速卷接機組（常德煙草機械有限責任公司）。

方法：根據(jù)GB/T 22838.12—2009《卷煙和濾棒物理性能的測定 第12 部分：卷煙外觀》［21］中的檢測方法人工識別200 支煙，分成合格煙支組和不合格煙支組各100 支，并分別進行編號。其中，兩組的奇數(shù)號組成訓練集，偶數(shù)號組成測試集。采用二級檢測模型對人工識別的煙支進行判斷，在訓練階段利用訓練集確定判定閾值，在測試階段分別對測試集中的合格煙支和不合格煙支進行檢測。經(jīng)過二級檢測后未被檢出的煙支判定為合格煙支，不予以剔除。

2.2 數(shù)據(jù)分析

由表1 可見，在訓練集中，利用二級檢測模型能夠準確地對所有煙支進行檢測識別；在測試集中，通過第一級最大輪廓面積判定法檢測出36 支不合格煙支，第二級模板匹配檢測法進一步檢測出13 支不合格煙支，合計檢測出合格煙支50 支，不合格煙支49 支，檢測準確率達到98%。

表1 煙支接裝質(zhì)量缺陷識別結(jié)果Tab.1 Identification results for cigarettes with appearance defects

3 結(jié)論

采用機器視覺設(shè)計了一種煙支接裝質(zhì)量在線檢測系統(tǒng)，通過二級檢測模型解決了人工檢測識別煙支質(zhì)量準確率低、勞動強度大等問題，實現(xiàn)了濾嘴接裝過程中煙支外觀質(zhì)量的在線檢測，提高了卷煙產(chǎn)品質(zhì)量。以寧波卷煙廠生產(chǎn)的200 支“利群（新版）”牌卷煙為對象進行測試，結(jié)果表明：在訓練集中利用二級檢測模型能夠?qū)λ袩熤нM行準確識別；在測試集中第一級檢測判定不合格煙支36 支，第二級檢測判定不合格煙支13 支，共識別出合格煙支50 支，不合格煙支49 支，檢測準確率達到98%。該系統(tǒng)有效提高了卷接設(shè)備的自動化生產(chǎn)水平，并可在ZJ112、ZJ116 等卷接設(shè)備上推廣應(yīng)用。