基于視覺傳達(dá)的包裝樣品表面缺陷特征提取系統(tǒng)設(shè)計(jì)

摘 ?要： 為解決多幀包裝表面圖像復(fù)雜背景對(duì)缺陷特征提取精度的影響，設(shè)計(jì)基于視覺傳達(dá)的包裝樣品表面缺陷特征提取系統(tǒng)。其中，圖像采集模塊由光源、CCD線性掃碼相機(jī)、圖像采集模塊及A/D模數(shù)轉(zhuǎn)換器組成，負(fù)責(zé)采集包裝樣品表面圖像;FPGA邏輯控制單元產(chǎn)生控制邏輯，采集到的包裝樣品表面圖像傳輸至DSP數(shù)字信號(hào)處理器后，利用小波變換方法分解包裝樣品表面圖像內(nèi)的灰度與細(xì)節(jié)特征，以包裝樣品表面圖像缺陷前景同背景的分類問題替代包裝樣品表面圖像缺陷特征提取問題，實(shí)現(xiàn)視覺傳達(dá)下包裝樣品表面缺陷特征提取。實(shí)驗(yàn)結(jié)果表明，所設(shè)計(jì)系統(tǒng)對(duì)于不同包裝表面缺陷類型識(shí)別精度基本達(dá)到97%以上，平均能耗為0.52 J左右，均顯著優(yōu)于對(duì)比系統(tǒng)。

關(guān)鍵詞： 包裝樣品; 表面缺陷; 特征提取; 視覺傳達(dá); 圖像采集; 實(shí)驗(yàn)分析

中圖分類號(hào)： TN911?34; TP391 ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2020）02?0142?03

Design of packaging sample surface defect feature extraction

system based on visual communication

ZHU Geli

Abstract： A visual transmission based defect feature extraction system for packaging samples is designed to improve the influence of multi?frame packaging surface image complex background on the accuracy of the defect feature extraction. The image acquisition module composed of light source， CCD linear scanning code camera， image acquisition module and A/D analog?digital converter collects the packaging samples surface images， and the FPGA logic control unit generates the control logic. The collected surface images of the packaging sample are transmitted to the DSP， in which the gray scale and detail features in the surface image of packaging samples are decomposed by means of the wavelet transform method. The defect feature extraction of packaging sample surface image is replaced by the classification problem of the defect foreground and background of packaging sample surface image to realize the defect feature extraction of packaging sample surface under visual communication. The experimental results show that the identification accuracy of the designed system for the different packaging surface defect types is basically above 97%， and the average energy consumption is about 0.52 J， all of which are significantly better than the comparison system.

Keywords： packaging sample; surface defect; feature extraction; visual communication; image capture; experiment analysis

包裝樣品表面缺陷檢測(cè)是商品包裝過程中的重要環(huán)節(jié)，也是保障商品包裝質(zhì)量的主要方式[1]。以往使用的人工隨機(jī)抽樣檢測(cè)方法受人為主觀因素影響較為嚴(yán)重，檢測(cè)精度得不到保障。為解決這一問題，相關(guān)研究人員進(jìn)行了深入研究，設(shè)計(jì)包裝表面缺陷特征提取系統(tǒng)，但以往大多包裝表面缺陷特征提取系統(tǒng)在提取缺陷特征過程中，難以抑制多幀包裝表面圖像復(fù)雜背景缺陷特征提取精度影響[2]。視覺傳達(dá)技術(shù)在計(jì)算機(jī)圖形圖像處理過程中被普遍應(yīng)用，設(shè)計(jì)基于視覺傳達(dá)的包裝樣品表面缺陷特征提取系統(tǒng)，準(zhǔn)確提取包裝樣品表面缺陷特征，提升商品包裝檢測(cè)精度。

1 ?包裝樣品表面缺陷特征提取系統(tǒng)

1.1 ?整體結(jié)構(gòu)設(shè)計(jì)

基于視覺傳達(dá)的包裝樣品表面缺陷特征提取系統(tǒng)以數(shù)字信號(hào)處理器DSP為核心[3]，主要包括包裝樣品表面圖像采集模塊、FPGA邏輯控制單元、數(shù)字信號(hào)處理器及顯示單元等，整體結(jié)構(gòu)如圖1所示。

為保障包裝樣品表面圖像采集效率，選取S3?20?02K40?00?R型號(hào)高速線性掃描相機(jī)[4?5]。FPGA邏輯控制單元的主要作用是負(fù)責(zé)控制圖像采集模塊的地址信號(hào)與讀寫信號(hào)[6]。系統(tǒng)選用TMS320DM642型號(hào)DSP芯片作為數(shù)字信號(hào)處理器，其處理效率快、靈活性高、可編程性能好等優(yōu)勢(shì)在圖像處理領(lǐng)域內(nèi)得到充分發(fā)揮。DSP芯片主頻速度與同步存儲(chǔ)SDRAM分別達(dá)到650 MHz和36 MB，使系統(tǒng)存取效率與存儲(chǔ)空間均能夠獲取有效保障。

1.2 ?軟件設(shè)計(jì)

1.2.1 ?包裝樣品表面缺陷特征提取流程設(shè)計(jì)

通過確定與分析兩圖像間存在的差異，獲取包裝樣品表面圖像中存在的缺陷信息[7]。圖2中描述的是包裝樣品表面缺陷特征提取流程。

圖像采集模塊采集到包裝樣品表面圖像后，對(duì)其實(shí)施預(yù)處理，包括灰度轉(zhuǎn)換、灰度圖像濾波、圖像閾值分割等過程[8]。對(duì)預(yù)處理后的包裝樣品表面圖像進(jìn)行缺陷邊緣檢測(cè)，采用視覺傳達(dá)下圖像缺陷特征提取方法提取包裝樣品表面圖像缺陷特征，對(duì)提取到的缺陷特征進(jìn)行識(shí)別、分類與統(tǒng)計(jì)，最后進(jìn)行輸出顯示[9]。

1.2.2 ?視覺傳達(dá)下圖像缺陷特征提取

通過包裝樣品表面圖像缺陷同背景區(qū)域缺陷特征部分方差間的比值函數(shù)，獲取包裝樣品表面圖像缺陷區(qū)域與背景區(qū)域的分離系數(shù)。

若第[k]幀包裝樣品表面圖像內(nèi)第[i，j]個(gè)像素的灰度值和第[k]幀與第[k+m]幀包裝樣品表面圖像間的平移估計(jì)量分別用[Dki，j]和[fx]，[fy]表示，根據(jù)[fx]，[fy]確定第[k]幀包裝樣品表面圖像缺陷特征顯著圖：

[Mki，j=Dki，j-Dk-mi-fy，j-fx] ?（1）

式中，[Dk-m?]為平移量差值。設(shè)置加權(quán)因子[α]，[β]和[γ]，通過加權(quán)因子加權(quán)融合全部缺陷特征顯著圖，表達(dá)式如下：

[Sk=αNJk⊕βNIk⊕γNMk] ? ?（2）

式中：[NJk]為灰度缺陷特征顯著圖標(biāo)準(zhǔn)函數(shù);[NIk]為細(xì)節(jié)缺陷特征顯著圖標(biāo)準(zhǔn)函數(shù)[10];[NMk]為運(yùn)動(dòng)缺陷特征顯著圖標(biāo)準(zhǔn)函數(shù);[Sk]為包裝樣品表面圖像顯著性缺陷特征值。根據(jù)[Sk]得到包含缺陷特征的多幀包裝樣品表面圖像的缺陷特征圖，提取包裝樣品表面缺陷特征。

2 ?實(shí)驗(yàn)分析

為驗(yàn)證本文設(shè)計(jì)的基于視覺傳達(dá)的包裝樣品表面缺陷特征提取系統(tǒng)的可行性與有效性，采用本文系統(tǒng)、基于傳感器的提取系統(tǒng)和基于獨(dú)立成分分析的提取系統(tǒng)進(jìn)行相關(guān)仿真實(shí)驗(yàn)。實(shí)驗(yàn)過程中設(shè)置包裝樣品表面缺陷類型包括：污染、劃痕、氣泡與分層等，不同缺陷類型樣本共計(jì)1 000個(gè)。對(duì)比三個(gè)系統(tǒng)對(duì)不同缺陷樣品的識(shí)別精度，結(jié)果如表1～表3所示。

由表1～表3可知，本文系統(tǒng)在提取包裝樣品表面不同缺陷特征時(shí)識(shí)別精度較高，除分層缺陷樣本識(shí)別精度為90.63%外，其余缺陷類型樣本識(shí)別精度均達(dá)到97%以上，其中污染、漏白、蹭板及裂縫缺陷識(shí)別精度高達(dá)100%。基于傳感器的提取系統(tǒng)和基于獨(dú)立成分分析的提取系統(tǒng)不同缺陷類型識(shí)別精度分別在66.67%～91.67%和69.52%～93.33%之間。對(duì)比之下可知本文系統(tǒng)對(duì)不同類型的包裝表面缺陷識(shí)別精度較高。

實(shí)驗(yàn)為測(cè)試本文系統(tǒng)的實(shí)時(shí)能耗，分別采用包括本文系統(tǒng)在內(nèi)的三個(gè)包裝樣品表面缺陷特征提取系統(tǒng)進(jìn)行包裝樣品表面缺陷特征提取，對(duì)比各系統(tǒng)的實(shí)時(shí)能耗，如圖3所示。

分析圖3可知，本文系統(tǒng)在提取包裝樣品表面缺陷特征時(shí)能耗范圍在0.43～0.58 J之間，基于傳感器的提取系統(tǒng)與基于獨(dú)立成分分析的提取系統(tǒng)能耗范圍分別在0.77～1.21 J之間和0.58～1.17 J之間。其中基于傳感器的提取系統(tǒng)能耗波動(dòng)較為顯著，而基于獨(dú)立成分分析的提取系統(tǒng)在前1 200 s時(shí)能耗較低，基本在0.6 J左右，過1 200 s后能耗大幅提升。本文系統(tǒng)平均能耗0.52 J左右，與其他兩個(gè)系統(tǒng)相比分別降低0.42 J和0.29 J。實(shí)驗(yàn)數(shù)據(jù)表明本文系統(tǒng)提取包裝樣品表面缺陷時(shí)實(shí)時(shí)能耗較低。

3 ?結(jié) ?論

包裝生產(chǎn)過程中存在大量不確定性因素導(dǎo)致包裝表面產(chǎn)生缺陷，而缺陷特征提取則是包裝檢測(cè)的重要過程。本文設(shè)計(jì)基于視覺傳達(dá)的包裝樣品表面缺陷特征提取系統(tǒng)，利用圖像采集模塊采集包裝樣品表面圖像，采用小波變換方法提取圖像包裝樣品表面圖像邊緣特征，構(gòu)建缺陷特征圖，提取包裝樣品表面缺陷特征。仿真結(jié)果顯示，本文系統(tǒng)除分層缺陷樣本識(shí)別精度為90.63%外，其余缺陷類型樣本識(shí)別精度均達(dá)到97%以上，最高達(dá)到100%。

參考文獻(xiàn)

[1] 李碩.基于計(jì)算機(jī)圖形圖像設(shè)計(jì)及視覺傳達(dá)設(shè)計(jì)研究[J].電視技術(shù)，2018，42（6）：113?116.

[2] 馬麗萍，崔明，朱培逸.基于機(jī)器視覺的汽車安全帶的表面缺陷檢測(cè)系統(tǒng)[J].機(jī)床與液壓，2018，46（2）：134?138.

[3] 屈爾慶，劉坤，陳海永，等.基于P?ReliefF特征選擇方法的帶鋼表面缺陷識(shí)別[J].電子測(cè)量與儀器學(xué)報(bào)，2017，31（7）：1053?1060.

[4] 常飛，喬欣，張申，等.基于MFCC特征提取的故障預(yù)測(cè)與評(píng)價(jià)方法[J].計(jì)算機(jī)應(yīng)用研究，2015，32（6）：1716?1719.

[5] 張麗娟.視覺傳達(dá)下多幀影視圖像特征實(shí)時(shí)跟蹤仿真[J].計(jì)算機(jī)仿真，2017，34（9）：179?182.

[6] 周激流，張曄.基于活動(dòng)輪廓模型的人臉特征提取方法的研究[J].中國(guó)圖象圖形學(xué)報(bào)，2018，5（4）：119?122.

[7] 王義文，屈冠彤，劉獻(xiàn)禮，等.鋼球表面缺陷的圖像差分檢測(cè)算法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2016，28（10）：1699?1704.

[8] 楊仁民，鄭洲，陳斌，等.基于機(jī)器視覺的零件特征尺寸提取算法[J].包裝工程，2017，38（9）：151?156.

[9] 黃志鴻，毛建旭，王耀南，等.基于機(jī)器視覺的啤酒瓶口缺陷檢測(cè)分類方法研究[J].電子測(cè)量與儀器學(xué)報(bào)，2016，30（6）：873?879.

[10] 尹健，邢韻，劉松凱.基于圖像特征提取的在役管線故障缺陷的分類[J].材料與冶金學(xué)報(bào)，2016，15（1）：76?80.

作者簡(jiǎn)介：朱格里（1984—），男，廣西博白人，碩士，講師，研究方向?yàn)橐曈X傳達(dá)設(shè)計(jì)。