基于RGB視覺的瓦楞包裝褶皺標定收斂研究

李鵬飛，魏一

基于RGB視覺的瓦楞包裝褶皺標定收斂研究

李鵬飛，魏一

（許昌電氣職業學院，河南 許昌 461000）

對瓦楞紙板包裝的褶皺特征精確定位，保證瓦楞紙板包裝容器的褶皺特征在生產中被及時檢驗。機器視覺瓦楞紙板包裝檢測系統依據圖像信息收集、識別算法、RGB視覺、位置標定、收斂性結果對比等部分，確定瓦楞紙板包裝褶皺特征標定核心算法要點；在傳統頻域變換的基礎上，進行RGB視覺改進算法分析，有效提高對瓦楞紙板包裝的褶皺特征識別率，明確該類包裝的檢測要點。以實際的瓦楞紙板褶皺為例，論證該類包裝褶皺特征的特征提取方法，并且強化研究對象的褶皺特征，最后對識別結果和實物結果進行對照分析。通過設定闕值在90～120得到線性率為25%～80%，結果說明該視覺方式可以實現對機器視覺的瓦楞紙板包裝標定，并且各特征的實際回歸基準率為86%，驗證了RGB視覺算法對褶皺特征標定的精確性。基于該RGB視覺以及優化措施，確定了機器視覺瓦楞紙板包裝標定方式，滿足了瓦楞紙板包裝生產的有效定位要求。

機器視覺；瓦楞紙板包裝；RGB視覺；優化分析

隨著計算機機器視覺的研究深入，包裝監測也得到了廣泛地應用。瓦楞紙板包裝作為一種常見的基礎包裝材料，在運輸過程中的多個環節均有著廣泛的應用[1]。瓦楞紙板在生產與運輸過程中經常會因為磕碰、彎折而出現較大褶皺，甚至影響包裝容器強度，所以結合機器視覺進行外包裝的檢測，對瓦楞紙板褶皺狀態進行評價是非常必要的，該方法也成為提高包裝質量的重要手段。

孫琴等[2]就基于機器視覺的塑料制品表面缺陷進行檢測研究，證明了視覺濾波算法對外部反光性可用于外包裝的缺陷檢測。同理該方法也為研究瓦楞紙板包裝以其內部褶皺表面反光差異性提供了借鑒基礎。史晨陽等[3]明確了機器視覺中均勻照明成像的LED環形陣列設計方法在檢測方面的應用，該環形陣列設計驗證了物體表面反光的可實踐性，并進行了常規瓦楞包裝的褶皺特征分析。孫鄭芬與吳韶波[4]論證了機器視覺技術在工業智能化生產中的應用，并且提到了特征點定位方法，論證了表面褶皺狀態的反光性影響包裝的色差定位在生產線定位的可操作做性，側面說明褶皺特征的標定作用。傅田[5]基于機器視覺的帶式輸送機糾偏系統設計的思維，結合ROI定位原理檢測了瓦楞包裝邊沿的變形程度等。AMIRI M[6]所研究的群體決策模糊VIKOR方法在機械加工領域中實現了視覺標定，該機器視覺檢測重點同樣適用于系統瓦楞紙板包裝外部特征檢測，瓦楞紙板包裝的其他包裝環節有較大的差異性，機器視覺的RGB圖像檢測過程均可以針對不同的色彩差異進行收斂評價。

以瓦楞紙板包裝為研究對象進行標定算法研究，總結瓦楞紙板在識別過程中的難點，歸納瓦楞紙板的損傷特征；以機器視覺為手段，總結出瓦楞紙板包裝圖像褶皺特征有效的識別方法。

1 圖像紋理特征提取分析

瓦楞紙板褶皺的特殊特征信息提取原理在于同一光環境下，瓦楞紙板的反光性基本是相同的，一旦出現褶皺，其圖像表面的反光性會出現差異。文中方法可通過識別紙板不一樣的深淺灰度表現出的明暗變化，對瓦楞紙板表面褶皺進行識別追蹤。通過紋理特征識別可將系統過程中所涉及的圖像特征進行串聯并進行加強，紋理特征中的截取的圖像像素信息加以串聯，實現過程中的特征要素提取，使得整個區域內的圖像信息被歸納整理，經過算法的分析和判斷，整個區域像素信息被有效地強化和統計，切實將整個圖像的特征以最直接的形式呈現出來。

1.1 紋理特征的統計方法

圖像的紋理特征分析實質是利用統計學對紋理特征的隨機變量進行二次回歸特征提取，可按照用戶所需要判斷產品狀態的分級指標進行數據主體部分的數學統計分析[7]。在紋理特征統計上，所涉及的視覺算法是在以灰度的變化為原則，對闕值較大的包裝特征進行數據統計，最終實現對產品狀態的描述，常用到的方法有灰度共生矩陣法、LBP算法、半方差圖法等。

在開展紋理統計之前，需要構建×的二維簡化的(,)函數表達式，而后根據環境與被識別物的色差設定圖像灰度等級，最后明確空間關系的相適應性，確定整個系統的灰度共生矩陣表達式[6]，見式（1）。

(1)

式中：為基礎單位像素的相對距離值；為2個像素橫坐標的像素夾角；#( )為像素的數集函數；和為其過程中的某一等級的灰度值；為圖像中的橫向軸像素坐標點；為圖像中的縱向軸像素坐標點；為圖像橫向坐標邊界；為圖像縱向坐標邊界。

1.2 頻譜響應方法

在信號處理方面，頻譜響應分析信號也是重要的分析手段。在信號處理過程中，視覺儀器可采用頻譜識別的方式實現對信號的分解，常會用到傅里葉變換、小波變換等方法[8]。通過頻譜響應的物理方法可對不同頻率下的視覺圖像紋理特征分布實現有效地歸納總結，并經過濾波器得到響應規律性，利用傅里葉變換方法實現時域與頻域的有效信號轉換，實現頻段的紋理特征總結。

傅里葉變換法是圖像信號特征判斷的重要手段，傅里葉變換可以實現信號在過程中的有效變化。在此設定(,)的×圖像中，所使用二維離散傅里葉變換的公式[9]見式（2—3）。

(2)

(3)

將式（3）轉化為功率譜計算可知：

(4)

經傅里葉變換可有效地對不通同圖像的紋理特征進行頻段的劃分，實現對不同頻段下的褶皺特征的精準判斷，得到不同尺寸的圖像紋理在損傷狀況下的頻率范圍。

本文基于現代人們對于室內空氣環境質量的關心，設計了一種基于物聯網的微型室內健康環境監測分析系統,主要體現了一種利用成熟的物聯網技術對各類的室內空氣環境數據進行采集、分析并形成大數據為政府治理提供參考的一種思路。彌補了現在各地方政府大量建設網格監測站只能監測室外環境的不足，通過將來對該系統的推廣，可以統計分析出各小區或城市不同區域大概的室內空氣質量數據，對政府將來制定空氣治理措施也有參考意義。

2 瓦楞紙板包裝的精確定位算法研究

在整個瓦楞紙板包裝的定位中，需先對有褶皺的瓦楞紙板包裝進行特征識別，然后鏡頭對損傷位置的特征進行精確抓取和放大標定[10]。在標定瓦楞紙板包裝的位置后，通過機械視覺對其瓦楞紙板的特征進行明確，確保整個紙板特征的識別定位。整個算法流程見圖1。

圖1 瓦楞紙板包裝定位算法流程

2.1 RGB圖像去噪預處理

共生濾波器的優勢在于將包裝褶皺特征進行強化檢測，通過濾波計算將信號實現精準化提取；共生濾波效果基于像素中頻率的變化，會對包裝間的紋理產生影響，共生濾波器的表達式[11]為：

(5)

式中：I、J分別為輸入與輸出圖像所對應的像素值，該參數的與分別為像素的牽引；為兩者像素的權重比值，也是共生濾波器的核心算法。

文中所涉及的共生濾波結合了高斯濾波和雙邊濾波的特點，通過對整個特征進行歸一化處理，實現對整個圖像特征的雙邊濾波處理，經處理后的褶皺特征可實現圖像的有效提取。基于算法的求解難度，修正后的表達式為：

(6)

(7)

式中：為像素矩陣；(,)為共生矩陣；；()和()分別為圖像中所出現的頻率，；。

2.2 多元化濾波處理后圖像分析

圖像去噪預處理的目的是在圖像抓取過程中，需對環境中的各類噪聲的干擾加以排除[12]。圖像處理算法的核心步驟是先對圖像進行去噪或像素增強，在保證圖像的質量的基礎上，通過深化包裝褶皺特征的色彩，降低圖像處理算法中色差的干擾。

在瓦楞紙板包裝定位算法驗證前，需要對包裝的深淺顏色特征進行圖像濾波，保證被標定褶皺的特征可以被有效抓取[13]。相較于傳統的去噪濾波方法，褶皺深淺濾波的優點是可以將原先的邊框加以平整化處理，使其濾波更為平整有效。在平滑圖象后，褶皺特征色差可被有效地模糊。以雙邊濾波、引導濾波和共生濾波器3種濾波去噪的方式來對不同類型的褶皺特征細節進行有效地平滑過渡，明確不同物體褶皺特征的保持狀態，各類濾波處理圖像結果見圖2。

圖2 瓦楞紙板包裝濾波結果

相機終端采集的樣本圖像見圖2a，明顯可見圖像中有較多的褶皺特征。通過圖2b可知，采取整體顏色加深進行濾波可以實現包裝褶皺特征被整體表現，單整體的圖像顯示較為模糊，尤其2個面的光影影響，不利于特征的提取[14]。圖2c采用了引導濾波手段，雖然保障了上表面圖像的特征清晰有效，但通過圖2可知，包裝褶皺特征會使原有平面出現不同程度地色彩反光，不利于機器實現特征提取。在圖2d中，通過共生濾波不但可使得瓦楞紙板包裝的褶皺特征被有效地保留，而且瓦楞紙板褶皺的背景以及包裝細微復雜紋理顏色也被剔除，使得后續特征提取相對其他濾波方式也更加容易。通過上述濾波對比可知，共生濾波是瓦楞類包裝較為理想濾波方式。在效果表現上，雖然有效地將瓦楞紙板的特征表現出來，但在實際圖像處理上需要結合不同的顏色背景進行二次特征識別與提取，處理流程相對復雜。

3 瓦楞紙板褶皺的區域特征分割分析

在完成圖像去噪的基礎上，通過采取RGB不同闕值將復雜的背景加以有效地濾除，保障整個系統特征被保留；通過增大工業相機的像素分辨率就可以對瓦楞紙板褶皺進行精準化定位標定，明確被抓取物的邊框，對圖像中多余的邊框部位及時地進行背景剔除，確定目標區域的瓦楞紙板褶皺的精確位置，使得瓦楞紙板褶皺可以通過機械實現目標物的精確抓取[15]。在瓦楞紙板褶皺定位過程中，尤其要明確被精確定位的瓦楞紙板褶皺的區域邊角的坐標點，才能滿足后續機械對精準定位參數的要求。結合現有的視覺算法，通過RGB視覺對瓦楞紙板褶皺進行圖像復雜背景濾除，進行褶皺特征檢測，結果見圖3。

圖3 瓦楞紙板包裝褶皺RGB濾波前特征

在識別上述圖像的特征后，對圖像特征進行分類，抓取主要特征而忽略次要特征，對細小且復雜性的點和褶皺特征實現有效地整合，以褶皺特征的瓦楞紙板為判定需求，加以自適應算法判定，算法流程見圖4。

圖4 瓦楞紙板褶皺定位算法流程

瓦楞紙板褶皺的定位算法見圖4，利用RGB視覺可以有效地將瓦楞紙板褶皺進行褶皺特征定位。RGB視覺處理方法是將共生濾波后的圖像進行腐蝕，腐蝕的核心是通過灰度調整將圖像進行灰度化處理，圖像跟據統計灰度區域最大面積4%以上連通區進行集合標注，并且計算灰度圖像最大的灰度值。計算機依據褶皺特征差值將灰度面積進行連通，依據灰度值的闕值（初步設定80）為不合格區域進行保留或去除，將低于強度的80進行區域闕值圖像識別連通，將存在最大闕值的1/4（強度低于80內）圖像特征進行圖像保留識別，最終輸出結果。算法流程還可以將瓦楞紙板褶皺中的褶皺以及其他引發頻譜的圖像要素有效提取，然后再結合褶皺形態以及濾波處理，系統中大部分冗余的噪聲可以被有效清除。

4 形態學處理分析

形態學閉運算是采取的是Matlab自帶的高斯心態處理計算包進行形態學處理。形態學處理核心是對瓦楞紙板的陰影紋理特征進行強化，得到其陰影像素特征的頻段區間，使得瓦楞紙板褶皺的損傷特征總能被加以像素特征的強化和放大，在強化過程中對瓦楞紙板特征中的微小復雜特征加以紋理變化忽略，通過灰度值的設定使得附屬的非關注特征消除。在圖像的處理上經過腐蝕操作使得整個圖像中的大部分額外紋理被消除，但在特征消除中，要對整體圖像中的高亮區域全面選擇，使關注的褶皺特征被有效強化。

使用Matlab濾波實現整個圖像特征被有效地腐蝕，將整個機器視覺所提取特征進行反向選擇，最終結果見圖5。經過上述圖像的腐蝕操作，雖沒有完全將細微的特征被有效忽略，但實現了瓦楞紙板在此過程中主要的褶皺特征被濾波器過濾，視覺圖像中所影響紙板強度的額外紋理被強化，紙板非正常特征被有效甄別。

圖5 瓦楞紙板包裝褶皺RGB濾波后特征

5 瓦楞紙板褶皺定位收斂性研究

以某瓦楞紙板包裝褶皺為研究案例，對紙板上的4個主要褶皺特征進行該RGB圖像收斂性分析，其原型見圖6。

對圖6中特征進行多次闕值濾波得到結果見圖7。對圖7中的邊界點進行取樣，最終擬合出圖8的散點圖像，以及圖9中的各個特征的收斂過程。

圖6 某瓦楞紙板包裝褶皺特征原型

圖7 多闕值褶皺RGB特征

圖8 收斂性散點線性擬合

圖9 多褶皺特征收斂性對照

圖8中的離散闕值在圖7中是代表白色的識別特征，圖8中的4個理論闕值點分別表示圖7中a—d的4個理論闕值擬合點。圖9是針對圖6和圖7的4個特征形態在不同闕值漸變過程中的白色特征收斂表現。采用收斂性對照程序對原圖和經算法處理后的圖像進行對照，得到瓦楞紙板包裝褶皺特征的數據采集。可知該方法可有效實現瓦楞紙板褶皺的收斂，該算法測試精準性較好，可實現瓦楞紙板包裝褶皺特征的精確定位，達到了預期設定的目標。

6 結語

以實際的瓦楞紙板為研究對象，通過光學相機有效抓取瓦楞紙板樣件中的特征進行標定，結合計算機的機器視覺算法，對不影響瓦楞紙板強度的特征進行抓取與視覺處理，有效地實現了整個圖片的特征的及時視覺監控與處理。文中基于瓦楞紙板特征檢測結合機器視覺的算法，實現了對瓦楞紙板褶皺特征的收斂性分析，論證了基于RGB視覺的瓦楞包裝褶皺標定收斂算法的有效定位。

[1] 張繼紅. 包裝機械的創新設計必須面向機電一體化技術[J]. 包裝工程, 2004, 25(4): 112-113.

ZHANG Ji-hong. The Creative Design of Packaging Machine must Face to the Mechanotronics Technology[J]. Packaging Engineering, 2004, 25(4): 112-113.

[2] 孫琴, 肖書浩, 劉譽涵, 等. 基于機器視覺的塑料制品表面缺陷檢測研究[J]. 電子制作, 2020(15): 56-59.

SUN Qin, XIAO Shu-hao, LIU Yu-han, et al. Research on Surface Defect Detection of Plastic Products Based on Machine Vision[J]. Practical Electronics, 2020(15): 56-59.

[3] 史晨陽, 林燕丹. 機器視覺中均勻照明成像的LED環形陣列設計[J]. 光學學報, 2020, 40(20): 118-128.

SHI Chen-yang, LIN Yan-dan. Design Method of LED Ring Array for Uniform Illumination Imaging in Machine Vision[J]. Acta Optica Sinica, 2020, 40(20): 118-128.

[4] 孫鄭芬, 吳韶波. 機器視覺技術在工業智能化生產中的應用[J]. 物聯網技術, 2020, 10(8): 103-105.

SUN Zheng-fen, WU Shao-bo. Application of Machine Vision Technology in Industrial Intelligent Production[J]. Internet of Things Technologies, 2020, 10(8): 103-105.

[5] 傅田. 基于機器視覺的帶式輸送機糾偏系統設計[J]. 煤礦機械, 2020, 41(8): 183-185.

FU Tian. Design of Belt Conveyor Rectification System Based on Machine Vision[J]. Coal Mine Machinery, 2020, 41(8): 183-185.

[6] AMIRI M. Group Decision-Making for the Selection Machine Using Fuzzy VIKOR Method[J]. Journal of India Management Studies, 2010, 16(2): 167-188.

[7] ATANASSOV K. Intuitionistic Fuzzy Sets[J]. Fuzzy Sets and Systems, 1986, 20(1): 87-96.

[8] 羅元, 肖航, 歐俊雄. 基于深度學習的目標跟蹤技術的研究綜述[J]. 半導體光電, 2020, 41(6): 757-767.

LUO Yuan, XIAO Hang, OU Jun-xiong. Research Review of Target Tracking Technology Based on Deep Learning[J]. Semiconductor Optoelectronics, 2020, 41(6): 757-767.

[9] 安偉剛. 多目標優化方法研究機器工程應用[D]. 西安: 西北工業大學, 2005: 26-35.

AN Wei-gang. Study on Multi-Objective Optimization and Its Application in Engineering[D]. Xi'an: Northwestern Polytechnical University, 2005: 26-35.

[10] 孫鄭芬, 吳韶波. 機器視覺技術在工業智能化生產中的應用[J]. 物聯網技術, 2020, 10(8): 103-105.

SUN Zheng-fen, WU Shao-bo. Application of Machine Vision Technology in Industrial Intelligent Production[J]. Internet of Things Technology, 2020, 10(8): 103-105.

[11] FU M C. Optimization for Simulation: Theory VS Practice[J]. Informs Journal on Computing, 2002(14): 192-215.

[12] 雷英杰, 王寶樹, 王毅. 基于直覺模糊推理的威脅評估方法[J]. 電子與信息學報, 2007, 29(9): 2077-2081.

LEI Ying-jie, WANG Bao-shu, WANG Yi. Techniques for Threat Assessment Based on Intuitionistic Fuzzy Reasoning[J]. Journal of Electronics & Information Technology, 2007, 29(9): 2077-2081.

[13] 蔡紀偉, 賈云獻, 孫曉, 等. 直覺模糊推理的裝備報賬指揮決策模型[J]. 火力與指揮控制, 2013, 38(2): 31-34.

CAI Ji-wei, JIA Yun-xian, SUN Xiao, et al. Research on Model of Equipment Support Command Decision Based on In-Tuitionistic Fuzzy Reasoning[J]. Fire Control & Command Control, 2013, 38(2): 31-34.

[14] GOMES L, LIMA M. TODIM: Basics and Application to Multicrtiteria Ranking of Projects with Environmental Impacts Foundations of Computing and Decision Sciences, 1992, 16(3): 113-127.

[15] 郭景全. 基于機器視覺的茶葉自動采摘機械手裝配系統設計研究[J]. 福建茶葉, 2020, 42(7): 11-12.

GUO Jing-quan. Research on Assembly System Design of Automatic Tea Picking Manipulator Based on Machine Vision[J]. Fujian Tea, 2020, 42(7): 11-12.

Convergence of Corrugated Board Packaging Wrinkle Calibration Based on RGB Vision

LI Peng-fei, WEI Yi

(Xuchang Electrical Vocational College, Xuchang 461000, China)

The work aims to accurately locate the wrinkle features of the existing corrugated board packaging, and ensure that the wrinkle features of corrugated board packaging containers can be timely and effectively inspected in production. According to image information collection, recognition algorithm, RGB vision, location calibration, convergence result comparison, etc., the machine vision corrugated board packaging inspection system determined the key algorithm points of corrugated board packaging wrinkle feature calibration. The RGB visual improvement algorithm was analyzed based on the traditional frequency-domain transformation. The wrinkle feature recognition rate of corrugated cardboard packaging was effectively improved. The testing points of this kind of packaging were clarified. With the actual corrugated board as an example, the feature extraction method of the wrinkle features of the packaging was demonstrated, and the visual features of the wrinkles were strengthened. Finally, the convergence results were compared. The linear rate of passing the threshold of 90～120 was 25%～80%. The results showed that this vision method can realize the corrugated board packaging calibration of machine vision, and the actual regression base rate of each feature was 86%, verifying the accuracy of RGB vision algorithm for wrinkle feature calibration. Based on the RGB vision and optimization measures, the machine vision calibration method of corrugated board packaging is determined, which meets the effective positioning requirements of corrugated board packaging production.

machine vision; corrugated board packaging; RGB vision; optimization analysis

TB486

A

1001-3563(2022)05-0271-06

10.19554/j.cnki.1001-3563.2022.05.037

2021-05-27

李鵬飛（1982—），男，許昌電氣職業學院講師，主要研究方向為電氣自動化技術。