基于機器視覺的包裝品質檢測系統設計

馬志剛，趙志強

（深圳職業技術學院，廣東 深圳 518055）

產品包裝具有承載商品信息、彰顯企業形象和文化等功能，隨著人們消費需求不斷提高，產品包裝就顯得越來越重要[1-2]。隨著經濟快速發展，各品牌之間的競爭愈發激烈，如何讓自家產品在眾多競爭對手中脫穎而出，已成為每個廠家無法回避的問題。許多企業和科研人員在確保產品質量的前提下，將包裝品質看作提升產品品質的關鍵因素，因此一些智能化包裝技術成為企業首選。受各種因素影響，產品包裝過程難免出現缺陷[3-5]，目前，許多企業還是以人工檢測為主，不僅速度慢、效率低，而且容易出現漏檢、誤檢等問題，很難滿足工業自動化的要求。為解決此問題，可考慮將機器視覺引入到包裝檢測中。機器視覺是一項綜合技術，包括圖像處理、機械工程技術、控制、電光源照明、光學成像、傳感器、模擬與數字視頻技術、計算機軟硬件技術（圖像增強和分析算法、圖像卡、I/O 卡等）。一個典型的機器視覺應用系統包括圖像捕捉、光源系統、圖像數字化模塊、數字圖像處理模塊、智能判斷決策模塊和機械控制執行模塊[6-7]。楊祖彬等[8]針對傳統檢測方法檢測時間長、分揀效率低、漏檢率高和對人視覺要求高等缺點，在圖像增強處理的基礎上，提出了一種適用于食品包裝印刷缺陷檢測的圖像配準算法；劉學福等[9]針對工業炸藥生產過程中藥卷表面裂痕等包裝缺陷問題，運用機器視覺技術，提出了一種基于顯著性模型和局部方差區域生長法的藥卷缺陷檢測方法。方文星等[10]采用快速魯棒特征SURF 提取算法、BOW 算法和單分類支持向量機組成的缺陷檢測算法框架，完成了鋁塑泡罩藥品包裝缺陷檢測系統的開發。

文中在現有研究的基礎上，以條煙包裝外觀缺陷檢測為研究對象，提出一種結合中值濾波、邊緣檢測和模板匹配的圖像處理辦法，并將其應用于條煙包裝檢測，通過實驗驗證所述方法的有效性。

1 機器視覺系統

一般情況下，機器視覺系統包括硬件和軟件兩部分，其中圖像獲取、處理和分析是機器視覺的核心與關鍵。機器視覺系統的硬件部分主要包括載物平臺、工業相機或掃描儀、光室、計算機等幾個主要構件，其結構見圖1。

圖1 機器視覺系統結構Fig.1 Structure of machine vision system

如圖1 所示，載物平臺可以放置待檢測產品，某些場合可以加裝翻轉裝置，以便比較全面地獲取待檢測產品原始圖像。光室是一個密閉空間，可以避免外界光線的干擾，以確保圖像采集過程的穩定性；光室內燈管多為LED 燈或者日光燈，固定在光室頂部，光室內光照強度可以按需調節。計算機則需要滿足整個系統對運算速度的要求，特別是圖像處理算法；另外，計算機接口要豐富，便于連接不同設備或擴展。工業相機直接決定待檢測產品的原始圖像質量，對后期圖像處理流程的影響比較大，因此工業相機是整個硬件系統的核心部件；可根據實際需求選擇稍高配置的工業相機；工業相機參數需要根據實際工況反復調整，以確保所獲圖像的準確性和真實性。

根據實際工藝需求，系統配有3 個工業相機，其中工業相機1 位于頂端，用于獲取條煙4 個長條面圖像；工業相機2 和3 分置光室左右兩端，用于獲取條煙兩端圖像。翻轉裝置可使條煙依次翻轉，得到所有長條面圖像。條煙包裝缺陷檢測流程為：圖像采集卡會將采集到的所有圖像傳送至計算機；計算機通過圖像處理得到相應結果并傳送至工控機；工控機根據控制指令操縱執行機構，將存在缺陷的產品剔除；傳送裝置依次將條煙送入光室。

2 圖像處理算法

2.1 圖像預處理

在條煙包裝過程中存在多種噪聲源，如機械振動、灰塵、疵點等，所以條煙原始圖像肯定包含一定量的噪聲。噪聲強度達到某個值后就會影響后面圖像處理工序，因此需要對條煙原始圖像進行預處理，即去除圖像噪聲，以改善圖像質量[11]。綜合考慮，基于中值濾波設計了一種圖像預處理方法，具體過程如下。

式中：f（x，y）為原始圖像；g（x，y）為中值處理圖像；W為一個二維模板，一般取3×3 或5×5的二維區域。經實際處理發現，條煙圖像噪聲多表現為椒鹽噪聲，為兼顧圖像處理的實時性，文中選擇3×3二維區域，這樣既可以濾除噪聲又可以不降低算法處理速度。

2.2 圖像銳化

條煙圖像經中值濾波處理后，其輪廓很有可能會變得模糊。為降低邊緣模糊化的影響，采用銳化處理技術，提高圖像邊緣、內部輪廓等細節的清晰度。參考相關算法，考慮基于Canny 算子實現圖像邊緣銳化，具體過程可描述如下。

為進一步濾除圖像噪聲，使圖像特征更加明顯，可采用一種高斯濾波器H（x，y），其表達式為：

式中：σ為高斯濾波器的標準差。利用式（3）的一階微分去求解條煙圖像的梯度，包括幅值、方向。高斯濾波器的一階微分算子可表示為：

為確保邊緣定位精度，可選用非極大值抑制實現梯度幅值圖像的進一步處理。所屬Canny 算子會從上下左右4 個方向對梯度幅值圖像進行非極大抑制。如果某像素點的幅值大于梯度方向上相鄰兩個像素點的幅值，則可將該點看作邊緣點；否則，該點就是非邊緣點[12-15]。

2.3 圖像匹配

通常情況下，外包裝合格的條煙表面光滑無褶皺、緊湊整體度非常好；一旦出現缺陷，如破損、褶皺、折角不標準，通過圖像對比是比較容易發現的，文中采用圖像匹配算法來判斷當前包裝是否存在缺陷，即利用實時圖像與標準圖像進行對比、匹配。

定義經銳化處理后的圖像為I（x，y），而模板圖像則可以定義為T（x，y），對比銳化圖像和模板圖像并計算二者之間的相似度。假設2 幅圖像相同位置點為（i，j），那么在該點處2 幅圖像的相似度可表示為：

式中：uI為銳化圖像均值；uT為模板圖像均值。理論上，該方法能準確地描述2 幅圖的相似程度，如果引入快速傅里葉變換就可以大大提高圖像匹配效率[16-17]。條煙圖像處理結果見圖2。從圖2 可以看出，如果條煙包裝不存在缺陷，所述圖像處理算法定位準確；另外，通過匹配結果可以判斷條煙包裝是否存在缺陷。

圖2 條煙圖像處理結果Fig.2 Processing results of smoke image

3 實驗研究

為驗證所述包裝品質檢測系統的有效性，文中進行了相關實驗研究。以某煙廠實際生產線為平臺，搭建上述機器視覺系統，見圖3。

圖3 包裝品質檢測實驗平臺Fig.3 Testing platform for packaging quality

一般情況下，條煙缺陷可分為包裝紙破損、反包，透明紙破損、褶皺、缺失等。測試過程中，每組測試檢測條煙總數為1 000，其中含100 個不合格產品，不合格產品囊括各種類型缺陷，條煙實際圖像大小為640×480 像素。設備運行穩定后，將待檢測產品隨機放入煙草生產線，實驗結果見表1。

表1 實驗結果Tab.1 Experimental results

從實驗結果可以看出，所述系統的漏檢率僅為0.6%，誤檢率僅為0.8%，整體識別率可以達到98.6%。實驗結果表明：所述機器視覺系統具有識別精度高、性能穩定等特點；所述圖像處理算法可準確區分條煙是否存在缺陷，具有實際應用價值。

進一步地，每個廠家生產的條煙包裝外觀不盡相同，所以包裝檢測系統的檢測對象也就不同。為驗證算法有效性，文中針對不同品牌、不同包裝外觀的條煙進行檢測并統計單位耗時。不同條煙缺陷檢測結果見表2。

表2 不同條煙缺陷檢測結果Tab.2 Detection results of different smoke defects

由表2 可知，對不同品牌條煙的識別率均在98%以上，單個條煙檢測耗時都沒有超過1 s，符合生產廠家要求。即使條煙包裝不同，所述系統的識別率也比較高而且檢測速度比較快，即圖像處理算法具有精度高、響應快等特點。

4 結語

以包裝缺陷檢測為研究對象，針對條煙外包裝品質問題，基于機器視覺設計了一種缺陷檢測方法和系統。重點論述了機器視覺系統以及圖像處理算法，通過實驗驗證了所述方法的可行性和有效性。實驗結果表明，所述檢測系統可區分條煙外包裝是否存在缺陷，具有精度高、響應快等特點。