基于嵌入式的氣霧罐印刷質量檢測系統的設計

吳孫槿　陳濱　孫麗英

摘要：由于氣霧罐表面的印刷技術比較復雜，在生產時避免不了一些印刷質量的問題。因此在氣霧罐自動化產線上如何快速精準地檢測罐體表面印刷質量，及時剔除缺陷品成為亟待解決的問題。近年來，隨著電子科學技術、機器視覺與圖像處理技術的飛速發展[1]，機器代替人工進行印刷品缺陷檢測成為新的趨勢。文章依據某一氣霧罐生產廠商的檢測需求，設計了一種基于嵌入式的氣霧罐印刷質量檢測系統。

關鍵詞：印刷質量；缺陷檢測；圖像處理；嵌入式系統

中圖分類號：TP391? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2023）01-0133-04

1? 研究背景

目前對于氣霧罐產品印刷質量的檢測還多停留在人工目視檢測的水平，人工檢測的方法，不僅勞動強度大，效率十分低，而且極易發生漏檢、誤檢的現象。本論文以某一氣霧罐生產商的自動化生產線升級的需求為研究依據。該企業希望通過引進機器視覺檢測系統來實施對氣霧罐表面印刷質量的檢測，不改變其他的生產部件。

針對企業對檢測系統的需求，本文設計了一種基于嵌入式的氣霧罐印刷質量檢測系統。嵌入式的機器視覺檢測系統極大地簡化了系統的復雜度，因其靈活性好和體積小的特點所以它十分便于安裝，這也符合企業降低安裝復雜度的需求。本系統大大地提高了氣霧罐表面印刷質量檢測的效率，能夠快速地檢測出主體產品表面印刷缺陷，并判斷缺陷類型，剔除缺陷品。

2 系統總體設計方案

2.1 設計需求

本課題源于某一氣霧罐生產商實際生產的需求，經過與企業溝通，本文確定了檢測系統的基本需求如下： 檢測對象：氣霧罐的表面印刷圖案。檢測內容：污點、濺墨、劃痕、套印不準、漏印等。檢測速度：每秒檢測1個氣霧罐，即每個小時檢測3600個氣霧罐產品。最小的檢測精度：0.8mm×0.8mm；檢測結果要求：能在存在缺陷的圖中進行標記，并輸出產品合格與否以及缺陷的大致類型。操作界面：界面簡潔，便于管理與操作。

2.2 檢測系統的設計方案

本文在實驗室搭建了一個類似于實際流水線的工業檢測系統。根據企業需求，結合實際環境，本文設計的整體框圖如圖1所示。該檢測系統總共分為硬件和軟件兩個部分。硬件包括滾筒機械裝置、照明光源及其控制機械裝置、工業相機、光學鏡頭、DE10 SoC開發板、LED顯示屏、鼠標和鍵盤；軟件包括相機采集圖像控制、圖像處理、操作界面設計。

檢測系統平臺搭建后如圖2所示，首先機械裝置將待測氣霧罐套入滾筒之中，氣霧罐隨滾筒勻速轉動，DE10 SoC開發板控制線掃工業相機進行圖像采集。采集的圖像存入開發板并對待測品的采集圖進行圖像處理，待測圖與模板圖經過圖像處理技術后產生檢測結果以及缺陷圖。最終在顯示屏上顯示檢測結果和標記缺陷位置，并控制機械裝置剔除缺陷品，重新套入下一個待測品繼續檢測。模板圖一般由企業提供固定分辨率的模板圖。本系統的模板圖是用合格品經過相機采集并進行模板制作環節得到的。

3 氣霧罐印刷質量缺陷檢測圖像算法的研究

3.1 缺陷檢測圖像算法流程

圖像檢測流程圖如圖3所示，第一步由線陣CCD相機去采集模板印刷品鋁罐的表面印刷圖，繼而制作保存模板圖像；然后開始進行缺陷檢測，線陣相機將獲取實時的待測品圖像并高速傳輸到嵌入式處理系統中，然后在處理系統中進行圖像處理。首先對采集的圖像進行去噪處理，然后將模板圖與待測品圖進行配準處理，最后將配準圖與模板圖進行缺陷檢測并輸出缺陷的坐標位置以及它的缺陷類型。

3.2 圖像去噪算法的研究與實現

系統在采集圖像的時候由于存在外部環境或者人為造成了一些干擾，這會導致采集圖會存在一些噪聲，如果不進行去噪處理則會對后面的圖像處理環節的結果產生比較嚴重的影響。由此可知，圖像的去噪處理是保證系統后面的圖像處理結果準確度的必不可少的環節。目前常見的去噪方法主要有均值濾波法、中值濾波法、高斯濾波[2]。通過對三種濾波方法的研究和分析，發現高斯濾波的通用性與性能都比較好，并且由于它是線性濾波，對于卷積計算過程，可以通過對高斯內核的降維，使算法的時間復雜度減少[3]。同時，高斯濾波不僅能夠除掉噪聲而且還能保護好圖像的邊緣部分。因此，本文選取高斯濾波作為去噪處理的方法。

3.3 圖像配準算法的研究與實現

采集圖像時，由于氣霧罐罐放置位置的不同，即使采用旋轉編碼器去固定每一次的旋轉角度，也會導致各待測圖之間會在垂直方向產生旋轉偏移。為了將圖像配準，需要根據模板標準圖來進行空間坐標校正，保證采集到的實時圖像與模板圖像上每一個像素的灰度和空間位置都是嚴格對應的[4]。

通過研究許多圖像配準的算法，可以知道圖像配準算法[5]中用得最多的就是基于圖像特征的方法。針對具有不同的特征的原圖，一般會選擇那些容易被提取出來并且又能在很大程度上表示待配準圖相似度的特征作為配準的依據。這種圖像配準算法在實際中具有很強的適應性，而且根據該算法的每個步驟的不同實現過程又能產生不同的方案。下面就通過這種方法實現本文的圖像配準過程。

以下幾點就是基于特征的圖像配準方法主要的4個步驟：

1） 特征點提取：按照圖像配準的實用性原則，有選擇地提取模板圖像和待配準圖像中的幾何或者灰度特征；

2） 特征匹配：根據特征點提取過程提取的特征，找出模板圖和帶配準圖中相對應的特征點，確定匹配點對；

3） 估計變換模型：由特征匹配得到的匹配點對獲得模板圖和待配準圖之間的變換模型；

4） 圖像變換：根據由特征匹配得到的圖像變換參數，將此參數代入圖像變換公式，最終將模板圖和待配準圖進行配準。

本文根據實際應用需求，按照一般配準步驟得出了下面的圖像配準流程圖，如圖4所示。

通過上面的研究，本文將采用以上的算法來實現模板圖和帶配準圖的圖像配準過程。首先采用ORB特征檢測和特征匹配算法找出模板圖和待配準圖之間的特征匹配點點對，接著采用RANSAC算法對匹配點對提純，刪去一些錯誤匹配點對，并計算出匹配點對的變換模型。最后利用得到的圖像變換模型進行仿射變換實現圖像配準。如圖5所示是經過了RANSAC算法提純后的ORB特征匹配結果圖。

3.4 缺陷檢測算法的研究與實現

采集圖像和模板圖的精準配準后，要進行采集圖的缺陷檢測流程，最終判定采集圖上是否存在各種缺陷。在圖像處理中檢測缺陷的方法一般有模板匹配法、圖像差分法以及分層檢測法[6]。

本文通過分析氣霧罐表面印刷缺陷質量檢測系統的各種特性，得知檢測系統在運行中步進電機的轉速會發生微小的變化，這將導致采集的圖像垂直方向會發生很小的膨脹或壓縮現象。因此采集圖經過配準后和之前的模板圖在像素點的灰度值并不是嚴格地一一對應，這樣就不能將兩幅圖直接做差分來找缺陷。本文將分區域比較法與圖像差分法進行結合后設計出一種新的算法。該缺陷檢測算法流程圖如圖6所示。這種方法能有效地避免因為局部形變而引起漏檢和誤檢，同時能檢測效率較高、容錯率高，能精準地定位缺陷所在的位置。

具體的實現步驟：本文中的模板圖和配準圖的大小都是1000×700（pixel），首先將模板圖和配準圖等分成40×30（pixel）的各個塊區域，然后分別統計模板圖和配準圖對應空間位置的塊區域的平均像素大小mean1、mean2，若：|mean1 - mean2|>T，則對應塊區域存在缺陷。其中T為灰度閾值，根據實驗以及人眼可識別的最小灰度值，本文取T為20。同時可找出對應塊中心的坐標值，也即缺陷位置坐標。

對于印刷表面的缺陷分析可知，系統檢測的缺陷為以下幾種類型：點缺陷、塊缺陷、線缺陷。為了識別缺陷類型，本文對缺陷塊進行Blob分析[7]。首先將配準圖對應的缺陷塊提取出來，提取配準圖的某一塊缺陷塊區域以及模板圖對應塊區域。然后將缺陷塊與模板圖對應塊區域進行差分處理，得到差分圖像后對其進行Blob分析，這樣就可以判別出缺陷的類型。如圖7所示為得到的二值化的差分圖像。對差分圖像進行像素點統計，統計出灰度值為255的像素點個數num。若num>T1，則認為存在的是塊缺陷，因為塊缺陷的面積一般較大。根據實驗以及人眼視覺，這里取T1為500。若num

本文的缺陷檢測算法在綜合分區域比較法以及圖像差分法的優點基礎上，結合了Blob形態學分析法，不僅檢測效率較高、容錯率高，而且能精準地定位缺陷所在的位置以及缺陷的類型。

4 基于嵌入式的檢測系統的軟件設計

本檢測系統使用嵌入式開發平臺為Altera公司的DE10 SoC開發板，嵌入式開發主要的步驟為：搭建軟件設計環境、移植Linux操作系統、移植各種應用庫、應用軟件設計。

4.1? 軟件開發環境的搭建

本文的印刷質量檢測系統是運行在DE10 SoC ARM的Linux操作系統上的。首先需要在X64的PC或者虛擬機中安裝Linux X64操作系統，這里選擇在虛擬機VMware中安裝Ubuntu Linux操作系統作為軟件設計的開發環境[8]。除了在虛擬機Ubuntu中安裝一些必要的工具軟件（比如有Vim編輯器，Source Insignt3） ，還需要一些用于開發本檢測系統的專門軟件，比如有Qt Creator、OpenCV視覺庫、相機的開發軟件SDK包等。下面列出了搭建開發環境的主要步驟：

1） 安裝虛擬機VMware，然后在虛擬機中安裝Ubuntu 16.04LTS；

2） 在Ubuntu中安裝下載必要的依賴庫以及Vim、busybox等工具軟件；

3） 安裝Linaro ARM 交叉編譯鏈arm-linux-gnueabihf，并配置環境變量；

4） 下載OpenCV3.0的源碼并編譯；

5） 本系統用Qt Creator來設計軟件操作界面，因此我們在Ubuntu中安裝好Qt Creator；

6） 下載Linux版本的Basler 相機Pylon View SDK包，用以控制相機采集圖片；

7） DE10 SoC開發板Linux系統的移植以及相關應用庫（Pylon view，OpenCV，Qt 庫）的移植。

4.2 系統軟件模塊設計

本文印刷缺陷在線檢測系統的軟件設計整體框架如圖8所示，該界面系統一共包括了系統登錄、用戶管理、模板制作、相機參數設定、缺陷檢測這5個交互界面。

為了便于工人管理操作，系統設置了登錄和賬戶管理界面。在開發板上運行軟件后會出現登錄界面，等待產線工人登錄操作。輸入正確的賬號和密碼就可以進入主界面。

模板制作功能界面如圖9所示，在模板制作界面點擊模板制作按鈕后，軟件會控制相機采集單張的樣品圖，并對采集圖進行處理制作模板。點擊保存模板就可以保存該圖片作為模板圖并顯示在右邊的方框里。當不滿意該模板時，可以重新采集。點擊退出按鈕可以退出模板制作。

首先在確保相機與開發板連接的基礎上，點擊主界面的運行按鈕，程序會進入檢測狀態，此時程序會自動判別該程序目錄下是否有模板圖，如果沒有模板，就會彈出提示窗口警告用戶制作模板。如果存在模板圖，程序就會繼續執行。接著點擊采集圖片按鈕，相機就會不停地采集圖片并保存到程序目錄下。然后就可以點擊開始檢測，進行檢測并顯示檢測結果。當檢測工作結束點擊停止按鈕就可以結束檢測過程。

5 檢測系統的測試與結果分析

氣霧罐印刷質量檢測系統的設計完成后，需要對系統的實際運行情況進行測試以確保該系統能夠達到企業的基本需求，能夠進行快速精準的檢測任務。本文的測試針對兩種不同的氣霧罐樣品進行印刷質量檢測，應用500個樣品其中300個合格品， 187個點缺陷、8個塊缺陷、5個線缺陷。經測試，點缺陷識別率為99.5%，線缺陷識別率為100%，塊缺陷識別為100%，檢測結果如表1。本測試最終證明了本系統的高效性、精準性、穩定性基本滿足要求。

6 小結

本文針對氣霧罐生產企業對于氣霧罐表面印刷質量在線檢測的應用需求，開發設計了一套基于嵌入式的氣霧罐印刷質量在線檢測系統。本系統結合了機器視覺技術、圖像處理技術、嵌入式應用，從系統平臺的搭建到圖像處理算法的選擇，最終設計系統軟硬件以實現檢測系統的功能。未來希望可以將本文設計的系統加以完善并應用到企業的印刷品制造流水線上，推進印刷品制造企業生產自動化的發展，為中國制造添磚加瓦。

參考文獻：

[1] 張天.高精度小接觸角測量系統[D].天津：河北工業大學，2018.

[2] 余勝威，丁建明，吳婷.MATLAB圖像濾波去噪分析及其應用[M].北京：北京航空航天大學出版社，2015.

[3] 深圳市唯特視科技有限公司. PCB裸板線路瑕疵檢測方法、裝置、電子設備[P]：CN202010721548.0. 2020-07-22.

[4] 王巖松.圖像配準算法在印刷質量檢測系統中的研究與應用[D].北京：北京交通大學，2002.

[5] 許佳佳，張葉，張赫.基于改進Harris-SIFT算子的快速圖像配準算法[J].電子測量與儀器學報，2015，29（1）：48-54.

[6] 陳祖杰.嵌入式IC卡印刷缺陷檢測系統的設計與實現[D].廣州：華南師范大學，2016.

[7] 石美紅，王文光.基于Blob算法的織物疵點檢測算法的研究[J].現代電子技術，2010，33（24）：29-32.

[8] 王青云，梁瑞宇，馮月芹，等.ARM Cortex-A8嵌入式原理與系統設計[M].北京：機械工業出版社，2014.

【通聯編輯：唐一東】