烟条外观质量视觉检测系统的应用研究

秦晓敏

(江西中烟工业有限责任公司南昌卷烟厂，江西 南昌 330096)



烟条外观质量视觉检测系统的应用研究

秦晓敏

(江西中烟工业有限责任公司南昌卷烟厂，江西 南昌 330096)

摘要：研究了针对烟条图像的图像处理、图像特征提取和图像识别的算法，设计了软件系统，完成了软件编程，并在生产现场进行了系统的安装、调试和实验。通过一系列的现场实验和测试，结果表明本系统可以对烟条外观品质进行有效的检测，并具有检测速度快、总体检测效果好、稳定性高的特点。

关键词：机器视觉； 条烟外观； 检测系统； 图像识别

0引言

近年来，随着烟草设备的不断升级换代和技术改造，设备的自动化水平得到了极大的提高，但对产品外观品质的把关依然采用落后的人工抽查的取样方法，这在卷烟机速度达到8000支/min以上，包装机速度达到400包/min以上的今天，完全不能满足现代烟草在线品质检测的需求。

随着视觉理论和光机电算技术的发展，可以采用机器视觉的方法来检测烟条的外观品质[1]。

1条烟外观品质在线视觉检测系统设计

1.1　课题的提出

为了满足企业的实际要求，提升烟条外观品质的在线实时检测和控制水平，降低烟条外观品质缺陷投诉率，开发了一种烟条外观品质的在线检测和剔除系统。系统以工业智能相机为中心，通过多台CCD智能相机在线获取图像，并用图像分割、匹配等算法进行处理，上位机采用Visual C++6.0编程，对于检测的烟条在线进行处理，对于缺陷烟条报警并进行剔除，是一套典型的机器视觉检测系统。

1.2　系统总体结构设计

系统是一个基于智能相机的机器视觉检测系统，如图1所示。

图1　烟条外观品质视觉检测系统工作流程示意图

由图1可见，系统由分烟机构、机器视觉系统和剔除机构几部分组成。分烟机构的作用是将相邻的烟条分开，便于检测和剔出。机器视觉系统包括图像采集单元、图像处理和图像识别单元、图像分析单元。图像采集采用6个摄像头对烟条的正面、两个端面和相关侧面的图像进行采集、处理和分析、识别，然后把处理结果送至上位机，以提升采集图像的品质水平，进而保障系统的检测识别率和误检测率。剔除机构则负责在高速运行状态下将不良烟条准确剔除。

1.3　计算机视觉系统

计算机视觉系统是本文研究的主要内容。该系统设计主要包括了如下部件：1台工控机，1套PLC电控系统，4套LED光源，6台德国VC公司的基于网络传输的智能相机，1台路由交换机，并采用Visual C++自行开发了上位机软件。系统原理如图2所示。

图2　烟条外观品质视觉检测计算机视觉系统示意图

1.3.1光源与照明方式

光源与照明方式，在机器视觉检测系统中是关键环节。所用光源发光的波长范围、亮度、均匀性等因素可直接影响图像采集的品质，进而影响到整个检测系统的成像效果和检测精度。

经过综合对比，选用低角度照明方式和LED条形光源(红光波长为625 nm，带宽为20 nm)作为计算机视觉系统的照明光源，它与传统照明光源相比具有许多明显优势：波长范围较短，光照均匀；使用寿命长，运行成本低；可供选择的光源颜色多，可用的形状多种多样；响应速度快，抗震能力强，安装简单等等优点。

1.3.2智能相机

为实现烟条外观品质的在线检测，选用嵌入式机器视觉的检测方式，由智能相机内自带的图像处理软件对拍取到的图像进行实时处理，并把处理结果和图像通过以太网传输至上位机。选用德国Vision Components公司的VC智能摄像机，该相机体积小，功耗小，占用空间小，处理速度快，连接方便。

2图像处理和检测算法

图像处理的结果决定了系统的检测精度并且决定了检测系统的执行效率。下面先介绍图像处理中用到的几种基本算法，然后详细地阐述条包拉线的主要检测方法。

2.1　图像的区域分割技术

阈值分割是图像分割中应用最为广泛的一种，可通过选取恰当的阈值实现对图像进行分割的目的。其优点是速度快、计算简单、运算效率较高。阈值处理技术包括自适应阈值、全局阈值、最佳阈值等多种方法。全局阈值是在全部检测范围内使用同一个阈值T来进行判别和分割处理，自适应阈值处理技术可以根据一定的邻域范围动态地选择相应点的阈值。

本系统采用的是自适应阈值分割方法。当背景灰度变化较大、有突发噪声或者照明不均匀时，将无法采用单一门限阈值T(不能兼顾各个像素的实际情况)来分割整幅图像。因此，可以对图像按照坐标来分块，并选取一特征阈值进行分割。这种算法的缺点是计算量比较大，但因为其高效的抗噪能力，对采用全局阈值不易分割的图像有着良好的效果[6]。

2.2特征选择和提取

图像特征的提取，是决定图像分析和识别的精度和效果的关键。只有提取能够全面反应图像各部分本质的特征，分类器才能易于设计且分得准确。在特征提取和选择过程中，首先提取被检测对象的特征参数，并把特征参数量化为特征向量。常凭经验列出相应的特征集，然后计算不同的特征的相对效率，并选出若干提取效果最好的特征。提取效果好的特征参数具有以下特点：可靠性高，可区分性明显，独立性强，数量少。常见的目标特征有颜色、形状、纹理、几何灰度等[7]。表1给出了提取的烟条外观的灰度最大值、最小值、均值、方差4个灰度特征和7个不变矩等特征参数。

表1　烟条图像特征参数表

2.3　烟条缺陷检测算法

在实际生产过程中，烟条包装的缺陷有无拉线、拉线错牙、包装盒印刷错误、正面和端面起皱长角、破损、无透明纸、端面长角等。绝大部分的不合格是由正面拉线、端面折线以及褶皱引起的。下面以较为关键的拉线检测为例，介绍烟条缺陷的检测处理方法。

烟条在拉线处主要的外观缺陷是有拉线跑偏和拉线缺失，其中拉线缺失属于明显的缺陷相对容易检测得到，而拉线跑偏较难检测，要通过准确测量拉线错位距离才能正确检测出次品烟条。

为了准确测量拉线错位的距离，通常采用提取拉线边缘和形态学处理、拉线垂直和水平投影、微分处理等检测算法。拉线的边缘是指在图像灰度值变化比较剧烈的边界，获得拉线的边缘后，采用自适应阈值进行图像分割，获得二值化图像，然后利用模板匹配；定位到拉线区域后，利用形态学的垂直和水平投影，可以算出各投影线的强度，尽可能减少各种噪声干扰；微分处理可用于消除绝对强度值变化而造成的影响，实现了较好的高精度边缘测量。图3为拉线错位检测及测量算法示意图。图4为算法流程图。

图3　拉线错位检测及测量算法示意图

图4　算法流程图

3系统软件的设计与实现

3.1　上位机软件设计

条烟外观品质检测系统软件由不同的组件组成，组件又由不同的功能模块组成，每个功能模块又由不同的单元组成。该系统软件，采用结构化设计，由五个相互独立的组件模块组成。图5所示的是各组件模块的功能。

图5　烟条外观质量视觉检测软件系统结构图

1) 品牌管理模块，主要是用于整个系统品牌的管理，包括对系统品牌的增加和删除功能。

2) 通信及参数配置模块，主要是对上位机与智能相机进行通信的管理以及对智能相机进行参数配置的功能。

3) 班次管理模块，主要是对每个班次的信息进行设定和管理功能。

4) 参数及处理结果监视模块，主要是对智能相机处理的识别结果以及一些关键参数的监视功能。

5) 报警及剔除管理模块，主要是对智能相机识别后的结果后进行报警或剔除的管理功能。

图6为烟条外观品质检测系统的实时成像图像处理系统主界面。

图6　实时成像图像处理系统主界面

4应用效果分析

图7为设计开发的烟条外观品质视觉检测系统的现场效果图片。

图7　烟条外观品质视觉检测系统现场图

经过统计，在实际使用过程中，该系统平均每天剔除烟条约为产量的4‰，其中不合格烟条约占2‰，误剔烟条约占2‰。品质投诉率降低到原有的15%左右。

5结论

烟条外观品质视觉检测系统在现场已经稳定运行3年多时间，极大的提升了产品包装品质，节约了企业的人力成本开支。本文虽然对机器视觉软件设计方面进行了一定的研究，但随着计算机视觉技术进一步发展，具有更高性能、更高准确率的机器视觉控制系统将会问世，而且由于图像处理技术用于工业生产有着极为广泛的应用前景，要使其能够真正的产品化还有很多的工作要做。

参考文献:

[1] 贾云德. 机器视觉[M]. 北京：科学出版社, 2000.

[2] 郑世才. 国内外射线照相检验的新技术新方法：数字射线照相技术时代[J]. 无损探伤, 1994, (01):1-4.

[3] 曾祥照. 计算机在X射线数字化实时成像无损检测中的应用 [J]. 检验与修复，2000 (2): 77-81.

[4] Milan Sonka, Vaclav Hlavac. 图像处理、分析与机器视觉(第二版)[M]. 艾海舟, 武勃译.北京：人民邮电出版社，2003, 9.

[5] 马颂德, 张正友. 计算机视觉-计算理论与算法基础[M]. 北京：科学出版社, 1996，230-240.

[6] 麦特尔. 现代数字图像处理[M]. 孙洪译. 北京：电子工业出版社, 2006, 212-216.

[7] 杨述斌. 数学形态学在图像处理中的应用研究[D]. 武汉：华中科技大学, 2002.

[8] 刘岚，等. 用于神经网络模式识别的一种改进的BP算法[J]. 信息技术，2002,(06).

[9] 张珺，等. 基于BP神经网络的头部形状识别方法研究[J]. 微计算机信息, 2007, 28: 244-246.

[10] 王成明，等. 模糊神经网络法及其在缺陷模式识别中的应用[J]. 计算机集成制造系统, 2007,13(9): 1774-1779.

Research on Detection System of Vision of Cigarette Carton Case and Its Application

QIN Xiao-min

(Nanchang Cigarette Factories of Jiangxi Chinese Cigarette Industrial Co., LTD, Nanchang 330096)

Abstract:This thesis studies cigarette carton cases’ image processing, image feature extraction and image recognition algorithm, designs software system and program and completes the system installation, debugging and the experiment in the work site at last. Through a series of site experiments and tests, the results show that this system can be used to effectively detect the cigarette carton cases quality and its has the advantages of fast inspection speed, good overall detection effect and high stability.

Keywords:machine vision; cigarette carton; detection system; image recognition

中图分类号：TP391.41

文献标志码：B

文章编号：1671-5276(2015)02-0220-03

作者简介：秦晓敏(1967-)，男，江西南昌人，工程师，硕士，主要从事设备管理和技术研究工作。

收稿日期：2014-04-07