基于STM32微控制器的纸张缺陷检测系统*

徐 勇，张一圣，王 军,2

(1.信息科学技术学院，南京林业大学，江苏 南京 210037；2.江苏省制浆造纸科学与技术重点实验室，南京林业大学，江苏 南京 210037)

2017-09-03

南京林业大学大学生创新训练计划项目(2016NFUSPITP122)；江苏省制浆造纸科学与技术重点实验室基金项目(201521)

徐 勇(1997- )，男，安徽安庆人，本科生，研究方向为机器视觉与无损检测。

1674- 4578(2017)05- 0040- 03

基于STM32微控制器的纸张缺陷检测系统*

徐 勇1，张一圣1，王 军1,2

(1.信息科学技术学院，南京林业大学，江苏 南京 210037；2.江苏省制浆造纸科学与技术重点实验室，南京林业大学，江苏 南京 210037)

针对传统人工纸张缺陷检测方法既不可靠又耗时的缺点，本文采用一种基于STM32高性能微控制器的纸张缺陷视觉检测系统，能快速准确地识别出纸张缺陷。该系统利用摄像头采集纸张图像，由微控制器对纸张图像进行去噪和直方图均衡化等预处理后，通过边缘检测提取出缺陷图像，对缺陷大小和位置进行准确判断。实验结果表明该系统检测方法简单、判断准确和实时性好。

纸张缺陷检测；视觉检测；STM32；图像处理

在纸张的生产过程中，由于设备的磨损、原材料的质量、以及人为的操作失误等原因，会导致形成一些外观纸病，如：孔洞、黑点、污渍等。传统造纸工厂普遍采用人工检测方法来检测纸张缺陷，效率低，且难以实现监测数据实时管理。同时机器视觉检测技术因其直观准确的特点在各领域得到了广泛应用，所以提出运用机器视觉进行纸张缺陷检测的方法。

这一领域逐渐成为先进国家交叉学科技术的热门，如美国、日本、加拿大、法国、芬兰、挪威等，这些造纸工业发达的国家在该领域进行了深入的研究。图像系统中数据量较大，同时本系统实时性要求较高，传统微控制器很难达到要求，因此采用ARMCortex-M4内核的STM32F407芯片作为核心控制器。

1 系统整体架构

基于机器视觉的纸张缺陷检测系统位于纸张生产流水线的上方，待检测纸张随着传送带按照一定速度运动，进入检测区域时，由摄像头开始采集纸张图像到核心处理器中进行图像处理，对纸张图像进行分析有无可见纸病，可将纸病位置信息发送给PLC等控制器，控制执行机构对缺陷区域进行裁剪。系统整体框图如图1所示。

图1 系统整体框图

2 硬件选择

由于本系统对检测准确性与实时性要求较高，摄像头与处理芯片的选择就至关重要。

本系统采用OV公司生产的0V7725摄像头模组作为图像采集模块，该摄像头模组使用标准SCCB接口，可输出120万像素RGB图像，在低照度下仍有高敏感度，刷新帧率高，动态性能好，因此适用于本系统。

采用ARMCortex-M4内核的STM32F407芯片作为核心控制器。该芯片工作频率可达到200 MHz以上，其外设包括8个UART、6个I2C、4个SPI、2个CAN和硬件数字摄像头接口。同时带有DSP单元，有较强大的浮点计算能力，满足系统要求。

3 图像处理

3.1 图像去噪

图像在产生，记录和传输过程中，经常会受到各种噪声的干扰，其中主要噪声为椒盐噪声和高斯噪声。如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。椒盐噪声大多是由图像传感器传输通道等产生的，会使图像上出现黑白相间的杂点。

中值滤波是一种非线性平滑技术。原理是将每一个像素点的灰度值设置为在这个像素点附近的邻域内所有像素点灰度值的中值。中值滤波是在“最小绝对误差”准则下的最优滤波。中值滤波的数学描述如下：

如果S为像素(x0,y0)的邻域集合，(x,y)表示S中的元素，f(x,y)表示(x,y)点的灰度值，|S|表示集合S中元素的个数，Sort表示排序，则对x0,y0进行平滑可表示为：

(1)

由于中值滤波不是简单的取平均值，所以中值滤波所产生的模糊比较少。以下为中值滤波后的效果图。

图2 中值滤波效果图

从图像中不难看出，中值滤波能很好地去除椒盐噪声以及高斯噪声，并且保证图像的清晰度，对接下来的实验过程影响较小，所以选择中值滤波来去除噪声。

3.2 图像二值化

Otsu阈值分割法，也叫最大类间方差阈值分割法，是日本学者Otsu首次提出来的，故以其名字命名。它设定一个灰度阈值将图像分割为两组，该阈值使组间像素值方差最大，组内方差最小。经过处理结果如图3。

图3 二值化效果图

3.3 图像边缘检测

在研究某一图像时，研究人员往往会对其中的特定区域感兴趣，这样的区域被称作特定区域，图像分割就是把这样的区域提取出来，以便能更好地分析出图像特征。利用边缘检测可实现图像分割，本系统实验了Canny算子的应用效果。

Canny算子边缘检测的基本原理是：采用二维高斯函数的任一方向上的一阶方向导数为噪声滤波器，通过与图像卷积进行滤波，然后对滤波后的图像寻找图像梯度的局部极大值，以确定图像边缘。

从图4可以看出，Canny算子能准确提取出缺陷区域的清晰轮廓，适合于纸张缺陷方面的边缘检测以及特征提取，满足系统要求。

图4 Canny边缘检测算子

4 结语

本文设计的视觉纸张缺陷检测系统包含数字图像采集与分析后的实时处理以及自动化控制等技术，能实现纸张缺陷的在线自动化监测，较好满足了实时性与准确性的要求。可完全取代传统人工检测方法，节约了企业制造成本，提高了生产效率。

[1] 关健华.全幅纸病检测技术及在造纸中的应用.中国造纸,2000，19(6)：32.

[2] 柯海森，周贤伟.基于机器视觉的轴承缺陷检测及分拣.煤矿机械,2016，37(1):148-150.

[3] 熊光洁,马树元,聂学俊.基于机器视觉的高密度电路板缺陷检测系统.计算机测量与控制,2011，19(8):1824-1826.

[4] 刘长红,徐杜,蒋永平,等.基于机器视觉的心脏医学图像处理研究.计算机与应用化学,2010,27(7):997-1000.

[5] 袁小翠，吴禄慎，陈华伟.基于Otsu方法的钢轨图像分割.光学精密工程,2016,24(7)：1773-1783.

PaperDefectDetectionSystemBasedonSTM32Microcontroller

Xu Yong1, Zhang Yisheng1, Wang Jun1,2*

(1.CollegeofInformationScienceandTechnology,NanjingForestryUniversity,NanjingJiangsu210037,China；2.JiangsuProvincialKeyLaboratoryofPulpandPaperScienceandTechnology,NanjingForestryUniversity,NanjingJiangsu210037,China)

The traditional artificial paper defect detection method is not reliable and time consuming, so a paper defect visual inspection system which can identify the paper defects quickly and accurately based on STM32 microprocessor is proposed in this paper. The system uses a camera to collect paper images and uses microprocessor to process subsequent images. After the pretreatments of paper image denoising and histogram equalization, the defect image is recognized by edge detection technology, and then the size and location of the defect are extracted. The experimental results show that the detection method is simple, accurate and real-time.

paper defect detection; visual inspection; STM32; image processing

TP216；TS736

A