基于视觉的胶水偏位检测

张芳健，陈新度，王 晗，李 逸，李 响

（广东工业大学，广东 广州510006）

0 引言

热转印胶片是纺织物印染的中间产物[1-2]，包括有图案层（油墨层）、胶水层和背景层三大部分。在该胶片实际生产中，可能出现胶水层不能完全覆盖油墨层，最终可能导致转印后的油墨图案脱落，如图1所示胶片图案层上方明显有一层过宽的胶水层。目前胶水偏位是影响热转印胶片质量的一种不太常见因素之一，所以对其的技术研究不多。而目前的检测以人工检测为主，但检测效率相对较低。

图1 偏位示意图

实际生产中，热转印胶片的胶水层仅需包围图案层，胶水外边缘通常不规则，轮廓外侧有较多细节差异。无胶水偏位时，胶水层的各个方向的宽度会大致相同，当出现胶水偏位的情况时，胶水层在某个方向的宽度明显大于其余方向的厚度，超出正常胶片的各个方向的标准厚度。

近年来，基于机器视觉的产品表面质量检测发展迅速，并且已经出现了一些检测热点[3]，例如利用阈值分割[4]、深度学习[5]等方法进行的检测，但在对于本项目的胶水阴影检测都效果不明显。因此本文提出一种四方向胶水层分离的方法，并计算四个方向的平均宽度，以最大值代表胶片胶水宽度。对比设定的阈值，得到检测结果。

1 胶水层检测区域提取

1.1 胶片区域提取

原始图像中的胶片可能以不同角度、不同位置处于原始图像中，因此首先需要进行胶片的提取。采用Sobel算法提取图像中的边缘信息，全局阈值分割得到边缘二值图。提取轮廓，并只保留图像中的最大轮廓，利用最小外接矩形获取算法得到最大轮廓的矩形表示，并通过空间关系[6-7]获取胶片图。

1.2 胶水层图像提取

胶片图像可分为图案层、胶水层及部分的背景层，因此需要对胶片图像进行分割。图像分割的常用算法有OSTU法，该方法在图像自动分割中有着较为广泛应用，但针对多对象的情况时，该算法无法得到较好的分割效果[8]。而K-means图像聚类算法在多对象的分类中有较好的效果，但基于K-means的图像分割，存在处理时间过长的问题。因此本文采用改进的K-means应用方法进行图像分割。传统的应用方法是使用K-means算法是直接对原始待处理图像进行处理，得到每个像素点属于某一个数据簇的对应关系，再进行数据遍历，生成新的若干张各自只包含单一簇的二值图。本文的K-means应用是对原始图像进行预先的resize处理，由于其结果图像各个原来的数据簇相互数量比例基本不会改变，而像素总量会大量减少，可使得K-means加速而不影响效果。K-means算法处理过后不进行遍历操作，而是以簇中心之间的中点为阈值，对原始图像进行二值化处理，得到若干张各自只包含单一簇的二值图。由于热转印胶片图像的灰度分布较为明显，簇分布的距离及间隔足够大，因此以中点做阈值代替遍历的方法不会造成负面影响，同时也避免了遍历耗时。

如图2所示为原始图像是resize取1/8，应用本文的处理方法得到的胶水层二值图，图像高亮部分代表各种的区域。分割图像较为清晰合理，且分割耗时减少了约350 ms。

图2 胶水层二值图

2 胶水宽度计算

2.1 胶水方向分离

当热转印胶片发生胶水偏位问题，胶水层会整体偏向于某个方向，导致该方向的胶水宽度大于其他方向，超出正常胶片的胶水宽度。本文对胶片的上下左右四方向的胶水平均宽度进行计算，以最大值代表该胶片宽度。

胶水层的某个方向的计算分为方向分离与平均宽度计算两个步骤。胶水上方向分离如下：

（1）从胶水层二值图第一列的最上方像素往下扫描，若扫描不到非零像素点则跳到第3步，若扫描到了非零像素点则跳到下一步；

（2）标记当前非零像素点，并继续往下扫描，若扫描到非零像素点则标记，否则结束本行扫描；

（3）往右一列继续进行步骤1和步骤2的扫描，直到最后一行扫描完毕；

（4）创建一张大小如胶水层二值图的新图像，并以标志点位置像素值为255，非标志点为0。

根据上述步骤，对存在偏位的胶水层二值图进行处理的效果图，图3表示胶水层的上方向部分。胶水层的另外三个方向也如上述步骤原理进行操作，可达到各自方向部分的二值图。

图3 胶水层上方二值图

2.2 胶水层各平均宽度计算

遍历胶水层上方二值图，得到非零像素点总量Sum；再遍历图像每一列，若该列存在非零像素点则累加1，得到胶水总列数N；Sum与N比值及为胶水层上方向平均宽度H。

依据上述步骤的同样原理，对胶水层另外三个方向的图像进行处理，得到各自方向的胶水层平均宽度值。取最大值为该胶片的最终宽度。

比较计算得到的胶水宽度与设定的阈值，若宽度大于阈值，则当前胶片存在胶水偏位，否则判断为不存在胶水偏位。

3 算法流程总结

通过前几节对算法各步骤算法介绍，现将整个检测算法流程总结如下，图4为算法流程图。

图4 检测算法流程图

胶水宽度合格阈值，通过该阈值判断胶片是否存在胶水偏位缺陷。

获取图像中的胶片，通过Sobel算法、最小外接矩形查找、空间转换等操作得到只包含热转印胶片区域的图像。

图像聚类获取图片胶水层，对图像采用改进的K-means算法获取二值图。

计算胶水层宽度，通过本文特定的扫描方式，计算胶水层4个方向的胶水宽度，以最大宽度代表该胶片的胶水宽度。

胶水宽度若大于设定的胶水宽度阈值，则判定为存在胶水偏位缺陷，否则不存在胶水偏位缺陷。

4 实验结果与分析

本文对有较强代表性的3张胶片进行胶水偏位检测，观察是否符合实际情况，以验证算法有效性。实验胶片状态分别为：正常、少量偏位、偏位，如图5所示。检测系统的胶片宽度阈值设置为3.600，计算得到的各宽度记录如表1所示，三张胶片胶水宽度分别为2.301、3.849、4.439，单位均为个像素，其中系统判断后两张胶片存在胶水偏位。

图5 待测胶片胶水层二值图

表1 胶片检测结果记录

同时，对500张热转印胶片样品进行准确率检测。统计结果为漏检率0.2%，误检率1.4%。其检测时间均约为420 ms以内。综上，本文介绍的系统具备有效性，可在实际生产中解决胶水偏位检测问题，且检测效果可靠，耗时较短。

5 结束语

针对热转印胶片胶水偏位检测，本文设计了检测算法，利用边缘检测算法、外接矩形查找和位置等胶片区域图像；改进K-means算法应用得到胶水层二值图；通过本文特定的扫描方法分离出四个方向的胶水层部分，并计算得到最终胶水宽度，并以此判断是否存在胶水偏位。本算法的检测效果可靠，检测速度快，适合在线检测应用。