基于图像处理的包装缺陷检测方法综述

文/韩明芮 杨玺

1.引言

随着社会和科技的进步，商品的卫生和质量安全成为了人们日益关注的对象，由此引出的产品包装问题也逐渐成为一种大趋势，因此很多企业除了关注商品本身，还要关心商品的包装质量。传统的人工检测方法因存在效率低、成本高、劳动强度大这些缺点，已经远远不能满足现代化的生产、工作需求，而包装缺陷检测技术可提高产品包装的技术水平和自动化程度，保证产品质量，降低成本，降低工人的劳动强度，因此用机器视觉技术代替人力劳动来检测包装的缺陷成为必然。一个完整的包装缺陷检测系统主要分成图像处理算法、系统的硬件及软件等部分，系统的图像处理算法是系统关键，一方面对检测精度与速度有要求，另一方面要根据被检测对象的图像特点确定最优图像识别方案。

本文首先根据材料的不同，梳理出包装缺陷的分类，然后从包装缺陷的检测流程——图像预处理、缺陷特征提取、缺陷定位计算等过程对各类缺陷检测算法进行梳理比较，最后分析得出针对不同的材料所适合的不同的图像处理检测算法。

2.包装缺陷分类

根据包装的材料不同，包装的缺陷也不尽相同。本文通过分析总结，发现具有代表性的包装分类及缺陷主要为以下三种：

（1）泡沫塑料包装。主要用于生鲜水果的包装。因其具有材质轻巧、高回弹、绝热保温、抗震介电、抗压耐侵蚀等优越功能，在修建、航空、化工、农业等领域得到广泛应用。但是多年来薄膜塑料包装的合格率低成为困扰生产的一大难题。主要缺陷有三类：表面锈渍；发泡掉粒、组织疏松；局部收缩[1]。

（2）铝塑泡罩包装。主要用在药品的包装上。因其具有携带方便、独立密封、取药卫生等优点而得到广泛应用。但是存在漏装、破损、漏粉、空囊和夹杂异物等缺陷[2]。

（3）矩形纸质包装。多用于食品包装与烟卷包装上，因其成本低、可降解、防静电、可实现物流包装与产品包装的结合等优点而得到广泛应用，主要缺点表现在不防水、易破损等几方面

[3]。

3.缺陷检测的研究和分析

目前国内外针对上述包装缺陷检测的方法实施了大量的研究，并且仍在不断发展中，但是整体流程大致相同。首先通过阈值分割和噪声滤除等方法，将采集的图像分离、过滤，得到预处理后的图像[4]；其次是对检测图像进行边缘检测，最后是对处理好的图像进行缺陷特征的提取和识别。

3.1 图像预处理

图像预处理的目的就是需要对图片进行增强，也就是去除图像中妨碍计算机识别判断的障碍，如干扰源、噪声等，预处理的好坏直接关系到后期算法的实现是否高效[5]。具体步骤一般为：

（1）分割背景。分割背景是指从众多各具属性的图像信息中提取出要分析处理的目标，使其成为目标前景。分割结果的优劣将直接影响到边缘提取、缺陷识别等后续技术。图像分割算法主要分为以下几大类：基于阈值的分割方法、基于聚类的分割方法、基于区域的分割方法以及基于特定理论的分割方法[6]。其中，基于阈值的分割方法主要有直方图阈值法和最大类间方差法；基于聚类的分割方法主要有K-均值聚类和模糊C均值聚类；基于区域的分割方法主要有区域生长与区域合并和分水岭分割法；基于特定理论的分割方法主要有人工神经网络、遗传算法和基于颜色模型的方法。

目前在包装缺陷检测领域的图像分割中主要用到的算法有Otsu阈值分割算法[7]以及基于此算法的改进算法。

文献[4]利用Otsu阈值分割算法将背景与前景图像分离。它用两个评价函数即最大类间方差和最小类内方差作为基础，得到间类方差最大阈值，就是最优分割阈值，所以是一种轻简、应用广泛的自动阈值计算方法。

文献[8]针对以上介绍的Otsu阈值分割算法进行改进，该改进算法先分别计算目标类与背景类的类内绝对平均差，将其相加即为总体类内绝对差之和，再计算目标类和背景类类间平均离差，然后作差得到最终的阈值识别函数。此方法在分割效果的边缘细节的处理上，得到了具体地改善[8]。

Otsu算法的计算简单，在一定条件下不受图像亮度对比度的影响，因此Otsu阈值分割算法适合用在铝塑泡罩包装的检测当中，有很多学者基于此算法进行改进继续应用在铝塑泡罩包装的检测当中，从而改善包装前景与背景的分割效果和分割效率。

(2)噪声过滤。受图像表面特征的影响，经过分割后的图像结果中有时会存在一些随机出现的区域噪声。在包装的缺陷检测中往往通过形态学开运算的方法，将这些噪声有效过滤，使正确的缺陷轮廓得以保留。膨胀和腐蚀是形态学中的两种基础操作，开运算是经过先腐蚀后膨胀的组合过程来实现的[9]。文献[9]就是用的此方法对分割后的图像进行有效过滤，达到了很好的效果。

3.2 边缘检测

边缘包含了图像大量信息，是图像判别的重要依据。因此，边缘检测算法一直是图像处理工作者研究的热点。总体来说，图像边缘检测算法分为两大类方法：微分算子法和曲面拟合法。微分算子法通过一阶或二阶导数计算来找出图像灰度的突变部位(边缘)，一般通过模板卷积实现，常用算子有Roberts、Sobel、Prewitt、Laplacian、Canny等[10]。曲面拟合算法是用一个平面或曲面去逼近由图像灰度构成的面积元，然后用这个平面或曲面的梯度代替像素点的梯度，从而实现边缘检测，常用方法有一次平面拟合和二次曲面拟合。微分算子法的优点是简单、快速，但抑制噪声的能力差；曲面拟合法能较好地抑制散点噪声，但因为要进行拟合运算而算法较复杂，所以实时性差[11]。

文献[3]以矩形纸质包装为例，用Robert算子进行边缘检测，robert算子实现了目标的精确瞄准，但在判断方面容易受到噪声干扰，从而出现失误。所以是一种优点明显、缺点也明显的方法。文献[12]以矩形纸质包装为例，采用Sobel算子进行边缘检测[12]，Sobel边缘检测算子在以像素点为中心的3×3领域内做灰度加权运算，根据该点是否处于极值状态进行边缘检测。它不但可以产生较好的边缘效果，而且对噪声具有一定的平滑作用，减小了对噪声的敏感度。其卷积模板为：

文献[13]的作者和文献[14]的作者均采用Canny算法[13-14]提取图像边缘，其基本思想为：首先选择一定的高斯滤波器对图像进行平滑滤波，然后采用非极值抑制技术对平滑后的图像进行处理，得到最后的边缘图像。它在进行边缘检测时的关键在于选取适当的高斯滤波器领域大小和适当的阈值。

文献[15]的作者以矩形小包装为例，用快速Hough变换的算法提取边缘，精确地识别的小包装的矩形边缘[15]。

相较于铝塑泡罩包装，矩形纸质包装有尺寸较大，输入的图像有较大噪声的特点，因而对矩形纸质包装的缺陷检测、边缘检测的处理效果对后续缺陷的提取和识别有很大的影响，所以相较于其他材质的包装，纸质包装的缺陷检测中对这一部分的研究最多。通过对比几种经典的边缘检测算法可以看出，Canny算子能够削弱噪声的影响，同时在边缘的检测精度上也有不错的表现，所以最适合应用于矩形纸质包装的缺陷检测。

3.3 缺陷的提取和识别

经过边缘检测后的图像轮廓已经能比较清晰地呈现出来，为缺陷的特征提取及识别提供了条件。根据图像的特征不同，提取的方法可以概括为：颜色特征提取方法、纹理特征提取方法、代数特征提取方法和变换特征提取方法[17]。

文献[9]用图像差方法实现矩形纸质的缺陷提取。该文章通过实验对矩形包装中污点的识别效果好。图像差分是一种图像的代数特征提取方法，即通过计算两幅图像所对应像素点的差来表现出两幅图像的差异。由于该方法原理简单，计算效率高，因而其在图像分割上有非常广泛的应用，尤其是对于在线检测等实时性强的图像处理过程，更是有良好的检测效果。

文献[15]利用基于分类二叉树方式对矩形纸质缺陷进行多类SVM识别。这样对于n个缺陷，就要构建n-1个SVM分类器。该文章确定的矩形纸质缺陷共有6种分别是包装破损、缺盖、封条脱落、露白、反包、包装错位。

文献[17]的作者用HIS颜色系统进行特征提取，然后采用改进的闵可夫斯基距离法进行缺陷检测。实验表明对缺粒、大面积缺陷的检测效果较好。文献[18]的作者则采用快速鲁棒特征SURF提取算法进行缺陷的提取，用SVM分类器相对铝塑泡罩包装的缺陷进行分类[18]，实验证明对于缺粒、漏粉、破损和夹杂异物这四种缺陷有良好的检测效果。

通过分析对比几种经典的缺陷提取和识别的方法可以看出，对于缺陷的分类都选用SVM分类器进行分类，说明对于包装的缺陷检测，重点难点在于前期的图像处理算法的选取。对于铝塑泡罩包装的检测因其缺陷种类复杂，需采用多种特征提取相结合的方法对缺陷特征进行提取。

4.结语

通过分析对比现有的包装缺陷检测算法，本文发现对矩形纸质包装和铝塑泡罩包装的缺陷检测研究居多，对桶装、塑胶材料包装、泡沫塑料包装等等的关注度并不高。

针对不同材质的包装特点，缺陷检测的流程也不尽相同。对于矩形纸质包装的检测，因其纸箱体积较大，表面噪声较大等特点，针对边缘检测环节的研究尤为重要。而对于铝塑泡罩包装，因其缺陷种类较多，纹理复杂等特点，针对缺陷提取和识别的环节尤为重要。由于包装工艺和流程的情况比较复杂，研究人员所用的算法较为固定，灵活性较差，在具体使用过程中容易出现检测不全面的问题。

虽然国内在低精度、小系统的检测方面的成果已然比较多比较丰富，但是在高速、大面积、高精度、高效率领域的检测由于长期依赖进口，并且开发时间较国外要晚，所以仍处于摸索成长阶段。从上述分析可以看出，今后包装缺陷的识别方向是：识别包装的类型更丰富，运用范围更广，识别速度更快，准确率更高。基于以上的方法总结，可以看到包装的缺陷检测将在产品包装领域表现出越来越惊人的能力，同时这也将会提升行业竞争力的又一新指标，关于包装检测的研究还有很大的发展空间。

项目：北京市智能物流系统协同中心、智能物流系统北京市重点实验室（BZ0211）和2018人才培养质量建设—专业建设—北京高校专业群建设（市级）（PXM2018_014214_000005_0032526 6/67/68/69_FCG）资助。