卷烟爆珠拖尾缺陷检测方法

王 澍 ，徐龙泉，董 浩，彭黔荣*，周明珠，张 龙，罗光杰，吴晓松，李志刚，刘 勇

1.中国科学院合肥物质科学研究院，合肥市蜀山湖路350号 230031

2.中国科学技术大学，合肥市金寨路96号 230026

3.贵州中烟工业有限责任公司技术中心，贵阳市经济技术开发区开发大道96号 550000

4.国家烟草质量监督检验中心，郑州高新技术产业开发区翠竹街6号 450001

卷烟爆珠生产过程中，受到材料、工艺及设备等因素的影响［1-2］，在爆珠滴制成型时需要其外壳自然收口成球，但当生产中的流速、介质密度等参数发生变化时，会导致爆珠外壳收口状态不稳定，出现外表面小区域隆起的情况，称为爆珠拖尾缺陷。由于不同卷烟爆珠制造工艺及壁材配方不同，拖尾高度对机械性能的影响也存在差异。因此，生产中需综合考虑爆珠制造工艺、壁材配方及卷棒设备结构等因素，根据具体情况确定剔除拖尾爆珠的高度阈值。对于常用的直径2.8 mm和3.5 mm两种规格爆珠，需要将拖尾高度大于0.2 mm的爆珠进行剔除，这是因为拖尾高度较大的爆珠会对滤棒的上机适应性产生影响，导致爆珠在卷入滤棒过程中出现破裂，甚至堵塞卷棒设备。而高度小于0.2 mm的拖尾也会对爆珠质量产生影响，造成拖尾爆珠的压碎强度（指压破爆珠所需施加的力）偏低，因此在生产控制环节需要通过计算批次爆珠的拖尾率，对相关设备参数进行调整。目前国内外常规的卷烟爆珠外观检测设备多用于检测气泡、颜色等缺陷［3-5］，对于卷烟爆珠拖尾缺陷检测则鲜见报道。在实际生产中拖尾高度小于0.2 mm的爆珠居多，而爆珠为非刚性球体，圆度值各异，这样微小的轮廓变异就要求检测算法具有极高的灵敏度，常规的圆度检测算法无法满足实际需求［6-7］，传统人工灯检方法也存在主观性大、判定指标无法量化等问题。为此，基于视觉检测原理设计了一种卷烟爆珠拖尾缺陷检测系统，根据图像分析结果对爆珠外观质量进行判定，并计算异常爆珠的拖尾高度值，以期为爆珠外观质量管控提供一种可量化指标的技术手段，提高爆珠生产效率。

1 系统组成

1.1 系统设计

卷烟爆珠拖尾缺陷检测系统主要由上料机构、输送机构、爆珠自旋转机构、相机、图像分析软件及控制系统组成，见图1。上料机构将爆珠逐个分离送至输送机构，输送机构再将爆珠送至爆珠自旋转机构，通过自旋转机构使爆珠高速自转，由上方的相机对旋转中的爆珠进行定时高速拍照。

图1 卷烟爆珠拖尾缺陷检测系统结构图Fig.1 Structure of detection system for tailed capsules

1.2 检测流程

由图2可见，系统在0.2 s内连续采集10张不同角度的爆珠图像并传输给图像处理软件，软件采用轮廓圆投影算法对单帧轮廓的圆度和平滑度进行分析。综合10张图像的分析结果，系统对当前爆珠是否具有拖尾进行判定，并计算出拖尾高度值。此外，系统还对爆珠缺陷类型进行编码，并将判定结果传输给控制电路，当爆珠被输送至剔除工位时，系统执行剔除/放行动作。

图2 卷烟爆珠外观缺陷检测流程图Fig.2 Flowchart of detection process for appearance of cigarette capsules

2 检测方法

2.1 球体多角度图像采集

研究表明，对球体外观检测可采取多角度旋转拍摄的方法［8-9］。为实现爆珠拖尾的全视角检测，采用高速相机结合旋转拍照机构对单颗爆珠进行多角度间隔成像，单颗爆珠总拍照时间为0.5 s，拍照数量为10张。

2.2 基于Mean-shift的爆珠图像分割

由于爆珠壁厚不均匀及球体的光学效应，图像中的爆珠区域颜色不均匀。为保证轮廓提取的稳定性和鲁棒性，采用了基于Mean-shift均值漂移理论的图像分割方法［10-11］。该方法首先在图像中选取种子像素点，以种子像素点为基元对周围像素值相近的像素点进行逐步吞噬合并，从而实现图像的动态阈值分割，其分割效果好于传统的阈值分割法［12-13］。Mean-shift算法的数学模型为［14］：

式中：xc表示待计算待处理像素点x的颜色参数分别为采样像素点的颜色和距离参数；权函数K1（x）代表颜色差异度，颜色与点x越接近，其值越大；权函数K（2x）≥0代表空间位置差异度，待处理像素点的空间位置与点x越近，其值越大；h表示计算区域的范围。

2.3 基于开闭运算的爆珠轮廓提取

为实现爆珠轮廓的提取并形成闭环，使用了开闭运算的方法对爆珠外轮廓进行提取［15-16］。该方法使用3×3结构元素Struct_D对二值图像进行腐蚀处理，其定义为：

式中：A为二值图像的爆珠区域；Θ为腐蚀运算符号。

将腐蚀后的爆珠图像矩阵与原始二值图像矩阵相减，即可得到爆珠外轮廓边缘，其数学模型为：

式中：Edge（f（x，y））为爆珠外轮廓像素点。

图3为一颗带有拖尾的爆珠在本系统上所拍摄的10张图像及其对应的外轮廓线，可以在图3a、e、h、j中观察到轮廓边缘上的小拖尾。

图3 单颗爆珠多角度图像及提取的外轮廓Fig.3 Vector images and contours of a capsule at different angles

2.4 基于圆投影的爆珠轮廓检测

卷烟爆珠轮廓上较小的拖尾高度在0.05～0.10 mm之间且爆珠圆度值各异，因此需要一种能够在不同圆度值的爆珠轮廓上检测出微小突变的数学算法［17-18］。圆投影变换的基本原理是通过极坐标变换将图像从原来的二维坐标系转换到极坐标系［19-20］。为此，利用圆的各向同性和投影特征将外轮廓的各个方向表达在投影图的横坐标上，从而对极坐标变换后的爆珠外轮廓曲线进行数值分析。极坐标转换公式为［21］：

式中：（x0，y0）是原坐标系f（x，y）中爆珠区域的质心坐标；（x，y）表示爆珠外轮廓上其他像素点的坐标。在极坐标变换时以（x0，y0）为圆心，ρ为半径进行转换，（ρ，θ）分别表示极坐标系f（ρ，θ）的横坐标与纵坐标，转换关系可简化为x=ρcosθ，y=ρsinθ。

图4为不同类型卷烟爆珠外轮廓的圆投影展开图。图中，横坐标θ为轮廓展开的角度，区间是0～360°，表示将爆珠外轮廓按角度θ进行展开；纵坐标ρ为每个角度θ对应的外轮廓像素点距离爆珠中心（x0，y0）的距离。

图4 不同类型爆珠的圆投影曲线Fig.4 Circular projection curves of capsules of different types

2.5 拖尾判定与识别

2.5.1 等效轮廓线

图5为根据极坐标展开后的轮廓曲线绘制的等效轮廓线。图中，横坐标θ为轮廓展开角度，区间是0～360°。等效轮廓线计算公式为：

式中：dist［j］为轮廓上第j个像素点距离中心（x0，y0）的距离；Pro_dist［j］为该像素点的近似高度；n为等效步长。

图5 等效轮廓线Fig.5 Equivalent contour

2.5.2 拖尾判定

在本系统中参与拖尾判定的数学因子有4个：轮廓变异系数、轮廓变异长度、轮廓变异量和拖尾高度。

（1）轮廓变异系数：

式中：D_h［j］为j点轮廓变异系数，当3个连续像素点的轮廓变异系数D_h［j-1］、D_h［j］及D_h［j+1］均大于设定阈值Tre_D时判定当前点j为轮廓变异点，Tre_D的取值可根据爆珠尺寸设定。

（2）由于存在轮廓边缘噪声，并不是所有D_h［j］大于Tre_D的像素点都是拖尾像素点，因此在计算轮廓变异长度时，像素点的距离集中度应符合公式（7）中的规定才被认为是连续的变异像素点。轮廓变异长度：

式中：jmean为轮廓上所有像素变异点的横坐标均值；n为拖尾区间宽度，根据实际拖尾宽度比例，本研究中n取15。只有当轮廓变异像素点在均值周围正负n的宽度区间内才被认为是连续变异点，否则为离散变异点。

（3）轮廓变异量：

式中：n_var为轮廓变异长度；N_T为轮廓总长度。当Var_ratiao大于轮廓总长的1/20，即认为爆珠轮廓上存在一段变异突起。

（4）当爆珠Var_ratiao大于轮廓总长的1/20时，开始计算变异突起的高度H。图6中拖尾轮廓L1最高点与等效轮廓线L2间的高度差H即为拖尾高度：

式中：H为变异轮廓高度值；dist′［j］为轮廓变异区域的高度最大值；φ为平均轮廓高度。Tre_H为拖尾高度的判定阈值，经过反复测试设定Tre_H=0.05 mm，即当一颗爆珠轮廓上存在高度大于0.05 mm的突起时，判定当前爆珠具有拖尾缺陷。

图6 爆珠拖尾高度计算示意图Fig.6 Schematic diagram of tail height calculation of tailed capsule

3 结果与分析

3.1 图像采集数量与识别率的关系

采集方式为多角度旋转拍照，相机帧率为70帧/s，在0.5 s内可对爆珠进行最多35次图像采集。为了实现最佳识别精度且避免冗余计算，需要选取合适的拍照数量。为此，对图像采集数量与拖尾识别率之间的关系进行了测试，结果见图7。可见，图像采集数量达到10张时，拖尾爆珠的识别率处于96%左右，趋于稳定。因此，对单颗爆珠的图像采集数量设定为10张。

图7 图像采集数量-拖尾识别率的关系Fig.7 Relationship between image number and recognition rate

3.2 拖尾高度与爆珠压碎强度的关系

经筛选得到高度分布在0.05～0.10、0.10～0.15、0.15～0.20和0.20～0.25 mm的拖尾爆珠，每个区间各100颗，同时选取无拖尾爆珠100颗，对拖尾高度与爆珠压碎强度进行测试，结果见图8。使用单因素方差分析方法对测试数据进行分析［22］，在α=0.05显著水平下，拖尾高度0.05～0.10 mm范围内的爆珠与无拖尾爆珠相比，压碎强度值无显著性差异；拖尾高度0.10～0.15、0.15～0.20和0.20～0.25 mm范围内的爆珠与无拖尾爆珠相比，压碎强度均有显著性差异。因此，拖尾高度大于0.10 mm会对爆珠压碎强度产生影响，且随着拖尾高度的增加而变大。

图8 拖尾高度与爆珠压碎强度之间关系Fig.8 Relationship between tail height and crushing strength

由图8可见，拖尾高度在0.10～0.20 mm范围内的爆珠，压碎强度仍在7 N以上，满足爆珠压碎强度（9±2）N的设计要求，不影响爆珠的正常使用；当拖尾高度超过0.20 mm后，爆珠压碎强度脱离设计值，同时沿拖尾方向的爆珠直径也超出设计值，由此增加了卷棒过程中破珠及堵塞设备通道的风险。因此，将拖尾高度阈值设定为0.20 mm，应用于爆珠放行通过检验，可将爆珠卷棒过程中的破珠率有效控制在以内。

3.3 测量精度测试

挑选4颗拖尾爆珠，使用显微镜对其拖尾高度进行多次测量，取最大值作为拖尾高度，分别为0.13、0.16、0.20和0.26 mm。将4颗爆珠置入系统中进行检测，每颗爆珠分别重复10次，统计拖尾高度，结果见表1。可见，系统测量拖尾高度的误差小于3%。

表1 系统对4颗爆珠拖尾高度重复检测结果Tab.1 Repeated measurement results of height of four tailed capsules

3.4 拖尾识别测试

采用人工灯检方法从A（黄色，直径2.8 mm）、B（红色，直径2.8 mm）、C（黄色，直径3.5 mm）、D（绿色，直径3.5 mm）4类爆珠中，分别挑选出200颗拖尾爆珠和200颗合格爆珠样品。在灯检台上，通过人眼识别含有微小拖尾的样品。图9是一颗直径2.8 mm的爆珠，可以观察到其右下角红圈内有一个微小的拖尾。使用系统计算得到爆珠直径是414个像素点，拖尾高度为8个像素点，换算得到拖尾高度是0.054 mm。

图9 人工灯检台上拍摄的含有微小拖尾的爆珠Fig.9 A cigarette capsule with tiny tail（height 0.054 mm）defect

（1）识别率。将4类拖尾爆珠（均为200颗）分别放入系统中进行检测，设置拖尾最小识别阈值为0.05 mm，考察拖尾缺陷识别率，结果见表2。可见，本文方法对爆珠的识别率≥95%，拖尾高度分布区间为0.05～0.55 mm。

表2 拖尾爆珠识别率测试结果Tab.2 Test results of recognition rate of tailed capsules

（2）误检率。将4类合格爆珠（均为200颗）放入系统中进行检测，设置拖尾最小识别阈值为0.05 mm，考察误检率，结果见表3。可见，本文方法对爆珠的误检测率＜1%。

表3 拖尾爆珠误检率测试结果Tab.3 Test results of false positive rate of tailed capsules

（3）以爆珠实际生产放行检验为例，将本文方法与人工灯检方法进行对比。分别从A（黄色，直径2.8 mm）和D（绿色，直径3.5 mm）两种颜色和尺寸规格的爆珠中，各抽取10批次的爆珠样品，每批次的样品量为1万颗左右。分别用人工方法和本文方法进行检测，系统设置拖尾最小识别阈值为0.05 mm，结果见图10。可见，本文方法与人工方法的偏差分布为［-0.08%，0.21%］，表明本文方法与人工方法具有较高一致性，能够满足卷烟爆珠生产中抽样检验要求。

图10 A爆珠（黄色，直径2.8 mm）和D爆珠（绿色，直径3.5 mm）本文方法与人工方法对比Fig.10 Comparison between the proposed method and manual inspection

4 结论

①基于多角度轮廓圆投影的拖尾缺陷检测方法对拖尾高度的测量误差小于3%，对于常规拖尾缺陷爆珠（拖尾高度0.05～0.50 mm），计量误差在0.015 mm以内，能够满足生产中质检要求；②本文方法对于拖尾缺陷的识别率≥95%，误检率＜1%，最小拖尾识别高度为0.05 mm；③本文方法与人工灯检方法的拖尾识别率偏差分布为［-0.08%，0.21%］，能够满足卷烟爆珠生产中抽样检验要求，为爆珠的外观放行检验提供了一种可靠技术手段。