一种食品外观品质及包装检测流水线设计

2022-03-21顾可欣毛丽民许家麒

常熟理工学院学报 2022年2期

顾可欣，毛丽民，许家麒

（常熟理工学院电气与自动化工程学院，江苏常熟 215500）

随着人民群众对高质量食品需求的不断提高，食品检测技术在食品安全生产过程中显得越来越重要.但目前的食品检测技术精度低，检测效率也低，在食品缺陷检测中存在很大的局限性，不能满足实际生产中的检测需求[1].

本文以食品品质检测为大方向，基于图像处理软件HALCON，设计了一种基于机器视觉的食品缺陷及包装检测系统，利用机器视觉检测技术对饼干在外观上存在的缺失、烧糊、变形等进行视觉检测；对食品的包装进行识别并分类.通过中值滤波、图像增强技术、sobel算法等进行图像预处理，再结合Halcon中的opening_circle算子、fill_up算子、create_shape_model算子等对图像进行识别检测，从而判断饼干的好坏和包装的完好与否.

1 系统整体框架

本课题采用工业视觉软件HALCON及C#.NET为核心，主机控制器为一台搭载英特尔Corei5的工控机，图像采集部分采用高分辨率的工业相机，搭载可控光源构建场地，平台部分采用可调皮带运输机进行物件运输.整体框架如图1所示.

图1 整体框架

2 系统硬件方案

2.1 相机与镜头方案

本系统相机部分采用生产检测中常见的工业相机.由于食品外观和包装在检测上存在较大差异，因此分别对这两种情况采用不同的相机.其中：食品外观品质检测采用海康威视彩色面阵相机，如图2所示；食品外包装检测采用大华2K线阵相机，如图3所示.

图2 海康威视彩色面阵相机

图3 大华2K线阵相机

2.2 光源方案

光源部分采用24 V工业光源并搭配光源控制器，可抑制环境光对图像采集产生的影响.由于不同的光源发挥出的作用不尽相同，因此采用多种光源配合的方式进行安装.本系统用到的光源有条形光源、面光源、同轴光源等.

2.3 红外检测方案

为了检测被测物体是否进入检测区域，需要对该区域设置传感器进行判断.本设计采用红外传感器作为检测装置，安装在待检测区域.当物体经过时，传感器发送信号给PLC，PLC将采集的信号转换后发送给工控机并对相机部分做相应的处理，流程如图4所示.

图4 信号流程图

2.4 系统供电方案

本设计由于传感器与设备较多，且工作电压不一致，因此采用多种方式给系统供电.其中相机采用220 V转12 V的稳压模块供电，光源采用光源控制器分别输出多路24 V电压供电，流水线采用220 V转24 V的稳压模块给电机供电.

2.5 流水线方案

本设计的传送带部分采用PVC材质的轻型传送带，见图5.其具有不易燃烧、高强度、耐气候变化以及优良的几何稳定性等特点[2].PLC控制柜如图6所示，可根据不同场景的需要进行速度控制.

图5 PVC传送带

图6 PLC控制柜

3 图像识别

食品外观缺陷检测首先要完成对食品的图像采集.采集后的图像经过裁切、滤波、阈值分割等操作完成初步预处理，然后将处理后的图片进行缺陷检测并输出缺陷类型.对处理后合格的产品进行记数后可进入下一流程.食品外包装检测采集的图片经过类似的预处理后进行模板匹配，并根据匹配度的高低判断包装是否破碎或受到污染，合格的产品可进入下一流程.系统程序整体设计如图7所示.

图7 外观品质检测（左）和外包装检测（右）

3.1 相机标定

在系统初始化中，为了能精准地确定图像二维尺寸与整体比例的大小，需要通过摄像机内参进行相机标定，以改善内部畸变带来的影响，因此就必须建立相机坐标系进行相机标定.在建立相机坐标系后，需要通过建立世界坐标系来对应相机坐标系以及图像坐标系表示图像的转换关系.基于Halcon的标定方法降低了操作难度，提高了可行性[3].其坐标关系如图8所示.

图8 坐标关系图

图中坐标系xoy为摄像机坐标系；XfOfYf为图像像素坐标系，XOY为图像物理坐标系；XWYWZW为世界坐标系.一般的，在摄像机坐标系中，x，y轴平行于图像物理坐标系中的X，Y轴.u、v为像素坐标.

由坐标系间的相互转化关系可得

在标定过程中，采用HALCON软件中自带的标定助手对标准2D黑白方块标定板进行标定.通过采集多组不同位置的标定板图像进行多点标定，并保证每幅图像中的标定板都在图像范围内.利用find_calib_object识别出标定板的轮廓特征，再使用get_calib_data函数计算出标定板的实际距离，得到标定参数.

3.2 图像预处理

在图像处理之前，为尽可能地减少外部因素（光线，机器震动等）影响导致的成像不清晰，需要对图像进行预处理.预处理方式有滤波、图像增强、轮廓提取[4]等，如图9～图13所示.

图9 原图

图10 中值滤波图

图11 高斯滤波图

图12 图像增强图

图13 轮廓提取

3.3 图像处理

图像处理是本系统的核心部分，其中的食品外观缺陷检测主要使用Blob分析技术进行图像处理，包括二值化、阈值分割、连接域分析、特征值提取等.食品包装检测主要使用模板匹配的方法[5]，通过设置参数，根据相似度进行检测判断.实际处理图如图14所示.

图14 图像处理

4 上位机开发

通过Visual Studio上的C#.Net平台，编写出对应的食品检测及包装上位机界面，可以实现界面显示、参数设置、图像识别、仿真测试、结果输出统计等功能.为了保护参数设置的隐私性，设计了一套用户登录系统来解锁对应的参数设置，如图15所示.这样既可以允许不同员工查看各自设置的参数，避免每次需要重新设置，同时又为该系统做了相应的保护措施.