基于机器视觉的卷烟条盒包装质量检测系统设计

1．引言 机器视觉系统是指通过机器视觉产品，如CCD、CMOS和光电管等，将被摄取的目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，再根据判别的结果控制现场的设备。典型的工业机器视觉应用系统包括如下部分：光源，镜头，CCD照相机，图像处理单元（或图像采集卡），图像处理软件，监视器，通讯/输入输出单元等。 随着中国加入WTO，市场竞争日益激烈，卷烟企业为了提高产品的竞争力，更好的开拓市场，在加大卷烟质量的技改力度、提高卷烟质量的同时，对卷烟制品的包装形式及包装质量也加大了改造力度，以在激烈的市场竞争中更好的巩固和开拓市场。卷烟产品包装质量的检测，是市场营销过程中保证质量的一个重要手段。传统的烟支条盒包装质量完全由人眼检测，而长时间工作会使人眼产生视觉疲劳，难以避免产品错检、漏检情况的出现。基于机器视觉开发的检测系统使得在产品质量的检测过程中用机器代替人眼来做测量和判断，降低了人为因素对产品质量的影响，在提高卷烟包装质量的技改方面满足了企业的需求。 2． 系统的设计方案 系统采用线性光源以产生照明能量集中、光强分布均匀的一条光带；采用多个相机对条盒需要检测的各个面进行拍照，以保证检测的全面性；采用外触发模式使各个面的图像分通道进入图像采集单元；经过处理单元对各通道的图像进行复杂的表面检测运算，如果发现任何一个通道的图像存在表面质量缺陷，则对下位机给出控制信号，使执行单元在该不合格条盒通过时将其剔除；系统显示器实时显示各通道图像及其检测结果，并给出缺陷的分析结果。 系统的图像采集单元包括图像采集卡、D/A转换卡、光源、CCD相机，工业控制计算机作为图像处理单元，以PLC控制系统控制执行单元。 3． 图像采集 图像的获取实际上是将被测物体的可视化图像和内在特征转化成能被计算机处理的数据，它直接影响到系统的稳定性及可靠性。一般利用光源、光学系统，相机、图像采集卡、图像处理单元获取被测物体的图像。 光源是影响机器视觉系统输入的重要因素，因为它直接影响输入数据的质量和至少30%的应用效果。条盒的外包装透明纸对光的反射、折射效果都很强，所以系统的照明系统采用多种型号的LED条形光源组合构成，照明方式为反射式照明，为延长光源的使用寿命，保持光源的高亮度、高稳定性，相机拍照时采用频闪光，频闪速度与相机的扫描速度同步。 在机器视觉中，CCD摄像机以其体积小巧、性能可靠、清晰度高等特点得到了广泛应用。按照其所用的CCD器件可分为线阵式和面阵式两大类。线阵式摄像机一次只能获得图像的一行信息，被拍摄的物体必须以直线形式从摄像机前移过，才能获得完整的图像，而面阵式摄像机则可以一次获得整幅图像的信息。在条盒包装质量检测系统中需要一次取得条盒外包装五个面的图像，设计中采用四个面阵式CCD摄像机同步拍照。 图像采集卡是控制摄像机拍照、完成图像采集和数字化、协调整个系统的重要设备。它一般具有以下模块：1.A/D转换模块2.时序及采集控制模块3.图像处理模块4.PCI总线接口及控制模块5.相机控制模块6.数字输入/输出模块。系统设计采用外触发模式对条盒进行拍照，图像采集卡通过TTL信号与外部装置（传感器、光源频闪控制器、PLC等）进行通信，用于响应频闪、拍照和给出剔除信号。 4．图像的分析处理 目前卷烟条盒包装主要存在破损、翘边、反包、包装错位、封签（偏移、叠角、缺失）等缺陷，在图像处理单元利用图像定位、边缘检测、斑点分析等算法，对各个通道的图像进行分析，以确定产品包装是否存在质量缺陷。 4.1定位配准（Locator） 定位配准是图像与标准模板进行缺陷检测的必要条件，定位准确与否直接关系到整个视觉系统的成败。传统的物体定位技术通过寻找统计模板（参考图像）与物体（产品图像）间的灰度级相关度的方法来决定物体的X、Y坐标，本系统定位采用几何特征匹配，通过设置兴趣域并学习兴趣域内物体的几何特征，然后在图像内寻找相似形状的物体，不依赖于特殊的像素灰度，提高了定位物体的能力，在改变物体角度、尺寸、明暗度等条件的情况下仍能精确定位物体。应用中的特点： ·基于图像中条盒轮廓或边缘找寻和定位条盒； ·设定模板后，所有查找都基于模板操作； ·对于相似的模板进行加权处理，能自动去模糊化（二意性）； ·容许阴影、对比度低、边缘不清或背景噪音； ·定位器返回找到条盒特征的X、Y坐标。 4.2边缘检测（Edge） 边缘是指图像局部亮度变化最显著的部分，主要存在于目标与目标、目标与背景、区域与区域（包括不同色彩）之间。图像中被查找的边缘被标记为从全暗至全亮或从全亮至全暗范围内的灰度值变化，边缘工具从图像中去除常量或变化缓慢的背景，保留作为图像特征的边缘，并计算边缘的幅度和角度。边缘的幅度指穿过边缘时灰度值的变化量；边缘的角度是指边缘与垂直方向的夹角。下图为两个三角形。其中，箭头的方向表示边缘的角度，箭头的大小表示边缘的幅度。每一三角形具有同样的边缘角度，但由于背景的灰度值不同，左边三角形的幅度大于右方三角形。 大多数由真实图像产生出的边缘幅度图像包含虚假的或噪声边缘像素，这些边缘像素是视频噪声、反射或其它图像缺陷所造成的。通过在边缘幅度图像中设置阀值，可消除这些虚假像素。设置阀值在消除虚假边缘的同时，还常会消除真正的边缘。因为真正的边缘常由一些邻近像素的集合构成。通过在边缘图像中设置边缘滞后阀值，可在消除虚假边缘的同时，保留真正的边缘。边缘滞后阀值消除了一些像素，这些像素的灰度较那些与其它边缘像素不相邻的像素低一定的幅度，较边缘幅度图像高一定的幅度。这一方法保留了形成真正边缘的连续边缘像素，而消除了由噪声或其它图像缺陷而形成的边缘像素。 系统的设计中通过在边缘工具中设置边缘滞后阀值和幅度范围来检测条盒边缘及透明纸褶皱的缺陷。 4.3斑点分析（Blob Analysis） Blob分析可为视觉系统提供图像中斑点的数量、位置、形状和方向，还可提供相关斑点间的拓扑结构，其是一种对闭合目标形状进行分析处理的基本方法。 Blob分析从场景的灰度图象着手进行分析，在进行分析以前，利用二值化（Bilinear Interpolation）把图像分割为构成斑点（Blob）和局部背景的像素集合，典型的目标像素被赋值为1，背景像素被赋值为0。分割时设定了两种方法固定阀值分割（Hard Threshold）和动态阀值分割（Soft Threshold）。 当图像被分割为目标像素和背景像素后，进行连通性分析，在图像中寻找一个或多个相似灰度的“斑点”,并将这些“斑点”按照四邻域或者八邻域方式进行连通性分析，将目标像素聚合为目标像素或斑点的连接体，就形成了一个Blob单元。通过对Blob单元进行图形特征分析，可以将单纯的图案灰度信息迅速转化为图案的形状信息，包括图形的质心、面积、周长等。使用Blob分析，通过多级分类器的过滤，在一定程度上可满足对条盒透明纸破损、反包、盒皮印刷等缺陷的检测需求。 5．系统的总体开发 在条盒外包装质量检测系统中，采用的处理方式是基于PC机的检测处理系统。开发时综合考虑了系统与相机、采集卡、外部PLC、以及PC本身外设的连接与通信控制，提供了友好的人机界面和可靠历史记录存储数据库；检测到质量缺陷时，提示缺陷类别，对执行单元给出剔除信号。 执行单元是系统的一个关键环节，其作用就是响应上位机给出的剔除指令，准确无误地剔除不合格的条盒。在生产流水线运行的高峰时期，速度可达到8条/s，为保证系统的稳定性和快速性，设计中电控系统采用西门子的S7-200 PLC，执行机构中应用高速的电磁阀组和喷吹腔体，使其能够对剔除信号给出快速响应。 6．结束语 本文探讨了基于机器视觉的条盒包装质量检测系统设计中的各项相关技术，介绍了机器视觉和机器视觉系统的基本概念，通过对系统开发的介绍，列举和阐述了在表面缺陷检测中常用到的定位、边缘检测及Blob分析等算法。 机器视觉的诞生和应用，极大地解放了人类生产力，提高了生产自动化水平，其应用前景极为广阔。随着烟草行业提质降耗工程的全面实施，它也将越来越多地应用于烟草生产质量的检测和监控，为提升烟草企业的市场竞争力做出更大的贡献。