朱 明，曾其勇，洪 濤，鄭曉峰，吳 凱

（1. 中國計量學院 質(zhì)量與安全工程學院，杭州 310018；2. 浙江機電職業(yè)技術(shù)學院 機械工程學院，杭州 310053）

0 引言

由于奶粉罐制造要經(jīng)過彩色印刷、焊接、沖壓、切割和鍍膜等工藝，中間過程會造成包裝罐罐體的質(zhì)量缺陷。因此，奶粉罐在出廠之前必須對罐蓋和整個罐體進行質(zhì)量檢測。罐蓋可以在同一個平面上完成檢測，而罐體內(nèi)壁的檢測則與罐蓋不同，復雜的內(nèi)壁很難實現(xiàn)亮度均勻的照明，罐體內(nèi)壁缺陷的自動檢測較為困難。

本文圍繞奶粉罐生產(chǎn)線的實際檢測需求，以機器視覺技術(shù)為基礎，以圖像處理技術(shù)為主要方法，以LabVIEW為開發(fā)平臺，開發(fā)用于奶粉罐內(nèi)壁缺陷的在線檢測系統(tǒng)，以克服傳統(tǒng)人工在線檢測帶來的各種弊端，提高生產(chǎn)效率及檢測準確性，實現(xiàn)實時連續(xù)檢測。

1 檢測系統(tǒng)的基本構(gòu)成

奶粉罐內(nèi)壁缺陷檢測系統(tǒng)結(jié)構(gòu)如圖1所示。系統(tǒng)由光電傳感器、工業(yè)I/O卡、LED光源、工業(yè)相機、鏡頭、工控機、顯示器、聲音、燈光報警裝置和分析處理軟件等組成[1]。

圖1 奶粉罐內(nèi)壁缺陷檢測系統(tǒng)構(gòu)成

檢測系統(tǒng)啟動，照明光源打開，為檢測區(qū)域提供照明。光電傳感器檢測生產(chǎn)線是否運動，并傳送信號輸入到工業(yè)I/O卡。工業(yè)I/O卡檢測到輸入信號，則觸發(fā)工業(yè)相機拍照，工業(yè)相機和鏡頭配合，采集檢測區(qū)域的圖像，并傳送到工控機。工控機利用分析處理軟件，根據(jù)圖像判斷出產(chǎn)品是否存在缺陷。若判斷出產(chǎn)品存在缺陷，則工業(yè)I/O卡發(fā)送剔除信號到剔除裝置，完成對缺陷品的剔除，并亮起報警裝置，提醒工人確認。

2 系統(tǒng)硬件設計與選型

2.1 照明方式選擇

考慮到罐體材質(zhì)易反射等特點，選擇型號為OPT-RID240的碗狀光源（dome light）。該產(chǎn)品具有球積分效果的半球面內(nèi)壁，均勻反射從底部360度發(fā)射出的光線，使整個圖像的照度比較均勻，適合于表面反射較強的物體表面檢測[2]。此外采用同軸照明方式，該方式對檢測高反射的物體特別有幫助，還適合檢測受周圍環(huán)境產(chǎn)生陰影的影響、檢測面積不明顯的物體[3]。

2.2 工業(yè)相機選型

CCD相機種類繁多，主要參數(shù)有分辨率，幀率，外同步與外觸發(fā)設置等。因為CCD的分辨率會直接影響到整個視覺系統(tǒng)的計算精度，所以設計系統(tǒng)時要進行分辨率計算[4]。本檢測系統(tǒng)要求能夠適合于口徑為φ60mm～φ200mm，不同高度的奶粉罐檢測，且檢測精度要求1.5mm×1.5mm，檢測效率達2個/秒。檢測系統(tǒng)的分辨率計算如下：

從式（1）和式（2）可知，只要攝像機的分辨率高于134×134，就能滿足此系統(tǒng)的要求。奶粉罐生產(chǎn)線上要求檢測效率達2個/秒，系統(tǒng)的檢測速度取決于系統(tǒng)內(nèi)部的運行時間，包括成像時間、運算時間和控制系統(tǒng)時間三部分。選取的CCD相機應具備“異步重置外觸發(fā)”功能以縮短拍攝時間，本文選用的德國Basler 公司型號為scA780-54gm的Basler千兆網(wǎng)數(shù)字相機能滿足本項目的檢測要求。

2.3 剔除裝置設計

位置傳感器選用反射式光電傳感器，這種光電傳感器在沒有接收到從反光板反射回來的光束時，就會輸出觸發(fā)信號[5]。采集得到的罐體圖像經(jīng)計算機分析處理后，根據(jù)參數(shù)得出產(chǎn)品是否合格的結(jié)論，并觸發(fā)剔除裝置對不合格奶粉罐予以剔除。

剔除時間的設計，通過配合傳送帶速度及剔除位置，計算剔除時間，并結(jié)合多次試驗，對其剔除準確度進行調(diào)整。考慮到皮帶速度的不穩(wěn)定性，為提高剔除準確性，在剔除位置增設一個光電傳感器，配合圖像采集時的光電傳感器，對缺陷罐是否準確到達剔除位置予以修正，如圖2所示。

圖2 光電傳感器與剔除裝置設計

3 算法設計

3.1 檢測區(qū)域劃分

從獲得的照明均勻的罐內(nèi)圖像可以看出，罐內(nèi)圖像可以劃分成內(nèi)壁、邊緣、噴膠和底面4個部分，其中罐體內(nèi)壁被劃分為不同大小分離環(huán)狀區(qū)域。如圖3所示。

圖3 罐體采集圖像及其內(nèi)部區(qū)域劃分

為了缺陷檢測的準確性，本文把標準合格樣本的圖像作為訓練集。從這些標準合格樣本的圖像中提取檢測區(qū)域圖像的特征量信息（如圓度信息、各ROI檢測區(qū)域內(nèi)灰度均值等），作為在線檢測時的比較標準。若檢測圖像特征信息在允許誤差范圍之外則認為是缺陷。其主要缺陷表現(xiàn)為罐口變形、內(nèi)壁污垢和劃傷等。

3.2 算法設計流程

首先對采集圖像進行圖像預處理，濾除噪聲干擾并增強圖像的對比度，使辨別工作更容易，識別結(jié)果更準確；其次，通過最小二乘法檢測圓，確定罐口及罐底圓心；通過檢測罐口輪廓上的點到圓心的距離的變化量與所設閾值的比較來判斷罐口否變形，對于變形的罐體，直接做剔除處理；然后再對罐體內(nèi)部進行缺陷檢測。缺陷檢測主要通過對定位圖像劃分ROI檢測區(qū)域，并對各子ROI區(qū)域分別獨立進行Blob分析的方法進行處理，以檢測缺陷。若檢測缺陷特征值超出允許范圍，則系統(tǒng)認為該罐為不合格罐，予以剔除，若在允許范圍內(nèi)，則認為其合格。算法流程圖如圖4所示。

3.3 圖像預處理

灰度圖像的亮度反差可以使用對比度來表示，對比度可以表示為：

對比度=亮度最大值÷亮度最小值

增強圖像對比度實際是增強原圖像的各部分反差，也就是增強圖像中感興趣的灰度區(qū)域，相對抑制那些不感興趣的灰度區(qū)域[6]。針對奶粉罐圖像，圖像對比度增強效果如圖5所示。

3.4 檢測對象的定位

圖4 算法流程圖

圖5 對比度增強效果

在奶粉罐傳送過程中，流水線上每個罐內(nèi)圖像中噴膠所在的角度不一樣，給內(nèi)壁區(qū)域的提取帶來了困難，從而影響了檢測的精度，因此必須對奶粉罐進行精確定位。定位的好壞直接影響了圖像感興趣區(qū)域的選取，進而影響了罐口特征的提取以及污損判斷是否準確。常用的圓心定位方法有重心法、Hough 變換圓檢測法和最小二乘圓擬合法三種[7]。通過比較，本文選用最小二乘圓擬合法來進行定位。

最小二乘法擬合圓的檢測原理是對邊緣檢測查找到的邊緣點根據(jù)最小二乘原理（殘差平方和最?。┯脠A來逼近罐口的輪廓。假設經(jīng)邊緣檢測后查找到的邊緣點集為P(n)，其中n為邊緣點的個數(shù)，首先設定圓的方程如下：

對于任意一邊緣點(xi, yi)的殘差ei為：

對于所有的邊緣點的殘差的的和函數(shù)Q計算公式如下：

根據(jù)最小二乘原理有：

由此可得到罐口圖像對應圓的參數(shù)：

由上式可以看出，根據(jù)最小二乘擬合圓原理推導出圓心坐標和半徑值的檢測算法雖然復雜，但是只需要對提取到得P(n)中邊緣點循環(huán)一次計算就可以完成，時間復雜度為O(n)，公式中較復雜的計算半徑的運算只需要在x0和y0計算結(jié)束后進行一次運算即可，所以該算法的運算速度比較快。

對奶粉罐罐口與罐底圖像進行最小二乘法檢測圓。圖像進行采樣，提取邊緣點，運用最小二乘法對圖像進行擬合，標記出圓心和圓心坐標。如圖6所示。

圖6 罐口與罐底的定位罐底定位

在完成圓心定位后，再利用hough直線檢測算法[8]，完成罐壁噴膠的定位，如圖7所示。

圖7 噴膠區(qū)域的定位

3.5 檢測系統(tǒng)主界面

本文以LabVIEW為開發(fā)平臺，結(jié)合NI IMAQ的強大功能和NI Vision的圖像處理函數(shù)庫，開發(fā)用于奶粉罐內(nèi)壁缺陷的在線檢測系統(tǒng)[10]。軟件主界面設計如圖8所示。

圖8 檢測系統(tǒng)主界面

4 缺陷檢測

4.1 罐口變形檢測

罐口變形是指罐口形狀與正圓有較明顯的差別，造成變形的原因往往是奶粉罐在制造過程中的沖壓，或由于設備的故障導致的卡罐等。對于罐口變形的檢測，可以將奶粉罐產(chǎn)品實際的罐口形狀與正圓進行比較，求出實際的杯口輪廓與正圓的差別，通過該差別量來判斷紙杯是否圓度變形。該算法步驟大體如下：

1）得到奶粉罐罐體輪廓的圓心，設定罐口變形閾值k；

2）對輪廓像素點依次進行掃描，計算每個輪廓點對應的半徑；

3）掃描結(jié)束時求出罐口輪廓上點對應的半徑最大值Rmax和最小值Rmin；

4)對半徑最大值最小值作差Rsub，若Rsub

4.2 側(cè)壁和罐底污漬檢測

側(cè)壁區(qū)域由于高度變化，導致灰度分布不均勻。罐底由于圖像采集時有一定角度，導致側(cè)壁反光、陰影等原因也會引起灰度的不均勻。如果直接對原始圖像進行污漬檢測，由于不同的區(qū)域，罐體的灰度不同，從而很難設定一個統(tǒng)一的閾值來檢測污漬，因為即使是同一污漬，放在不同的區(qū)域，其灰度值也是不同的。

根據(jù)奶粉罐內(nèi)壁結(jié)構(gòu)特點，我們將側(cè)壁分成若區(qū)域。如圖9所示，將獲取的罐體圖像分為多個區(qū)域，包括：內(nèi)壁檢測區(qū)域Ⅰ、內(nèi)壁檢測區(qū)域Ⅱ、內(nèi)壁檢測區(qū)域Ⅲ、內(nèi)壁檢測區(qū)域Ⅳ和罐底檢測區(qū)域。各區(qū)域形成獨立ROI檢測區(qū)域，然后再對各區(qū)域圖像做進一步分析處理。

圖9 罐體圖像的檢測區(qū)域劃分

對圖像進行感興趣區(qū)域劃分后，系統(tǒng)處理時間大大縮短。雖然所處理的圖像信息減少了，但所關(guān)心的圖像特征并沒有因為區(qū)域的劃分而減少，該方法兼顧速度的同時也保證了精度。對于獨立ROI區(qū)域的缺陷檢測，本文采用Blob算法來做分析。Blob算法的核心思想是：在一塊區(qū)域內(nèi)把出現(xiàn)“灰度突變”的范圍（Blob）的準確位置找出來，并確定其大小、形狀及面積等[9]。檢測效果如圖10所示。

圖10 Blob缺陷檢測效果

5 結(jié)束語

本文基于機器視覺技術(shù)介紹了奶粉罐內(nèi)壁缺陷檢測系統(tǒng)的設計，結(jié)合生產(chǎn)實際，提出了具體的檢測方案。針對奶粉罐內(nèi)壁特殊結(jié)構(gòu)，設計合適的缺陷檢測算法，并完成硬件設備的搭建與軟件系統(tǒng)的編寫。整個檢測系統(tǒng)經(jīng)過試驗認證，取得了良好的效果。

[1] 韓九強. 機器視覺技術(shù)及應用[M]. 北京: 高等教育出版社, 2009.

[2] OPT Machine Vision．http://www.optmv.com/index.asp.

[3] 段峰, 王耀南, 雷曉峰, 吳立釗, 譚文. 機器視覺技術(shù)及其應用綜述[J]. 自動化博覽, 2002, (3): 59-62.

[4] 李國偉. 空瓶自動檢測系統(tǒng)的研究[D]. 山東大學. 2008, 5.

[5] 李旭華. 光電傳感器原理及應用[J]. 電氣時代, 2004, 9:56-57.

[6] Carsten Steger, Markus Ulrich, Christian Wiedemann, 著.楊少榮, 吳迪靖, 段德山, 譯. 機器視覺算法與應用[M].北京: 清華大學出版社, 2008.

[7] 蔣聯(lián)源. 隨機圓檢測快速算法. 光電工程[J], 2010, 37(1):70-75.

[8] 段汝嬌, 趙偉, 黃松嶺, 陳建業(yè). 一種基于改進Hough變換的直線快速檢測算法[J]. 儀器儀表學報, 2010, 32(12):2774-2780.

[9] 石美紅, 王文廣. 基于Blob算法的織物疵點檢測算法的研究[J]. 現(xiàn)代電子技術(shù), 2010, 24: 29-32.

[10] 陳樹學, 劉萱. LabVIEW寶典[M]. 北京: 電子工業(yè)出版社, 2011.