何琦多 張勇剛

【摘 要】在卷煙機上，濾嘴棒料庫區(qū)偶爾發(fā)生濾嘴棒凌亂的現(xiàn)象。濾嘴切割股不能正常提取濾嘴棒，使得設(shè)備停機。本文尋求一種有效方法來檢測出料庫區(qū)域的凌亂現(xiàn)象，提醒操作人員及時處理，避免設(shè)備停機，保證設(shè)備運行效率。

【關(guān)鍵詞】濾嘴棒凌亂;圖像識別;matlab仿真

中圖分類號： TS761.2文獻(xiàn)標(biāo)識碼： A文章編號： 2095-2457（2019）24-0025-002

DOI：10.19694/j.cnki.issn2095-2457.2019.24.013

【Abstract】In the storage of cigarette machine，the filter bars occasionally disorder.Filter cutting drum can not transfer filter rods normally，result to the equipment stop.This paper seeks for an effective method to detect the disordered bars，to remind the operator to deal with it in time，to avoid the stop of the equipment accidentally， and to ensure the equipment operating efficiency.

【Key words】Disordered filter bar; Image identification; Matlab emulator

0 引言

4倍長濾嘴棒由發(fā)射裝置進(jìn)入料庫，濾嘴切割鼓通過不停順時針旋轉(zhuǎn)，將濾嘴棒從料庫中取出，并經(jīng)過切割，排直等一系列步驟，與煙條，水松紙組合加工成煙支。料庫區(qū)的凌亂濾嘴棒不能順利進(jìn)入切割鼓鼓槽，切割股不能正常取出濾嘴棒。為了避免生產(chǎn)出缺濾嘴煙支，當(dāng)連續(xù)監(jiān)測出缺3個槽沒有濾嘴時，設(shè)備自動停機。由于在生產(chǎn)線上，操作工任務(wù)繁多，加之，操作人員容易產(chǎn)生疲勞，注意力不集中，操作人員經(jīng)常不能發(fā)現(xiàn)料庫區(qū)凌亂濾嘴棒，以至不能提前理整齊濾嘴棒，造成設(shè)備停機。人工觀察凌亂濾嘴棒效率低，強度高，也逐漸不能適應(yīng)自動化生產(chǎn)和高速高效生產(chǎn)的要求。查閱相關(guān)文獻(xiàn)可以發(fā)現(xiàn)，有許多較為成熟的視覺檢測公司都開發(fā)出了較為成熟的產(chǎn)品在煙機設(shè)備上使用，諸如大樹科技的ZN0248小包外觀質(zhì)量在線檢測系統(tǒng)、FK 光電式小包煙支檢測器、小包CCD圖像外觀檢測器、B1光電小包煙支檢測器等等[1]。但市面上產(chǎn)品價格高，且基本上是識別產(chǎn)品缺陷的，而沒有識別凌亂濾嘴棒的，凌亂濾嘴棒的識別研究具有現(xiàn)實意義。

1 凌亂現(xiàn)象及識別目標(biāo)分析

在處理前，先對嘴棒凌亂情況有所了解，以便我們能選出合適的算法。

圖1為正常排列嘴棒與凌亂嘴棒幾種典型情況的對比圖片：圖（a）為正常排列得濾嘴棒;圖（b）為濾嘴棒橫置在料庫前方的情況;圖（c）為濾嘴棒橫置在料庫后方的情況，圖（d）為凌亂嘴棒傾斜交錯排列的圖片。在識別圖像時識別流程大致可以分為三段，（1）圖像預(yù)處理，（2）凌亂區(qū)域表達(dá)（3）特征值與閾值比較。

分析凌亂的圖像我們可以發(fā)現(xiàn)，無論凌亂在什么地方，都會使得其周圍濾嘴棒排列不緊密造成空洞，如果我們能識別出該空洞區(qū)域，也能間接地識別出凌亂區(qū)。下面我們就根據(jù)該思路進(jìn)行目標(biāo)識別。

2 二值化圖像

為了減少圖像處理的時間，一種有效的方法，就是將待處理圖像轉(zhuǎn)化為灰度圖像，轉(zhuǎn)化為灰度圖像后就是對圖像的二值化處理。二值化是圖像處理中最簡單的一種圖像分割技術(shù)，利用背景與對象之間的灰度差異，可以把圖像從背景中分離出來，特別是背景與對象之間的灰度差異較大時，分割效果較好。閾值T的確定，可以說是圖像二值化的關(guān)鍵所在，二值化圖像的方法有幾十種，比較常見的有P參數(shù)法，Otsu法，最大熵閾值法，迭代法等[2]。分析其直方圖發(fā)現(xiàn)，二值化后圖像直方圖基本上是單峰的，故我們采用Otsu法來分割濾嘴棒和空洞部分。圖2為用matlab二值化后的圖片。

3 特征提取與閾值比較

在二值化圖形上，可以對連通域進(jìn)行標(biāo)記。在進(jìn)行連通域標(biāo)記前先進(jìn)行圖像求負(fù)片，然后對求負(fù)片圖像求出最大連通域的面積，通過之前的標(biāo)記識別出最大面積連通區(qū)域，判斷最大連通區(qū)域是否大于一定的閾值，若大于，則判斷有凌亂的濾嘴棒。并把最大連通域標(biāo)識出來。

對二值圖像的標(biāo)記算法有很多種，比如基于邊界的標(biāo)記算法，基于跑長碼的標(biāo)記算法[3]，基于游程的標(biāo)記算法[4]。而matlab和OpenCV上都有相應(yīng)的連通域標(biāo)記函數(shù)，在matlab仿真過程中，我們采用bwlabel（）對圖像進(jìn)行標(biāo)記，采用regionprops（）函數(shù)求連通域的面積。

因為拍攝距離有差距，圖像中包含濾嘴棒數(shù)目差距較大，閾值的確定不能簡單地取一個固定值。我們可以根據(jù)霍夫變換在濾嘴棒排列圖上識別出濾嘴端面。再根據(jù)識別出的圓半徑r，就可以求出其濾嘴端面的面積。具體方法為：（1）對灰度圖像進(jìn)行二值化操作，然后根據(jù)邊緣檢測函數(shù)edge提取圖形的邊緣。提取完后對圖像進(jìn)行霍夫變換，將圖像像素從2D空間坐標(biāo)轉(zhuǎn)換到參數(shù)空間;（2）在參數(shù)空間中取不同r值，求不同r值下交點數(shù)最多的點（即為同一圓上的點）;（3）再比較不同r值的交點數(shù)，求出交點數(shù)最多的r值，該r即為濾嘴端面半徑;（4）我們根據(jù)最大的r計算出濾嘴端面面積為S。我們另外取10幅正常排列的圖片和10幅排列凌亂的圖片實驗當(dāng)閾值為2.3S時，能很好地識別出凌亂區(qū)域，而又不會把正常排列的濾嘴棒中的小孔洞進(jìn)行識別成凌亂區(qū)域。因此我們最終取判斷有凌亂濾嘴棒的閾值設(shè)為2.3S，當(dāng)二值化圖像中白色區(qū)域（取負(fù)片后）的面積大于2.3S時，則判斷有凌亂區(qū)，并用紅色的外接矩形把凌亂區(qū)域繪制在原始圖像上。

4 識別效果檢驗

對圖2中的四幅圖像二值化后求其最大連通域面積，并把最大連通域的外接矩形標(biāo)識在圖片上，其識別效果為：

其中圖（a）為正常排列得濾嘴棒;圖（b）為濾嘴棒橫置在料庫前方的情況;圖（c）為濾嘴棒橫置在料庫后方的情況，圖（d）為凌亂嘴棒傾斜交錯排列的圖片。從中可以看出取最大連通域的識別方法能較好地識別出凌亂嘴棒區(qū)域。

5 結(jié)論

綜上所述，本文對濾嘴棒凌亂的常見情況進(jìn)行分析，結(jié)合其凌亂特點，尋找到了一種有效的識別方法：把拍攝到的圖片二值化后，尋找最大連通域面積，通過設(shè)定適當(dāng)閾值（濾嘴端面的2倍），能正確識別出凌亂區(qū)域。該方法簡單高效，后續(xù)設(shè)計嵌入式圖像識別系統(tǒng)編程難度較低，硬件要求低，是一種行之有效的方法。

【參考文獻(xiàn)】

[1]戴剛.煙盒結(jié)構(gòu)光視覺檢測與信息處理應(yīng)用技術(shù)研究. 南京理工大學(xué)碩士論文，2013.

[2]阮秋琦.數(shù)字圖像處理學(xué).第3版.2013：電子工業(yè)出版社.

[3]張桂林，陳益新.基于跑長碼的連通區(qū)域標(biāo)記算法.華中科技大學(xué)學(xué)報（自然科學(xué)版），1994（5）：p.11-14.

[4]徐利華，陳早生.二值圖像中的游程編碼區(qū)域標(biāo)記.光電工程，2004.31（6）：p.000063-65.