淺談機(jī)器視覺實(shí)現(xiàn)方便面破損在線檢測(cè)的研究

提出一種適于實(shí)時(shí)在線檢測(cè)方便面面塊破損的方法，即通過建立計(jì)算機(jī)視覺系統(tǒng)，獲取面塊圖像，針對(duì)方便面特點(diǎn)利用“圍剿算法”分割出面塊圖像，然后通過“削切算法”除去面塊邊緣毛刺，以便于求得面塊的“真邊界”，然后求取面塊與其外接矩形面積的比值對(duì)方便面的破損進(jìn)行快速

0. 引言

近年來，隨著方便面市場(chǎng)劇烈競(jìng)爭(zhēng)，各廠家紛紛降低成本、提高產(chǎn)品質(zhì)量、樹立品牌形象、提高企業(yè)競(jìng)爭(zhēng)力。在不降低產(chǎn)品質(zhì)量的前提下，要增強(qiáng)企業(yè)的競(jìng)爭(zhēng)力，只有走規(guī)?；?jīng)營(yíng)之道;而規(guī)?；暮诵哪繕?biāo)就是“以規(guī)模降成本”，即擴(kuò)大生產(chǎn)規(guī)模，挖掘企業(yè)潛力，向規(guī)模要效益，向管理要效益，降低生產(chǎn)成本和管理成本。

鑒于此，方便面生產(chǎn)的自動(dòng)化水平漸漸成為一個(gè)不容忽視的重要問題。目前，方便面生產(chǎn)線后段應(yīng)用了自動(dòng)排面?zhèn)魉蛶Ъ白詣?dòng)射面機(jī)、自動(dòng)投包機(jī)、自動(dòng)疊袋機(jī)及自動(dòng)裹包式紙箱裝箱機(jī)等（如頂新集團(tuán)），而方便面生產(chǎn)線次品挑選工作還是依賴人工視覺來完成。人工視覺檢測(cè)具有速度低，受主觀影響較大，誤檢率和漏檢率高等缺點(diǎn)。所以，研制高效方便面自動(dòng)化檢測(cè)系統(tǒng)能提高產(chǎn)品質(zhì)量，解放生產(chǎn)力和節(jié)約成本，適應(yīng)現(xiàn)代化工業(yè)的需要。

機(jī)器視覺技術(shù)是機(jī)器代替人眼來做測(cè)量和判斷，國(guó)內(nèi)外已將此技術(shù)成功地運(yùn)用到眾多產(chǎn)品的質(zhì)量檢測(cè)上。與人工視覺檢測(cè)相比較，機(jī)器視覺具有自動(dòng)化程度高、識(shí)別能力強(qiáng)、測(cè)量精度高等優(yōu)點(diǎn)，具有廣泛的應(yīng)用前景。隨著圖像處理技術(shù)的日趨先進(jìn)、計(jì)算機(jī)硬件成本的下降及計(jì)算機(jī)處理速度的提高，在食品及農(nóng)產(chǎn)品品質(zhì)自動(dòng)檢測(cè)和分級(jí)領(lǐng)域應(yīng)用機(jī)器視覺已變得越來越具有吸引力。

方便面生產(chǎn)線上依外觀挑選出的不良品主要有破損、油炸過度或不足、大花、并條、堆積等，其中80%以上為破損面塊。本文以方形面塊為例進(jìn)行在線快速破損檢測(cè)。因?yàn)槊鎵K邊緣不平整且常有一些毛刺，常規(guī)的視覺識(shí)別方法難以進(jìn)行判斷。本文利用“削切處理”除去毛刺，得到面塊的真邊界，然后利用面塊與外接矩形的面積比判斷缺損與否，實(shí)驗(yàn)表明該方法識(shí)別率高，速度快，適合在線檢測(cè)。

1. 試驗(yàn)材料與裝置

本實(shí)驗(yàn)樣本來自河南正龍食品有限公司的白象方便面系列之一：大骨面，它具有油炸方便面的代表性。由正龍集團(tuán)新鄭分公司三車間生產(chǎn)。共采集實(shí)驗(yàn)樣本128塊，其中缺損面塊70塊。

實(shí)驗(yàn)裝置由計(jì)算機(jī)、CCD攝像機(jī)、圖像采集卡、光源和輸送線等組成（圖1）。其中CCD攝像機(jī)采用美國(guó)Uniq-uc610，圖像采集卡采用加拿大Matrox Meteor-II型（該采集卡具有外觸發(fā)功能）。本系統(tǒng)采用封閉式照明系統(tǒng)，照明室上部?jī)蓚?cè)采用兩個(gè)對(duì)稱的30 W日光燈作為光源，輸送線為黑色，面塊經(jīng)自動(dòng)排面輸送線（將面塊擺放整齊，并且使面塊之間間隙均勻）將面塊輸送到視覺檢測(cè)部分。

圖像的獲取采用觸發(fā)抓拍的方式，檢測(cè)元件為OMORN的E3C-DS10觸發(fā)器配合放大器E3C-3C使用。這是一個(gè)反射型的觸發(fā)器。當(dāng)傳送帶上有面塊過來時(shí)，信號(hào)強(qiáng)度發(fā)生變化，輸出一個(gè)脈沖信號(hào)來控制相機(jī)抓拍圖像。本實(shí)驗(yàn)所拍攝圖像大小為640×474，以24位bmp格式存儲(chǔ)。圖像處理算法在Visual C ++ 6.0平臺(tái)上編譯通過。

2. 圖像處理

采集后的圖像首先要經(jīng)過預(yù)處理，預(yù)處理包括濾噪、圖像分割、去邊緣毛刺等，以便于后續(xù)的形狀判斷工作。

2.1 圖像濾噪

本試驗(yàn)采用快速中值濾波方法去除噪聲。既有效抑制圖像中的噪聲，又保護(hù)圖像的輪廓邊界不使其變模糊。此算法處理速度快，能滿足在線檢測(cè)的要求。

2.2 圖像分割

圖像的背景是黑色的，而面塊相對(duì)來說是淺色的。經(jīng)實(shí)驗(yàn)，選取HIS顏色空間中I分量為判斷條件時(shí)，直方圖為理想的雙峰型（圖3）。選擇谷作為灰度閾值將得到合理的物體邊界。同一顏色從RGB到HIS的轉(zhuǎn)換為非線性變換，其轉(zhuǎn)換關(guān)系為：

圖像分割一般采用閾值法，

本研究中由于面塊花紋深陷處、空洞處等顏色灰度值與背景差別不大，采用閾值法容易將面塊部分當(dāng)作背景去除掉，從而影響后續(xù)的處理（圖4b）。本文采用了“圍剿算法”分割圖像?；舅枷胧峭ㄟ^掃描圖像找到面塊的四周邊緣點(diǎn)，將其以外的部分像素灰度值置白（R、G、B灰度值全設(shè)為255），而面塊區(qū)域不變。

該方法先采用縱向掃描的方式，從整個(gè)圖像最左端開始依次掃描圖像的每一列。首先從一列的最頂端掃描，當(dāng)掃描到面塊點(diǎn)時(shí)即停止掃描，記錄該點(diǎn)為1點(diǎn)（圖4a）。（如果到掃描到下邊界仍然沒有碰到面塊點(diǎn)，說明此列全部是背景點(diǎn)，將其灰度值置白，接著掃描下一列）。再?gòu)脑摿械淖畹锥碎_始掃描。

同樣，掃描到面塊點(diǎn)時(shí)停止掃描，記錄這點(diǎn)為2點(diǎn)，那么1點(diǎn)和2點(diǎn)之間就是面塊區(qū)域，保持其灰度值不變，1點(diǎn)和2點(diǎn)之外的為背景區(qū)域，將其灰度值置白。縱向掃描完成后，再用同樣的方法橫向掃描處理，這樣即干凈地去除了背景又完整地保留了面塊區(qū)域（圖4c所示）。

2.3 去邊緣毛刺

面塊邊緣不平整，常有不規(guī)則鋸齒狀毛刺，人工視覺檢測(cè)時(shí)會(huì)替意識(shí)忽略毛刺去判斷面塊整體形狀，而毛刺對(duì)于計(jì)算機(jī)識(shí)別形狀形成障礙。本研究通過“削切算法”，削切面塊邊緣去除毛刺，得到面塊的“真邊界”。

具體步驟如下：首先采用縱向掃描方式，從整個(gè)圖像的最左端開始依次掃描每一列（圖5），記錄該列最頂端面塊像素點(diǎn)a到最底端面塊像素點(diǎn)b之間所有像素個(gè)數(shù)N總 和面塊像素個(gè)數(shù)N面 ，計(jì)算該區(qū)間內(nèi)面塊像素所占的比例Ratio， Ratio=N面/N總 。

如果Ratio=0.70且 N面》30時(shí)，掃描結(jié)束（因?yàn)槊虨殇忼X狀，邊緣呈漸進(jìn)變化趨勢(shì)，實(shí)驗(yàn)表明，此時(shí)毛刺基本消除又不會(huì)破壞面塊形狀。）。記錄此時(shí)的邊界值left。同樣方式處理上、右、下邊界，并記錄對(duì)應(yīng)的三個(gè)邊界值right，up，bottom。至此削切處理完成。（處理后效果如圖6所示）

3.缺損判斷

3.1特征值提取

本研究提取的兩個(gè)特征值是面塊的初始面積 （A初）和削切處理后面塊與外接矩形的面積比（R比）。其中A初是通過掃描圖像，累記面塊像素個(gè)數(shù)來表示。R比是通過下式來表示：

式中：A面為削切后面塊的面積，計(jì)算方法同A初; （right-left+1）（bottom-up+1）為削切后面塊外接矩形的面積，其中up、bottom、left、right為第2.3步驟中得到的四個(gè)值。

3.2缺損有無(wú)的判斷：

通過大量的實(shí)驗(yàn)統(tǒng)計(jì)：正常面塊R比值為0.95～0.10，而缺損面塊的R比值一般低于0.95。因此，只要R比《0.95則判斷面塊缺損。實(shí)驗(yàn)還發(fā)現(xiàn)有極少數(shù)缺損面塊是與邊平行斷損，這種缺損面塊經(jīng)削切處理后整體形狀仍然是矩形， R比值會(huì)接近正常面塊從而造成誤判。

但這類面塊共同的特征是斷損區(qū)域較大，會(huì)造成面塊初始面積明顯偏小，即A初《 8000（正常面塊A初在10000左右）。所以，經(jīng)R比判斷合格的面塊要再A初值檢驗(yàn)，如果A初《 8000則判斷面塊缺損。本文通過對(duì)128塊面塊（其中缺損面塊70塊）進(jìn)行實(shí)驗(yàn)，判斷準(zhǔn)確率達(dá)96.8%。

4. 結(jié)論

本文模擬方便面生產(chǎn)線設(shè)計(jì)了圖像采集裝置，利用觸發(fā)控制抓拍到對(duì)比度較高的方便面圖像。采用Visual C++6.0 開發(fā)了一套行之有效的軟件系統(tǒng)。采用了“圍剿算法”巧妙地去除背景，利用了“削切算法”對(duì)面塊邊緣進(jìn)行處理，去除周邊毛刺的干擾。

最后提取二個(gè)特征參數(shù)即削切后面塊與外接矩形的面積比值R比和初始面塊面積A初來判斷面塊是否缺損。這樣把復(fù)雜的形狀識(shí)別問題轉(zhuǎn)化為面積計(jì)算問題，這種方法看似簡(jiǎn)單，但其效果是常規(guī)的形狀識(shí)別算法不易達(dá)到的。本實(shí)驗(yàn)方法另辟蹊徑，其優(yōu)勢(shì)十分明顯，識(shí)別率高、速度快、實(shí)用性強(qiáng)，完全滿足在線檢測(cè)。

本文作者創(chuàng)新點(diǎn)：

1.模擬方便面生產(chǎn)線設(shè)計(jì)了圖像采集裝置，利用觸發(fā)控制抓拍到對(duì)比度較高的方便面圖像;

2.利用HIS顏色空間下像素的I值作為參數(shù)，采用了“圍剿算法”對(duì)圖像進(jìn)行了巧妙分割;

3.利用了“削切算法”對(duì)面塊邊緣進(jìn)行處理，去除周邊毛刺的干擾。解決了計(jì)算機(jī)后續(xù)形狀識(shí)別的干擾問題。

4.提取二個(gè)特征參數(shù)（即削切后面塊與外接矩形的面積比值R比和初始面塊面積A初）來判斷面塊是否缺損，識(shí)別率高。

編輯：jq