圖像處理技術在卷煙包裝過程中的應用與發(fā)展

王偉

摘 要：圖像處理技術在卷煙包裝過程各個環(huán)節(jié)均有應用，主要用來對產品質量進行控制，根據(jù)不同檢測條件和檢測精度要求，采用的檢測相機與圖像處理算法有所不同，本文在介紹區(qū)別的同時，重點分析了裝箱機缺條檢測中應用的圖像處理算法，提出灰度參數(shù)和面積參數(shù)調整方法，并對軟件的智能化提出新的建議。

關鍵詞：圖像處理；灰度；裝箱機

中圖分類號：TP391 文獻標識碼：A

一、項目開發(fā)背景與趨勢

在香煙卷包機組的生產效率逐步提高的前提下，對工藝質量的控制難度越來越大，外觀檢測技術含量不斷提高，圖像處理算法多種多樣，對現(xiàn)場電氣人員和技術人員是不小的挑戰(zhàn)。而外觀檢測的效果，取決于圖像處理算法的正確選取和各種參數(shù)的準確性。因此，本文對圖像處理技術做詳細分析，希望對技術人員的應用提供幫助。

二、硬件系統(tǒng)分析

圖像處理技術的前提是“圖像”，盡量保證圖像的清晰和待識別內容明確是圖像處理硬件系統(tǒng)需要解決的問題。在卷煙行業(yè)中，主要涉及的是相機與光源的選取問題。

1 相機的選用

相機這里主要應用黑白與彩色相機。（a）小盒外觀檢測使用彩色相機對煙包進行檢測，該方法檢測精度高，對硬件處理速度要求高。（b）條煙外觀檢測與缺條成像檢測采用黑白相機，關注的是灰度上明顯的差別，該方法檢測內容精度低，對硬件處理速度要求低。

2 曝光光源的選用

光源主要分單色光和白光，這里均有應用。包裝帶玻璃紙的地方使用單色光較好。

三、軟件算法分析

1 圖像處理算法概述

圖像處理是用計算機對圖像進行分析，以達到所需結果的技術，而進行圖像分析所使用的工具就是圖像處理算法，這些算法包括基本算法，類似的有二值化、灰度圖像、邊緣查找等，也有高級算法，像神經網(wǎng)絡算法等。

2 應用到行業(yè)內的圖像處理過程

卷包過程應用的檢測大體的處理流程：首先，圖片預處理。得到灰度圖片，采用RGB轉灰度算法，得到灰度圖；其次，算法處理及分析，灰度圖上按用戶檢測設置定位監(jiān)測范圍，選擇處理算法。主要用到二值化、邊緣檢測、平滑、去噪聲、模板匹配等圖像處理算法，再配合統(tǒng)計分析；最后，與目標值結果比對，根據(jù)檢測參數(shù)的設置進行檢測結果判斷，包括灰度平均值、偏差，邊緣檢測重量與長度，模板匹配相似度，以及其他偏差值，將不合格產品剔除或者報警。

四、成像檢測參數(shù)調整方法

缺條成像檢測的調整原理是在檢測圖像上設置矩形框，對矩形框內的圖像進行閾值X的二值化處理，將處理結果中聯(lián)通暗區(qū)的面積值與設定值Y對比，超出界限則報警。X值與Y值的選擇是手動設置，這個值很關鍵，如果不能設定合適的值，則檢測不到缺條或者誤檢過多。因此，我們做以下分析。

1 確定閾值X

為了找到合適的閾值，在MATLAB中我們對圖像首先進行灰度直方圖的分析。

i=imread（E：＼test1.bmp）；

j=rgb2gray（i）；

figure（）；imshow（j）；%原圖的灰度圖

figure（）；imhist（j）；%灰度分布直方圖

區(qū)域A的高分布來源于暗色的空隙，區(qū)域C的高分布來源于煙條的亮色反光，而區(qū)域B的過渡區(qū)是介于亮色與暗色之間過渡區(qū)域，我們的閾值X就設置在區(qū)域B，大致范圍60～140。

繼續(xù)在MATLAB中進行分析

通過分析，圖片絕大部分閾值應該定義在150左右，而兩個角落最好定義在80～110的某一個值（需要多次實驗），這樣的分析結果較接近我們想要得到的結果。

經過多次實驗，最終確定：

Level=60/255=0.235閾值60。

2 現(xiàn)場處理方法

根據(jù)這個原理，在生產現(xiàn)場我們應該通過以下方法確定閾值：（a）畫一個較大的檢測框，包含正常煙條、設備暗區(qū)、煙條正?？p隙；從大到小改變閾值進行測試，這里得出閾值為60左右較為合適。（b）確定暗區(qū)面積范圍Y，在上述實驗中，由于圖片中有不同程度的暗區(qū)，這些暗區(qū)不代表缺條，而且面積較小。在實際中，暗區(qū)大小需要用添加面積約束（約束范圍內報警，默認3500～100000）。（c）根據(jù)實際經驗，我們找到確定面積的標準調整方法：繪制檢測框，不用故意避免縫隙，盡量讓檢測框之間沒有縫隙，測試找到合適閾值X；將檢測框檢測閾值設為255，處理后得到檢測框的設定面積值Y1；將檢測框檢測閾值設定為之前調整好的閾值X，處理后得到檢測框內的暗區(qū)面積值Y2；根據(jù)Y1，Y2的值針對空隙晃動情況，設置一個大于Y2的面積范圍下限Y（根據(jù)經驗，經常設置為Y1的1/6到1/4范圍）。

結語

不同的煙條，甚至不同燈光下閾值不同，這樣默認的40閾值對調整檢測參數(shù)來說意義不大，沒有自動的調整方法或者專業(yè)人員前提下參數(shù)較難確定，導致檢測效率不高，而通過上述方法可以找到相對準確的閾值。同時需要根據(jù)每個檢測框內可能出現(xiàn)的縫隙或者暗點添加面積約束條件，默認1500的起始面積可能造成誤檢和漏檢，需要根據(jù)檢測框的面積重新確定。

參考文獻

[1]張德豐.數(shù)字圖像處理（MATLAB版）[M].北京：機械工業(yè)出版社，2012.