基于機器視覺的竹片顏色分選系統設計

劉　紅，鄧　宸，夏穎怡

（1.云南機電職業技術學院，云南 昆明650203；2.賽寶認證中心，廣東 廣州 510000）

0　引言

隨著國家對綠色環保的要求越來越高，利用價格低廉易于取材的竹材制作竹地板深受消費者喜愛，市場發展迅速。竹地板的制作主要分為基材（竹片）的加工，選片分揀和基材組合后加工三個過程。其中選片分揀是按照生產企業的要求，對竹片的主檢測面（通常為正面）進行4~6種的顏色分類。傳統的人工分色分揀效率低，誤差大[1]。

文獻[2]表明將機器視覺技術應用于木材及膠合板加工中，對木材表面色差進行分選可有效提高在線檢測速度，保證檢測質量，提高生產效率。雖然我國應用機器視覺針對木材顏色分類的研究不少，但由于竹材與木材在力學特性、外觀及竹片特有的生產工藝上與木材有較大區別，分類時同類竹片顏色差異較小，工藝上要求分類速度快，針對竹材設計相關成熟的機器視覺檢測分選系統具有重要意義。

1　系統總體設計

本文設計的基于竹片顏色特征的在線選片分揀系統主要由機器視覺模式識別系統（稱之為上位機）和機械分選控制系統（稱之為下位機）兩大子系統組成。應用圖像采集器（工業相機）和計算機組成上位機系統進行基于竹片顏色的圖像分類。由上料裝置、傳動裝置、分揀裝置以及PLC控制裝置組成下位機系統。上位機進行圖像采集處理和模式識別之后將識別結果傳輸到下位機，下位機根據識別結果，通過PLC控制裝置控制相互配合的三個機械裝置完成竹片的上料、傳動、分揀和入庫工作，實現竹片分選的自動運行。設計架構如圖1所示。

圖1　系統框圖

一般基于內容的圖像分類過程包括數字圖像的讀取、數字圖像處理、特征提取、圖像分類和結果輸出等。上位機采用配有USB接口、以太網接口的工業相機對竹片樣品進行拍照取樣，將采集到的圖像傳輸到計算機內的指定路徑下進行數字圖像的讀取。而文獻[3]表明MATLAB 7.0軟件不僅對圖形處理功能和一般數據可視化軟件功能（例如二維曲線和三維曲面的繪制和處理等）方面表現完善，而且對于一些其他軟件所沒有的功能（例如圖形的光照處理、色度處理以及四維數據的表現等）也有出色的處理能力。故數字圖像處理、特征提取、圖像分類和結果輸出等模式識別算法則利用計算機系統軟件MATLAB來實現。

下位機的上料裝置通過離心震蕩器不斷工作，使后面竹片推著前面竹片成密排列狀螺旋上升來到振動上料裝置的出口。竹片由于自身的重力作用以及后方竹片的推動作用在連接桿中勻速滑落，平穩落到輸送皮帶上。竹片隨輸送皮帶向工業相機移動，工業相機的紅外檢測裝置探測到竹片來到工業相機下方，此時發送一個脈沖信號給上位機。上位機收到信號后發送一個上升信號給工業相機模塊，命令相機對竹片進行拍照，之后相機將采集到的數字圖像發送到上位機。上位機接收到數字圖像后對圖像進行處理和模式識別，完成識別后向下位機發送識別結果。下位機收到識別結果后，通過S7-200PLC控制器控制分揀裝置工作。電機通過絲桿螺母配合控制分揀氣缸移動到對應竹片種類庫邊，由氣缸中的活塞（滑竿）將竹片推入庫中完成分揀。如果上位機的識別表明樣品竹片不屬于4類標準竹片中的任何一件，則將竹片推入廢料庫中。系統的組成結構示意圖見圖2.

圖2　系統的組成結構示意圖

2　數字圖像處理

由于工業環境大多處在復雜電磁環境、高噪音以及灰塵中，故圖像在生成、獲取和傳輸過程中難免出現圖像噪聲，且不同掃描分辨率所生成圖像質量也不同。為避免這些噪聲影響到之后特征值提取及模式識別的準確性，故需要對采集到的圖像進行降噪和增強處理。

2.1　圖像降噪

圖像降噪處理首先采用傅里葉變換，把圖像空間轉換到頻域空間直接進行處理，在頻域內對高頻范圍的分量進行適當的抑制，即去除高頻部分分量，就可以改變輸出圖的頻率分布，達到濾出高頻噪聲的目的。本設計使用在MATLAB中自定義函數'butterworth'來實現圖像的巴特沃斯低通濾波。其中設置了4種不同的濾波截止頻率 D0，分別是 15、30、50、80.其中發現 D0=50或D0=80時濾波效果較好。

2.2　數字圖像增強

在圖像采集過程中可能會出現采集圖像偏暗或偏亮，這時需要對數字圖像進行修正或增強。數字圖像的統計直方圖反應了這幅圖像中不同灰度級像素的出現情況，且圖像和其統計直方圖有對應關系，可采用直方圖均衡化或直方圖規定化對數字圖像進行增強。由于直方圖規定化可以按用戶規定的向量對圖像直方圖進行處理，靈活性較高，參數向量設置合理可以得到較好的圖像增強效果[4]。故應用MATLAB軟件中自定義函數 'adapthisteq(T，vall，param2，val2…）'對圖像進行自適應直方圖規定化處理。經測試，當val1取值在0.01~0.05之間效果較好。

3　模式識別

為了讓計算機對竹片進行顏色分類，需要提取竹片的顏色特征，并針對竹片的顏色特征設計相應的分類器，即對竹片顏色進行模式識別。

3.1　圖像顏色空間

提取竹片顏色前，首先需要建立顏色空間，把顏色用一種數學方法——顏色空間來表示，用它來準確的描述顏色，使顏色形象化。根據應用對象的不同數字圖像工程中顏色空間主要有①面向硬件設備的顏色空間RGB和CMY顏色空間；②面向彩色圖像處理的顏色空間HSI；③CIE顏色空間，L*a*b*和XYZ顏色空間。由工業相機獲取的彩色圖像被直接表示成 RGB 顏色空間，但紅（R）、綠（G）、藍（B）成分與人對顏色的感覺并無直接聯系，而L*a*b*顏色空間在三維空間中每個坐標軸上視覺顏色和心理感知顏色是等距的，并且有明度指數和色品指數細致的級差，色差分辨力非常強，特別適合在小色差情況下顏色的測量和分辨。因此L*a*b*顏色空間在大量行業中都得到了大范圍的應用，尤其是在諸如竹纖維品、木纖維品、地磚、陶瓷還有紡織品這些顏色較為單一材質的分析上。所以本設計選用L*a*b*顏色空間進行特征值提取。利用MATLAB中自定義函數'RGB2Lab'，RGB顏色空間可以方便地轉換到L*a*b*顏色空間。

3.2　L*a*b*顏色空間特征值提取

在L*a*b*均勻顏色空間內，數字圖像以像素為基本單位，所以對圖像進行顏色特征獲取也應該以像素為基本單位。L*a*b*色度指數中，L*為心理計量明度，L*值越大試件顏色越淺，a*值表示紅綠軸的變化，b*值黃藍軸的變化。可以提取的顏色特征有L*、a*、b* 三個分量的均值及其均差△L*、△a*、△b*；色調角Ag*和C*彩度的均值及其均差△Ag*、△C*；單幅圖像各像素顏色參數與整幅圖像顏色均值之間的色差參數△E*和色相參數△H*等；圖像中各參數的標準差 D△L*、D△a*、D△b*、D△Ag*、D△C*、D△E*、D△H* 等[5]。其中 L*、a*、b*、Ag*、C*5個顏色參數均值描述了物體樣品的整體顏色特征，而其7個色差參數均差和7個色差標準差描述了物體樣品各像素點與其均值之間的差值，即偏離差。以上竹材表面顏色的原始特征參數構成19維特征向量T.這19維特征向量可充分分析同類竹片間細微的顏色差異。

3.3　竹片顏色分類器設計

對竹片顏色的分類時，迫切希望計算機能看懂人類是如何分類的。于是需要針對竹片的顏色特征設計相應的計算機能處理的分類器。這個分類器的最主要工作就是區分竹片圖像的顏色，即對竹片顏色進行模式識別。

距離測度模板匹配法是最簡單的識別方法，用一個未知的樣品與已知的不同標準模板比較，看他們的相似度是多少，若相似度為100%，則說明它們完全相同。設A和B為兩個標準樣品模板，其n維特征向量分別為 XA= （xA1，xA2，…，xAn）T和 XB=（xB1，xB2，…，xBn）T。而待識別樣品 X 的特征向量為：X=（x1，x2，…，xn）T。如果 X=XA，則樣品為 A.若 X=XB則樣品為B.所以也可認為如果X距離XA比X距離XB近，則X屬于XA，反之屬于XB.因任意兩點間距離為式（1），其歐式距離遠近可作為判斷依據，構成歐式距離分類器，判別法的數學表示為式（2）。

在MATLAB中利用自定義主函數'main(void）'可以實現對竹片顏色的分類。在此程序中共設置了4個模 板 分 別 為 num1.jpg（）、num2.jpg、num3.jpg、num4，jpg，通過計算得出4個模板的19維特征向量T1、T2、T3、T4.若樣品圖像的19維特征向量為T，計算T和T1、T2、T3、T4歐氏距離di（Ti，T）（i=1，2，3，4）.取出4個距離中最小的dmin（X，Y），規定如果dmin（X，Y）＞2，則說明樣品不屬于4類中任何一類若，dmin（X，Y）≤2則說明樣品屬于4類中歐氏距離最小的那一類。例如輸入樣品sample1.jpg原始圖像為（a），經MATLAB軟件預處理后圖像為（b）與模板一（num1.jpg）圖像（c）相同，見圖3.數據結果處理結果如下：

D=0.015211.33826.53698.5498

y=0.0152

圖3　識別結果

歐氏距離計算數據顯示與模板一距離最短，樣品屬于模板一圖像代表的第一類竹片，分類成功。本設計選取了四類共100片竹片樣本進行了分選實驗，實驗結果見表1.系統的平均識別率達到86%.對顏色較淺的一類和二類的竹片識別率較高，達到了95.9%，表明該系統是可行和有效的。

表1　竹片樣本分選實驗數據表

4　結論

上述分析表明，雖然同種類竹片的顏色差別比較小，但由于L*a*b*顏色空間的均勻性、等距性和高分辨率的優點能充分表征竹片的顏色特征，其19維的特征向量提取值能夠充分反映竹片顏色微小差異，再結合運算速度較快的距離測度模板匹配法的模式識別技術，使本設計能夠完全適應竹片分揀過程中快速識別分揀的需求，解決了人工分類的繁瑣，精確度不高的問題，實現了機器視覺技術對竹片顏色的在線自動選片分揀。