卷煙爆珠拖尾缺陷檢測方法

王 澍 ，徐龍泉，董 浩，彭黔榮*，周明珠，張 龍，羅光杰，吳曉松，李志剛，劉 勇

1.中國科學院合肥物質科學研究院，合肥市蜀山湖路350號 230031

2.中國科學技術大學，合肥市金寨路96號 230026

3.貴州中煙工業有限責任公司技術中心，貴陽市經濟技術開發區開發大道96號 550000

4.國家煙草質量監督檢驗中心，鄭州高新技術產業開發區翠竹街6號 450001

卷煙爆珠生產過程中，受到材料、工藝及設備等因素的影響［1-2］，在爆珠滴制成型時需要其外殼自然收口成球，但當生產中的流速、介質密度等參數發生變化時，會導致爆珠外殼收口狀態不穩定，出現外表面小區域隆起的情況，稱為爆珠拖尾缺陷。由于不同卷煙爆珠制造工藝及壁材配方不同，拖尾高度對機械性能的影響也存在差異。因此，生產中需綜合考慮爆珠制造工藝、壁材配方及卷棒設備結構等因素，根據具體情況確定剔除拖尾爆珠的高度閾值。對于常用的直徑2.8 mm和3.5 mm兩種規格爆珠，需要將拖尾高度大于0.2 mm的爆珠進行剔除，這是因為拖尾高度較大的爆珠會對濾棒的上機適應性產生影響，導致爆珠在卷入濾棒過程中出現破裂，甚至堵塞卷棒設備。而高度小于0.2 mm的拖尾也會對爆珠質量產生影響，造成拖尾爆珠的壓碎強度（指壓破爆珠所需施加的力）偏低，因此在生產控制環節需要通過計算批次爆珠的拖尾率，對相關設備參數進行調整。目前國內外常規的卷煙爆珠外觀檢測設備多用于檢測氣泡、顏色等缺陷［3-5］，對于卷煙爆珠拖尾缺陷檢測則鮮見報道。在實際生產中拖尾高度小于0.2 mm的爆珠居多，而爆珠為非剛性球體，圓度值各異，這樣微小的輪廓變異就要求檢測算法具有極高的靈敏度，常規的圓度檢測算法無法滿足實際需求［6-7］，傳統人工燈檢方法也存在主觀性大、判定指標無法量化等問題。為此，基于視覺檢測原理設計了一種卷煙爆珠拖尾缺陷檢測系統，根據圖像分析結果對爆珠外觀質量進行判定，并計算異常爆珠的拖尾高度值，以期為爆珠外觀質量管控提供一種可量化指標的技術手段，提高爆珠生產效率。

1 系統組成

1.1 系統設計

卷煙爆珠拖尾缺陷檢測系統主要由上料機構、輸送機構、爆珠自旋轉機構、相機、圖像分析軟件及控制系統組成，見圖1。上料機構將爆珠逐個分離送至輸送機構，輸送機構再將爆珠送至爆珠自旋轉機構，通過自旋轉機構使爆珠高速自轉，由上方的相機對旋轉中的爆珠進行定時高速拍照。

圖1 卷煙爆珠拖尾缺陷檢測系統結構圖Fig.1 Structure of detection system for tailed capsules

1.2 檢測流程

由圖2可見，系統在0.2 s內連續采集10張不同角度的爆珠圖像并傳輸給圖像處理軟件，軟件采用輪廓圓投影算法對單幀輪廓的圓度和平滑度進行分析。綜合10張圖像的分析結果，系統對當前爆珠是否具有拖尾進行判定，并計算出拖尾高度值。此外，系統還對爆珠缺陷類型進行編碼，并將判定結果傳輸給控制電路，當爆珠被輸送至剔除工位時，系統執行剔除/放行動作。

圖2 卷煙爆珠外觀缺陷檢測流程圖Fig.2 Flowchart of detection process for appearance of cigarette capsules

2 檢測方法

2.1 球體多角度圖像采集

研究表明，對球體外觀檢測可采取多角度旋轉拍攝的方法［8-9］。為實現爆珠拖尾的全視角檢測，采用高速相機結合旋轉拍照機構對單顆爆珠進行多角度間隔成像，單顆爆珠總拍照時間為0.5 s，拍照數量為10張。

2.2 基于Mean-shift的爆珠圖像分割

由于爆珠壁厚不均勻及球體的光學效應，圖像中的爆珠區域顏色不均勻。為保證輪廓提取的穩定性和魯棒性，采用了基于Mean-shift均值漂移理論的圖像分割方法［10-11］。該方法首先在圖像中選取種子像素點，以種子像素點為基元對周圍像素值相近的像素點進行逐步吞噬合并，從而實現圖像的動態閾值分割，其分割效果好于傳統的閾值分割法［12-13］。Mean-shift算法的數學模型為［14］：

式中：xc表示待計算待處理像素點x的顏色參數分別為采樣像素點的顏色和距離參數；權函數K1（x）代表顏色差異度，顏色與點x越接近，其值越大；權函數K（2x）≥0代表空間位置差異度，待處理像素點的空間位置與點x越近，其值越大；h表示計算區域的范圍。

2.3 基于開閉運算的爆珠輪廓提取

為實現爆珠輪廓的提取并形成閉環，使用了開閉運算的方法對爆珠外輪廓進行提?。?5-16］。該方法使用3×3結構元素Struct_D對二值圖像進行腐蝕處理，其定義為：

式中：A為二值圖像的爆珠區域；Θ為腐蝕運算符號。

將腐蝕后的爆珠圖像矩陣與原始二值圖像矩陣相減，即可得到爆珠外輪廓邊緣，其數學模型為：

式中：Edge（f（x，y））為爆珠外輪廓像素點。

圖3為一顆帶有拖尾的爆珠在本系統上所拍攝的10張圖像及其對應的外輪廓線，可以在圖3a、e、h、j中觀察到輪廓邊緣上的小拖尾。

圖3 單顆爆珠多角度圖像及提取的外輪廓Fig.3 Vector images and contours of a capsule at different angles

2.4 基于圓投影的爆珠輪廓檢測

卷煙爆珠輪廓上較小的拖尾高度在0.05～0.10 mm之間且爆珠圓度值各異，因此需要一種能夠在不同圓度值的爆珠輪廓上檢測出微小突變的數學算法［17-18］。圓投影變換的基本原理是通過極坐標變換將圖像從原來的二維坐標系轉換到極坐標系［19-20］。為此，利用圓的各向同性和投影特征將外輪廓的各個方向表達在投影圖的橫坐標上，從而對極坐標變換后的爆珠外輪廓曲線進行數值分析。極坐標轉換公式為［21］：

式中：（x0，y0）是原坐標系f（x，y）中爆珠區域的質心坐標；（x，y）表示爆珠外輪廓上其他像素點的坐標。在極坐標變換時以（x0，y0）為圓心，ρ為半徑進行轉換，（ρ，θ）分別表示極坐標系f（ρ，θ）的橫坐標與縱坐標，轉換關系可簡化為x=ρcosθ，y=ρsinθ。

圖4為不同類型卷煙爆珠外輪廓的圓投影展開圖。圖中，橫坐標θ為輪廓展開的角度，區間是0～360°，表示將爆珠外輪廓按角度θ進行展開；縱坐標ρ為每個角度θ對應的外輪廓像素點距離爆珠中心（x0，y0）的距離。

圖4 不同類型爆珠的圓投影曲線Fig.4 Circular projection curves of capsules of different types

2.5 拖尾判定與識別

2.5.1 等效輪廓線

圖5為根據極坐標展開后的輪廓曲線繪制的等效輪廓線。圖中，橫坐標θ為輪廓展開角度，區間是0～360°。等效輪廓線計算公式為：

式中：dist［j］為輪廓上第j個像素點距離中心（x0，y0）的距離；Pro_dist［j］為該像素點的近似高度；n為等效步長。

圖5 等效輪廓線Fig.5 Equivalent contour

2.5.2 拖尾判定

在本系統中參與拖尾判定的數學因子有4個：輪廓變異系數、輪廓變異長度、輪廓變異量和拖尾高度。

（1）輪廓變異系數：

式中：D_h［j］為j點輪廓變異系數，當3個連續像素點的輪廓變異系數D_h［j-1］、D_h［j］及D_h［j+1］均大于設定閾值Tre_D時判定當前點j為輪廓變異點，Tre_D的取值可根據爆珠尺寸設定。

（2）由于存在輪廓邊緣噪聲，并不是所有D_h［j］大于Tre_D的像素點都是拖尾像素點，因此在計算輪廓變異長度時，像素點的距離集中度應符合公式（7）中的規定才被認為是連續的變異像素點。輪廓變異長度：

式中：jmean為輪廓上所有像素變異點的橫坐標均值；n為拖尾區間寬度，根據實際拖尾寬度比例，本研究中n取15。只有當輪廓變異像素點在均值周圍正負n的寬度區間內才被認為是連續變異點，否則為離散變異點。

（3）輪廓變異量：

式中：n_var為輪廓變異長度；N_T為輪廓總長度。當Var_ratiao大于輪廓總長的1/20，即認為爆珠輪廓上存在一段變異突起。

（4）當爆珠Var_ratiao大于輪廓總長的1/20時，開始計算變異突起的高度H。圖6中拖尾輪廓L1最高點與等效輪廓線L2間的高度差H即為拖尾高度：

式中：H為變異輪廓高度值；dist′［j］為輪廓變異區域的高度最大值；φ為平均輪廓高度。Tre_H為拖尾高度的判定閾值，經過反復測試設定Tre_H=0.05 mm，即當一顆爆珠輪廓上存在高度大于0.05 mm的突起時，判定當前爆珠具有拖尾缺陷。

圖6 爆珠拖尾高度計算示意圖Fig.6 Schematic diagram of tail height calculation of tailed capsule

3 結果與分析

3.1 圖像采集數量與識別率的關系

采集方式為多角度旋轉拍照，相機幀率為70幀/s，在0.5 s內可對爆珠進行最多35次圖像采集。為了實現最佳識別精度且避免冗余計算，需要選取合適的拍照數量。為此，對圖像采集數量與拖尾識別率之間的關系進行了測試，結果見圖7。可見，圖像采集數量達到10張時，拖尾爆珠的識別率處于96%左右，趨于穩定。因此，對單顆爆珠的圖像采集數量設定為10張。

圖7 圖像采集數量-拖尾識別率的關系Fig.7 Relationship between image number and recognition rate

3.2 拖尾高度與爆珠壓碎強度的關系

經篩選得到高度分布在0.05～0.10、0.10～0.15、0.15～0.20和0.20～0.25 mm的拖尾爆珠，每個區間各100顆，同時選取無拖尾爆珠100顆，對拖尾高度與爆珠壓碎強度進行測試，結果見圖8。使用單因素方差分析方法對測試數據進行分析［22］，在α=0.05顯著水平下，拖尾高度0.05～0.10 mm范圍內的爆珠與無拖尾爆珠相比，壓碎強度值無顯著性差異；拖尾高度0.10～0.15、0.15～0.20和0.20～0.25 mm范圍內的爆珠與無拖尾爆珠相比，壓碎強度均有顯著性差異。因此，拖尾高度大于0.10 mm會對爆珠壓碎強度產生影響，且隨著拖尾高度的增加而變大。

圖8 拖尾高度與爆珠壓碎強度之間關系Fig.8 Relationship between tail height and crushing strength

由圖8可見，拖尾高度在0.10～0.20 mm范圍內的爆珠，壓碎強度仍在7 N以上，滿足爆珠壓碎強度（9±2）N的設計要求，不影響爆珠的正常使用；當拖尾高度超過0.20 mm后，爆珠壓碎強度脫離設計值，同時沿拖尾方向的爆珠直徑也超出設計值，由此增加了卷棒過程中破珠及堵塞設備通道的風險。因此，將拖尾高度閾值設定為0.20 mm，應用于爆珠放行通過檢驗，可將爆珠卷棒過程中的破珠率有效控制在以內。

3.3 測量精度測試

挑選4顆拖尾爆珠，使用顯微鏡對其拖尾高度進行多次測量，取最大值作為拖尾高度，分別為0.13、0.16、0.20和0.26 mm。將4顆爆珠置入系統中進行檢測，每顆爆珠分別重復10次，統計拖尾高度，結果見表1?？梢姡到y測量拖尾高度的誤差小于3%。

表1 系統對4顆爆珠拖尾高度重復檢測結果Tab.1 Repeated measurement results of height of four tailed capsules

3.4 拖尾識別測試

采用人工燈檢方法從A（黃色，直徑2.8 mm）、B（紅色，直徑2.8 mm）、C（黃色，直徑3.5 mm）、D（綠色，直徑3.5 mm）4類爆珠中，分別挑選出200顆拖尾爆珠和200顆合格爆珠樣品。在燈檢臺上，通過人眼識別含有微小拖尾的樣品。圖9是一顆直徑2.8 mm的爆珠，可以觀察到其右下角紅圈內有一個微小的拖尾。使用系統計算得到爆珠直徑是414個像素點，拖尾高度為8個像素點，換算得到拖尾高度是0.054 mm。

圖9 人工燈檢臺上拍攝的含有微小拖尾的爆珠Fig.9 A cigarette capsule with tiny tail（height 0.054 mm）defect

（1）識別率。將4類拖尾爆珠（均為200顆）分別放入系統中進行檢測，設置拖尾最小識別閾值為0.05 mm，考察拖尾缺陷識別率，結果見表2。可見，本文方法對爆珠的識別率≥95%，拖尾高度分布區間為0.05～0.55 mm。

表2 拖尾爆珠識別率測試結果Tab.2 Test results of recognition rate of tailed capsules

（2）誤檢率。將4類合格爆珠（均為200顆）放入系統中進行檢測，設置拖尾最小識別閾值為0.05 mm，考察誤檢率，結果見表3。可見，本文方法對爆珠的誤檢測率＜1%。

表3 拖尾爆珠誤檢率測試結果Tab.3 Test results of false positive rate of tailed capsules

（3）以爆珠實際生產放行檢驗為例，將本文方法與人工燈檢方法進行對比。分別從A（黃色，直徑2.8 mm）和D（綠色，直徑3.5 mm）兩種顏色和尺寸規格的爆珠中，各抽取10批次的爆珠樣品，每批次的樣品量為1萬顆左右。分別用人工方法和本文方法進行檢測，系統設置拖尾最小識別閾值為0.05 mm，結果見圖10。可見，本文方法與人工方法的偏差分布為［-0.08%，0.21%］，表明本文方法與人工方法具有較高一致性，能夠滿足卷煙爆珠生產中抽樣檢驗要求。

圖10 A爆珠（黃色，直徑2.8 mm）和D爆珠（綠色，直徑3.5 mm）本文方法與人工方法對比Fig.10 Comparison between the proposed method and manual inspection

4 結論

①基于多角度輪廓圓投影的拖尾缺陷檢測方法對拖尾高度的測量誤差小于3%，對于常規拖尾缺陷爆珠（拖尾高度0.05～0.50 mm），計量誤差在0.015 mm以內，能夠滿足生產中質檢要求；②本文方法對于拖尾缺陷的識別率≥95%，誤檢率＜1%，最小拖尾識別高度為0.05 mm；③本文方法與人工燈檢方法的拖尾識別率偏差分布為［-0.08%，0.21%］，能夠滿足卷煙爆珠生產中抽樣檢驗要求，為爆珠的外觀放行檢驗提供了一種可靠技術手段。