基于機器視覺的卷煙爆珠在線檢測系統設計

常景景 - 鄭 鵬 王文秀 - 徐穎杰 -

(1. 鄭州大學機械與動力工程學院，河南 鄭州 450001；2. 鄭州機械研究所有限公司，河南 鄭州 450052)

卷煙爆珠是用成膜材料制成的球形囊狀物，也稱做香丸、脆性膠囊、珠子。其質量為15～40 mg，尺寸為2.8～3.5 mm，依據不同香味，爆珠呈不同的顏色，部分產品有包衣膜[1]。近年來，隨著含爆珠卷煙銷量和產量連年高速增長，如何判定其理化指標是否符合工業生產加工需求，受到卷煙生產企業的關注[2]。對卷煙爆珠的質量檢測主要為爆珠的顏色是否混雜、爆珠尺寸是否一致，有無破損漏液缺陷等。目前多采用的檢測方式有采用固定尺寸篩選孔的機械篩選，以及在燈檢臺上人工肉眼檢測的方式，由于爆珠體積過小，批量檢測數量較多，依靠人眼感官篩選檢測與機器視覺智能檢測相比，這些檢測方式存在尺寸檢測不精準、產品二次破壞、無法多項目同時檢測、檢測效率低等弊端，通常缺陷總誤檢率在5%左右。

機器視覺是一門新興技術，包括圖像處理、計算機科學技術等學科，是當下具有較好發展前景的研究方向[3]。機器視覺具有諸如缺陷檢測、尺寸測量、物體識別等功能，其智能化、非接觸和精確性都得到各檢測領域的廣泛接受[4]，在自動化、智能化普及的日常生產中，機器視覺技術在產品質量檢測、產品加工狀態檢測等眾多方面被廣泛應用。

在對卷煙爆珠的質量檢測系統設計方面，目前國內外使用較多的檢測方法為人工篩選檢測，有學者[5]提出了機器視覺檢測，但檢測只針對爆珠單一缺陷進行。研究擬設計一種基于機器視覺的爆珠質量自動檢測系統，通過視覺單元完成對爆珠顆粒的提取，圖像處理單元基于分段線性變化的灰度分析完成異色檢測，基于非線性度變換增強缺陷的對比度完成漏液檢測，基于改進最小外接圓法完成異形檢測，從而對卷煙爆珠實現在線智能識別檢測。以期系統取代人工操作，解決對卷煙爆珠的直徑、氣泡、異色缺陷問題的同步檢測，提高工業生產檢測的智能化水平。

1 檢測系統總體設計

基于機器視覺的爆珠質量檢測系統要包括上料單元、下料單元、傳送單元、圖像采集單元、圖像處理單元、不合格品剔除單元、PC機等。系統檢測流程如圖1所示。

其中工控機通過串口協議完成與外部硬件控制單元的交互，包括系統的振動抖料裝置、傳送帶與剔除裝置的啟停，為避免黏連爆珠首先經過振動篩，傳送帶與傳感觸發裝置配合下料漏斗將爆珠有序地傳送至黑箱中的鏡頭下方，觸發白色平板光源配合工業相機在圖像采集單元完成圖像采集，基于Halcon的圖像處理單元包括工控上位機、擴展圖像采集卡和串口卡，在圖像處理單元完成爆珠缺陷特征檢測。系統結構簡圖如圖2所示。

2 系統關鍵單元設計

2.1 下料單元

在爆珠的流水線生產過程中，考慮到爆珠的實際尺寸大小以及一旦爆珠破損會使之發生黏連的情況，系統在上料單元加入了振動篩，爆珠經過振動被分散到下料通道中，進入通道的爆珠會被注入幾個不同的下料漏斗中，爆珠從漏斗自動落入到傳送帶上的爆珠卡槽。其中傳送帶鏈條由透明鏈板拼接而成，每片鏈板上有10個略大于爆珠顆粒的卡槽，用于在傳送過程中使爆珠的位置相對固定，從而實現在傳送單元爆珠的單粒化，如圖3所示。

圖1 系統檢測流程圖Figure 1 System test flow chart

1. 振動篩 2. 下料裝置 3. 傳送裝置 4. 采集系統 5. 工控機 6. 剔除裝置

2.2 圖像采集單元

在圖像采集單元，系統為了解決爆珠在采集過程中會出現的反光及陰影問題，采用底部打光方式，光源選取白色平板漫射光[6-7]，如圖4所示，為保證后續圖像采集不受外界光線的干擾，將整套機器視覺光系統放置在黑箱遮光盒中[8]。對采集到的圖像進行缺陷檢測分析，區分出合格與不合格品，計算出缺陷爆珠的相對坐標信息。

2.3 剔除單元

設計了噴氣式剔除裝置如圖5所示。圖像處理單元經過工控機計算得到缺陷爆珠坐標信息之后，向網絡繼電器的IO端口發送信號，經繼電器對每列爆珠下對應位置的氣閥進行控制。缺陷爆珠經傳動帶到達剔除噴閥正上方時，剔除單元會接收到剔除信號從而對不合格品進行高壓吹氣，將不合格品分放到次品箱中，實現了合格爆珠與不合格爆珠的分離，完成了爆珠的特征檢測，爆珠剔除軌跡如圖5中虛線所示。

圖3 下料裝置Figure 3 Blanking device

圖4 機器視覺光源裝置Figure 4 Machine vision light source device

1. 收集箱 2. 傳送帶 3. 爆珠隔板 4. 爆珠 5. 網絡繼電器 6. 氣閥開關 7. 氣閥 8. 缺陷爆珠剔除路徑

3 爆珠機器視覺在線檢測算法設計

3.1 爆珠顆粒分割提取

經機器視覺光學系統采集可得到爆珠顆粒圖像。由于系統采用背部打光且光源為白色平板漫射光，帶卡槽的傳送帶保證了爆珠的單粒化，故能保證采集的目標爆珠顆粒圖像的完整性。

在對爆珠進行缺陷識別檢測時，需要對單粒爆珠進行提取。最大類間方差法[9](OSTU法)是利用類別方差作為判斷依據，計算得出類間方差最大的灰度值，將其作為最佳分割閾值。但由于爆珠的顏色過淺導致其與背景灰度差不明顯時，在運用該方法時會存在圖像信息丟失的情況，為了能夠準確獲取待檢測爆珠顆粒，采用改進的最大類間方差法進行區域ROI提取。

設爆珠整幅圖像大小為m×n，灰度值分為0～(L-1)級，則圖像的初始閾值T如式(1)所示。

(1)

式中：

f(x，y)——點(x，y)的灰度值；

Q——圖像的總像素數，Piex。

求出初始閾值T之后，設閾值小于T的部分為C0，大于T的部分為C1。C1為要提取的爆珠顆粒目標，則C1的灰度均值如式(2)所示。

(2)

式中：

fC1(x，y)——區域C1各點的灰度值；

QC1——區域C1的總像素數，Piex。

為保證爆珠的完整分割提取，將目標區域閾值設置為[T,L-1]。對總像素數為Q的一幅圖像，設灰度值i的像素數為qi，則各像素概率為Pi=qi/Q，則區域C0、C1的概率和平均灰度值分別如式(3)、式(4)所示。

(3)

(4)

式中：

μ——圖像的平均灰度統計值，μ的表達式如式(5)所示。

(5)

(6)

式中：

3.2 爆珠異色檢測

當爆珠為實心或空心時，因內部填充物與合格爆珠不同，表現出的顏色也不同，另外對同批次同種顏色的爆珠，混入其他類型時也會表現出異色。試驗提出了基于灰度分析的顏色缺陷識別算法。待檢測爆珠為藍色時，混入異色有深綠色、黃色、橙色幾種情況，每種顏色各自對應灰度不同，為了最大程度分開不同顏色的爆珠，提出采用分段線性灰度變換將顏色缺陷特征進行放大。對輸入灰度f(x,y)，將感興趣目標的灰度范圍(a,b)拉伸到(c,d)，其他灰度區間被壓縮，對應輸出g(x,y)表達式如式(7)所示。輸出灰度值如圖7所示。

圖6 爆珠顆粒提取效果Figure 6 Study on extraction effect of capsules

(7)

式中：

a、b——要轉換的灰度范圍值；

c、d——線性灰度變換斜率決定因子。

通過調節節點位置及控制變換的斜率，可對爆珠灰度區間進行拉伸或壓縮。在顏色缺陷檢測部分，采用分段線性變化突出了待檢測爆珠的灰度區間，抑制了缺陷爆珠的灰度區間，最大程度上放大缺陷特征。不同顏色爆珠灰度值分析圖如圖8所示。

針對不同的灰度值進行分析，首先對選取的一整行爆珠進行灰度均值的計算，對爆珠顏色進行預選，再對每行每顆爆珠進行遍歷計算，選取能表征爆珠特性的灰度均值以及灰度最大值與最小值的差值來對不同顏色的爆珠進行檢測篩選，構建算子求出待檢測爆珠的灰度差值及灰度均值，通過設定篩選閾值的范圍，當兩者的值超過篩選閾值范圍時，則判斷爆珠顏色質量不合格，從而完成對香煙爆珠的顏色檢測。

3.3 爆珠漏液檢測

爆珠因外殼破損導致漏液的產生，進而會導致爆珠內部填充物減少，從而產生氣泡。因直接采集得到的圖像中氣泡與背景對比度很低，難以進行區分，故對原始圖像采用非線性灰度變換來增加氣泡邊緣的對比度。非線性灰度變換不會擴展整個圖像的灰度范圍，而是有選擇性地擴展一定的灰度范圍，對數變換被廣泛應用于非線性灰度變換[10]。通過對爆珠顆粒圖像作對數變換，氣泡呈現灰度會被擴大，背景呈現像素會被壓縮，從而氣泡更清晰地呈現出來。對數變換是一個有用的非線性映射交換函數，對數變換的函數如式(8)所示。

圖7 分段線性灰度變換Figure 7 Piecewise linear gray scale transformation

圖8 爆珠顆粒灰度分布圖Figure 8 Gray distribution of capsules

(8)

式中：

a、b、c——引入計算參數。

通過計算擴大輸入圖像的低灰度區域并壓縮了高灰度區域，可以清晰地展示圖像的細節，經過處理后的圖像會將因漏液產生的氣泡顯示得更加清晰。對處理過后的圖像再依次進行灰度值突變檢測，通過計算灰度值爆珠的灰度差值及均值，設置合理閾值范圍，從而完成對爆珠的漏液檢測。

3.4 爆珠尺寸檢測

對待檢測爆珠的外形輪廓及尺寸進行檢測，首先對爆珠的邊緣輪廓進行提取，考慮到爆珠的半透明狀態，采集得到的圖像會存在爆珠的外形輪廓圓度不均的情況，故需要對輪廓進行擬合。文中首先對爆珠輪廓提取完成之后，計算輪廓的圓度信息，求解出直徑合格時的圓度值，設置合格圓度范圍為Circularity≥0.963，對圓度信息合格的爆珠再進行粒徑的判斷。當相機垂直于爆珠進行拍攝采集時，獲取得到的爆珠圖像是最接近圓的，采用此圓的最大直徑作為爆珠的直徑尺寸。文中，最小外接圓法用于計算爆珠的直徑，首先要確定最小外接圓的圓心，將爆珠顆粒圖像的質心作為最小外接圓的圓心，將爆珠灰度圖目標區域的總像素數記作s，通過求取灰度圖目標像素的平均像素點獲得質心坐標[11]，如式(9)所示。

(9)

式中：

Cx——圓心橫坐標，Piex；

Cy——圓心縱坐標，Piex；

xi——目標像素點的橫坐標，Piex；

yi——目標像素點的縱坐標，Piex。

確定目標像素點的圓心坐標后，求出中心坐標到圖像坐標的距離，求兩者之間距離最大時作為最小外接圓半徑。設定初始像素點，通過遍歷所有像素點，利用距離公式計算此時像素點與圓心的距離，如式(10)所示，爆珠最小外接圓半徑通過迭代更新獲得。

(10)

式中：

d——兩點之間的距離，Piex。

求得爆珠最小外接圓半徑之后，在灰度圖像圓心處以所求半徑作圓即爆珠最小外接圓。基于最小外接圓邊緣檢測的方法，對采集得到的圖像進行腐蝕及膨脹等形態學處理之后，依次按先行再列的循環方式對爆珠邊緣進行XLD(Xtended Line Descriptions)輪廓提取，通過設定閾值，即可檢測出直徑不合格的爆珠。

4 試驗驗證

4.1 試驗設計

4.1.1 材料

橙色2.8 mm(小爆珠)、藍色3.5 mm(大爆珠)：鄭州鄭源實業有限公司。

4.1.2 方法 卷煙爆珠特征機器視覺在線檢測系統圖像采集單元中相機參數如表1所示。

對10×8個爆珠顆粒進行顏色、尺寸質量特征檢測。

4.2 采集爆珠圖像處理

首先對進入相機視場的8(行)×10(列)個爆珠顆粒進行顏色信息特征檢測，對同批次同種顏色的爆珠，混入其它類型時也會表現出異色，基于灰度分析進行顏色檢測，方框標記出顏色不合格的缺陷爆珠，結果如圖9(a)所示。

再進入有無漏液缺陷檢測，當爆珠因外殼破損出現漏液情況時，在爆珠內部會產生氣泡，基于非線性度變換對氣泡邊緣增強，虛線方框標記出因產生漏液導致爆珠產生氣泡的缺陷爆珠，結果如圖9(b)所示。

最后進行爆珠的外形判定，爆珠生產過程會產生尺寸偏大或者偏小的問題，基于最小外接圓及邊緣檢測分析出爆珠的尺寸信息，圓圈標記出直徑偏大或者偏小的缺陷爆珠，檢測如圖9(c)所示。

4.3 試驗結果分析

在爆珠直徑特征檢測單元，對進入檢測單元的爆珠圖像的爆珠粒徑值做實時誤差分布統計，如圖10所示，通過誤差分布統計得出，爆珠的直徑不合格率接近12.5%，通過機器視覺檢測模塊可對不合格爆珠實現精準剔除。針對不同顏色及不同尺寸的爆珠進行大量重復試驗，系統檢測速度可達3 000顆/s，其中樣本數量包含藍色3.5 mm缺陷爆珠7 500顆、橙色2.8 mm缺陷爆珠8 500顆，對缺陷爆珠中因顏色不同、直徑過大過小、爆珠破損導致的異色、異形、破損缺陷進行了檢測，結果分析如表2所示。

表1 圖像采集單元參數

圖9 爆珠顆粒機器視覺系統質量檢測結果圖Figure 9 Quality inspection result chart of machinevision system for capsules

圖10 粒徑檢測誤差分布圖Figure 10 Error distribution of particle size measurement

表2 爆珠抽樣檢測結果分析表

系統檢測結果顯示，不合格爆珠的誤檢率均控制在3%以內，效果良好。爆珠的質量檢測十分關鍵，文中提出的基于機器視覺的香煙爆珠特征識別方法更準確以及更高效地完成了對香煙爆珠的特征識別檢測，通過對不合格品的剔除，能保證爆珠的質量以及消費者的最佳體驗感。

5 結語

針對機械式卷煙爆珠檢測的諸多問題，提出了一種基于機器視覺的卷煙爆珠在線檢測系統。設計精準的缺陷檢測算法，同時完成對爆珠形狀、尺寸以及是否破損的檢測。設計硬件系統實現了爆珠上料及剔除的一體化，并通過試驗驗證了系統檢測的可行性。該系統解決了現有對爆珠機械篩選的效率低下問題，在保證檢測精度的同時提高速度，具有良好的企業應用價值。但該系統對傳動機構要求較高，而實際生產中加工條件各不相同，若爆珠發生粘黏，在圖像處理階段可考慮新的邊緣提取方式，如貝葉斯邊緣擬合，同時增加不同種類爆珠模擬訓練樣本，以進一步提高檢測精度。