竹片顏色在線分揀的機(jī)器視覺化研究

顧學(xué)民，秦現(xiàn)生，賀 峰，蔡 勇，劉 瓊，宋 昕

GU Xue-min, QIN Xian-sheng, HE Feng, CAI Yong, LIU Qiong, SONG Xin

（西北工業(yè)大學(xué) 機(jī)電學(xué)院，西安 710072）

竹片顏色在線分揀的機(jī)器視覺化研究

An online machine-vision system in bamboo chips color sorting

顧學(xué)民，秦現(xiàn)生，賀 峰，蔡 勇，劉 瓊，宋 昕

GU Xue-min, QIN Xian-sheng, HE Feng, CAI Yong, LIU Qiong, SONG Xin

（西北工業(yè)大學(xué) 機(jī)電學(xué)院，西安 710072）

為適應(yīng)竹地板加工過程中竹片顏色分揀的自動(dòng)化需求，構(gòu)建了基于機(jī)器視覺的竹片顏色在線分揀系統(tǒng)。研究了竹片顏色分揀過程中的圖像采集、光源照明、光學(xué)鏡頭等關(guān)鍵問題，設(shè)計(jì)了竹片顏色識(shí)別的圖像處理算法和軟件處理流程，并探討了竹片顏色分揀平臺(tái)的機(jī)械傳送裝置及分揀裝置的實(shí)現(xiàn)，實(shí)驗(yàn)表明：提出的基于HIS的竹片顏色分揀算法和基于灰度均值的竹片顏色分揀算法，可實(shí)現(xiàn)4種以上竹片色差的顏色識(shí)別。

機(jī)器視覺；圖像處理；顏色識(shí)別

0 引言

這幾年我國竹地板市場(chǎng)發(fā)展迅速，產(chǎn)品深受國內(nèi)外消費(fèi)者歡迎。在竹地板的生產(chǎn)過程中，竹片的顏色分揀是竹地板選片工藝中的一道重要工序。傳統(tǒng)的顏色分揀是靠目測(cè)挑選，人工分色效率低、誤差大，每個(gè)人的辨色標(biāo)準(zhǔn)也不一致。隨著竹片自動(dòng)化加工水平的提高，傳統(tǒng)的竹片顏色分揀方法已不能滿足生產(chǎn)中快速檢測(cè)和持續(xù)檢測(cè)的要求。應(yīng)用機(jī)器視覺檢測(cè)技術(shù)，可有效提高竹片的在線檢測(cè)速度、保證產(chǎn)品的檢測(cè)質(zhì)量，有利于進(jìn)一步提高竹片的生產(chǎn)效率。

美國、芬蘭、加拿大等國從20世紀(jì)80年代開始，應(yīng)用機(jī)器視覺技術(shù)針對(duì)木材的無損檢測(cè)進(jìn)行了大量研究：加拿大Matrox公司與美國Venten公司合作開發(fā)的GS2000系統(tǒng)，以及芬蘭Mecano公司的VDA系統(tǒng)已在當(dāng)?shù)氐哪静募澳z合板加工企業(yè)中得到應(yīng)用[1～3]；國內(nèi)，南京林業(yè)大學(xué)利用機(jī)器視覺技術(shù)研究了木材及單板的自動(dòng)分級(jí)[4]；東北林業(yè)大學(xué)采用機(jī)器視覺檢測(cè)技術(shù)，對(duì)木材表面的色差檢測(cè)進(jìn)行了分析和研究；北京林業(yè)大學(xué)將機(jī)器視覺技術(shù)應(yīng)用于原木的加工等?；跈C(jī)器視覺的顏色分揀技術(shù)，可實(shí)現(xiàn)產(chǎn)品的無接觸檢測(cè)，具有可重復(fù)性好、檢測(cè)效率高效等優(yōu)點(diǎn)。但是，由于竹材自身具有的力學(xué)特性、外觀，及竹質(zhì)地板特有的生產(chǎn)工藝的限制，目前針對(duì)竹材外觀顏色分級(jí)的研究不多，相關(guān)的機(jī)器視覺檢測(cè)設(shè)備仍屬罕見。

本文針對(duì)竹片的特點(diǎn)，設(shè)計(jì)了竹片顏色分揀的圖像采集方案，研究了竹片顏色識(shí)別的圖像處理算法，并構(gòu)建了竹片的顏色分揀平臺(tái)，經(jīng)過實(shí)驗(yàn)驗(yàn)證，該系統(tǒng)可實(shí)現(xiàn)4種以上竹片色差的顏色識(shí)別，能夠達(dá)到竹片在線顏色分揀的要求。

1 竹片圖像采集單元

竹片的顏色分揀是竹地板生產(chǎn)過程中的一道重要工序。竹質(zhì)地板是以自然竹材為原料，經(jīng)截?cái)?、開條、粗刨、化學(xué)、干燥、精刨、選片、涂膠、組坯、膠合及后加工等二十多道工序加工制成的室內(nèi)裝修材料。概括竹質(zhì)地板的生產(chǎn)工藝，它主要由三大步驟組成：基材（竹片）的加工、選片、基材的組合后加工。本文研究的竹片顏色分揀系統(tǒng)，屬于選片工藝中的一道工序，主要完成對(duì)合格竹片進(jìn)行自動(dòng)顏色分揀。所需檢測(cè)的竹片，如圖1所示。

竹片長度約1000mm，寬度20mm左右，厚度4.6mm ～ 7mm；竹片的在線檢測(cè)速度約1m/s；按照竹地板生產(chǎn)廠家的要求，需對(duì)竹片的主檢測(cè)面(通常為竹片的正面或側(cè)面)進(jìn)行4～6種的顏色分類。

圖1 待檢測(cè)的竹片

1.1 圖像采集方案

竹片圖像質(zhì)量的好壞直接決定了圖像處理算法的難易程度，對(duì)實(shí)際的竹片在線檢測(cè)結(jié)果有很大的影響。由于系統(tǒng)需要對(duì)竹片的四個(gè)表面做在線檢測(cè)，本文采用了四部相機(jī)的圖像采集方案，如圖2和圖3所示。

圖2 四部相機(jī)圖像采集方案（俯視）

圖3 四部相機(jī)圖像采集方案（A向視圖）

圖2是四部相機(jī)的檢測(cè)方案示意圖（光源未畫出），圖3是圖2的A向視圖。該方案采用四部工業(yè)相機(jī)，上下左右沿竹片的傳動(dòng)方向錯(cuò)位放置，相機(jī)之間錯(cuò)開大于一個(gè)視場(chǎng)寬度的距離?？紤]到竹片上下表面與側(cè)面相比面積較大，對(duì)于竹片的上下表面分別采用LED扁平環(huán)狀光源照射，竹片的兩個(gè)側(cè)面分別采用LED條狀光源照射。竹片通過傳送機(jī)構(gòu)在工作臺(tái)上沿A向運(yùn)動(dòng)，工業(yè)相機(jī)分別對(duì)竹片的四個(gè)表面進(jìn)行連續(xù)拍攝。

該方案可實(shí)現(xiàn)對(duì)竹片四個(gè)表面單獨(dú)拍攝，能夠穩(wěn)定地完成竹片的圖像采集，且圖像采集系統(tǒng)構(gòu)建靈活、能夠適應(yīng)不同尺寸竹片的圖像采集。

1.2 圖像采集硬件

1.2.1 工業(yè)相機(jī)及數(shù)碼相機(jī)

高質(zhì)量的竹片圖像信息是系統(tǒng)正確分色的原始依據(jù)。對(duì)于物體的顏色識(shí)別，目前可采用工業(yè)相機(jī)和數(shù)碼相機(jī)兩種圖像采集裝置，兩者之間的差異，如表1所示。

表1 工業(yè)相機(jī)與數(shù)碼相機(jī)的比較

工業(yè)相機(jī)一般適用于在線檢測(cè)，可長時(shí)間地穩(wěn)定工作，易于安裝維護(hù)；數(shù)碼相機(jī)的性能目前也達(dá)到了較高的水平：分辨率高、感光性能好、信噪比高，可用于圖像的實(shí)驗(yàn)分析。因此，本文分別選用了工業(yè)相機(jī)和數(shù)碼相機(jī)進(jìn)行圖像的采集。

根據(jù)竹片的尺寸特點(diǎn)及在線檢測(cè)的速度要求，工業(yè)相機(jī)選用了：面掃黑白CCD工業(yè)相機(jī)IK030M，CCD尺寸1/3英寸，分辨率752×480，幀頻為60幀/秒；彩色數(shù)碼相機(jī)選用佳能A610，CCD感光芯片，分辨率500萬像素。

1.2.2 光學(xué)鏡頭

對(duì)于工業(yè)相機(jī)，光學(xué)鏡頭的選配主要考慮兩個(gè)因素：焦距種類和焦距大小。

光學(xué)成像鏡頭根據(jù)焦距種類可分為定焦和變焦兩類。在檔次相同的情況下，定焦鏡頭比變焦鏡頭的像差要小[5]；此外，由于被測(cè)對(duì)象（竹片）的厚度、寬度變動(dòng)量較小，故優(yōu)先選用定焦鏡頭。

鏡頭焦距：由鏡頭焦距f=拍攝距離×CCD寬度/（目標(biāo)寬度+ CCD寬度）可得出鏡頭的焦距數(shù)值。為了在電荷耦合器件芯片(CCD)上完整成像，所選的鏡頭焦距值應(yīng)低于計(jì)算值。本文被測(cè)竹片的拍攝距離設(shè)定為200mm，視場(chǎng)在38mm × 50mm左右，根據(jù)確定相機(jī)的CCD型號(hào)，最終選用的鏡頭焦距為16mm。

1.2.3 光源

為盡可能地突出竹片的有用特征，在光源照明設(shè)計(jì)中，需考慮光源的照明方式、穩(wěn)定性及光源顏色。

光源的照明方式有垂直打光、低角度打光、背光照射、同軸光照射。由于本文只做竹片表面的顏色分析，因此選用正面垂直照明方式即可。

穩(wěn)定性是指光源在長時(shí)間工作下光強(qiáng)和光的顏色保持穩(wěn)定的性能，這直接影響著竹片檢測(cè)中分色任務(wù)的實(shí)現(xiàn)，在選用光源產(chǎn)品時(shí)，必須認(rèn)真考慮。

光源顏色種類主要有紅、綠、藍(lán)、白。由于CCD對(duì)紅色光的感光性能最好，且紅色光源照射強(qiáng)度的穩(wěn)定性好，在使用黑白工業(yè)相機(jī)時(shí)，課題組選用了紅色光源；另一方面，由于白色光源可以反映物體的本色特征，在使用數(shù)碼相機(jī)時(shí)，選用了白色熒光燈進(jìn)行照射。

2 竹片顏色識(shí)別的圖像處理算法

竹片顏色需要分類約4～6種，經(jīng)過人工品色分選，首先確定了6種顏色類別，如圖4所示。

圖4 竹片6種顏色類別的圖塊

基于彩色圖像的顏色識(shí)別技術(shù)，可識(shí)別的顏色種類多、范圍廣，顏色識(shí)別的精度高，可用于顏色分類級(jí)別多、檢測(cè)精度要求較高的場(chǎng)合。而灰度圖像的顏色分揀技術(shù)則多應(yīng)用于產(chǎn)品的在線檢測(cè)，可應(yīng)用于顏色分類級(jí)別不多的場(chǎng)合。因此，針對(duì)竹片顏色分揀的特點(diǎn)，本文分別研究了兩種竹片顏色識(shí)別的圖像處理方法：基于彩色圖像的竹片顏色識(shí)別方法、基于灰度圖像的竹片顏色識(shí)別方法。

2.1 彩色圖像的竹片顏色識(shí)別方法

彩色圖像是對(duì)客觀對(duì)象的一種相似性的、生動(dòng)性的描述，它包含了被描述對(duì)象的顏色信息，是人們最主要的信息來源。為了科學(xué)地測(cè)定、研究和使用顏色，已經(jīng)建立了十幾種顏色模型，例如，RGB、HIS、Lab等等。目前，圖像處理中常用的顏色分析模型主要有RGB顏色模型和HIS顏色模型。

2.1.1 RGB顏色模型特征參數(shù)分析

圖5 竹片樣本顏色的RGB分布曲線

在同一光照條件下，使用數(shù)碼相機(jī)對(duì)每種樣本顏色的竹片采集80幅靜態(tài)圖像，運(yùn)用Matlab 7.0圖像分析軟件獲取圖像中像素點(diǎn)的RGB顏色信息值（其中，RGB三種顏色量化值的變化范圍均為[0,255]），6種竹片樣本顏色R、G、B值的分布曲線，如圖5所示。

木雕藝術(shù)家要將傳統(tǒng)符號(hào)“消化、吸收”，并重新將其生命注入新穎的形式構(gòu)造里去，令傳統(tǒng)雕琢技藝與新穎塑造觀念并存，突出個(gè)人的內(nèi)心愿望，從而引發(fā)觀者的共鳴。在探索的過程中，他們盡管會(huì)面對(duì)很多困難與問題，但也會(huì)不斷開啟更新的空間，看到更美的風(fēng)景。

2.1.2 HIS顏色模型特征參數(shù)分析

HIS模型包括三個(gè)分量：色調(diào)H(hue)、亮度I(intensity)、飽和度S(saturation)。在處理圖像的過程中，通常我們獲取的圖像是由相機(jī)和圖像采集卡采集到的，得到的圖像是基于RGB模型的，進(jìn)行HIS模型的圖像分析，需要將圖像的R、G、B成分轉(zhuǎn)換為H、I、S值。從RGB轉(zhuǎn)換到HIS的計(jì)算公式如下：

圖6 竹片樣本顏色的HIS分布曲線

其中，0≤R≤255，0≤G≤255，0≤B≤255，0°≤H≤360° ，0≤I≤255，0≤S≤1。

在本文的實(shí)驗(yàn)中，對(duì)采集的竹片樣本圖像進(jìn)行H、I、S特征值的計(jì)算分析，每個(gè)特征值的分布曲線如圖6所示。

2.1.3 算法實(shí)現(xiàn)

對(duì)于竹片的彩色圖像，通過使用RGB和HIS兩種顏色模型對(duì)竹片的6種顏色樣本進(jìn)行分析：RGB顏色模型難以將6種顏色的竹片區(qū)分開來，而根據(jù)竹片顏色的H和S的特征值分布特點(diǎn)，可實(shí)現(xiàn)對(duì)竹片6種顏色樣本的圖像分類，具體取值范圍如表4-6所示。此外，由于H和S受光照強(qiáng)度的影響較小。因此，對(duì)于彩色圖像本文選用了基于HIS模型的竹片顏色識(shí)別算法，具體步驟如下：

1）對(duì)于沒有缺陷的竹片圖像，去除竹片圖像中的背景。

2）統(tǒng)計(jì)竹片區(qū)域R、G、B三個(gè)分量各自的平均值。

3）依據(jù)公式(1)和(3)計(jì)算竹片區(qū)域所有像素的色調(diào)H和飽和度S的平均值。

4）根據(jù)表2進(jìn)行竹片顏色種類的判斷。

表2 基于HIS模型的竹片顏色分類

2.2 灰度圖像的的竹片顏色識(shí)別方法

每種顏色樣本的竹片采集80幅靜態(tài)圖像，運(yùn)用Matlab 7.0圖像分析工具獲取圖像中竹片區(qū)域的灰度值（灰度變化范圍[0,255]）。對(duì)于每種顏色樣本的竹片圖像，計(jì)算每幅圖像的灰度均值GM以及所有圖像灰度均值GM的平均值，每種顏色的灰度均值分布曲線，如圖7所示。

圖7 竹片樣本顏色的灰度均值分布曲線

由圖7可知，基于灰度均值的竹片顏色識(shí)別方法，能夠?qū)?種竹片顏色分為4類，具體每類“顏色”的灰度值分布范圍，如表4所示?；诨叶染档闹衿伾R(shí)別算法，具體步驟如下：

1）對(duì)于沒有缺陷的竹片圖像，去除竹片圖像中的背景。

2）統(tǒng)計(jì)竹片區(qū)域所有像素點(diǎn)的灰度平均值。

3）根據(jù)表3進(jìn)行竹片顏色種類的判斷。

表3 基于灰度均值的竹片顏色分類

2.3 竹片顏色識(shí)別的檢測(cè)流程

由于竹片長度的變化范圍約1m，必須對(duì)竹片進(jìn)行連續(xù)拍攝，才能進(jìn)行整跟竹片的顏色判別。整根竹片的顏色識(shí)別檢測(cè)流程，如圖8所示，具體步驟如下：

1）獲取竹片圖像數(shù)據(jù)。

2）使用竹片顏色識(shí)別算法進(jìn)行該幅圖像的顏色識(shí)別。

3）如果整根竹片掃描結(jié)束，則進(jìn)行竹片顏色的判別；否則返回Step1。

4）根據(jù)整根竹片所有圖像的顏色識(shí)別結(jié)果，選擇判定結(jié)果次數(shù)最多的顏色種類作為最終的竹片顏色檢測(cè)結(jié)果。

3 竹片顏色分揀平臺(tái)的設(shè)計(jì)

根據(jù)竹片特點(diǎn)及竹片在線顏色分揀的要求，構(gòu)建了滿足生產(chǎn)線要求的竹片顏色分揀平臺(tái)，主要由竹片傳送裝置和竹片分揀裝置兩部分構(gòu)成。

3.1 傳送裝置

如圖9所示，竹片的傳送采用凸板和上下滾輪裝置實(shí)現(xiàn)。凸板作為各組上下滾輪裝置之間的過渡；帶有彈簧滑塊機(jī)構(gòu)的上滾輪裝置作為壓輪，壓平竹片的撓度并配合主動(dòng)輪的傳動(dòng)，可適應(yīng)多種厚度的竹片傳送；下滾輪作為主動(dòng)輪，置于被測(cè)竹片的下方配合上滾輪實(shí)現(xiàn)竹片的傳輸；各下滾輪的傳動(dòng)方式采用同步齒形帶實(shí)現(xiàn)。兩側(cè)限位擋塊用于限制竹片的左右位移，并在其上加設(shè)了斜面裝置，可防止竹片側(cè)彎時(shí)在相機(jī)視場(chǎng)口引起的止動(dòng)卡死。

3.2 分揀裝置

圖10 竹片分揀裝置

圖11 竹片分揀裝置

竹片分揀裝置采用擺桿機(jī)構(gòu)與上下滾輪裝置配合實(shí)現(xiàn)，如圖10和圖11所示。分揀過程中使用擺桿機(jī)構(gòu)控制竹片的傳送方向，用寬幅的上下滾輪裝置將竹片末端傳送入擺桿分揀平臺(tái)，同時(shí)適應(yīng)由擺桿機(jī)構(gòu)擺動(dòng)帶來的竹片末端的傾斜。擺桿機(jī)構(gòu)由步進(jìn)電機(jī)驅(qū)動(dòng)。帶有分揀信息的竹片運(yùn)送入分揀平臺(tái)，由其前方檢測(cè)段的上下滾輪裝置傳送使其穿過擺桿上的分叉；當(dāng)竹片的末端到達(dá)寬幅的上下滾輪裝置時(shí)，擺桿機(jī)構(gòu)轉(zhuǎn)動(dòng)到該分揀信息對(duì)應(yīng)的料盒方向；由于擺桿分揀平臺(tái)設(shè)計(jì)較短，竹片由其自身重力滑落于對(duì)應(yīng)的分揀料盒中；然后擺桿機(jī)構(gòu)復(fù)位（與傳送方向共線）。

擺桿只需要旋轉(zhuǎn)很小的角度便可實(shí)現(xiàn)竹片的分類，分揀動(dòng)作時(shí)間短，結(jié)構(gòu)簡單，節(jié)省資源且分揀裝置長度較小，可實(shí)現(xiàn)竹片的開放式收料。

4 實(shí)驗(yàn)驗(yàn)證

4.1 實(shí)驗(yàn)環(huán)境

灰度圖像的竹片顏色識(shí)別：工業(yè)相機(jī)選用方程科技IK系列的面掃黑白CCD工業(yè)相機(jī)IK030M，分辨率調(diào)至640×480時(shí)，幀頻可達(dá)60幀/秒以上，具有外觸發(fā)功能。鏡頭選用16mm的Computar鏡頭，經(jīng)過實(shí)驗(yàn)，該鏡頭景深可達(dá)20mm左右。照明系統(tǒng)采用紅色LED扁平環(huán)狀光源。利用此圖像采集系統(tǒng)，對(duì)大于1m/s運(yùn)動(dòng)速度的竹片進(jìn)行抓拍，獲取的竹片圖像進(jìn)行顏色識(shí)別分析。

彩色圖像的竹片顏色識(shí)別：由于實(shí)驗(yàn)條件限制，未采用彩色工業(yè)相機(jī)，本文選用了數(shù)碼相機(jī)進(jìn)行竹片靜態(tài)的彩色圖像分析。選用的相機(jī)為佳能A610，光學(xué)尺寸1/1.8英寸，圖像分辨率2592×1944。

4.2 顏色識(shí)別算法實(shí)驗(yàn)

對(duì)于每種顏色的竹片，通過人工分揀，各選出20根進(jìn)行實(shí)驗(yàn)測(cè)試。使用工業(yè)相機(jī)及數(shù)碼相機(jī)分別攝取竹片圖像，每種顏色的竹片各獲取50幅彩色圖像和灰度圖像。在Matlab7.0環(huán)境下，采用本文提出的兩種竹片顏色識(shí)別算法對(duì)每幅圖像進(jìn)行檢測(cè)，結(jié)果如表5和表6所示。

表4 基于HIS模型的竹片顏色識(shí)別

表5 基于灰度均值的竹片顏色識(shí)別

由以上實(shí)驗(yàn)數(shù)據(jù)可知：基于HIS模型的竹片顏色識(shí)別算法檢測(cè)效果較好，該方法可檢測(cè)6種竹片顏色，準(zhǔn)確率達(dá)到了88.2%以上；基于灰度均值的竹片顏色識(shí)別算法檢測(cè)精度較低，可識(shí)別4類竹片顏色，準(zhǔn)確率在80%左右。

[1] Sarigul E,Abbott AL,Schmoldt DL Nondestructive rulebased defect detection and identification system in CT images of hardwood logs [C].Review of Progress in Nondestructive Evaluation,2001(20)：1936-1943.

[2] Bhandarkar SM.A system for detection and rendering of internal log defects using computer tomography [J].Machine Vision and Applications,1999,11(4) ：171-190.

[3] Bhandarkar S M,Faust T D,Tang M.A computer vision system for lumber production planning[C].Proc IEEE Intl Wkshp Appl Computer Vision, Princeton,NJ,Oct 19-21,1998, 134-139.

[4] 程偉,朱典想.基于計(jì)算機(jī)視覺的單板自動(dòng)分級(jí)系統(tǒng)設(shè)計(jì)[J].木材工業(yè),2007,21(3)：24-26.

[5] 章煒,等.機(jī)器視覺技術(shù)發(fā)展及其工業(yè)應(yīng)用[J].紅外,2007,27(2).

TP274+.3

A

1009-0134(2010)10(下)-0001-03

10.3969/j.issn.1009-0134.2010.10(下).01

2009-11-06

顧學(xué)民（1972 -），男，河北圍場(chǎng)人，講師，博士，研究方向?yàn)橛?jì)算機(jī)集成制造、人工智能、作業(yè)調(diào)度。