基于STM32微控制器的紙張缺陷檢測系統(tǒng)*

徐 勇，張一圣，王 軍,2

(1.信息科學技術(shù)學院，南京林業(yè)大學，江蘇 南京 210037；2.江蘇省制漿造紙科學與技術(shù)重點實驗室，南京林業(yè)大學，江蘇 南京 210037)

2017-09-03

南京林業(yè)大學大學生創(chuàng)新訓練計劃項目(2016NFUSPITP122)；江蘇省制漿造紙科學與技術(shù)重點實驗室基金項目(201521)

徐 勇(1997- )，男，安徽安慶人，本科生，研究方向為機器視覺與無損檢測。

1674- 4578(2017)05- 0040- 03

基于STM32微控制器的紙張缺陷檢測系統(tǒng)*

徐 勇1，張一圣1，王 軍1,2

(1.信息科學技術(shù)學院，南京林業(yè)大學，江蘇 南京 210037；2.江蘇省制漿造紙科學與技術(shù)重點實驗室，南京林業(yè)大學，江蘇 南京 210037)

針對傳統(tǒng)人工紙張缺陷檢測方法既不可靠又耗時的缺點，本文采用一種基于STM32高性能微控制器的紙張缺陷視覺檢測系統(tǒng)，能快速準確地識別出紙張缺陷。該系統(tǒng)利用攝像頭采集紙張圖像，由微控制器對紙張圖像進行去噪和直方圖均衡化等預處理后，通過邊緣檢測提取出缺陷圖像，對缺陷大小和位置進行準確判斷。實驗結(jié)果表明該系統(tǒng)檢測方法簡單、判斷準確和實時性好。

紙張缺陷檢測；視覺檢測；STM32；圖像處理

在紙張的生產(chǎn)過程中，由于設(shè)備的磨損、原材料的質(zhì)量、以及人為的操作失誤等原因，會導致形成一些外觀紙病，如：孔洞、黑點、污漬等。傳統(tǒng)造紙工廠普遍采用人工檢測方法來檢測紙張缺陷，效率低，且難以實現(xiàn)監(jiān)測數(shù)據(jù)實時管理。同時機器視覺檢測技術(shù)因其直觀準確的特點在各領(lǐng)域得到了廣泛應用，所以提出運用機器視覺進行紙張缺陷檢測的方法。

這一領(lǐng)域逐漸成為先進國家交叉學科技術(shù)的熱門，如美國、日本、加拿大、法國、芬蘭、挪威等，這些造紙工業(yè)發(fā)達的國家在該領(lǐng)域進行了深入的研究。圖像系統(tǒng)中數(shù)據(jù)量較大，同時本系統(tǒng)實時性要求較高，傳統(tǒng)微控制器很難達到要求，因此采用ARMCortex-M4內(nèi)核的STM32F407芯片作為核心控制器。

1 系統(tǒng)整體架構(gòu)

基于機器視覺的紙張缺陷檢測系統(tǒng)位于紙張生產(chǎn)流水線的上方，待檢測紙張隨著傳送帶按照一定速度運動，進入檢測區(qū)域時，由攝像頭開始采集紙張圖像到核心處理器中進行圖像處理，對紙張圖像進行分析有無可見紙病，可將紙病位置信息發(fā)送給PLC等控制器，控制執(zhí)行機構(gòu)對缺陷區(qū)域進行裁剪。系統(tǒng)整體框圖如圖1所示。

圖1 系統(tǒng)整體框圖

2 硬件選擇

由于本系統(tǒng)對檢測準確性與實時性要求較高，攝像頭與處理芯片的選擇就至關(guān)重要。

本系統(tǒng)采用OV公司生產(chǎn)的0V7725攝像頭模組作為圖像采集模塊，該攝像頭模組使用標準SCCB接口，可輸出120萬像素RGB圖像，在低照度下仍有高敏感度，刷新幀率高，動態(tài)性能好，因此適用于本系統(tǒng)。

采用ARMCortex-M4內(nèi)核的STM32F407芯片作為核心控制器。該芯片工作頻率可達到200 MHz以上，其外設(shè)包括8個UART、6個I2C、4個SPI、2個CAN和硬件數(shù)字攝像頭接口。同時帶有DSP單元，有較強大的浮點計算能力，滿足系統(tǒng)要求。

3 圖像處理

3.1 圖像去噪

圖像在產(chǎn)生，記錄和傳輸過程中，經(jīng)常會受到各種噪聲的干擾，其中主要噪聲為椒鹽噪聲和高斯噪聲。如果一個噪聲，它的幅度分布服從高斯分布，而它的功率譜密度又是均勻分布的，則稱它為高斯白噪聲。椒鹽噪聲大多是由圖像傳感器傳輸通道等產(chǎn)生的，會使圖像上出現(xiàn)黑白相間的雜點。

中值濾波是一種非線性平滑技術(shù)。原理是將每一個像素點的灰度值設(shè)置為在這個像素點附近的鄰域內(nèi)所有像素點灰度值的中值。中值濾波是在“最小絕對誤差”準則下的最優(yōu)濾波。中值濾波的數(shù)學描述如下：

如果S為像素(x0,y0)的鄰域集合，(x,y)表示S中的元素，f(x,y)表示(x,y)點的灰度值，|S|表示集合S中元素的個數(shù)，Sort表示排序，則對x0,y0進行平滑可表示為：

(1)

由于中值濾波不是簡單的取平均值，所以中值濾波所產(chǎn)生的模糊比較少。以下為中值濾波后的效果圖。

圖2 中值濾波效果圖

從圖像中不難看出，中值濾波能很好地去除椒鹽噪聲以及高斯噪聲，并且保證圖像的清晰度，對接下來的實驗過程影響較小，所以選擇中值濾波來去除噪聲。

3.2 圖像二值化

Otsu閾值分割法，也叫最大類間方差閾值分割法，是日本學者Otsu首次提出來的，故以其名字命名。它設(shè)定一個灰度閾值將圖像分割為兩組，該閾值使組間像素值方差最大，組內(nèi)方差最小。經(jīng)過處理結(jié)果如圖3。

圖3 二值化效果圖

3.3 圖像邊緣檢測

在研究某一圖像時，研究人員往往會對其中的特定區(qū)域感興趣，這樣的區(qū)域被稱作特定區(qū)域，圖像分割就是把這樣的區(qū)域提取出來，以便能更好地分析出圖像特征。利用邊緣檢測可實現(xiàn)圖像分割，本系統(tǒng)實驗了Canny算子的應用效果。

Canny算子邊緣檢測的基本原理是：采用二維高斯函數(shù)的任一方向上的一階方向?qū)?shù)為噪聲濾波器，通過與圖像卷積進行濾波，然后對濾波后的圖像尋找圖像梯度的局部極大值，以確定圖像邊緣。

從圖4可以看出，Canny算子能準確提取出缺陷區(qū)域的清晰輪廓，適合于紙張缺陷方面的邊緣檢測以及特征提取，滿足系統(tǒng)要求。

圖4 Canny邊緣檢測算子

4 結(jié)語

本文設(shè)計的視覺紙張缺陷檢測系統(tǒng)包含數(shù)字圖像采集與分析后的實時處理以及自動化控制等技術(shù)，能實現(xiàn)紙張缺陷的在線自動化監(jiān)測，較好滿足了實時性與準確性的要求?？赏耆〈鷤鹘y(tǒng)人工檢測方法，節(jié)約了企業(yè)制造成本，提高了生產(chǎn)效率。

[1] 關(guān)健華.全幅紙病檢測技術(shù)及在造紙中的應用.中國造紙,2000，19(6)：32.

[2] 柯海森，周賢偉.基于機器視覺的軸承缺陷檢測及分揀.煤礦機械,2016，37(1):148-150.

[3] 熊光潔,馬樹元,聶學俊.基于機器視覺的高密度電路板缺陷檢測系統(tǒng).計算機測量與控制,2011，19(8):1824-1826.

[4] 劉長紅,徐杜,蔣永平,等.基于機器視覺的心臟醫(yī)學圖像處理研究.計算機與應用化學,2010,27(7):997-1000.

[5] 袁小翠，吳祿慎，陳華偉.基于Otsu方法的鋼軌圖像分割.光學精密工程,2016,24(7)：1773-1783.

PaperDefectDetectionSystemBasedonSTM32Microcontroller

Xu Yong1, Zhang Yisheng1, Wang Jun1,2*

(1.CollegeofInformationScienceandTechnology,NanjingForestryUniversity,NanjingJiangsu210037,China；2.JiangsuProvincialKeyLaboratoryofPulpandPaperScienceandTechnology,NanjingForestryUniversity,NanjingJiangsu210037,China)

The traditional artificial paper defect detection method is not reliable and time consuming, so a paper defect visual inspection system which can identify the paper defects quickly and accurately based on STM32 microprocessor is proposed in this paper. The system uses a camera to collect paper images and uses microprocessor to process subsequent images. After the pretreatments of paper image denoising and histogram equalization, the defect image is recognized by edge detection technology, and then the size and location of the defect are extracted. The experimental results show that the detection method is simple, accurate and real-time.

paper defect detection; visual inspection; STM32; image processing

TP216；TS736

A