一種基于機(jī)器視覺的產(chǎn)品外包裝印刷缺陷檢測(cè)技術(shù)

汪以歆 余光輝 徐鏹 范洪輝

摘? ? 要：為了提高產(chǎn)品外包裝印刷缺陷檢測(cè)的效率、穩(wěn)定性和靈活性，提出了一種基于機(jī)器視覺的產(chǎn)品外包裝印刷缺陷檢測(cè)技術(shù)。引入基于機(jī)器視覺的比對(duì)檢測(cè)算法，改進(jìn)傳統(tǒng)的產(chǎn)品外包裝印刷缺陷檢測(cè)方法。試驗(yàn)表明，基于機(jī)器視覺的產(chǎn)品外包裝印刷缺陷檢測(cè)技術(shù)在不同的試驗(yàn)條件下都能穩(wěn)定應(yīng)用，可以快速精確地檢測(cè)出印刷缺陷。該技術(shù)有效地解決了人工抽樣檢測(cè)結(jié)果誤差大、主觀性強(qiáng)、檢測(cè)速度慢等問題，具有更快的效率、更好的穩(wěn)定性和處理的靈活性。

關(guān)鍵詞：機(jī)器視覺;產(chǎn)品包裝;印刷缺陷;缺陷檢測(cè)

中圖分類號(hào)：TP181? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? 文章編號(hào)：2095-7394（2019）04-0007-08

近年來，包裝印刷工藝在不斷地進(jìn)步和發(fā)展，過去常用的對(duì)產(chǎn)品外包裝印刷缺陷檢測(cè)的方法已經(jīng)無法達(dá)到實(shí)際生產(chǎn)要求的檢測(cè)標(biāo)準(zhǔn)。通過質(zhì)檢員對(duì)產(chǎn)品外包裝印刷缺陷進(jìn)行檢測(cè)是最原始的檢測(cè)方法，但這種方法存在很多弊端，不但受個(gè)人的主觀意志影響較大，而且會(huì)導(dǎo)致生產(chǎn)效率低下，且漏檢率高。此外，該檢測(cè)方法需要較高的人力成本，相應(yīng)地提高了生產(chǎn)成本。為了提高檢測(cè)質(zhì)量，檢測(cè)人員也開始使用色差儀、密度計(jì)、偏光應(yīng)力儀等儀器對(duì)產(chǎn)品外包裝印刷缺陷進(jìn)行檢測(cè)。但缺陷種類繁多，情況復(fù)雜，比如，顏色失真、錯(cuò)位漏印、針孔黑點(diǎn)、文字模糊、套印不準(zhǔn)、油墨濺污等[1]，都是印刷過程中經(jīng)常出現(xiàn)的缺陷。借助手持儀器的方法無法滿足實(shí)際生產(chǎn)中大批量、快速性、智能化、可現(xiàn)場(chǎng)性、重復(fù)性等需求。

機(jī)器視覺檢測(cè)可以克服傳統(tǒng)檢測(cè)方法所存在的弊端。[2]當(dāng)檢測(cè)裝置投入生產(chǎn)線運(yùn)行后，能夠長期執(zhí)行標(biāo)準(zhǔn)化自動(dòng)檢測(cè)流水線工作，從而極大地減少人力成本，降低企業(yè)的生產(chǎn)成本。機(jī)器視覺檢測(cè)還是一種全表面的檢測(cè)方法，能夠?qū)z測(cè)過程中存在漏檢的可能性降到最低。除了上述優(yōu)點(diǎn)外，機(jī)器視覺檢測(cè)還可以針對(duì)外包裝上的條碼無法識(shí)別、偏位、重碼、錯(cuò)碼等問題進(jìn)行檢測(cè)，能夠全面、高效地完成產(chǎn)品外包裝印刷的缺陷檢測(cè)，具有傳統(tǒng)檢測(cè)方法無法比擬的優(yōu)越性[3]。

1? ? 機(jī)器視覺檢測(cè)原理

機(jī)器視覺檢測(cè)通俗來講就是用電子元器件代替人的眼睛[4]，拍攝產(chǎn)品外包裝的全表面，用電腦代替人腦，對(duì)印刷存在的缺陷進(jìn)行客觀的分析。數(shù)字圖像處理技術(shù)是機(jī)器視覺檢測(cè)技術(shù)的基礎(chǔ)，在此基礎(chǔ)上，結(jié)合光學(xué)、機(jī)械自動(dòng)化等技術(shù)，構(gòu)成一個(gè)完整的自動(dòng)化檢測(cè)系統(tǒng)。機(jī)器視覺檢測(cè)具有諸多特點(diǎn)：第一，具有通用性和可移植性，可以適用到生產(chǎn)生活的各個(gè)方面，使用范圍廣，使用對(duì)象沒有局限性;第二，具有穩(wěn)定性，可以對(duì)生產(chǎn)線的生產(chǎn)質(zhì)量進(jìn)行長期地實(shí)時(shí)檢測(cè)分析，檢測(cè)穩(wěn)定在較高的精度和速度;第三，具有實(shí)用性[5]，可以在各種條件下進(jìn)行檢測(cè)，如高輻射、高腐蝕、高風(fēng)險(xiǎn)等環(huán)境下，代替人工進(jìn)行作業(yè)。

通常情況下，一個(gè)完整的機(jī)器視覺檢測(cè)系統(tǒng)[6]由光源、成像系統(tǒng)、CCD相機(jī)、圖像采集卡、圖像處理軟件、圖像處理硬件、反饋執(zhí)行裝置、傳動(dòng)裝置等部分組成，如圖1所示。

首先待檢測(cè)產(chǎn)品由傳動(dòng)裝置傳送到固定的檢測(cè)位置，然后由成像系統(tǒng)通過CCD相機(jī)獲取待檢測(cè)產(chǎn)品外包裝表面的圖像[7]，之后圖像采集卡將圖像處理后的電信號(hào)發(fā)送到計(jì)算機(jī)端，接著計(jì)算機(jī)端通過圖像處理軟件對(duì)全表面圖像作出分析，給出缺陷檢測(cè)結(jié)果至反饋執(zhí)行裝置。缺陷檢測(cè)結(jié)果的精度與速度受諸多因素的影響：第一，光源的選擇、CCD相機(jī)的配置和成像系統(tǒng)的設(shè)計(jì)關(guān)乎圖像采集的質(zhì)量;第二，圖像處理軟件及圖像處理算法關(guān)乎缺陷檢測(cè)的質(zhì)量[8];第三，硬件的選擇和配置影響檢測(cè)速度。

2? ? 印刷缺陷檢測(cè)系統(tǒng)設(shè)計(jì)

基于機(jī)器視覺的產(chǎn)品外包裝印刷缺陷系統(tǒng)的檢測(cè)流程如圖2所示，包括檢測(cè)平臺(tái)、圖像采集、檢品模式、數(shù)據(jù)庫查重碼等模塊。

2.1? ?圖像采集

基于機(jī)器視覺對(duì)產(chǎn)品外包裝印刷進(jìn)行缺陷檢測(cè)時(shí)，首先就是要對(duì)外包裝的表面圖像進(jìn)行采集。因?yàn)橥獍b印刷包含多種印刷工藝，所以針對(duì)不同的印刷工藝，如燙印、凹版、絲印、激光、鍍膜等，需要采用不同的光源照射角度和不同的CCD相機(jī)拍攝角度進(jìn)行分層采集。如圖3（a）針對(duì)大范圍彩印檢測(cè)，采用正射正拍[9];圖3（b）針對(duì)鍍膜檢測(cè)，采用反射正拍;圖3（c）針對(duì)燙印檢測(cè)，采用斜射正拍;圖3（d）針對(duì)二維碼檢測(cè)，采用二維碼正拍，以便獲取有效的待檢產(chǎn)品外包裝圖像。

由于傳動(dòng)裝置處于高速運(yùn)轉(zhuǎn)模式，因此，每次每臺(tái)相機(jī)所采集的一幅圖片中包含多個(gè)待檢產(chǎn)品外包裝圖像。例如，采集的第一幀圖像如圖4（a）所示，能夠定位到中間兩個(gè)完整的檢測(cè)對(duì)象表面圖像，以及上下兩個(gè)不完整的圖像。此時(shí)，需要?jiǎng)h除上方不完整的圖像，并將圖4（a）中陰影部分所示不完整的圖像緩存。從采集的第二幀圖像即圖4（b）開始，將圖4（a）中陰影部分加到圖4（b）中陰影部分的上端得到圖4（c），圖4（c）中的陰影部分即是將不完整圖像緩存累加后得到的完整圖像[11]。根據(jù)累加后的總高度除以每個(gè)完整圖像的高度，可以計(jì)算出當(dāng)前采集圖像的個(gè)數(shù)。

2.2? ?建模學(xué)習(xí)

基于機(jī)器視覺對(duì)外包裝印刷進(jìn)行缺陷分析檢測(cè)時(shí)，要先人工選擇合格品作為樣本圖像，然后把采集到的待檢測(cè)產(chǎn)品外包裝圖像與樣本圖像的灰度值進(jìn)行比對(duì)分析[12]，判定是否存在缺陷。由于印刷工藝、機(jī)器精度以及環(huán)境變化等諸多因素的影響，無法要求待檢產(chǎn)品與標(biāo)準(zhǔn)模板之間不存在誤差，因此，對(duì)于待檢測(cè)產(chǎn)品外包裝的印刷缺陷應(yīng)當(dāng)有一定的容忍度。但是，一般不通過修改高低放松值的大小來擴(kuò)展合格品區(qū)間，因?yàn)檫@樣的參數(shù)往往是主觀設(shè)定的，設(shè)置過大容易造成誤檢。因此，需要引進(jìn)建模學(xué)習(xí)的概念來確定可接受范圍，減少誤檢。

首先，隨機(jī)挑選檢品，經(jīng)人工判斷確定好品，如圖5（a）所示，作為標(biāo)準(zhǔn)圖像。其次，將待檢測(cè)產(chǎn)品通過機(jī)器采集圖像后，電腦比對(duì)學(xué)習(xí)產(chǎn)品與標(biāo)準(zhǔn)品的差異，從而將該位置可接受合格標(biāo)準(zhǔn)的范圍放大。通常學(xué)習(xí)的產(chǎn)品不能包含最亮如圖5（b）和最暗如圖5（c）的兩張好品，但是可以通過自定義擴(kuò)展參數(shù)來增大合格標(biāo)準(zhǔn)的容許區(qū)域，如圖6所示。

2.3? ?標(biāo)碼檢測(cè)

隨著科技的發(fā)展，產(chǎn)品外包裝上印制條碼十分普遍，并且具有重要的功能，它是監(jiān)管產(chǎn)品的一種重要方法。常見的條碼有條形碼和二維碼，它們的顯要區(qū)別如圖7所示：條形碼包含一個(gè)方向上的信息，二維碼包含水平和垂直兩個(gè)方向上的信息。由此可見，二維碼相對(duì)于條形碼而言具有諸多優(yōu)勢(shì)，如數(shù)據(jù)容量更大，超出了字母、數(shù)字方面的制約，尺寸小，具有抗損毀能力等。二維碼包含的信息如圖8所示。

針對(duì)二維碼的印刷缺陷檢測(cè)有以下6點(diǎn)要求：（1）二維碼大小和位置是否繪制在檢測(cè)的區(qū)域。（2）使用識(shí)讀設(shè)備，能識(shí)讀出二維碼的內(nèi)容。（3）待檢測(cè)產(chǎn)品外包裝表面二維碼與二維碼數(shù)據(jù)文件是否一致。（4）同一產(chǎn)品上的二維碼與驗(yàn)證碼是否相互對(duì)應(yīng)。（5）二維碼邊界不能超出白色底框，且二維碼在框內(nèi)居中對(duì)齊。（6）二維碼邊界與白色底框的邊界單邊距離默認(rèn)值為1.5 mm。二維碼尺寸小于10 mm時(shí)，允許位置誤差范圍為±0.2 mm;尺寸大于10 mm時(shí)，允許位置誤差范圍為±0.5 mm。

3? ? 算法設(shè)計(jì)與缺陷檢測(cè)

將采集圖片與樣本圖片進(jìn)行匹配對(duì)比時(shí)，引入基于灰度值的比對(duì)算法[13]，由于采集的圖片通常過大，因此需要結(jié)合動(dòng)態(tài)閾值分割的方法進(jìn)行檢測(cè)。動(dòng)態(tài)閾值分割算法適用于檢測(cè)目標(biāo)與背景具有較大區(qū)別的情況[14]，閾值分割后的圖像[y（a，b）]與采集圖像[x（a，b）]的關(guān)系如式（1）所示：

式（1）中，[H]表示設(shè)置的閾值大小，1表示檢測(cè)目標(biāo)，0表示圖像背景。動(dòng)態(tài)閾值分割算法檢測(cè)效果的好壞由閾值[H]的取值是否合適決定，閾值[H]的取值能夠通過如下迭代算法得到。

（1）依據(jù)采集圖像的直方圖，將兩峰的中間值作為一個(gè)預(yù)估閾值[H]。

（2）依據(jù)式（1）把采集圖像分割成檢測(cè)目標(biāo)與圖像背景兩個(gè)區(qū)域，檢測(cè)目標(biāo)[Q1]由全部大于閾值[H]的區(qū)域構(gòu)成，圖像背景[Q2]由全部小于等于閾值[H]的區(qū)域構(gòu)成[15]。

（3）對(duì)分割出的檢測(cè)目標(biāo)[Q1]，求出其平均灰度值[d1]。同時(shí)，求出分割后圖像背景[Q2]的平均灰度值[d2]。

（4）依據(jù)計(jì)算出的兩個(gè)平均灰度值[d1]和[d2]，再計(jì)算得出新的閾值[H]，計(jì)算公式如式（2）所示：

（5）重復(fù)第（2）到第（4）的步驟，直到計(jì)算得出的閾值[H1]與閾值[H2]之間的差值[G]小于等于設(shè)置的額定參數(shù)[?H]，即：

分割后的區(qū)域面積與閾值關(guān)系到缺陷檢測(cè)精度。對(duì)缺陷檢測(cè)精度造成的影響變化如表1所示。分割區(qū)域面積理想值用S表示，閾值理想值用W表示。當(dāng)分割區(qū)域面積大于1.1S，閾值大于1.1W時(shí)，缺陷檢測(cè)精度較差，容易出現(xiàn)漏檢問題;當(dāng)分割區(qū)域面積在S～1.1S，閾值在W～1.1W時(shí)，缺陷檢測(cè)精度良好;當(dāng)分割區(qū)域面積等于S，閾值等于W時(shí)，缺陷檢測(cè)精度最優(yōu);當(dāng)分割區(qū)域面積在0.9S～S，閾值在0.9W～W時(shí)，缺陷檢測(cè)精度良好;當(dāng)分割區(qū)域面積小于0.9S，閾值小于0.9W時(shí)，缺陷檢測(cè)精度較差，容易出現(xiàn)過檢問題。因此，可以通過調(diào)整分割區(qū)域面積與閾值來解決漏檢、過檢的問題。

4? ? 實(shí)驗(yàn)結(jié)果與分析

運(yùn)用本檢測(cè)技術(shù)組成的試驗(yàn)平臺(tái)對(duì)500份產(chǎn)品外包裝進(jìn)行了測(cè)試。實(shí)驗(yàn)中檢測(cè)的最快速度為73 m/min。檢測(cè)結(jié)果表明本系統(tǒng)能夠檢測(cè)出產(chǎn)品外裝中的顏色色差、錯(cuò)位漏印、套印不準(zhǔn)、針孔黑點(diǎn)、文字模糊、油墨濺污，以及條碼無法識(shí)別、偏位、重碼、錯(cuò)碼等印刷缺陷。

圖9（a）證明實(shí)驗(yàn)實(shí)現(xiàn)了對(duì)檢測(cè)區(qū)域的自由繪制。圖9（b）證明實(shí)驗(yàn)實(shí)現(xiàn)了：（1）穩(wěn)定識(shí)讀

8 mm×8 mm、版本6以下的二維碼;（2）可適應(yīng)15%、25%等常用糾錯(cuò)率;（3）可以檢驗(yàn)二維碼位置偏差。圖9（c）證明實(shí)驗(yàn)實(shí)現(xiàn)了：（1）能夠識(shí)讀6磅以上數(shù)字（字間距保持0.5 mm）;（2）可校驗(yàn)驗(yàn)證碼位數(shù)。圖9（d）證明實(shí)驗(yàn)實(shí)現(xiàn)了：（1）可導(dǎo)入數(shù)據(jù)量達(dá)到1 000萬行;（2）可以將二維碼與驗(yàn)證碼進(jìn)行對(duì)應(yīng);（3）能夠檢測(cè)二維碼/驗(yàn)證碼錯(cuò)碼（碼值/字符不在數(shù)據(jù)庫內(nèi)，即為錯(cuò)碼）;（4）能夠檢測(cè)二維碼重碼（同一二維碼第二次識(shí)讀到即為重碼）;（5）可以有效防止產(chǎn)生二維碼與驗(yàn)證碼不對(duì)應(yīng)的狀況。圖9（e）證明實(shí)驗(yàn)實(shí)現(xiàn)了：（1）可按檢測(cè)批次導(dǎo)出成好品數(shù)據(jù)庫;（2）一個(gè)批次出錯(cuò)，可以單獨(dú)刪除該批次，不影響其他已檢結(jié)果。

當(dāng)系統(tǒng)的閾值設(shè)為15，缺陷檢測(cè)的正確率為97.2%，漏檢率為0.8%，誤檢率為2%，檢測(cè)結(jié)果基本達(dá)到當(dāng)前企業(yè)對(duì)產(chǎn)品外包裝印刷缺陷檢測(cè)的要求。如果需要進(jìn)一步優(yōu)化檢測(cè)結(jié)果，可以通過減少機(jī)器震動(dòng)、穩(wěn)定傳動(dòng)、減少灰塵、優(yōu)化模板中參數(shù)的設(shè)置以及優(yōu)良的學(xué)習(xí)圖像來實(shí)現(xiàn)。

5? ? 結(jié)論

引入動(dòng)態(tài)閾值分割和灰度值比對(duì)檢測(cè)算法，可以提高檢測(cè)的效率、穩(wěn)定性及處理的靈活性。實(shí)驗(yàn)結(jié)果表明，該檢測(cè)方法在不同的實(shí)驗(yàn)環(huán)境下均有較強(qiáng)的穩(wěn)定性，能夠快速準(zhǔn)確地檢測(cè)出產(chǎn)品外包裝存在的印刷缺陷，在產(chǎn)品外包裝印刷檢測(cè)中具有較好的市場(chǎng)前景。但該方法在多臺(tái)系統(tǒng)之間無法以相同的參數(shù)設(shè)定值檢測(cè)，在今后的工作中將對(duì)此做進(jìn)一步的改進(jìn)，以實(shí)現(xiàn)多臺(tái)系統(tǒng)對(duì)產(chǎn)品成像結(jié)果的一致性。

參考文獻(xiàn)：

[1] 代小紅，王光利.基于機(jī)器視覺的印刷品缺陷檢測(cè)與識(shí)別[J].半導(dǎo)體光電，2011，32（5）：714-718.

[2] YOU F C， ZHANG L F， ZHANG Y B. The research of printings image defect in spection based on machine vision[C] //Proc. Of the 2009 IEEE International Conference on Mechatronics and Automation， 2009： 2404-2408.

[3] 李樹杰.中國機(jī)器視覺的發(fā)展趨勢(shì)[J].赤峰學(xué)院學(xué)報(bào)（自然版），2010，26（1）：161-162.

[4] 闞希.基于機(jī)器視覺的印刷品缺陷在線檢測(cè)系統(tǒng)關(guān)鍵技術(shù)研究[D].南京：南京信息工程大學(xué)，2013.

[5] KALVIAINEN H. Machine vision based quality control form pulping to papermaking for printing[J]. Pattern Recognition and Image Analysis， 2011，21（3）： 486-490.

[6] 郭健.基于機(jī)器視覺的印刷質(zhì)量在線自動(dòng)檢測(cè)系統(tǒng)研究[D].廣州：華南理工大學(xué)，2016.

[7] KUMAR B M， RATNAM M M. Machine vision method for non-contact measurement of surface roughness of a rotating workpiece[J]. Sensor Review，2015，35（1）：10-19.

[8] 金燦.基于HALCON的印刷圖像質(zhì)量檢測(cè)技術(shù)研究[D].長沙：中南大學(xué)，2013.

[9] 王文舉，趙萍.彩色印刷品缺陷快速精確檢測(cè)方法研究[J].包裝工程，2015，36（17）：112-118.

[10] 郭守寬.高速印刷品質(zhì)量圖像檢測(cè)系統(tǒng)研究和開發(fā)[D].武漢：華中科技大學(xué)，2012.

[11] ZHU H J， FAN H H， YE F Y， et al. A novel method for moving vehicle tracking based on horizon-tal edge identification and local autocorrelation images[J]. DYNA， 2016，91（1）：61-67.

[12] 胡方尚，郭慧.基于ROI模板的印刷品圖像配準(zhǔn)方法[J].東華大學(xué)學(xué)報(bào)，2016，42（4）：582-586.

[13] 汪松.基于SIFT算法的圖像匹配方法研究[D].西安：西安電子科技大學(xué)，2013.

[14] FAN H H， ZHU H J. Separation of Vehicle Detection Area Using Fourier Descriptor Under In-ternet of Things Monitoring[J]. IEEE Access， 2018（6）： 47600-47609.

[15] FAN H H， ZHU H J. Preservation of image edge feature based on snowfall model smoothing fil-ter[J]. EURASIP Journal on Image and Video Processing， 2018（1）： 67.

Abstract： In order to improve the efficiency， stability and flexibility of the printing defect detection of product packaging， a new technology based on machine vision was proposed in this paper. The traditional method of printing defect detection for external packaging of products was modified， and the comparison detection algorithm based on machine vision was introduced to improve the efficiency，stability and flexibility of the detection. Experimental results show that the machine vision based printing defect detection technology has strong stability in different experimental environments， and can quickly and accurately detect the printing defects. The proposed technology effectively solves the problems of large error of sampling detection results， strong subjectivity of manual detection and slow detection speed， which have faster execution efficiency， better

stability and flexibility of processing compared with traditional detection methods.

Key? words： machine vision; product package; printing defect; defect detection

責(zé)任編輯? ? 張志釗