基于圖像處理的包裝缺陷檢測方法綜述

文/韓明芮 楊璽

1.引言

隨著社會(huì)和科技的進(jìn)步，商品的衛(wèi)生和質(zhì)量安全成為了人們?nèi)找骊P(guān)注的對(duì)象，由此引出的產(chǎn)品包裝問題也逐漸成為一種大趨勢，因此很多企業(yè)除了關(guān)注商品本身，還要關(guān)心商品的包裝質(zhì)量。傳統(tǒng)的人工檢測方法因存在效率低、成本高、勞動(dòng)強(qiáng)度大這些缺點(diǎn)，已經(jīng)遠(yuǎn)遠(yuǎn)不能滿足現(xiàn)代化的生產(chǎn)、工作需求，而包裝缺陷檢測技術(shù)可提高產(chǎn)品包裝的技術(shù)水平和自動(dòng)化程度，保證產(chǎn)品質(zhì)量，降低成本，降低工人的勞動(dòng)強(qiáng)度，因此用機(jī)器視覺技術(shù)代替人力勞動(dòng)來檢測包裝的缺陷成為必然。一個(gè)完整的包裝缺陷檢測系統(tǒng)主要分成圖像處理算法、系統(tǒng)的硬件及軟件等部分，系統(tǒng)的圖像處理算法是系統(tǒng)關(guān)鍵，一方面對(duì)檢測精度與速度有要求，另一方面要根據(jù)被檢測對(duì)象的圖像特點(diǎn)確定最優(yōu)圖像識(shí)別方案。

本文首先根據(jù)材料的不同，梳理出包裝缺陷的分類，然后從包裝缺陷的檢測流程——圖像預(yù)處理、缺陷特征提取、缺陷定位計(jì)算等過程對(duì)各類缺陷檢測算法進(jìn)行梳理比較，最后分析得出針對(duì)不同的材料所適合的不同的圖像處理檢測算法。

2.包裝缺陷分類

根據(jù)包裝的材料不同，包裝的缺陷也不盡相同。本文通過分析總結(jié)，發(fā)現(xiàn)具有代表性的包裝分類及缺陷主要為以下三種：

（1）泡沫塑料包裝。主要用于生鮮水果的包裝。因其具有材質(zhì)輕巧、高回彈、絕熱保溫、抗震介電、抗壓耐侵蝕等優(yōu)越功能，在修建、航空、化工、農(nóng)業(yè)等領(lǐng)域得到廣泛應(yīng)用。但是多年來薄膜塑料包裝的合格率低成為困擾生產(chǎn)的一大難題。主要缺陷有三類：表面銹漬；發(fā)泡掉粒、組織疏松；局部收縮[1]。

（2）鋁塑泡罩包裝。主要用在藥品的包裝上。因其具有攜帶方便、獨(dú)立密封、取藥衛(wèi)生等優(yōu)點(diǎn)而得到廣泛應(yīng)用。但是存在漏裝、破損、漏粉、空囊和夾雜異物等缺陷[2]。

（3）矩形紙質(zhì)包裝。多用于食品包裝與煙卷包裝上，因其成本低、可降解、防靜電、可實(shí)現(xiàn)物流包裝與產(chǎn)品包裝的結(jié)合等優(yōu)點(diǎn)而得到廣泛應(yīng)用，主要缺點(diǎn)表現(xiàn)在不防水、易破損等幾方面

[3]。

3.缺陷檢測的研究和分析

目前國內(nèi)外針對(duì)上述包裝缺陷檢測的方法實(shí)施了大量的研究，并且仍在不斷發(fā)展中，但是整體流程大致相同。首先通過閾值分割和噪聲濾除等方法，將采集的圖像分離、過濾，得到預(yù)處理后的圖像[4]；其次是對(duì)檢測圖像進(jìn)行邊緣檢測，最后是對(duì)處理好的圖像進(jìn)行缺陷特征的提取和識(shí)別。

3.1 圖像預(yù)處理

圖像預(yù)處理的目的就是需要對(duì)圖片進(jìn)行增強(qiáng)，也就是去除圖像中妨礙計(jì)算機(jī)識(shí)別判斷的障礙，如干擾源、噪聲等，預(yù)處理的好壞直接關(guān)系到后期算法的實(shí)現(xiàn)是否高效[5]。具體步驟一般為：

（1）分割背景。分割背景是指從眾多各具屬性的圖像信息中提取出要分析處理的目標(biāo)，使其成為目標(biāo)前景。分割結(jié)果的優(yōu)劣將直接影響到邊緣提取、缺陷識(shí)別等后續(xù)技術(shù)。圖像分割算法主要分為以下幾大類：基于閾值的分割方法、基于聚類的分割方法、基于區(qū)域的分割方法以及基于特定理論的分割方法[6]。其中，基于閾值的分割方法主要有直方圖閾值法和最大類間方差法；基于聚類的分割方法主要有K-均值聚類和模糊C均值聚類；基于區(qū)域的分割方法主要有區(qū)域生長與區(qū)域合并和分水嶺分割法；基于特定理論的分割方法主要有人工神經(jīng)網(wǎng)絡(luò)、遺傳算法和基于顏色模型的方法。

目前在包裝缺陷檢測領(lǐng)域的圖像分割中主要用到的算法有Otsu閾值分割算法[7]以及基于此算法的改進(jìn)算法。

文獻(xiàn)[4]利用Otsu閾值分割算法將背景與前景圖像分離。它用兩個(gè)評(píng)價(jià)函數(shù)即最大類間方差和最小類內(nèi)方差作為基礎(chǔ)，得到間類方差最大閾值，就是最優(yōu)分割閾值，所以是一種輕簡、應(yīng)用廣泛的自動(dòng)閾值計(jì)算方法。

文獻(xiàn)[8]針對(duì)以上介紹的Otsu閾值分割算法進(jìn)行改進(jìn)，該改進(jìn)算法先分別計(jì)算目標(biāo)類與背景類的類內(nèi)絕對(duì)平均差，將其相加即為總體類內(nèi)絕對(duì)差之和，再計(jì)算目標(biāo)類和背景類類間平均離差，然后作差得到最終的閾值識(shí)別函數(shù)。此方法在分割效果的邊緣細(xì)節(jié)的處理上，得到了具體地改善[8]。

Otsu算法的計(jì)算簡單，在一定條件下不受圖像亮度對(duì)比度的影響，因此Otsu閾值分割算法適合用在鋁塑泡罩包裝的檢測當(dāng)中，有很多學(xué)者基于此算法進(jìn)行改進(jìn)繼續(xù)應(yīng)用在鋁塑泡罩包裝的檢測當(dāng)中，從而改善包裝前景與背景的分割效果和分割效率。

(2)噪聲過濾。受圖像表面特征的影響，經(jīng)過分割后的圖像結(jié)果中有時(shí)會(huì)存在一些隨機(jī)出現(xiàn)的區(qū)域噪聲。在包裝的缺陷檢測中往往通過形態(tài)學(xué)開運(yùn)算的方法，將這些噪聲有效過濾，使正確的缺陷輪廓得以保留。膨脹和腐蝕是形態(tài)學(xué)中的兩種基礎(chǔ)操作，開運(yùn)算是經(jīng)過先腐蝕后膨脹的組合過程來實(shí)現(xiàn)的[9]。文獻(xiàn)[9]就是用的此方法對(duì)分割后的圖像進(jìn)行有效過濾，達(dá)到了很好的效果。

3.2 邊緣檢測

邊緣包含了圖像大量信息，是圖像判別的重要依據(jù)。因此，邊緣檢測算法一直是圖像處理工作者研究的熱點(diǎn)?？傮w來說，圖像邊緣檢測算法分為兩大類方法：微分算子法和曲面擬合法。微分算子法通過一階或二階導(dǎo)數(shù)計(jì)算來找出圖像灰度的突變部位(邊緣)，一般通過模板卷積實(shí)現(xiàn)，常用算子有Roberts、Sobel、Prewitt、Laplacian、Canny等[10]。曲面擬合算法是用一個(gè)平面或曲面去逼近由圖像灰度構(gòu)成的面積元，然后用這個(gè)平面或曲面的梯度代替像素點(diǎn)的梯度，從而實(shí)現(xiàn)邊緣檢測，常用方法有一次平面擬合和二次曲面擬合。微分算子法的優(yōu)點(diǎn)是簡單、快速，但抑制噪聲的能力差；曲面擬合法能較好地抑制散點(diǎn)噪聲，但因?yàn)橐M(jìn)行擬合運(yùn)算而算法較復(fù)雜，所以實(shí)時(shí)性差[11]。

文獻(xiàn)[3]以矩形紙質(zhì)包裝為例，用Robert算子進(jìn)行邊緣檢測，robert算子實(shí)現(xiàn)了目標(biāo)的精確瞄準(zhǔn)，但在判斷方面容易受到噪聲干擾，從而出現(xiàn)失誤。所以是一種優(yōu)點(diǎn)明顯、缺點(diǎn)也明顯的方法。文獻(xiàn)[12]以矩形紙質(zhì)包裝為例，采用Sobel算子進(jìn)行邊緣檢測[12]，Sobel邊緣檢測算子在以像素點(diǎn)為中心的3×3領(lǐng)域內(nèi)做灰度加權(quán)運(yùn)算，根據(jù)該點(diǎn)是否處于極值狀態(tài)進(jìn)行邊緣檢測。它不但可以產(chǎn)生較好的邊緣效果，而且對(duì)噪聲具有一定的平滑作用，減小了對(duì)噪聲的敏感度。其卷積模板為：

文獻(xiàn)[13]的作者和文獻(xiàn)[14]的作者均采用Canny算法[13-14]提取圖像邊緣，其基本思想為：首先選擇一定的高斯濾波器對(duì)圖像進(jìn)行平滑濾波，然后采用非極值抑制技術(shù)對(duì)平滑后的圖像進(jìn)行處理，得到最后的邊緣圖像。它在進(jìn)行邊緣檢測時(shí)的關(guān)鍵在于選取適當(dāng)?shù)母咚篂V波器領(lǐng)域大小和適當(dāng)?shù)拈撝怠?/p>

文獻(xiàn)[15]的作者以矩形小包裝為例，用快速Hough變換的算法提取邊緣，精確地識(shí)別的小包裝的矩形邊緣[15]。

相較于鋁塑泡罩包裝，矩形紙質(zhì)包裝有尺寸較大，輸入的圖像有較大噪聲的特點(diǎn)，因而對(duì)矩形紙質(zhì)包裝的缺陷檢測、邊緣檢測的處理效果對(duì)后續(xù)缺陷的提取和識(shí)別有很大的影響，所以相較于其他材質(zhì)的包裝，紙質(zhì)包裝的缺陷檢測中對(duì)這一部分的研究最多。通過對(duì)比幾種經(jīng)典的邊緣檢測算法可以看出，Canny算子能夠削弱噪聲的影響，同時(shí)在邊緣的檢測精度上也有不錯(cuò)的表現(xiàn)，所以最適合應(yīng)用于矩形紙質(zhì)包裝的缺陷檢測。

3.3 缺陷的提取和識(shí)別

經(jīng)過邊緣檢測后的圖像輪廓已經(jīng)能比較清晰地呈現(xiàn)出來，為缺陷的特征提取及識(shí)別提供了條件。根據(jù)圖像的特征不同，提取的方法可以概括為：顏色特征提取方法、紋理特征提取方法、代數(shù)特征提取方法和變換特征提取方法[17]。

文獻(xiàn)[9]用圖像差方法實(shí)現(xiàn)矩形紙質(zhì)的缺陷提取。該文章通過實(shí)驗(yàn)對(duì)矩形包裝中污點(diǎn)的識(shí)別效果好。圖像差分是一種圖像的代數(shù)特征提取方法，即通過計(jì)算兩幅圖像所對(duì)應(yīng)像素點(diǎn)的差來表現(xiàn)出兩幅圖像的差異。由于該方法原理簡單，計(jì)算效率高，因而其在圖像分割上有非常廣泛的應(yīng)用，尤其是對(duì)于在線檢測等實(shí)時(shí)性強(qiáng)的圖像處理過程，更是有良好的檢測效果。

文獻(xiàn)[15]利用基于分類二叉樹方式對(duì)矩形紙質(zhì)缺陷進(jìn)行多類SVM識(shí)別。這樣對(duì)于n個(gè)缺陷，就要構(gòu)建n-1個(gè)SVM分類器。該文章確定的矩形紙質(zhì)缺陷共有6種分別是包裝破損、缺蓋、封條脫落、露白、反包、包裝錯(cuò)位。

文獻(xiàn)[17]的作者用HIS顏色系統(tǒng)進(jìn)行特征提取，然后采用改進(jìn)的閔可夫斯基距離法進(jìn)行缺陷檢測。實(shí)驗(yàn)表明對(duì)缺粒、大面積缺陷的檢測效果較好。文獻(xiàn)[18]的作者則采用快速魯棒特征SURF提取算法進(jìn)行缺陷的提取，用SVM分類器相對(duì)鋁塑泡罩包裝的缺陷進(jìn)行分類[18]，實(shí)驗(yàn)證明對(duì)于缺粒、漏粉、破損和夾雜異物這四種缺陷有良好的檢測效果。

通過分析對(duì)比幾種經(jīng)典的缺陷提取和識(shí)別的方法可以看出，對(duì)于缺陷的分類都選用SVM分類器進(jìn)行分類，說明對(duì)于包裝的缺陷檢測，重點(diǎn)難點(diǎn)在于前期的圖像處理算法的選取。對(duì)于鋁塑泡罩包裝的檢測因其缺陷種類復(fù)雜，需采用多種特征提取相結(jié)合的方法對(duì)缺陷特征進(jìn)行提取。

4.結(jié)語

通過分析對(duì)比現(xiàn)有的包裝缺陷檢測算法，本文發(fā)現(xiàn)對(duì)矩形紙質(zhì)包裝和鋁塑泡罩包裝的缺陷檢測研究居多，對(duì)桶裝、塑膠材料包裝、泡沫塑料包裝等等的關(guān)注度并不高。

針對(duì)不同材質(zhì)的包裝特點(diǎn)，缺陷檢測的流程也不盡相同。對(duì)于矩形紙質(zhì)包裝的檢測，因其紙箱體積較大，表面噪聲較大等特點(diǎn)，針對(duì)邊緣檢測環(huán)節(jié)的研究尤為重要。而對(duì)于鋁塑泡罩包裝，因其缺陷種類較多，紋理復(fù)雜等特點(diǎn)，針對(duì)缺陷提取和識(shí)別的環(huán)節(jié)尤為重要。由于包裝工藝和流程的情況比較復(fù)雜，研究人員所用的算法較為固定，靈活性較差，在具體使用過程中容易出現(xiàn)檢測不全面的問題。

雖然國內(nèi)在低精度、小系統(tǒng)的檢測方面的成果已然比較多比較豐富，但是在高速、大面積、高精度、高效率領(lǐng)域的檢測由于長期依賴進(jìn)口，并且開發(fā)時(shí)間較國外要晚，所以仍處于摸索成長階段。從上述分析可以看出，今后包裝缺陷的識(shí)別方向是：識(shí)別包裝的類型更豐富，運(yùn)用范圍更廣，識(shí)別速度更快，準(zhǔn)確率更高。基于以上的方法總結(jié)，可以看到包裝的缺陷檢測將在產(chǎn)品包裝領(lǐng)域表現(xiàn)出越來越驚人的能力，同時(shí)這也將會(huì)提升行業(yè)競爭力的又一新指標(biāo)，關(guān)于包裝檢測的研究還有很大的發(fā)展空間。

項(xiàng)目：北京市智能物流系統(tǒng)協(xié)同中心、智能物流系統(tǒng)北京市重點(diǎn)實(shí)驗(yàn)室（BZ0211）和2018人才培養(yǎng)質(zhì)量建設(shè)—專業(yè)建設(shè)—北京高校專業(yè)群建設(shè)（市級(jí)）（PXM2018_014214_000005_0032526 6/67/68/69_FCG）資助。