基于機(jī)器視覺(jué)的煙支接裝質(zhì)量在線檢測(cè)系統(tǒng)

李 捷，陸海華，王 翔，洪金華，王 盛，申麗霞，包 俊，肖貴慧

浙江中煙工業(yè)有限責(zé)任公司寧波卷煙廠，浙江省寧波市奉化經(jīng)濟(jì)開(kāi)發(fā)區(qū)葭浦西路2001 號(hào) 315040

隨著我國(guó)卷煙生產(chǎn)技術(shù)的不斷提高，卷接包設(shè)備自動(dòng)化、智能化已成為煙草行業(yè)未來(lái)發(fā)展趨勢(shì)。ZJ116超高速卷接機(jī)組具有生產(chǎn)速度快、自動(dòng)化程度高等特點(diǎn)，廣泛應(yīng)用于國(guó)內(nèi)各卷煙企業(yè)［1-2］。但該設(shè)備在濾嘴接裝過(guò)程中沒(méi)有煙支外觀質(zhì)量檢測(cè)功能，僅靠人工目測(cè)進(jìn)行檢驗(yàn)，會(huì)出現(xiàn)煙支缺陷漏檢、誤檢等問(wèn)題，由此產(chǎn)生卷煙紙翹邊、褶皺，接裝紙長(zhǎng)短不齊、粘貼不齊等質(zhì)量缺陷［3］，影響煙支外觀質(zhì)量。隨著科學(xué)技術(shù)的快速發(fā)展，對(duì)煙支質(zhì)量缺陷檢測(cè)已從單一的機(jī)械式、紅外光電式自動(dòng)檢測(cè)逐步向智能化、機(jī)器視覺(jué)檢測(cè)轉(zhuǎn)變，并取得良好的應(yīng)用效果［4-5］。其中，Qu 等［6］基于機(jī)器視覺(jué)構(gòu)建了一種圖像處理系統(tǒng)，采用動(dòng)態(tài)面積閾值法對(duì)單張圖像進(jìn)行三維重建，計(jì)算濾棒在不均勻區(qū)域中的數(shù)量。盧振利等［7］利用機(jī)器視覺(jué)設(shè)計(jì)了盒裝卷煙識(shí)別分揀系統(tǒng)，提高了識(shí)別精度和分揀效率。Wei 等［8］利用卷積神經(jīng)網(wǎng)絡(luò)法對(duì)煙包錯(cuò)位、損傷和缺失等進(jìn)行檢測(cè)，準(zhǔn)確率達(dá)99%。徐足騁等［9］設(shè)計(jì)了一種基于機(jī)器視覺(jué)的分布式檢測(cè)系統(tǒng)，可以精確計(jì)算商標(biāo)紙缺陷的各項(xiàng)特征參數(shù)并判斷缺陷類型。陳光忠［10］設(shè)計(jì)了一種適用于工業(yè)機(jī)器視覺(jué)檢測(cè)的CCD 相機(jī)和影像處理系統(tǒng)，實(shí)現(xiàn)了鋼印圖像高清采集、快速匹配等功能。王暉等［11］設(shè)計(jì)了一種接裝紙缺陷檢測(cè)裝置，但無(wú)法實(shí)時(shí)檢測(cè)煙支接裝過(guò)程中存在的接裝紙翹邊、褶皺以及卷煙紙破裂等問(wèn)題。此外，采用機(jī)器視覺(jué)對(duì)卷煙外觀和物理指標(biāo)實(shí)現(xiàn)在線檢測(cè)［12-15］、非接觸式尺寸測(cè)量［16-18］等也得到廣泛應(yīng)用，但對(duì)于在線實(shí)時(shí)檢測(cè)煙支接裝缺陷則鮮見(jiàn)報(bào)道。為此，設(shè)計(jì)了一種基于機(jī)器視覺(jué)的煙支接裝質(zhì)量在線檢測(cè)系統(tǒng)，通過(guò)CCD 相機(jī)采集圖像，利用建立的二級(jí)檢測(cè)模型對(duì)煙支外觀進(jìn)行分析，以實(shí)現(xiàn)濾嘴接裝過(guò)程中煙支外觀質(zhì)量的在線檢測(cè)，提高卷煙產(chǎn)品質(zhì)量。

1 系統(tǒng)設(shè)計(jì)

基于機(jī)器視覺(jué)的煙支接裝質(zhì)量在線檢測(cè)系統(tǒng)主要由圖像采集單元、在線傳輸單元、煙支分選單元等部分組成。圖像采集單元包括CCD 相機(jī)、圖像采集卡、光源、編碼器、工控機(jī)等，其安裝位置見(jiàn)圖1。為保證設(shè)備高速運(yùn)行時(shí)圖像采集的清晰度，采用LED 燈為CCD 相機(jī)提供足夠的照度，并由智能光源控制器自動(dòng)控制LED 燈的開(kāi)啟/關(guān)閉及補(bǔ)光亮度。CCD 相機(jī)的成像速度為8 000 次/min，安裝于分離輪的上方25 cm 處。

圖1 圖像采集單元安裝位置示意圖Fig.1 Schematic diagram of image acquisition system

采用轉(zhuǎn)軸編碼器與卷接機(jī)組的主軸連接，跟蹤并精確計(jì)算煙支在高速生產(chǎn)中的具體位置。當(dāng)煙支運(yùn)行至CCD 相機(jī)下方垂直位置時(shí)，智能光源控制器開(kāi)啟LED 燈補(bǔ)光照明，完成煙支的圖像采集。煙支分選單元主要實(shí)現(xiàn)在線同步提取、處理煙支外觀特性，通過(guò)圖像比對(duì)識(shí)別判定煙支質(zhì)量缺陷，并在剔除鼓輪處進(jìn)行分選，從識(shí)別工位到剔除工位共有40 個(gè)煙槽。

1.1 圖像預(yù)處理

生產(chǎn)中檢測(cè)煙支通過(guò)鼓輪傳遞到CCD 相機(jī)拍攝區(qū)，采集到的彩色圖像包含多支煙和鼓輪等零部件，背景上的無(wú)關(guān)因素會(huì)影響圖像檢測(cè)的精度，增大運(yùn)算量。本研究中采用提取感興趣區(qū)域ROI（Region of Interest）方法對(duì)圖像進(jìn)行預(yù)處理，處理后的圖像分辨率為1 500 像素×450 像素，見(jiàn)圖2。

由于彩色圖像對(duì)煙支輪廓檢測(cè)無(wú)影響，因此需要對(duì)彩色圖像進(jìn)行灰度化處理。根據(jù)整幅圖像的統(tǒng)計(jì)特性，選用Ostu 算法進(jìn)行圖像二值化處理，實(shí)現(xiàn)閾值的自動(dòng)選?。?9-20］。

圖2 ROI 圖像提取結(jié)果Fig.2 Extraction results of ROI images

式中：g（x，y）為二值化后的灰度圖像；f（x，y）為灰度圖像的灰度值；t 為閾值。

灰度圖像的類間方差為：

對(duì)二值化后的圖像采用輪廓提取的方法突出煙支邊緣，消除圖像內(nèi)部和外部區(qū)域，在保留圖像邊緣信息的同時(shí)有效降低數(shù)據(jù)處理量，進(jìn)而簡(jiǎn)化圖像檢測(cè)過(guò)程，見(jiàn)圖3。

圖3 煙支外觀輪廓提取Fig.3 Extraction of cigarette contour

1.2 缺陷檢測(cè)方法

為提高圖像識(shí)別效果，采用二級(jí)檢測(cè)方法對(duì)煙支缺陷進(jìn)行逐層篩選。其中，第一級(jí)采用輪廓最大面積判定法檢測(cè)濾嘴缺失、接裝紙翹邊以及與合格煙支外觀輪廓明顯不一致的缺陷煙支；第二級(jí)采用模板匹配法檢測(cè)接裝紙擦痕、煙支刺破以及與合格煙支外觀輪廓一致但內(nèi)部存在輕微缺陷的煙支。檢測(cè)流程見(jiàn)圖4。

1.2.1 最大輪廓面積判定法

輪廓特征是圖像識(shí)別的主要特征之一，本研究中在灰度圖像的基礎(chǔ)上提取二值圖像，再基于二值圖像提取煙支的外輪廓。由于存在噪聲影響，提取的外輪廓無(wú)法清晰地將目標(biāo)輪廓識(shí)別出來(lái)，為此需要過(guò)濾掉部分小于某一規(guī)模的輪廓，以去除噪聲影響，再采用矩形框識(shí)別出目標(biāo)輪廓，見(jiàn)圖5。

圖4 二級(jí)檢測(cè)流程Fig.4 Flowchart of second inspection

利用最大輪廓面積判定法計(jì)算煙支輪廓面積，再利用輪廓面積進(jìn)行第一級(jí)檢測(cè)，能夠有效剔除不合格煙支，而將合格煙支完整保留下來(lái)，見(jiàn)圖6。

1.2.2 模板匹配算法

第一級(jí)檢測(cè)雖然能夠識(shí)別出有明顯缺陷的煙支，同時(shí)對(duì)位置平移也有一定的魯棒性，但無(wú)法檢測(cè)出外觀輪廓一致但內(nèi)部存在輕微缺陷的煙支。由于所采集的煙支圖像基本不存在旋轉(zhuǎn)和尺寸變化，僅有平移變化，為此本研究中采用模板匹配算法進(jìn)行第二級(jí)煙支檢測(cè)。生產(chǎn)過(guò)程中CCD 相機(jī)采集到的合格煙支圖像可能不一致，為有效實(shí)現(xiàn)煙支識(shí)別，采用圖7 所示的3 種圖像作為標(biāo)準(zhǔn)模板。

采用3 種標(biāo)準(zhǔn)模板與待測(cè)煙支進(jìn)行匹配時(shí)，若大于某一閾值即判定為合格煙支，否則為不合格煙支并予以剔除。本研究中采用OpenCV2 軟件庫(kù)，利用庫(kù)中的MatchTemplate 函數(shù)完成圖像匹配，即采用待測(cè)圖像與3 種標(biāo)準(zhǔn)模板進(jìn)行匹配，根據(jù)求出的相關(guān)系數(shù)來(lái)判定煙支是否合格。模板匹配采用歸一化相關(guān)系數(shù)匹配法，計(jì)算公式為：

圖5 基于最大輪廓的煙支矩形框Fig.5 Cigarette rectangular frame based on maximum contour

圖6 第一級(jí)煙支檢測(cè)剔除效果Fig.6 Unqualified cigarettes rejected at the first stage inspection

圖7 3 種合格煙支模板Fig.7 Three templates for qualified cigarettes

由式（3）可見(jiàn)，R 值越大表明模板與待測(cè)圖像越匹配；反之則相異性越大。通過(guò)與閾值相比較，可以檢測(cè)出待測(cè)煙支是否合格。

2 應(yīng)用效果

2.1 試驗(yàn)設(shè)計(jì)

材料：“利群（新版）”牌卷煙200 支（由浙江中煙工業(yè)有限責(zé)任公司寧波卷煙廠提供）。

設(shè)備：ZJ116 型超高速卷接機(jī)組（常德煙草機(jī)械有限責(zé)任公司）。

方法：根據(jù)GB/T 22838.12—2009《卷煙和濾棒物理性能的測(cè)定 第12 部分：卷煙外觀》［21］中的檢測(cè)方法人工識(shí)別200 支煙，分成合格煙支組和不合格煙支組各100 支，并分別進(jìn)行編號(hào)。其中，兩組的奇數(shù)號(hào)組成訓(xùn)練集，偶數(shù)號(hào)組成測(cè)試集。采用二級(jí)檢測(cè)模型對(duì)人工識(shí)別的煙支進(jìn)行判斷，在訓(xùn)練階段利用訓(xùn)練集確定判定閾值，在測(cè)試階段分別對(duì)測(cè)試集中的合格煙支和不合格煙支進(jìn)行檢測(cè)。經(jīng)過(guò)二級(jí)檢測(cè)后未被檢出的煙支判定為合格煙支，不予以剔除。

2.2 數(shù)據(jù)分析

由表1 可見(jiàn)，在訓(xùn)練集中，利用二級(jí)檢測(cè)模型能夠準(zhǔn)確地對(duì)所有煙支進(jìn)行檢測(cè)識(shí)別；在測(cè)試集中，通過(guò)第一級(jí)最大輪廓面積判定法檢測(cè)出36 支不合格煙支，第二級(jí)模板匹配檢測(cè)法進(jìn)一步檢測(cè)出13 支不合格煙支，合計(jì)檢測(cè)出合格煙支50 支，不合格煙支49 支，檢測(cè)準(zhǔn)確率達(dá)到98%。

表1 煙支接裝質(zhì)量缺陷識(shí)別結(jié)果Tab.1 Identification results for cigarettes with appearance defects

3 結(jié)論

采用機(jī)器視覺(jué)設(shè)計(jì)了一種煙支接裝質(zhì)量在線檢測(cè)系統(tǒng)，通過(guò)二級(jí)檢測(cè)模型解決了人工檢測(cè)識(shí)別煙支質(zhì)量準(zhǔn)確率低、勞動(dòng)強(qiáng)度大等問(wèn)題，實(shí)現(xiàn)了濾嘴接裝過(guò)程中煙支外觀質(zhì)量的在線檢測(cè)，提高了卷煙產(chǎn)品質(zhì)量。以寧波卷煙廠生產(chǎn)的200 支“利群（新版）”牌卷煙為對(duì)象進(jìn)行測(cè)試，結(jié)果表明：在訓(xùn)練集中利用二級(jí)檢測(cè)模型能夠?qū)λ袩熤нM(jìn)行準(zhǔn)確識(shí)別；在測(cè)試集中第一級(jí)檢測(cè)判定不合格煙支36 支，第二級(jí)檢測(cè)判定不合格煙支13 支，共識(shí)別出合格煙支50 支，不合格煙支49 支，檢測(cè)準(zhǔn)確率達(dá)到98%。該系統(tǒng)有效提高了卷接設(shè)備的自動(dòng)化生產(chǎn)水平，并可在ZJ112、ZJ116 等卷接設(shè)備上推廣應(yīng)用。