圖像識別技術(shù)在食品包裝缺陷檢測中的應(yīng)用

張紅巖 - 王永志 - 劉慶紅 -

(1. 吉林省經(jīng)濟管理干部學(xué)院，吉林 長春 130012；2. 黔南民族師范學(xué)院，貴州 都勻 558000)

目前中國大多數(shù)食品包裝檢測仍采用人工檢測，其檢測精度較低、速度較慢，不適應(yīng)當前食品企業(yè)自動化的發(fā)展[1]。圖像識別技術(shù)即利用圖像獲取裝置代替人眼功能，利用圖像處理技術(shù)得到相關(guān)信息并進行下一步操作[2]，已被應(yīng)用于食品包裝缺陷檢測過程中[3-4]。但食品包裝材料各不相同，食品包裝缺陷類型也不盡相同，具有代表性的食品包裝材料包括泡沫塑料包裝、鋁塑包裝、紙質(zhì)包裝和瓶罐包裝等[2]。文章擬根據(jù)食品包裝材料及其對應(yīng)的缺陷，整理圖像識別技術(shù)在其中的應(yīng)用研究，對圖像識別技術(shù)在食品包裝檢測中的應(yīng)用趨勢進行預(yù)判，旨在促進食品包裝行業(yè)的健康發(fā)展。

1 圖像識別技術(shù)

圖像識別技術(shù)是指利用圖像攝取裝置獲取檢測目標的圖像，由圖像處理系統(tǒng)對獲取的圖像進行特征提取識別，判斷目標是否存在缺陷，并根據(jù)判斷結(jié)果進行下一步操作的處理過程[5-6]。該技術(shù)的主要特點是可以提高生產(chǎn)的自動化和準確程度，在一些危險的工作環(huán)境中代替人工檢測；在大批量工業(yè)檢測生產(chǎn)過程中，其檢測產(chǎn)品的質(zhì)量和速度遠遠高于人工檢測[7]；該技術(shù)將視覺傳感器和圖像處理算法相結(jié)合，組成較為簡單、抗干擾能力強、適合生產(chǎn)在線大批量檢測[8]。

實際工業(yè)檢測生產(chǎn)時，機器視覺系統(tǒng)主要包括照明部分、圖像采集部分、圖像處理部分、判斷指令部分以及控制執(zhí)行部分等，工作時是通過圖像采集部分獲取檢測目標圖像，通過圖像處理部分，依托相對應(yīng)的圖像處理算法進行缺陷識別，通過判斷指令部分作出是否有缺陷的指令，如果有缺陷即將命令傳遞給控制執(zhí)行部分，控制執(zhí)行部分做出剔除的動作，完成圖像識別技術(shù)在食品包裝缺陷檢測的工作過程[9-10]。食品包裝缺陷檢測過程中，圖像處理算法在很大程度上決定了視覺檢測識別的效果及效率，因此針對不同類型的食品包裝產(chǎn)品選擇合適的圖像處理算法十分重要[11]，圖像識別技術(shù)中的圖像處理過程一般包括圖像預(yù)處理、提取特征、定位計算、返回判定結(jié)果等[12]，圖像處理算法中應(yīng)用較為廣泛的是二值化處理提取目標取悅和邊緣檢測等，其中缺陷相關(guān)特征一般包括顏色、形狀、紋理等[13]，根據(jù)缺陷的不同類型對應(yīng)的選擇閾值判斷識別和支持向量機等機器識別算法[14]。

2 圖像識別技術(shù)在食品包裝缺陷檢測中的應(yīng)用

2.1 泡沫塑料包裝缺陷檢測

泡沫塑料包裝主要用于生鮮水果、速食食品等的包裝，由于泡沫塑料包裝具有材質(zhì)輕、絕熱、易變形、抗侵蝕等特點，被廣泛應(yīng)用于農(nóng)業(yè)生產(chǎn)等領(lǐng)域[15]。但是泡沫塑料包裝受材料和包裝限制，尤其是薄膜塑料包裝合格率較低，其包裝過程中出現(xiàn)的缺陷主要有表面污染、組織變化和變形等[16-17]。李丹等[18]基于圖像識別技術(shù)提出了一種包裝袋缺陷檢測方法，缺陷相關(guān)特征包括包裝袋的長度、寬度、面積以及填充程度和目標區(qū)域位置，通過二值化處理對圖像進行灰度化處理，并通過圖像各像素灰度值與閾值間的關(guān)系，對目標區(qū)域進行分割定位，通過與標準參數(shù)比較檢測包裝袋的完整性，發(fā)現(xiàn)了連袋、外形出錯、表面有異物以及表面設(shè)計畫面位置移動等缺陷，其缺陷識別準確率為98.75%，符合生產(chǎn)檢測需求。陳慧麗等[19]以方便面塑料包裝為研究對象，設(shè)計了一套機器視覺包裝檢測系統(tǒng)，該系統(tǒng)包括硬件結(jié)構(gòu)和軟件結(jié)構(gòu)，缺陷相關(guān)特征選擇顏色，圖像識別過程包括3大步驟：圖像預(yù)處理精確分割檢測區(qū)域、特征提取將所檢測的圖像中的RGB像素點轉(zhuǎn)換成HS特征點、根據(jù)像素點的HS取值和機器學(xué)習(xí)過程中的特征權(quán)重以及像素點所對應(yīng)的特征權(quán)重的閾值完成特征分類，判斷包裝是否存在缺陷，若出現(xiàn)包裝缺陷即用吹氣閥將其排出生產(chǎn)線，檢測系統(tǒng)漏檢率為0.01%，過檢率為0.04%，識別率較高，可以滿足工業(yè)生產(chǎn)需求。

2.2 鋁塑包裝缺陷檢測

鋁塑包裝主要應(yīng)用于糖果等的包裝，其隔絕性能好、可有效保護包裝物不受損害、可有效防止包裝物吸潮、防菌且形狀較為穩(wěn)定等，被廣泛應(yīng)用于食品藥品包裝領(lǐng)域[20]。但是鋁塑包裝可能會存在漏裝、空囊、破損等缺陷，嚴重影響食品包裝安全和經(jīng)濟性[21]?；趫D像識別技術(shù)的鋁塑包裝缺陷檢測中，缺陷集中在食品藥品缺失、缺損以及表面劃痕嚴重，圖像處理方法需區(qū)分每個食品的邊緣，保護每個圖像的細節(jié)和邊緣，以便得到食品包裝缺陷部位的有效圖像[22]。方文星等[23]針對鋁塑包裝人工檢測包裝缺陷時存在的準確度低、效率低的問題，開發(fā)了一種鋁塑包裝缺陷檢測方法，圖像處理過程中應(yīng)用多種特征提取算法，包括魯棒特征SURF提取算法、BOW算法和單分類支持向量機算法，最終通過該算法對180幅獲取的圖像進行缺陷檢測，顯示該方法在分類閾值為1 900、視覺單詞數(shù)量為120、懲罰因子為0.9時，準確率達99.4%，這種圖像處理算法最大限度改善了鋁塑包裝缺陷檢測的準確度和穩(wěn)定性能。目前，應(yīng)用圖像識別技術(shù)對鋁塑包裝缺陷的檢測主要集中在算法的改進方面，生產(chǎn)線應(yīng)用較少，主要是因為鋁塑包裝包含多個目標，邊緣分割和特征提取需進一步研究[24]。

2.3 紙質(zhì)包裝缺陷檢測

紙質(zhì)包裝一般用于外賣、牛奶、飲料等食品，具有強度高、成本低、透氣性好、耐磨損、抗?jié)穹烙偷忍攸c，被廣泛應(yīng)用于多個產(chǎn)品包裝領(lǐng)域[25]。但是紙質(zhì)包裝抗壓性和耐水性較差、環(huán)境壓力較大且制作設(shè)備要求較高，限制了紙質(zhì)包裝在食品包裝領(lǐng)域中的應(yīng)用[26]。李萌等[27]設(shè)計了一種機器視覺檢測食品包裝缺陷系統(tǒng)，包括系統(tǒng)的硬件和軟件，以紙質(zhì)包裝為試驗對象，通過二值化處理對圖像的特征部分和背景部分進行了分割，分割后利用Robert算子求導(dǎo)進行邊緣檢測準確獲取目標區(qū)域，檢測缺陷包括斜置、倒置、破損、變形、異物等，缺陷漏檢率為0.21%，檢測速度較快，具有較好的靈活通用性。賈真真等[28]基于圖像識別技術(shù)，設(shè)計了一套食品內(nèi)包裝機器視覺缺陷檢測裝置，該裝置的主要檢測對象為紙質(zhì)包裝缺陷，圖像預(yù)處理方法包括二值化處理和實時濃淡補正，在獲取目標區(qū)域圖像后進行差分處理消除了背景中的陰影，再通過對目標的面積、模型位置搜索、斑點檢測等進行缺陷判別，并應(yīng)用該裝置進行試驗檢測，發(fā)現(xiàn)對內(nèi)襯紙正面破損、印刷不好、背面褶皺檢出率高達100%，而內(nèi)襯紙背面破損和背面缺失檢測時檢出率達95%，滿足生產(chǎn)線需求。李瑩等[29]設(shè)計了一種食品包裝缺陷檢測系統(tǒng)，該系統(tǒng)主要包括圖像獲取、處理以及分析和輸出執(zhí)行等功能，圖像識別算法為基于小波變換的圖像邊緣檢測，將圖像信號分解為不同分量，計算小波系數(shù)模的最大值，該值為圖像灰度的突變點，從而實現(xiàn)邊緣點的提取，并以污染、蹭板、飛墨、漏白和刀絲5種缺陷為例，分別利用缺陷的長徑、圓形度、長寬比和灰度標準差進行特征描述，研究了該系統(tǒng)的應(yīng)用準確性，發(fā)現(xiàn)所有缺陷的檢測精度均在99%以上，相對傳統(tǒng)的模板匹配法均有不同程度的提高，可以滿足食品包裝檢測需求。

2.4 瓶罐包裝缺陷檢測

瓶罐包裝一般用于食用油、飲料、奶粉等食品，具有保護性強、封閉性強、設(shè)計性強等特點，被應(yīng)用于多個工業(yè)包裝領(lǐng)域[30]。但是瓶罐類包裝易受外力影響、投入成本較高且制作工藝要求較高，僅適用于少部分食品包裝[31-32]。肖飛蛟[33]利用機器視覺技術(shù)對啤酒包裝生產(chǎn)線檢測技術(shù)進行了應(yīng)用研究，該研究設(shè)計了高速空瓶檢測系統(tǒng)，針對啤酒生產(chǎn)線存在的無瓶口檢測功能問題，添加了瓶口檢測功能，根據(jù)缺陷點灰度值的差異進行圖像識別，圖像預(yù)處理算法為二值化處理和邊緣檢測，圖像識別算法為模板匹配法等，并進行生產(chǎn)線測試，發(fā)現(xiàn)該系統(tǒng)的空瓶檢測精度達95%以上，滿足生產(chǎn)需求。王宣銀等[34]研究了一種利用圖像分析技術(shù)的包裝罐內(nèi)壁缺陷檢測方法，從罐內(nèi)圖像中分割提取了內(nèi)壁檢測區(qū)域的圖像，根據(jù)罐內(nèi)圖像的特點，利用二值化分割圖像后，利用閾值獲得焊縫的邊緣區(qū)域，利用形態(tài)學(xué)膨脹、腐蝕和凸殼等操作獲取目標區(qū)域圖像，再利用多個合格模板圖像和被測圖像堆疊的方式構(gòu)造了多元測試圖像，通過圖像融合算法解決了焊縫區(qū)域不一致的問題，利用主成分分析方法獲取了多元被測圖像的缺陷，利用Q統(tǒng)計圖作為缺陷特征的檢測空間，利用閾值判斷缺陷與否，缺陷主要是內(nèi)壁照明困難造成缺陷，誤檢率在2%以內(nèi)，系統(tǒng)可靠性較強。朱明[35]研究了一種視覺檢測奶粉罐內(nèi)壁缺陷的系統(tǒng)，包括硬件系統(tǒng)和軟件系統(tǒng)，系統(tǒng)核心關(guān)鍵技術(shù)包括檢測環(huán)境的照明條件和奶粉罐罐體準確定位以及缺陷有效檢測的算法，其中照明選擇碗狀LED光源散射照明方式，罐體定位選擇最小二乘擬合圓法和改進后的Hough變換，奶粉罐內(nèi)壁缺陷特征為點缺陷、線缺陷和面缺陷，配合使用Blob算法實現(xiàn)，并在實驗室內(nèi)對奶粉罐內(nèi)壁缺陷檢測系統(tǒng)進行了試驗檢測，系統(tǒng)動態(tài)檢測準確率達99.70%，滿足生產(chǎn)線檢測要求。

3 在食品包裝缺陷檢測中的應(yīng)用趨勢

當前，圖像識別技術(shù)在不同種類食品包裝缺陷檢測中的研究和應(yīng)用較為成熟，但因為圖像設(shè)備不能全方位獲取目標包裝物的圖像，會出現(xiàn)食品包裝缺陷檢測不全面的問題，而且設(shè)備投入較高[36]。檢測食品包裝缺陷時，圖像識別往往需要針對特定對象進行特定缺陷特征提取，由于該方法具有特征針對性，不適用于多種對象包裝缺陷的檢測[37]。此外，圖像識別技術(shù)相關(guān)裝置應(yīng)用場景多為生產(chǎn)線在線檢測，僅適用于特定環(huán)境，其應(yīng)用場景受到限制，不能滿足企業(yè)生產(chǎn)的多種需求[38]。由此，圖像識別技術(shù)在食品包裝缺陷檢測中的應(yīng)用趨勢主要是智能化、集成化和多場景識別等。

(1) 智能化。由于當前智能包裝技術(shù)發(fā)展迅速[39]，對應(yīng)的食品包裝缺陷檢測趨向于智能化發(fā)展，依據(jù)不同需求智能調(diào)整檢測算法。

(2) 集成化。圖像識別技術(shù)與其他檢測識別技術(shù)相結(jié)合，不僅能夠?qū)κ称钒b表面缺陷進行識別，還應(yīng)添加其他技術(shù)檢測，例如產(chǎn)品品質(zhì)檢測、食品包裝材料檢測等[40]。

(3) 多場景識別。圖像識別技術(shù)的多場景識別應(yīng)用使得檢測數(shù)據(jù)實時共享，企業(yè)不同工作人員可以同時獲取數(shù)據(jù)[41]，此外該裝置可在多個場景中進行應(yīng)用。

4 結(jié)論

食品包裝的品質(zhì)優(yōu)劣直接影響食品作為商品的競爭力，是企業(yè)生產(chǎn)過程中需要控制保證的生產(chǎn)部分。但當前受制于包裝材料和加工方式，不同種類包裝形式均會出現(xiàn)不同的缺陷，威脅產(chǎn)品的競爭力。隨著圖像識別技術(shù)的發(fā)展在食品包裝缺陷檢測過程中的速度和準確率會越來越高，對圖像識別技術(shù)及相關(guān)裝置系統(tǒng)的進一步研究，可以有效提升食品企業(yè)包裝的完整性、降低缺陷出現(xiàn)概率，為中國食品包裝行業(yè)發(fā)展提供技術(shù)支持。