基于X 射線圖像的堅果盒異物檢測

蘇思懿 阮順杰 方逸肖 林翰 應宏微

摘 要：針對堅果盒中混入異物的問題，本文提出一種基于X射線圖像的非接觸式異物檢測技術——采用標準測片模擬堅果盒內的異物、基于數(shù)字圖像處理技術提取出X射線圖像中物體的多種特征，據(jù)此實現(xiàn)對堅果盒內異物的自動檢測。實驗結果表明，該檢測算法可實時精確地檢測異物，檢出率為99.6%、誤檢率為1.3%，有利于提高堅果盒的生產(chǎn)質量。

關鍵詞：堅果盒 ?X射線圖像 ?圖像處理 ?異物檢測

1 引言

現(xiàn)如今，堅果盒中混入異物的情況時有發(fā)生，如生產(chǎn)線上的螺絲松動掉入食品中、原材料本身含有小石子等雜質……且食品中可能摻入的異物種類很多，如金屬、玻璃、塑料、毛發(fā)、砂石等，誤食后易造成人身傷害。因此，在堅果盒的生產(chǎn)和包裝過程中，諸如光學檢測、核磁共振技術等檢查方法常被應用于異物檢測[1，2]。然而，光學檢測技術往往只可用于檢測產(chǎn)品表面的異物，核磁共振技術的成本及要求較高，且僅對石頭等部分異物的檢測效果較為明顯。基于X射線圖像的異物檢測是一種更有效的檢測方法，由于X射線對不同材質的物體具有不同的穿透率，即穿透堅果盒后會形成深淺不一的灰度圖像，即灰度值體現(xiàn)了物體的密度特征。因此，可以利用圖像處理的方法根據(jù)不同區(qū)域的灰度值和形態(tài)特征自動判定是否存在異物。

2 檢測方法

2.1 材料

為比較識別算法的性能，采用標準測片模擬混入堅果盒中的異物：直徑分別為4、3、2、1.5、1.0mm的石英球測片5顆;直徑分別為0.8、0.7、0.6、0.5、0.4、0.3mm的304不銹鋼球測片6顆;直徑分別為5、4、3、2、1.5、1mm的陶瓷球測片6顆;長度為2mm，線徑分別為0.7、0.6、0.5、0.4、0.3、0.2mm的304不銹鋼線測片6條。以上測片的大小、密度、材質等特征與堅果盒日常所混入異物的特征基本相似。

將堅果盒分為A、B兩組，在A組堅果盒內放入異物標準測片，B組作為對照組保持無異物。根據(jù)堅果在盒內的分布均勻程度，A組又分為堅果平鋪A1組和堅果側鋪A2組;B組也分為堅果平鋪B1組和堅果側鋪B2組。采用50kv、1500μa的X射線掃描得到A1、A2、B1、B2這4組X射線圖像用于算法測試，如圖1所示。

2.2 算法描述

通過對A1、A2、B1、B2這4組圖像集的分析，基于所提出的檢測算法步驟如下。

①分割原始圖像，去除堅果盒外接矩形以外的部分，得到感興趣區(qū)域R。

②采用Sobel算法[4]強化感興趣區(qū)域內部的邊緣信息，得到邊緣圖像E，同時使堅果盒內部的果肉和異物的邊緣輪廓得到加強。

③經(jīng)過以上處理后得到的Sobel邊緣圖像E是灰度圖，故必須轉換為二值圖才能區(qū)分邊緣與背景。設置閾值T0，當E中的像素灰度值大于T0時，設其為邊緣，賦其值為255（白色）;否則設為背景，賦其值為0（黑色），從而獲得二值圖像B。

④由于堅果盒內邊框的灰度值和異物灰度值較為接近，而邊框的存在會對異物檢測準確率起到較大影響，故必須屏蔽內邊框。內邊框一般以果盒中心為圓心，直徑略小于盒外徑，因此將這個圓外的區(qū)域全部置為0就可以屏蔽果盒內邊框。定于閾值T1=盒內直徑/盒外直徑，T1=0.9時，可以較好的屏蔽果盒內邊框。

⑤檢測出圖像B內的連續(xù)閉合曲線，即閉合輪廓，然后填充輪廓內部，形成塊狀連通域[5，6]，異物塊形狀基本得到顯現(xiàn)。

⑥連通域填充后進行腐蝕運算[7]，其目的在于將面積過小的連通域（主要是圖像噪聲）消除，同時將過于靠近的連通域分離。然后，進行一次膨脹運算，維持剩下的連通域面積基本不變。

⑦采用4連通判別算法來對各個連通域進行標注，賦予每個連通域唯一的編號。

⑧由于異物與其局部的周邊環(huán)境差異較大，故需獲取異物周邊的特征，為此進行連通域膨脹，膨脹次數(shù)T2=3，標注出每個連通域的外圍區(qū)域，計算出外圍區(qū)域平均灰度（OutAvgG）。

⑨計算每個連通域的面積（area）、內部的平均灰度（InAvgG）及最小灰度（minG），并統(tǒng)計異物數(shù)量。

2.3 參數(shù)說明

根據(jù)上述算法，需要對連通域外圍區(qū)域平均灰度（OutAvgG）、連通域面積（area）、連通域內部平均灰度（InAvgG）及連通域最小灰度（minG）這4個參數(shù)進行測定，以判別連通域是否為異物。

異物的面積通常有一個范圍，若連通域的面積在范圍之外，則該區(qū)域判別為非異物，判別公式如（1）所示。

式中：L為連通域集，x為連通域標記值，area（x）為標記值等于x的連通域的面積，T3為異物的最小面積。當連通域面積小于T3時，則該連通域不是異物。

異物的灰度值通常較低，即看上去顏色較暗。若異物內部的最低灰度值大于閾值T4，則該連通域不是異物，判別公式如（2）所示。

式中：minG（x）表示標記值為x的連通域的最小灰度，T4為異物的最低灰度值。

通常情況下，異物周圍的環(huán)境灰度較高，因此異物連通域的平均灰度值和外圍區(qū)域的平均灰度值的差值通常大于閾值T5，小于該閾值則說明該連通域與周圍環(huán)境差別不大，即可認為是異物，判別公式如（3）所示。

式中：OutAvgG（x）表示標記值為x的連通域的外圍部分的平均灰度值，InAvgG（x）表示標記值為x的連通域的內部平均灰度值。

3 檢測結果

在上節(jié)所述的T0～T5共6個閾值中，T0～T2是程序閾值、T3～T5是異物特征約束閾值。實驗發(fā)現(xiàn)，當T0=100、T1=0.9、T2=3、T3=4、T4=140、T5=10時，檢測算法的綜合性能最優(yōu)，檢測效果如圖2所示，具體性能指標如表1所示。

圖2與表1的數(shù)據(jù)充分證明了本算法的有效性。在實際的X光機產(chǎn)品參數(shù)調試中，若已知異物的種類組合，通過調節(jié)參數(shù)閾值還可以進一步提高檢測率、降低潛在的誤檢率。本文所提出的檢測算法在測試電腦（主頻2.5GHZ，內存8G）上處理一幅X射線圖像的時間約為40～80ms，可以滿足每秒至少處理12幅圖像的速度需求。

4 結論

基于堅果盒的X射線圖像，本文采用數(shù)字圖像處理技術成功實現(xiàn)了對堅果盒內異物的自動檢測，所取得的檢測率、誤檢率、檢測速度等性能指標能滿足相關企業(yè)的要求。

參考文獻：

[1] 趙鎮(zhèn)俊.探究食品安全檢驗檢測技術與方法[J].現(xiàn)代食品，2019（01）：74-76.

[2] 王慧.化學技術在食品安全檢測中的應用[J].現(xiàn)代食品，2019（04）：166-168.

[3] 鐘永智.數(shù)字X射線圖像處理及其應用[J].電視技術，1995（04）：53-59.

[4] 韓龍飛，逯超.基于改進Sobel算子邊緣檢測的實現(xiàn)[J].汽車實用技術，2019（08）：109-111.

[5] 衛(wèi)洪春.一種改進的多邊形區(qū)域填充算法[J].電腦知識與技術，2016，12（02）：210-212.

[6] 衛(wèi)洪春.掃描線多邊形區(qū)域填充的改進與圖像信息提取[J].電子設計工程，2018，26（12）：172-176.

[7] 王弘毅，趙歡.基于數(shù)學形態(tài)學預處理的Canny算子邊緣檢測算法[J].菏澤學院學報，2019（02）：25-29.

基金項目：浙江省教育廳科研項目（Y202044368）;寧波工程學院科技項目（2020018）;寧波工程學院學生科研項目（2019031）。

作者簡介：蘇思懿（1999-），女，浙江溫州人，本科，研究方向：圖像處理。