基于RGB視覺的瓦楞包裝褶皺標(biāo)定收斂研究

李鵬飛，魏一

基于RGB視覺的瓦楞包裝褶皺標(biāo)定收斂研究

李鵬飛，魏一

（許昌電氣職業(yè)學(xué)院，河南 許昌 461000）

對(duì)瓦楞紙板包裝的褶皺特征精確定位，保證瓦楞紙板包裝容器的褶皺特征在生產(chǎn)中被及時(shí)檢驗(yàn)。機(jī)器視覺瓦楞紙板包裝檢測(cè)系統(tǒng)依據(jù)圖像信息收集、識(shí)別算法、RGB視覺、位置標(biāo)定、收斂性結(jié)果對(duì)比等部分，確定瓦楞紙板包裝褶皺特征標(biāo)定核心算法要點(diǎn)；在傳統(tǒng)頻域變換的基礎(chǔ)上，進(jìn)行RGB視覺改進(jìn)算法分析，有效提高對(duì)瓦楞紙板包裝的褶皺特征識(shí)別率，明確該類包裝的檢測(cè)要點(diǎn)。以實(shí)際的瓦楞紙板褶皺為例，論證該類包裝褶皺特征的特征提取方法，并且強(qiáng)化研究對(duì)象的褶皺特征，最后對(duì)識(shí)別結(jié)果和實(shí)物結(jié)果進(jìn)行對(duì)照分析。通過設(shè)定闕值在90～120得到線性率為25%～80%，結(jié)果說明該視覺方式可以實(shí)現(xiàn)對(duì)機(jī)器視覺的瓦楞紙板包裝標(biāo)定，并且各特征的實(shí)際回歸基準(zhǔn)率為86%，驗(yàn)證了RGB視覺算法對(duì)褶皺特征標(biāo)定的精確性?；谠揜GB視覺以及優(yōu)化措施，確定了機(jī)器視覺瓦楞紙板包裝標(biāo)定方式，滿足了瓦楞紙板包裝生產(chǎn)的有效定位要求。

機(jī)器視覺；瓦楞紙板包裝；RGB視覺；優(yōu)化分析

隨著計(jì)算機(jī)機(jī)器視覺的研究深入，包裝監(jiān)測(cè)也得到了廣泛地應(yīng)用。瓦楞紙板包裝作為一種常見的基礎(chǔ)包裝材料，在運(yùn)輸過程中的多個(gè)環(huán)節(jié)均有著廣泛的應(yīng)用[1]。瓦楞紙板在生產(chǎn)與運(yùn)輸過程中經(jīng)常會(huì)因?yàn)榭呐?、彎折而出現(xiàn)較大褶皺，甚至影響包裝容器強(qiáng)度，所以結(jié)合機(jī)器視覺進(jìn)行外包裝的檢測(cè)，對(duì)瓦楞紙板褶皺狀態(tài)進(jìn)行評(píng)價(jià)是非常必要的，該方法也成為提高包裝質(zhì)量的重要手段。

孫琴等[2]就基于機(jī)器視覺的塑料制品表面缺陷進(jìn)行檢測(cè)研究，證明了視覺濾波算法對(duì)外部反光性可用于外包裝的缺陷檢測(cè)。同理該方法也為研究瓦楞紙板包裝以其內(nèi)部褶皺表面反光差異性提供了借鑒基礎(chǔ)。史晨陽等[3]明確了機(jī)器視覺中均勻照明成像的LED環(huán)形陣列設(shè)計(jì)方法在檢測(cè)方面的應(yīng)用，該環(huán)形陣列設(shè)計(jì)驗(yàn)證了物體表面反光的可實(shí)踐性，并進(jìn)行了常規(guī)瓦楞包裝的褶皺特征分析。孫鄭芬與吳韶波[4]論證了機(jī)器視覺技術(shù)在工業(yè)智能化生產(chǎn)中的應(yīng)用，并且提到了特征點(diǎn)定位方法，論證了表面褶皺狀態(tài)的反光性影響包裝的色差定位在生產(chǎn)線定位的可操作做性，側(cè)面說明褶皺特征的標(biāo)定作用。傅田[5]基于機(jī)器視覺的帶式輸送機(jī)糾偏系統(tǒng)設(shè)計(jì)的思維，結(jié)合ROI定位原理檢測(cè)了瓦楞包裝邊沿的變形程度等。AMIRI M[6]所研究的群體決策模糊VIKOR方法在機(jī)械加工領(lǐng)域中實(shí)現(xiàn)了視覺標(biāo)定，該機(jī)器視覺檢測(cè)重點(diǎn)同樣適用于系統(tǒng)瓦楞紙板包裝外部特征檢測(cè)，瓦楞紙板包裝的其他包裝環(huán)節(jié)有較大的差異性，機(jī)器視覺的RGB圖像檢測(cè)過程均可以針對(duì)不同的色彩差異進(jìn)行收斂評(píng)價(jià)。

以瓦楞紙板包裝為研究對(duì)象進(jìn)行標(biāo)定算法研究，總結(jié)瓦楞紙板在識(shí)別過程中的難點(diǎn)，歸納瓦楞紙板的損傷特征；以機(jī)器視覺為手段，總結(jié)出瓦楞紙板包裝圖像褶皺特征有效的識(shí)別方法。

1 圖像紋理特征提取分析

瓦楞紙板褶皺的特殊特征信息提取原理在于同一光環(huán)境下，瓦楞紙板的反光性基本是相同的，一旦出現(xiàn)褶皺，其圖像表面的反光性會(huì)出現(xiàn)差異。文中方法可通過識(shí)別紙板不一樣的深淺灰度表現(xiàn)出的明暗變化，對(duì)瓦楞紙板表面褶皺進(jìn)行識(shí)別追蹤。通過紋理特征識(shí)別可將系統(tǒng)過程中所涉及的圖像特征進(jìn)行串聯(lián)并進(jìn)行加強(qiáng)，紋理特征中的截取的圖像像素信息加以串聯(lián)，實(shí)現(xiàn)過程中的特征要素提取，使得整個(gè)區(qū)域內(nèi)的圖像信息被歸納整理，經(jīng)過算法的分析和判斷，整個(gè)區(qū)域像素信息被有效地強(qiáng)化和統(tǒng)計(jì)，切實(shí)將整個(gè)圖像的特征以最直接的形式呈現(xiàn)出來。

1.1 紋理特征的統(tǒng)計(jì)方法

圖像的紋理特征分析實(shí)質(zhì)是利用統(tǒng)計(jì)學(xué)對(duì)紋理特征的隨機(jī)變量進(jìn)行二次回歸特征提取，可按照用戶所需要判斷產(chǎn)品狀態(tài)的分級(jí)指標(biāo)進(jìn)行數(shù)據(jù)主體部分的數(shù)學(xué)統(tǒng)計(jì)分析[7]。在紋理特征統(tǒng)計(jì)上，所涉及的視覺算法是在以灰度的變化為原則，對(duì)闕值較大的包裝特征進(jìn)行數(shù)據(jù)統(tǒng)計(jì)，最終實(shí)現(xiàn)對(duì)產(chǎn)品狀態(tài)的描述，常用到的方法有灰度共生矩陣法、LBP算法、半方差圖法等。

在開展紋理統(tǒng)計(jì)之前，需要構(gòu)建×的二維簡化的(,)函數(shù)表達(dá)式，而后根據(jù)環(huán)境與被識(shí)別物的色差設(shè)定圖像灰度等級(jí)，最后明確空間關(guān)系的相適應(yīng)性，確定整個(gè)系統(tǒng)的灰度共生矩陣表達(dá)式[6]，見式（1）。

(1)

式中：為基礎(chǔ)單位像素的相對(duì)距離值；為2個(gè)像素橫坐標(biāo)的像素夾角；#( )為像素的數(shù)集函數(shù)；和為其過程中的某一等級(jí)的灰度值；為圖像中的橫向軸像素坐標(biāo)點(diǎn)；為圖像中的縱向軸像素坐標(biāo)點(diǎn)；為圖像橫向坐標(biāo)邊界；為圖像縱向坐標(biāo)邊界。

1.2 頻譜響應(yīng)方法

在信號(hào)處理方面，頻譜響應(yīng)分析信號(hào)也是重要的分析手段。在信號(hào)處理過程中，視覺儀器可采用頻譜識(shí)別的方式實(shí)現(xiàn)對(duì)信號(hào)的分解，常會(huì)用到傅里葉變換、小波變換等方法[8]。通過頻譜響應(yīng)的物理方法可對(duì)不同頻率下的視覺圖像紋理特征分布實(shí)現(xiàn)有效地歸納總結(jié)，并經(jīng)過濾波器得到響應(yīng)規(guī)律性，利用傅里葉變換方法實(shí)現(xiàn)時(shí)域與頻域的有效信號(hào)轉(zhuǎn)換，實(shí)現(xiàn)頻段的紋理特征總結(jié)。

傅里葉變換法是圖像信號(hào)特征判斷的重要手段，傅里葉變換可以實(shí)現(xiàn)信號(hào)在過程中的有效變化。在此設(shè)定(,)的×圖像中，所使用二維離散傅里葉變換的公式[9]見式（2—3）。

(2)

(3)

將式（3）轉(zhuǎn)化為功率譜計(jì)算可知：

(4)

經(jīng)傅里葉變換可有效地對(duì)不通同圖像的紋理特征進(jìn)行頻段的劃分，實(shí)現(xiàn)對(duì)不同頻段下的褶皺特征的精準(zhǔn)判斷，得到不同尺寸的圖像紋理在損傷狀況下的頻率范圍。

本文基于現(xiàn)代人們對(duì)于室內(nèi)空氣環(huán)境質(zhì)量的關(guān)心，設(shè)計(jì)了一種基于物聯(lián)網(wǎng)的微型室內(nèi)健康環(huán)境監(jiān)測(cè)分析系統(tǒng),主要體現(xiàn)了一種利用成熟的物聯(lián)網(wǎng)技術(shù)對(duì)各類的室內(nèi)空氣環(huán)境數(shù)據(jù)進(jìn)行采集、分析并形成大數(shù)據(jù)為政府治理提供參考的一種思路。彌補(bǔ)了現(xiàn)在各地方政府大量建設(shè)網(wǎng)格監(jiān)測(cè)站只能監(jiān)測(cè)室外環(huán)境的不足，通過將來對(duì)該系統(tǒng)的推廣，可以統(tǒng)計(jì)分析出各小區(qū)或城市不同區(qū)域大概的室內(nèi)空氣質(zhì)量數(shù)據(jù)，對(duì)政府將來制定空氣治理措施也有參考意義。

2 瓦楞紙板包裝的精確定位算法研究

在整個(gè)瓦楞紙板包裝的定位中，需先對(duì)有褶皺的瓦楞紙板包裝進(jìn)行特征識(shí)別，然后鏡頭對(duì)損傷位置的特征進(jìn)行精確抓取和放大標(biāo)定[10]。在標(biāo)定瓦楞紙板包裝的位置后，通過機(jī)械視覺對(duì)其瓦楞紙板的特征進(jìn)行明確，確保整個(gè)紙板特征的識(shí)別定位。整個(gè)算法流程見圖1。

圖1 瓦楞紙板包裝定位算法流程

2.1 RGB圖像去噪預(yù)處理

共生濾波器的優(yōu)勢(shì)在于將包裝褶皺特征進(jìn)行強(qiáng)化檢測(cè)，通過濾波計(jì)算將信號(hào)實(shí)現(xiàn)精準(zhǔn)化提??；共生濾波效果基于像素中頻率的變化，會(huì)對(duì)包裝間的紋理產(chǎn)生影響，共生濾波器的表達(dá)式[11]為：

(5)

式中：I、J分別為輸入與輸出圖像所對(duì)應(yīng)的像素值，該參數(shù)的與分別為像素的牽引；為兩者像素的權(quán)重比值，也是共生濾波器的核心算法。

文中所涉及的共生濾波結(jié)合了高斯濾波和雙邊濾波的特點(diǎn)，通過對(duì)整個(gè)特征進(jìn)行歸一化處理，實(shí)現(xiàn)對(duì)整個(gè)圖像特征的雙邊濾波處理，經(jīng)處理后的褶皺特征可實(shí)現(xiàn)圖像的有效提取。基于算法的求解難度，修正后的表達(dá)式為：

(6)

(7)

式中：為像素矩陣；(,)為共生矩陣；；()和()分別為圖像中所出現(xiàn)的頻率，；。

2.2 多元化濾波處理后圖像分析

圖像去噪預(yù)處理的目的是在圖像抓取過程中，需對(duì)環(huán)境中的各類噪聲的干擾加以排除[12]。圖像處理算法的核心步驟是先對(duì)圖像進(jìn)行去噪或像素增強(qiáng)，在保證圖像的質(zhì)量的基礎(chǔ)上，通過深化包裝褶皺特征的色彩，降低圖像處理算法中色差的干擾。

在瓦楞紙板包裝定位算法驗(yàn)證前，需要對(duì)包裝的深淺顏色特征進(jìn)行圖像濾波，保證被標(biāo)定褶皺的特征可以被有效抓取[13]。相較于傳統(tǒng)的去噪濾波方法，褶皺深淺濾波的優(yōu)點(diǎn)是可以將原先的邊框加以平整化處理，使其濾波更為平整有效。在平滑圖象后，褶皺特征色差可被有效地模糊。以雙邊濾波、引導(dǎo)濾波和共生濾波器3種濾波去噪的方式來對(duì)不同類型的褶皺特征細(xì)節(jié)進(jìn)行有效地平滑過渡，明確不同物體褶皺特征的保持狀態(tài)，各類濾波處理圖像結(jié)果見圖2。

圖2 瓦楞紙板包裝濾波結(jié)果

相機(jī)終端采集的樣本圖像見圖2a，明顯可見圖像中有較多的褶皺特征。通過圖2b可知，采取整體顏色加深進(jìn)行濾波可以實(shí)現(xiàn)包裝褶皺特征被整體表現(xiàn)，單整體的圖像顯示較為模糊，尤其2個(gè)面的光影影響，不利于特征的提取[14]。圖2c采用了引導(dǎo)濾波手段，雖然保障了上表面圖像的特征清晰有效，但通過圖2可知，包裝褶皺特征會(huì)使原有平面出現(xiàn)不同程度地色彩反光，不利于機(jī)器實(shí)現(xiàn)特征提取。在圖2d中，通過共生濾波不但可使得瓦楞紙板包裝的褶皺特征被有效地保留，而且瓦楞紙板褶皺的背景以及包裝細(xì)微復(fù)雜紋理顏色也被剔除，使得后續(xù)特征提取相對(duì)其他濾波方式也更加容易。通過上述濾波對(duì)比可知，共生濾波是瓦楞類包裝較為理想濾波方式。在效果表現(xiàn)上，雖然有效地將瓦楞紙板的特征表現(xiàn)出來，但在實(shí)際圖像處理上需要結(jié)合不同的顏色背景進(jìn)行二次特征識(shí)別與提取，處理流程相對(duì)復(fù)雜。

3 瓦楞紙板褶皺的區(qū)域特征分割分析

在完成圖像去噪的基礎(chǔ)上，通過采取RGB不同闕值將復(fù)雜的背景加以有效地濾除，保障整個(gè)系統(tǒng)特征被保留；通過增大工業(yè)相機(jī)的像素分辨率就可以對(duì)瓦楞紙板褶皺進(jìn)行精準(zhǔn)化定位標(biāo)定，明確被抓取物的邊框，對(duì)圖像中多余的邊框部位及時(shí)地進(jìn)行背景剔除，確定目標(biāo)區(qū)域的瓦楞紙板褶皺的精確位置，使得瓦楞紙板褶皺可以通過機(jī)械實(shí)現(xiàn)目標(biāo)物的精確抓取[15]。在瓦楞紙板褶皺定位過程中，尤其要明確被精確定位的瓦楞紙板褶皺的區(qū)域邊角的坐標(biāo)點(diǎn)，才能滿足后續(xù)機(jī)械對(duì)精準(zhǔn)定位參數(shù)的要求。結(jié)合現(xiàn)有的視覺算法，通過RGB視覺對(duì)瓦楞紙板褶皺進(jìn)行圖像復(fù)雜背景濾除，進(jìn)行褶皺特征檢測(cè)，結(jié)果見圖3。

圖3 瓦楞紙板包裝褶皺RGB濾波前特征

在識(shí)別上述圖像的特征后，對(duì)圖像特征進(jìn)行分類，抓取主要特征而忽略次要特征，對(duì)細(xì)小且復(fù)雜性的點(diǎn)和褶皺特征實(shí)現(xiàn)有效地整合，以褶皺特征的瓦楞紙板為判定需求，加以自適應(yīng)算法判定，算法流程見圖4。

圖4 瓦楞紙板褶皺定位算法流程

瓦楞紙板褶皺的定位算法見圖4，利用RGB視覺可以有效地將瓦楞紙板褶皺進(jìn)行褶皺特征定位。RGB視覺處理方法是將共生濾波后的圖像進(jìn)行腐蝕，腐蝕的核心是通過灰度調(diào)整將圖像進(jìn)行灰度化處理，圖像跟據(jù)統(tǒng)計(jì)灰度區(qū)域最大面積4%以上連通區(qū)進(jìn)行集合標(biāo)注，并且計(jì)算灰度圖像最大的灰度值。計(jì)算機(jī)依據(jù)褶皺特征差值將灰度面積進(jìn)行連通，依據(jù)灰度值的闕值（初步設(shè)定80）為不合格區(qū)域進(jìn)行保留或去除，將低于強(qiáng)度的80進(jìn)行區(qū)域闕值圖像識(shí)別連通，將存在最大闕值的1/4（強(qiáng)度低于80內(nèi)）圖像特征進(jìn)行圖像保留識(shí)別，最終輸出結(jié)果。算法流程還可以將瓦楞紙板褶皺中的褶皺以及其他引發(fā)頻譜的圖像要素有效提取，然后再結(jié)合褶皺形態(tài)以及濾波處理，系統(tǒng)中大部分冗余的噪聲可以被有效清除。

4 形態(tài)學(xué)處理分析

形態(tài)學(xué)閉運(yùn)算是采取的是Matlab自帶的高斯心態(tài)處理計(jì)算包進(jìn)行形態(tài)學(xué)處理。形態(tài)學(xué)處理核心是對(duì)瓦楞紙板的陰影紋理特征進(jìn)行強(qiáng)化，得到其陰影像素特征的頻段區(qū)間，使得瓦楞紙板褶皺的損傷特征總能被加以像素特征的強(qiáng)化和放大，在強(qiáng)化過程中對(duì)瓦楞紙板特征中的微小復(fù)雜特征加以紋理變化忽略，通過灰度值的設(shè)定使得附屬的非關(guān)注特征消除。在圖像的處理上經(jīng)過腐蝕操作使得整個(gè)圖像中的大部分額外紋理被消除，但在特征消除中，要對(duì)整體圖像中的高亮區(qū)域全面選擇，使關(guān)注的褶皺特征被有效強(qiáng)化。

使用Matlab濾波實(shí)現(xiàn)整個(gè)圖像特征被有效地腐蝕，將整個(gè)機(jī)器視覺所提取特征進(jìn)行反向選擇，最終結(jié)果見圖5。經(jīng)過上述圖像的腐蝕操作，雖沒有完全將細(xì)微的特征被有效忽略，但實(shí)現(xiàn)了瓦楞紙板在此過程中主要的褶皺特征被濾波器過濾，視覺圖像中所影響紙板強(qiáng)度的額外紋理被強(qiáng)化，紙板非正常特征被有效甄別。

圖5 瓦楞紙板包裝褶皺RGB濾波后特征

5 瓦楞紙板褶皺定位收斂性研究

以某瓦楞紙板包裝褶皺為研究案例，對(duì)紙板上的4個(gè)主要褶皺特征進(jìn)行該RGB圖像收斂性分析，其原型見圖6。

對(duì)圖6中特征進(jìn)行多次闕值濾波得到結(jié)果見圖7。對(duì)圖7中的邊界點(diǎn)進(jìn)行取樣，最終擬合出圖8的散點(diǎn)圖像，以及圖9中的各個(gè)特征的收斂過程。

圖6 某瓦楞紙板包裝褶皺特征原型

圖7 多闕值褶皺RGB特征

圖8 收斂性散點(diǎn)線性擬合

圖9 多褶皺特征收斂性對(duì)照

圖8中的離散闕值在圖7中是代表白色的識(shí)別特征，圖8中的4個(gè)理論闕值點(diǎn)分別表示圖7中a—d的4個(gè)理論闕值擬合點(diǎn)。圖9是針對(duì)圖6和圖7的4個(gè)特征形態(tài)在不同闕值漸變過程中的白色特征收斂表現(xiàn)。采用收斂性對(duì)照程序?qū)υ瓐D和經(jīng)算法處理后的圖像進(jìn)行對(duì)照，得到瓦楞紙板包裝褶皺特征的數(shù)據(jù)采集?？芍摲椒捎行?shí)現(xiàn)瓦楞紙板褶皺的收斂，該算法測(cè)試精準(zhǔn)性較好，可實(shí)現(xiàn)瓦楞紙板包裝褶皺特征的精確定位，達(dá)到了預(yù)期設(shè)定的目標(biāo)。

6 結(jié)語

以實(shí)際的瓦楞紙板為研究對(duì)象，通過光學(xué)相機(jī)有效抓取瓦楞紙板樣件中的特征進(jìn)行標(biāo)定，結(jié)合計(jì)算機(jī)的機(jī)器視覺算法，對(duì)不影響瓦楞紙板強(qiáng)度的特征進(jìn)行抓取與視覺處理，有效地實(shí)現(xiàn)了整個(gè)圖片的特征的及時(shí)視覺監(jiān)控與處理。文中基于瓦楞紙板特征檢測(cè)結(jié)合機(jī)器視覺的算法，實(shí)現(xiàn)了對(duì)瓦楞紙板褶皺特征的收斂性分析，論證了基于RGB視覺的瓦楞包裝褶皺標(biāo)定收斂算法的有效定位。

[1] 張繼紅. 包裝機(jī)械的創(chuàng)新設(shè)計(jì)必須面向機(jī)電一體化技術(shù)[J]. 包裝工程, 2004, 25(4): 112-113.

ZHANG Ji-hong. The Creative Design of Packaging Machine must Face to the Mechanotronics Technology[J]. Packaging Engineering, 2004, 25(4): 112-113.

[2] 孫琴, 肖書浩, 劉譽(yù)涵, 等. 基于機(jī)器視覺的塑料制品表面缺陷檢測(cè)研究[J]. 電子制作, 2020(15): 56-59.

SUN Qin, XIAO Shu-hao, LIU Yu-han, et al. Research on Surface Defect Detection of Plastic Products Based on Machine Vision[J]. Practical Electronics, 2020(15): 56-59.

[3] 史晨陽, 林燕丹. 機(jī)器視覺中均勻照明成像的LED環(huán)形陣列設(shè)計(jì)[J]. 光學(xué)學(xué)報(bào), 2020, 40(20): 118-128.

SHI Chen-yang, LIN Yan-dan. Design Method of LED Ring Array for Uniform Illumination Imaging in Machine Vision[J]. Acta Optica Sinica, 2020, 40(20): 118-128.

[4] 孫鄭芬, 吳韶波. 機(jī)器視覺技術(shù)在工業(yè)智能化生產(chǎn)中的應(yīng)用[J]. 物聯(lián)網(wǎng)技術(shù), 2020, 10(8): 103-105.

SUN Zheng-fen, WU Shao-bo. Application of Machine Vision Technology in Industrial Intelligent Production[J]. Internet of Things Technologies, 2020, 10(8): 103-105.

[5] 傅田. 基于機(jī)器視覺的帶式輸送機(jī)糾偏系統(tǒng)設(shè)計(jì)[J]. 煤礦機(jī)械, 2020, 41(8): 183-185.

FU Tian. Design of Belt Conveyor Rectification System Based on Machine Vision[J]. Coal Mine Machinery, 2020, 41(8): 183-185.

[6] AMIRI M. Group Decision-Making for the Selection Machine Using Fuzzy VIKOR Method[J]. Journal of India Management Studies, 2010, 16(2): 167-188.

[7] ATANASSOV K. Intuitionistic Fuzzy Sets[J]. Fuzzy Sets and Systems, 1986, 20(1): 87-96.

[8] 羅元, 肖航, 歐俊雄. 基于深度學(xué)習(xí)的目標(biāo)跟蹤技術(shù)的研究綜述[J]. 半導(dǎo)體光電, 2020, 41(6): 757-767.

LUO Yuan, XIAO Hang, OU Jun-xiong. Research Review of Target Tracking Technology Based on Deep Learning[J]. Semiconductor Optoelectronics, 2020, 41(6): 757-767.

[9] 安偉剛. 多目標(biāo)優(yōu)化方法研究機(jī)器工程應(yīng)用[D]. 西安: 西北工業(yè)大學(xué), 2005: 26-35.

AN Wei-gang. Study on Multi-Objective Optimization and Its Application in Engineering[D]. Xi'an: Northwestern Polytechnical University, 2005: 26-35.

[10] 孫鄭芬, 吳韶波. 機(jī)器視覺技術(shù)在工業(yè)智能化生產(chǎn)中的應(yīng)用[J]. 物聯(lián)網(wǎng)技術(shù), 2020, 10(8): 103-105.

SUN Zheng-fen, WU Shao-bo. Application of Machine Vision Technology in Industrial Intelligent Production[J]. Internet of Things Technology, 2020, 10(8): 103-105.

[11] FU M C. Optimization for Simulation: Theory VS Practice[J]. Informs Journal on Computing, 2002(14): 192-215.

[12] 雷英杰, 王寶樹, 王毅. 基于直覺模糊推理的威脅評(píng)估方法[J]. 電子與信息學(xué)報(bào), 2007, 29(9): 2077-2081.

LEI Ying-jie, WANG Bao-shu, WANG Yi. Techniques for Threat Assessment Based on Intuitionistic Fuzzy Reasoning[J]. Journal of Electronics & Information Technology, 2007, 29(9): 2077-2081.

[13] 蔡紀(jì)偉, 賈云獻(xiàn), 孫曉, 等. 直覺模糊推理的裝備報(bào)賬指揮決策模型[J]. 火力與指揮控制, 2013, 38(2): 31-34.

CAI Ji-wei, JIA Yun-xian, SUN Xiao, et al. Research on Model of Equipment Support Command Decision Based on In-Tuitionistic Fuzzy Reasoning[J]. Fire Control & Command Control, 2013, 38(2): 31-34.

[14] GOMES L, LIMA M. TODIM: Basics and Application to Multicrtiteria Ranking of Projects with Environmental Impacts Foundations of Computing and Decision Sciences, 1992, 16(3): 113-127.

[15] 郭景全. 基于機(jī)器視覺的茶葉自動(dòng)采摘機(jī)械手裝配系統(tǒng)設(shè)計(jì)研究[J]. 福建茶葉, 2020, 42(7): 11-12.

GUO Jing-quan. Research on Assembly System Design of Automatic Tea Picking Manipulator Based on Machine Vision[J]. Fujian Tea, 2020, 42(7): 11-12.

Convergence of Corrugated Board Packaging Wrinkle Calibration Based on RGB Vision

LI Peng-fei, WEI Yi

(Xuchang Electrical Vocational College, Xuchang 461000, China)

The work aims to accurately locate the wrinkle features of the existing corrugated board packaging, and ensure that the wrinkle features of corrugated board packaging containers can be timely and effectively inspected in production. According to image information collection, recognition algorithm, RGB vision, location calibration, convergence result comparison, etc., the machine vision corrugated board packaging inspection system determined the key algorithm points of corrugated board packaging wrinkle feature calibration. The RGB visual improvement algorithm was analyzed based on the traditional frequency-domain transformation. The wrinkle feature recognition rate of corrugated cardboard packaging was effectively improved. The testing points of this kind of packaging were clarified. With the actual corrugated board as an example, the feature extraction method of the wrinkle features of the packaging was demonstrated, and the visual features of the wrinkles were strengthened. Finally, the convergence results were compared. The linear rate of passing the threshold of 90～120 was 25%～80%. The results showed that this vision method can realize the corrugated board packaging calibration of machine vision, and the actual regression base rate of each feature was 86%, verifying the accuracy of RGB vision algorithm for wrinkle feature calibration. Based on the RGB vision and optimization measures, the machine vision calibration method of corrugated board packaging is determined, which meets the effective positioning requirements of corrugated board packaging production.

machine vision; corrugated board packaging; RGB vision; optimization analysis

TB486

A

1001-3563(2022)05-0271-06

10.19554/j.cnki.1001-3563.2022.05.037

2021-05-27

李鵬飛（1982—），男，許昌電氣職業(yè)學(xué)院講師，主要研究方向?yàn)殡姎庾詣?dòng)化技術(shù)。