本文討論了基于機器視覺的煙包外觀質量的在線檢測系統(tǒng)總體方案的設計，同時針對香煙的小包裝流水線的具體情況，從而分別對香煙小包的檢測位置以及圖像采集方案來進行了探討。本文中采用了一種用于香煙包裝質量的檢測的快速圖像配算法，從而利用其開源的計算機視覺庫中的OpenCV進行算法的實現(xiàn)，從而針對仿真的實驗結果表明，該圖像的匹配算法計算的速度較快、檢測精度較高，滿足香煙包裝質量的檢測需求。

一、背景

在當前競爭激烈的卷煙行業(yè)中，精美的香煙外包裝是各煙草行業(yè)商標和品牌形象的重要體現(xiàn)，品牌香煙的任何包裝質量問題都會影響企業(yè)品牌形象，失去企業(yè)的信譽度，如何保證包裝生產的穩(wěn)定質量，減少和杜絕不合格的煙包產品流入市場，是各卷煙企業(yè)在全面質量控制中的一個關鍵環(huán)節(jié)。目前，針對香煙包裝質量檢測的研究有很多，有對條煙包裝質量的檢測，香煙小包裝外觀質量的檢測甚至有專門針對香煙小包拉線的檢測.由此也出現(xiàn)了很多針對包裝質量檢測的算法，其中最主要的是圖像匹配算法，。本文針對當前香煙小包檢測系統(tǒng)中存在的主要問題，創(chuàng)造性地設計了在線檢測系統(tǒng)的總體結構，提出了一種基于機器視覺的圖像處理方法，及時發(fā)現(xiàn)并剔除有缺陷的香煙，滿足了卷煙生產流水線的高效性，充分保證產品的質量。

二、系統(tǒng)總體結構

1.檢測位置的選擇

由于卷煙生產流水線的速度相當快，而香煙包裝中出現(xiàn)缺陷是隨機而多樣的，因此選擇合理的檢測和剔除機構的位置是至關重要的!在香煙生產過程中，能夠對香煙外觀進行檢測的位置主要有三個:一是在包裝機的出口，二是在香煙集中輸送的流水線上，三是在進行條裝封箱機入口處?？蓹z測的位置如圖1所示。

對不同的檢測位置進行利弊分析：在位置1處，空間狹小不便于設備安裝和缺陷產品剔除，而且包裝機組多，比較分散，更不利于系統(tǒng)集成；在位置2處，輸送道長，空間大，便于選擇合適位置進行設備安裝和缺陷產品剔除，而且系統(tǒng)集成度高，便于監(jiān)控管理，有利于生產過程的信息化；在位置3處，條包機的作業(yè)速度快，即便檢測到缺陷產品也很難完全剔除不合格產品!根據對香煙生產流程的分析，本論文提出在香煙匯總輸送道上即位置2處進行檢測和剔除處理的方案。

2.圖像采集方式

根據香煙小包裝外觀質量檢測內容可知，香煙小包裝外觀存在的缺陷有：香煙小包的錯牌、變形、底邊開膠以及香煙小包的標志性圖案、文字印刷錯誤，香煙小包的硬包翻蓋和外露等。由于香煙包裝中出現(xiàn)的缺陷多種多樣，而且流水線的速度不穩(wěn)定，經常要加速或減速，平穩(wěn)運行的時間很短，又由于傳送帶存在著輕微的震蕩，因此，在采集圖像時就得考慮相機的位置以及周圍的光線對照片的影響，合理的選擇相機的位置和光源，能夠簡化系統(tǒng)的設置，提高系統(tǒng)的性價比，同時，能提高圖像處理的精確度!本論文在不考慮由傳送帶的震蕩帶來的影響下，選擇缺陷最常見的正面1、端面2、3和側面4作為檢測對象，相機與香煙盒的位置關系如圖2所示。

3.系統(tǒng)總體結構及工作流程

基于機器視覺的香煙小包外觀質量在線檢測系統(tǒng)的總體結構如圖 * 所示!機器視覺系統(tǒng)由硬件和軟件兩大部分組成。

該系統(tǒng)的硬件由工業(yè)電腦、智能相機、可編程邏輯控制器、光源和光纖組成。其中，工業(yè)電腦雙核工控機，速度快，穩(wěn)定性好。工業(yè)相機采用美國進口的高分辨率，高速彩色智能相機，分辨率可達200萬像素，處理速度快，穩(wěn)定可靠。系統(tǒng)光源由多只矩形的和條形的LED光源組合而成，亮度高，檢測面照度均勻，并采用低角度平行照射的方式，有利于系統(tǒng)的圖像匹配。

系統(tǒng)的軟件為在Visual C++ 6.0環(huán)境下開發(fā)的OpenCV，它是開源計算機視覺庫，可以實現(xiàn)圖像處理和計算機方面的很多常用算法，可以直接調用庫內函數，從而使得圖像處理脫離Visual C++的平***立運行，并且可以提高軟件的檢測速度和精度。系統(tǒng)的軟件是整個系統(tǒng)的核心，負責協(xié)調各系統(tǒng)正確工作，完成缺陷分類統(tǒng)計、參數設置、趨勢分析、性能調整、層面特征值顯示等功能，同時還具有完善的網絡功能，便于進行實時數據交換控制及工業(yè)電腦的遠程監(jiān)控管理，實現(xiàn)管理控制一體化。

工作流程: 成像定位光纖起到位置傳感器的作用，當香煙經過時，傳感器將信號發(fā)送給可編程邏輯控制器(PLC) ，PLC完成對LED光源的調節(jié)，并將信息反饋給工業(yè)電腦，工業(yè)電腦通過以太網控制智能相機拍照，拍攝到的照片通過以太網以數字信號返回到工業(yè)電腦進行圖像處理，若檢測到產品有缺陷，則記下缺陷產品的位置并跟蹤，隨后由PLC執(zhí)行剔除操作。

三、圖像匹配

對于香煙包裝圖像，不合格產品圖像與標準圖像存在很大的差異，利用模板匹配方法即可將缺陷識別，圖像匹配技術是圖像處理中的一項關鍵技術，即通過比較樣本圖像和搜索圖像中是否包含樣本圖像及其位置，但由于傳統(tǒng)的模板匹配速度慢，為提高檢測速度和精度，本文提出一種改進的圖像匹配方法，利用改進的相關系數和自適應遺傳算法對感興趣區(qū)域進行匹配檢測。

在香煙檢測系統(tǒng)中，首先要制作香煙包裝圖像的模板，由于在實際中，合格產品之間也會存在一定的差異，因此本論文通過采集多張合格產品的圖像，并利用統(tǒng)計平均法來制作香煙包裝圖像模板，這樣不僅消除了單張印刷品作為模板所引起的偏差，同時代表了圖像的真實信息，達到減少誤判率、提高檢測質量的目的。

其次是要計算進行配準的兩幅圖像之間的相關度量，而相關匹配是利用模板在被搜索圖像中搜索以找到目標區(qū)域，其總計算量=相關算法計算量×搜索位置數!為了減少總計算量，可以設法減少相關度量的計算量，也可以在不影響匹配精度的條件下減少搜索位置的數目。本文中相關系數計算公式為式(1) :

由公式可知，0≤R(i,j)≤1，當R(i,j)=1時，T與Si+j完全匹配。與傳統(tǒng)的相似度計算公式比較，該算法不僅減少了搜索位置的速度，還避免了由開根號花費的大量時鐘周期，使得相關系數的計算量大大減少。

最后，本文采用自適應遺傳算法尋找最佳匹配點，其具體操作過程為：

①使用串編碼的方式確定一個模板經過平移變化后在搜索圖中的位置，其目的是尋找最佳匹配參考點(i,j)。

②選擇相似性測度R(i.j) 為適應度函數。

③隨機產生初始種群。

④確定自適應遺傳算法的參數和變量，即自適應遺傳算法的交叉概率Pc和變異概率Pm，其公式分別為式(2)和式(3)。

式中，fmax為群體中最大的適應度值，favg為每代群體的平均適應度，f’為要交叉的兩個個體中較大的適應度值，f’為要變異個體的適應度值，并設定Pc1=0.9，Pc2=0.6，Pm1=0.1，Pm2=0.001。

通過遺傳操作產生新的個體，組成新一代種群，并重新計算適應度函數、設定Pc和Pm初值。

重復上面操作，直到結果達到終止，得到最優(yōu)解，即最優(yōu)匹配位置。

四、試驗驗證

本實驗為在實驗室搭建的平臺模擬該系統(tǒng)的運行，以下是仿真結果。

在進行缺陷檢測前，本文先將標準的香煙圖像進行區(qū)域劃分，保存圖像中容易出現(xiàn)缺陷的區(qū)域為模板，然后在采集圖像中只對感興趣區(qū)域或容易出現(xiàn)缺陷的區(qū)域進行匹配檢測，標準圖像區(qū)域劃分如圖4所示。

檢測時先對相應的感興趣區(qū)域進行灰度直方圖統(tǒng)計和灰度圖像的均衡化，增強感興趣區(qū)域圖像、直方圖統(tǒng)計如圖5所示。

計算相應區(qū)域的相關系數，并將待測圖像與標準圖像進行配準，找出最佳配準位置!圖像匹配如圖6所示，圖6(c) 所示的相關圖像很模糊，是因為圖6(b)中的圖像主要由兩個幾乎不變的區(qū)域組成，它相當于一個低通濾波器，圖6(d)中的白點即為最佳匹配點，其坐標為(136,470) 。

根據相似測量度判斷匹配是否合格，若不合格則發(fā)出信號由PLC執(zhí)行剔除操作!

實驗結果表明，該系統(tǒng)的最大檢測速度可達10包Q秒(600包/分鐘) ，缺陷檢出率可達97%，缺陷誤檢率小于0.5%，因此正確檢測率高，滿足香煙小包生產流水線的要求。

五、總結

本文對計算機圖像處理技術在該系統(tǒng)中的應用進行了探討，尤其是對圖像處理算法進行了詳細的剖析和驗證。能否準確的識別和剔除不合格產品，系統(tǒng)的檢測速度能否滿足流水線上對實時性的要求，是決定香煙包裝實時檢測系統(tǒng)能否實現(xiàn)其性能的關鍵問題，用本文設計的系統(tǒng)，可以有效提高卷煙廠生產香煙的自動化水平，有效消除人為因素對香煙產品質量的影響，大大降低上市香煙的包裝缺陷問題，增強企業(yè)的競爭力。