CN104713486A - 一种合掌产品宽度在线检测装置及方法 - Google Patents

Abstract

本发明公开了一种合掌产品宽度在线检测装置及方法，该装置包括位于合掌产品下部或上部的光源和位于合掌产品上部的摄像机，摄像机的输出端连接用于图像预处理的处理器，处理器的输出端连接有报警控制器以及用于显示当前检测产品图像以及相关数据和状态的显示器，报警控制器上连接有能够发出声光报警的报警器，摄像机将待检测产品图像输入到处理器，处理器计算出产品宽度，可通过观察显示器得知生产过程是否正常，当不正常时，发出报警声光。本发明检测时间短、检测精度高、检测间隔时间短，可以减少浪费，提高产品合格率，节约大量生产成本和劳动力资源。

Description

一种合掌产品宽度在线检测装置及方法

技术领域

本发明涉及一种合掌产品检测技术，具体涉及一种合掌产品宽度在线检测装置及方法。

背景技术

基于视觉检测的方法大量应用于钢铁生产(带钢、钢坯宽度、厚度测量)、线路板制作(自动焊接、焊接元件检测)、质量检测(各种产品大小的检测、良品与不良品检测，焊缝质量检测)等各种领域。

合掌是外包装产品的一个必须的生产过程，印刷外包装材料的企业，在印刷完成之后需要将包装材料进行合掌，合掌完成之后将产品交给生产企业(有些需要进行分切)，而在进行合掌的过程中，需要严格按照要求尺寸进行合掌工序，一般允许误差为0.2～0.5mm。

目前合掌产品宽度检测主要依靠人工测量和观察，生产过程中工人将钢尺、千分尺或游标卡尺与产品紧贴来进行测量，观察测量值来判断合掌的尺寸是否符合要求，如果不符合要求，需要调整设备，直至达到要求为止，这种方法具有以下不足：1)人工测量和人眼观察误差比较大，相对于0.2mm精度的要求，人眼很难分辨出来；2)这种尺寸检测往往给产品带来人为缺陷，合掌过程是连续生产过程，当工人将钢尺紧贴产品观察合掌尺寸时，钢尺与产品间会有摩擦，因此造成产品划伤而导致废品；3)合掌机由人来管理，需要间隔进行观察，一般每1000米测量三次，如果合掌机生产速度为60米/分钟，则要求工人每5分钟测量一次，12次/每小时，每个生产单元约测量50次，这样的测量频率相对于人工来讲是比较高的；4)按照每1000米测量三次计算，即检测间隔为3米，当出现不合格产品时，一次检测有可能浪费的产品将达到300米，这种浪费是巨大的；5)使用合掌机除了上料、调整张力外，还需要经常检查有无刮花、划伤现象以及上胶量不均匀等情况，要求操作员责任心强，注意力集中，但由于操作员的观察水平和责任心等原因导致合掌产品质量不合格；6)为了保证人工检测的可靠性，需要大量技术比较高的工人，由于人力资源及劳动力成本等原因为必然给生产企业带来成本增高。

随着科学技术的进步，应用图像处理技术、计算机视觉、机器视觉技术进行无损检测越来越广泛，如在钢铁生产过程中钢带、钢坯的宽度检测、烟叶检测、苹果检测、锅炉检测、玻璃检测、无纺布检测等，其中宽度检测主要应用在钢带宽度、刚体裂纹宽度、印刷电路线宽等方面。

赖建生等人通过调整光源主光线与测量平面成适当的角度，得到被测钢板与背景的反射光强分布曲线，实现钢带测宽的目的。童卫旗、陈宝模、罗新斌利用双相机对带钢进行测量，经过标定、修正即可比较精确测量出带钢的宽度；叶成龙等人采用激光测距仪实现对带钢的非接触式宽度测量；姜占平等人利用激光扫描技术和双CCD实现了钢板宽度检测；王植等人利用热红外和数字图像处理技术实现了一种钢坯在线检测系统；周根荣等人、孙燕峰等人应用DSP或单片机和线阵CCD实现外尺寸测量；秦广胜等人应用激光和CCD实现了一种钢板宽度的测量；赵维一等人应用线阵CCD及数字图像处理技术实现了叶丝宽度测量；Nishiyama S等人对裂纹宽度的测量摄影测量算法进行了研究；Luo Masiyang等人实现了基于视觉的锁孔边界提取和宽度测量；夏营威等人应用计算机视觉技术对烟丝宽度测量方法进行了研究；李运祥等对热轧带钢在线测宽中的图像分割算法进行了研究；Jelen V.和Karch P.应用图像处理方法实现了对连续金属片宽度的测量；Ashida Takashi等人实现了对焦炉裂缝的检测和宽度测量；熊邦书等人应用图像处理技术实现了线路板线宽的测量系统；Prasanna Pratee等人应用计算机视觉技术实现了桥面裂缝的检测与分析；Zhang Jing等人应用统计过程控制理论对高精度印刷电路板线宽检测算法进行了研究。这些研究工作的显著特点是：1、被测物属于刚性物质，走料过程中不会发生抖动的情况；2、被测物具有不透光特征。因此，可利用被检测材料的反光、透光、折光特性所形成的线条形状，应用数字信号处理算法与人工智能理论进行计算，从而测量出被检物体的宽度、高度、厚度等信息，达到检测的目的。

但是合掌产品大多是塑料制成的，材料属于柔性材料，有一定弹性，在生产过程中由于机器振动、走料速度变化、张力变化等原因，容易产生抖动，这样的抖动意味着当摄像机固定、被摄物体到镜头的距离发生变化，这种物距的变化导致采集的图象中目标大小发生变化，进而导致经过图像处理后的测量数据发生变化(即测量宽度出现错误)，使得宽度检测难度增加。合掌产品多数为外包装产品，图案形状、颜色各种各样，这些形状、颜色的变化会对图像处理带来困难；加之产品之间留有空白，由于图像采集的随机性会导致空白的位置随机变化，进而对检测造成影响。合掌产品宽度检测要求精度高，因此要求图像分辨率高，图像分比率高时，镜头边缘畸变将会影响检测精度。

发明内容

本发明的目的在于提供一种合掌产品宽度在线检测装置及方法，以克服上述现有技术存在的缺陷，本发明检测时间短、检测精度高、检测间隔时间短，可以减少浪费，提高产品合格率，节约大量生产成本和劳动力资源。

为达到上述目的，本发明采用如下技术方案：

一种合掌产品宽度在线检测装置，包括位于合掌产品上部或下部的光源和位于合掌产品上部的摄像机，摄像机的输出端连接用于图像处理的处理器，处理器的输出端连接有报警控制器以及用于显示当前检测产品图像以及相关数据和状态的显示器，报警控制器上连接有能够发出声光报警的报警器。

进一步地，合掌产品通过导轴支撑在光源上部或下部，所述导轴为水平设置的双导轴或者分两排平行设置的四导轴。

一种合掌产品宽度在线检测装置的检测方法，包括以下步骤：

步骤一：在处理器上设置合掌产品的标准宽度为w，允许最大误差值为v，像素比为g；

步骤二：通过处理器判断是否启动检测，若是，则通过摄像机采集合掌产品图像，若否，则回到步骤一；

步骤三：通过处理器对步骤二所采集的图像进行处理；

步骤四：处理器根据图像处理结果计算合掌产品宽度为Dis，并与合掌产品的标准宽度比较；

步骤五：处理器通过步骤四的比较结果判断合掌产品的宽度是否超出误差，若是，则发出报警然后进入步骤六，若否，则直接进入步骤六；

步骤六：通过处理器判断是否停止检测，若是，则回到步骤二，若否，则回到步骤三。

进一步地，步骤三中图像处理包括二值化和消除边缘毛刺。

进一步地，二值化的方法如下：若图像大小为：M*N；像素值为：f(x,y)，其中，0≤x≤M-1；0≤y≤N-1，则(x,y)处的值为：

$b(x,y)=\left\{\begin{array}{cc}0& f(x,y)<T(x,y)\\ 255& f(x,y)\&GreaterEqual;T(x,y)\end{array}\right.$

像素(x,y)处阈值T(x,y)为：

T(x,y)＝m(x,y)+k*s(x,y)

其中以(x,y)为中心的邻域局部窗口的均值m(x,y)为：

$m(x,y)=\frac{1}{n^2}\underset{(x,y)\&Element;w_{x^2}}{\text{\&Sigma;}}f(x,y)$

邻域局部窗口的标准差s(x,y)为：

$s(x,y)=\sqrt{\frac{1}{n^2}\underset{(x,y)\&Element;w_{x^2}}{\mathrm{\&Sigma;}}{f}^2(x,y)-m^2(x,y)}$

其中邻域局部窗口大小为n*n，n取15；修正系数k取-0.1。

进一步地，消除边缘毛刺的方法如下：

1)用一个结构元素扫描图像中的每一个像素，用结构元素中的每一个像素与其覆盖的像素做‘与’运算，如果都为‘1’，则该像素为‘1’，否则为‘0’；

2)用一个结构元素扫描图像中的每一个像素，用结构元素中的每一个像素与其覆盖的像素做‘与’运算，如果都为‘0’，则该像素为‘0’，否则为‘1’；即消除图像边缘的毛刺。

进一步地，所述的结构元素大小为3*3。

进一步地，步骤四中计算宽度的方法为：首先采用Hough变换算法找到合掌产品两个边界的直线方程，然后利用方法一或者方法二计算宽度；

方法一：根据直线方程的斜截式计算宽度：

其中一个边界的直线方程为：L₁：y＝k₁x+b₁，另一个边界的直线方程为：L₂：y＝k₂x+b₂，k＝(k₁+k₂)/2，则宽度

方法二：根据点到直线距离公式计算宽度：两个边界的直线方程分别为L₁：y＝k₁x+b₁和L₁：y＝k₂x+b₂，计算L₁上各点到L₂的距离，然后计算所有距离的平均值，即为所测宽度：

两条直线的斜率分别为k₁和k₂，对于L₁上的任意一点p(x₁,y_i)，若L₂上存在点p(x_j,y_j)，满足y_j＝y_i+k1(x_j-x_i)；则p(x_i,y_i)与p(x_j,y_j)为最小距离点对，保留该点对，并计算该点对的距离：若不存在满足上述条件的点，则舍弃点p(x_i,y_i)，平均距离为：Dis＝g*其中N表示总点对数，此平均距离即为所测宽度。

进一步地，步骤四中计算得到的合掌产品宽度与合掌产品的标准宽度比较结果为：u＝|w-Dis|；步骤五中判断合掌产品的宽度是否超出误差的方法为：如果u≥v，表示产品宽度超出允许的误差范围，启动报警；如果u＜v，表示产品宽度在允许误差范围之内，则进入步骤六。

与现有技术相比，本发明具有以下有益的技术效果：

本发明的摄像机将待检测合掌产品图像输入到处理器，处理器经过一套检测算法处理，计算出合掌产品宽度，显示在显示器上，工人可通过观察显示器得知生产过程是否正常，当处理器发现产品不正常时，发出报警声光，该装置可以替代人工检测，检测时间短、检测精度高、检测间隔时间短，可以减少浪费，提高产品合格率，节约大量生产成本和劳动力资源，本发明将机器视觉应用于合掌产品检测，实现合掌产品宽度检测自动化，具有良好的应用前景。

进一步地，通过分两排平行设置的四导轴对合掌产品进行支撑，可以最大限度减小合掌产品的抖动，解决了因抖动而造成宽度检测不准确的问题，为合掌产品宽度自动检测创造了条件。

附图说明

图1是本发明的装置整体示意图；

图2是本发明的双导轴防抖动示意图；

图3是本发明的四导轴防抖动示意图；

图4是本发明的工作流程示意图。

其中，1、镜头；2、摄像机；3、处理器；4、显示器；5、报警控制器；6、报警器；7、光源；8、合掌产品。

具体实施方式

下面结合附图对本发明的实施方式做进一步详细描述：

参见图1至图3，一种合掌产品宽度在线检测装置，包括位于合掌产品8上部或下部的光源7和位于合掌产品8上部的摄像机2，合掌产品8通过导轴支撑在光源7上部或下部，所述导轴为水平设置的双导轴或者分两排平行设置的四导轴，摄像机2的输出端连接用于图像处理的处理器3，处理器3的输出端连接有报警控制器5以及用于显示当前检测产品图像以及相关数据和状态的显示器4，报警控制器5上连接有能够发出声光报警的报警器6。

参见图4，一种合掌产品宽度在线检测方法，包括以下步骤：

步骤一：在处理器3上设置合掌产品8的标准宽度为w，允许最大误差值为v，像素比为g；

步骤二：通过处理器3判断是否启动检测，若是，则通过摄像机2采集合掌产品8图像，若否，则回到步骤一；

步骤三：通过处理器3对步骤二所采集的图像进行处理；图像处理包括二值化和消除边缘毛刺；

二值化的方法如下：若图像大小为：M*N；像素值为：f(x,y)，其中，0≤x≤M-1；0≤y≤N-1，则(x,y)处的值为：

$b(x,y)=\left\{\begin{array}{cc}0& f(x,y)<T(x,y)\\ 255& f(x,y)\&GreaterEqual;T(x,y)\end{array}\right.$

基于图像的局部窗口的均值和标准差计算阈值，像素(x,y)处阈值T(x,y)为：

T(x,y)＝m(x,y)+k*s(x,y)

其中以(x,y)为中心的邻域局部窗口的均值m(x,y)为：

$m(x,y)=\frac{1}{n^2}\underset{(x,y)\&Element;w_{x^2}}{\text{\&Sigma;}}f(x,y)$

邻域局部窗口的标准差s(x,y)为：

$s(x,y)=\sqrt{\frac{1}{n^2}\underset{(x,y)\&Element;w_{x^2}}{\mathrm{\&Sigma;}}{f}^2(x,y)-m^2(x,y)}$

其中邻域局部窗口大小为n*n，n取15；修正系数k取-0.1；

消除边缘毛刺的方法如下：

1)用一个结构元素(一般是3*3大小)扫描图像中的每一个像素，用结构元素中的每一个像素与其覆盖的像素做‘与’运算，如果都为‘1’，则该像素为‘1’，否则为‘0’；

2)用一个结构元素(一般是3*3大小)扫描图像中的每一个像素，用结构元素中的每一个像素与其覆盖的像素做‘与’运算，如果都为‘0’，则该像素为‘0’，否则为‘1’；即消除图像边缘的毛刺；

步骤四：处理器3根据图像处理结果计算合掌产品8宽度为Dis，并与合掌产品8的标准宽度比较；计算宽度的方法为：首先采用Hough变换算法找到两个边界的直线方程，然后利用方法一或者方法二计算宽度；

方法一：根据直线方程的斜截式计算宽度：

其中一个边界的直线方程为：L₁：y＝k₁x+b₁，另一个边界的直线方程为：L₂：y＝k₂x+b₂，k＝(k₁+k₂)/2，则宽度

方法二：根据点到直线距离公式计算宽度：两个边界的直线方程分别为L₁：y＝k₁x+b₁和L₂：y＝k₂x+b₂，计算L₁上各点到L₂的距离，然后计算所有距离的平均值，即为所测宽度：

两条直线的斜率分别为k₁和k₂，对于L₁上的任意一点p(x_i,y_i)，若L₂上存在点p(x_j,y_j)，满足y_j＝y_i+k1(x_j-x_i)；则p(x_i,y_i)与p(x_j,y_j)为最小距离点对，保留该点对，并计算该点对的距离：若不存在满足上述条件的点，则舍弃点p(x_i,y_i)，平均距离为：Dis＝g*其中N表示总点对数，此平均距离即为所测宽度；

计算得到的合掌产品8宽度与合掌产品8的标准宽度比较结果为：u＝|w-Dis|；

步骤五：处理器3通过步骤四的比较结果判断合掌产品8的宽度是否超出误差，若是，则发出报警，然后进入步骤六，若否，则直接进入步骤六；具体方法为：步骤五中判断合掌产品8的宽度是否超出误差的方法为：如果u≥v，表示产品宽度超出允许的误差范围，启动报警；如果u＜v，表示产品宽度在允许误差范围之内，则进入步骤六；

步骤六：通过处理器3判断是否停止检测，若是，则回到步骤二，若否，则回到步骤三。

下面对本发明的实施过程作进一步详细说明：

本发明应用视觉检测、图像处理、智能分析原理，设计一套满足合掌产品宽度在线自动检测的系统，用全自动产品宽度检测替代人工检测，为了实现合掌产品宽度自动检测，应用摄像机2、镜头1、处理器3、显示器4、光源7等组成全自动检测系统，摄像机2及镜头1为光电转换装置，将合掌产品8在光的作用下形成的图象转换为电信号，并将电信号转换为数字信号传输给处理器3。处理器3为装置的数据处理单元，处理器3接收摄像机2的数据，然后应用图像处理技术、模式识别技术、机器视觉等计算合掌产品8的宽度，并判断产品宽度是否符合要求，如果不符合要求，处理器3向报警控制器5发出报警信号，显示器4用来显示当前检测产品图像，显示相关数据及状态。用作交互界面，报警控制器5接收处理器3的信号，控制报警器6发出声光报警，提示操作人员，光源7用来保证合掌产品8能够清晰呈现给处理器3，可以是照射光，也可以是透射光，导轴是用来降低产品抖动，可分为四导轴和双导轴。

光源7位于合掌产品8底部或上部，摄像机2位于合掌产品8上部，摄像机2与处理器3相连接，摄像机2将待检测合掌产品8的图像输入到处理器3，处理器3经过一套检测算法处理，计算出合掌产品8的宽度，显示在显示器4上，工人可通过观察显示器4得知生产过程是否正常，当处理器3发现产品不正常时，发出报警声光，同时指出出现错误的误差，供工人确定生产设备并进行调整。

在生产过程中，合掌产品8由于张力及其它原因会发生抖动，形成一定的抖动幅度，这样会影响宽度检测的精度。如果图2中传统支撑方式中C导轴和B导轴距离足够近，A、B导轴之间抖动的料经过B导轴的阻止，这种抖动便会减少甚至消失；如果在A导轴和B导轴的正下方分别设置C导轴和D导轴，形成如图3所示结构，可以从左边进料右边出料，也可以从右边进料左边出料，从左边进料、右边出料时，在A导轴之前抖动的料经过A、C导轴的阻止，在C、D导轴之间便可减小甚至消除抖动，保证采集图象的质量，这样便可以消除抖动。

Claims (9)

1.一种合掌产品宽度在线检测装置，其特征在于，包括位于合掌产品(8)上部或下部的光源(7)和位于合掌产品(8)上部的摄像机(2)，摄像机(2)的输出端连接用于图像处理的处理器(3)，处理器(3)的输出端连接有报警控制器(5)以及用于显示当前检测产品图像以及相关数据和状态的显示器(4)，报警控制器(5)上连接有能够发出声光报警的报警器(6)。

2.根据权利要求1所述的一种合掌产品宽度在线检测装置，其特征在于，合掌产品(8)通过导轴支撑在光源(7)上部或下部，所述导轴为水平设置的双导轴或者分两排平行设置的四导轴。

3.权利要求1所述的合掌产品宽度在线检测装置的检测方法，其特征在于，包括以下步骤：

步骤一：在处理器(3)上设置合掌产品(8)的标准宽度为w，允许最大误差值为v，像素比为g；

步骤二：通过处理器(3)判断是否启动检测，若是，则通过摄像机(2)采集合掌产品(8)图像，若否，则回到步骤一；

步骤三：通过处理器(3)对步骤二所采集的图像进行处理；

步骤四：处理器(3)根据图像处理结果计算合掌产品(8)宽度为Dis，并与合掌产品(8)的标准宽度比较；

步骤五：处理器(3)通过步骤四的比较结果判断合掌产品(8)的宽度是否超出误差，若是，则发出报警然后进入步骤六，若否，则直接进入步骤六；

步骤六：通过处理器(3)判断是否停止检测，若是，则回到步骤二，若否，则回到步骤三。

4.根据权利要求3所述的检测方法，其特征在于，步骤三中图像处理包括二值化和消除边缘毛刺。

5.根据权利要求4所述的检测方法，其特征在于，二值化的方法如下：若图像大小为：M*N；像素值为：f(x，y)，其中，0≤x≤M-1；0≤y≤N-1，则(x，y)处的值为：

$b(x,y)=\left\{\begin{array}{cc}0& f(x,y)<T(x,y)\\ 255& f(x,y)\&GreaterEqual;T(x,y)\end{array}\right.$

像素(x，y)处阈值T(x，y)为：

T(x，y)＝m(x，y)+k*s(x，y)

其中以(x，y)为中心的邻域局部窗口的均值m(x，y)为：

$m(x,y)=\frac{1}{n^2}\underset{(x,y)\&Element;w_{x^2}}{\mathrm{\&Sigma;}}f(x,y)$

邻域局部窗口的标准差s(x，y)为：

$s(x,y)=\sqrt{\frac{1}{n^2}\underset{(x,y)\&Element;w_{x^2}}{\mathrm{\&Sigma;}}{f}^2(x,y)-m^2(x,y)}$

其中邻域局部窗口大小为n*n，n取15；修正系数k取-0.1。

6.根据权利要求4所述的检测方法，其特征在于，消除边缘毛刺的方法如下：

1)用一个结构元素扫描图像中的每一个像素，用结构元素中的每一个像素与其覆盖的像素做‘与’运算，如果都为‘1’，则该像素为‘1’，否则为‘0’；

2)用一个结构元素扫描图像中的每一个像素，用结构元素中的每一个像素与其覆盖的像素做‘与’运算，如果都为‘0’，则该像素为‘0’，否则为‘1’；即消除图像边缘的毛刺。

7.根据权利要求6所述的检测方法，其特征在于，所述的结构元素大小为3*3。

8.根据权利要求3所述的检测方法，其特征在于，步骤四中计算宽度的方法为：首先采用Hough变换算法找到合掌产品(8)两个边界的直线方程，然后利用方法一或者方法二计算宽度；

方法一：根据直线方程的斜截式计算宽度：

其中一个边界的直线方程为：L₁：y＝k₁x+b₁，另一个边界的直线方程为：L₂：y＝k₂x+b₂，k＝(k₁+k₂)/2，则宽度

方法二：根据点到直线距离公式计算宽度：两个边界的直线方程分别为L₁：y＝k₁x+b₁和L₂：y＝k₂x+b₂，计算L₁上各点到L₂的距离，然后计算所有距离的平均值，即为所测宽度：

两条直线的斜率分别为k₁和k₂，对于L₁上的任意一点p(x_i，y_i)，若L₂上存在点p(x_j，y_j)，满足y_j＝y_i+k1(x_j-x_i)；则p(x_i，y_i)与p(x_j，y_j)为最小距离点对，保留该点对，并计算该点对的距离：若不存在满足上述条件的点，则舍弃点p(x_i，y_i)，平均距离为： 其中N表示总点对数，此平均距离即为所测宽度。

9.根据权利要求3所述的检测方法，其特征在于，步骤四中计算得到的合掌产品(8)宽度与合掌产品(8)的标准宽度比较结果为：u＝|w-Dis|；步骤五中判断合掌产品(8)的宽度是否超出误差的方法为：如果u≥v，表示产品宽度超出允许的误差范围，启动报警；如果u＜v，表示产品宽度在允许误差范围之内，则进入步骤六。