机器视觉实现方便面破损在线检测的研究

微凉筱筱

      提出一种适于实时在线检测方便面面块破损的方法，即通过建立计算机视觉系统，获取面块图像，针对方便面特点利用“围剿算法”分割出面块图像，然后通过“削切算法”除去面块边缘毛刺，以便于求得面块的“真边界”，然后求取面块与其外接矩形面积的比值对方便面的破损进行快速判断，本实验另辟蹊径，其优势十分明显，识别率高，速度快。
近年来,随着方便面市场剧烈竞争，各厂家纷纷降低成本、提高产品质量、树立品牌形象、提高企业竞争力。在不降低产品质量的前提下，要增强企业的竞争力，只有走规模化经营之道;而规模化的核心目标就是“以规模降成本”，即扩大生产规模，挖掘企业潜力，向规模要效益，向管理要效益，降低生产成本和管理成本。鉴于此，方便面生产的自动化水平渐渐成为一个不容忽视的重要问题。目前，方便面生产线后段应用了自动排面传送带及自动射面机、自动投包机、自动叠袋机及自动裹包式纸箱装箱机等（如顶新集团），而方便面生产线次品挑选工作还是依赖人工视觉来完成。人工视觉检测具有速度低，受主观影响较大，误检率和漏检率高等缺点。所以，研制高效方便面自动化检测系统能提高产品质量，解放生产力和节约成本，适应现代化工业的需要。

　　机器视觉技术是机器代替人眼来做测量和判断，国内外已将此技术成功地运用到众多产品的质量检测上。与人工视觉检测相比较，机器视觉具有自动化程度高、识别能力强、测量精度高等优点，具有广泛的应用前景。随着图像处理技术的日趋先进、计算机硬件成本的下降及计算机处理速度的提高，在食品及农产品品质自动检测和分级领域应用机器视觉已变得越来越具有吸引力。

　　方便面生产线上依外观挑选出的不良品主要有破损、油炸过度或不足、大花、并条、堆积等，其中80%以上为破损面块。本文以方形面块为例进行在线快速破损检测。因为面块边缘不平整且常有一些毛刺，常规的视觉识别方法难以进行判断。本文利用“削切处理”除去毛刺，得到面块的真边界，然后利用面块与外接矩形的面积比判断缺损与否，实验表明该方法识别率高，速度快，适合在线检测。

1. 试验材料与装置

　　本实验样本来自河南正龙食品有限公司的白象方便面系列之一：大骨面，它具有油炸方便面的代表性。由正龙集团新郑分公司三车间生产。共采集实验样本128块，其中缺损面块70块。

　　实验装置由QCROBOT提供。本系统采用封闭式照明系统，照明室上部两侧采用两个对称的30 W日光灯作为光源，输送线为黑色，面块经自动排面输送线（将面块摆放整齐，并且使面块之间间隙均匀）将面块输送到视觉检测部分。
　图像的获取采用触发抓拍的方式，检测元件为OMORN的E3C-DS10触发器配合放大器E3C-3C使用。这是一个反射型的触发器。当传送带上有面块过来时，信号强度发生变化，输出一个脉冲信号来控制相机抓拍图像。本实验所拍摄图像大小为640×474，以24位bmp格式存储。图像处理算法在 Visual C ++ 6.0平台上编译通过。

2. 图像处理

　　采集后的图像首先要经过预处理，预处理包括滤噪、图像分割、去边缘毛刺等，以便于后续的形状判断工作。

　　2.1 图像滤噪

　　本试验采用快速中值滤波方法去除噪声。既有效抑制图像中的噪声，又保护图像的轮廓边界不使其变模糊。此算法处理速度快，能满足在线检测的要求。

本文模拟方便面生产线设计了图像采集装置，利用触发控制抓拍到对比度较高的方便面图像。采用Visual C++ 开发了一套行之有效的软件系统。采用了“围剿算法”巧妙地去除背景，利用了“削切算法”对面块边缘进行处理，去除周边毛刺的干扰。最后提取二个特征参数即削切后面块与外接矩形的面积比值R比和初始面块面积A初来判断面块是否缺损。这样把复杂的形状识别问题转化为面积计算问题，这种方法看似简单，但其效果是常规的形状识别算法不易达到的。本实验方法另辟蹊径，其优势十分明显，识别率高、速度快、实用性强，完全满足在线检测。
以上解决方案由莫士特科技有限公司提供，并可二次开发。