烟箱品牌视觉检测分拣系统的设计应用

王 鹏

厦门烟草工业有限责任公司，福建省厦门市海沧新阳工业区新阳路1号 361022

卷烟物流中的成品件烟分拣系统主要以烟箱条码来识别烟箱品牌，并将烟箱品牌信息发送给控制中心，控制中心发送指令给相关执行机构，将相应品牌的烟箱推送到对应物流通道中［1］。但在条码识别过程中，由于存在一种条码对应多种品牌（同一牌号但销售地区不同）以及条码印刷质量不良、条码污染等现象，造成误检率偏高，需要进行人工干预，增加了操作工人的劳动强度。机器视觉技术是一种新兴的检测技术，即采用机器代替人眼进行测量和判断，并通过光学器件进行非接触感知，自动获取和解释某个真实场景的图像，以获取信息和（或）控制机器［2］。目前机器视觉技术在烟草行业已广泛应用于生产检测和品质监控过程中，如在线外观检测、异物剔除、新测定方法开发等［2-6］。因此，为解决一种条码对应多种品牌的问题，根据生产需求制订了烟箱编码规则，使每种牌号的每个品牌都有唯一的编码，并将该编码印刷在烟箱侧面。采用机器视觉识别技术及模板匹配算法，通过高精度彩色工业相机抓拍烟箱侧面的编码并进行识别，得到烟箱品牌信息，以期准确地实现分拣操作，解决烟箱分拣误检率偏高等问题。

1 系统结构

烟箱品牌视觉检测分拣系统主要由高精度彩色工业相机、条形光源、工控机、光电传感器等组成，见图1。当光电传感器检测到烟箱到达抓拍位置时，向工控机发送信号，工控机接收到信号后，触发条形光源频闪并同时控制工业相机抓拍。工业相机将获得的编码通过USB接口传递给工控机，工控机中的主程序通过机器视觉算法对图像进行处理、匹配、判断等工作，识别出烟箱品牌，并将识别出的烟箱品牌信息通过I/O串口传送给物流分拣系统，从而实现正确无误的分拣操作。如果系统中没有烟箱品牌模板，则系统会报错，工控机通过I/O串口通知控制板进行报警，停止烟箱分拣，等待操作工进行处理［7-9］。同时，该系统还具有品牌建模、历史图片浏览、搜索、统计等功能。

图1 烟箱品牌视觉检测分拣系统结构示意图

2 技术实现

2.1 系统软件设计

系统软件设计包括主程序、建模程序、辅助程序［10-12］，主要是实现控制相机抓拍、图像识别/显示、模型建立、历史图片浏览/统计、班次管理等功能。主程序和建模程序均采用 C++语言编程［13］。

2.1.1 主程序

（1）主程序主要是控制相机抓拍、品牌识别和显示图像，见图2。目前用于品牌识别的基本算法包括光学字符识别算法（OCR，Optical Character Recognition）与模板匹配算法。OCR光学字符识别［14］是通过电子设备（如扫描仪或数码相机）检测打印在纸上的字符的暗、亮度以确定其形状，并采用字符识别法将形状解析成计算机可识别的信息，即对文本资料进行扫描，然后对图像文件进行分析处理，获取文字及版面信息的过程。模板匹配［10］是指在灰度图像中快速地定位到与某一已知参考模板匹配的区域，即通过建立的参考模板，应用模板匹配方式，系统在获取的每幅图像中搜索该模板，并计算出相应的相似度量。

图2 分拣系统主程序界面

由于烟箱印刷质量问题，且存在污染现象，使用OCR识别技术进行检测识别，其算法设计复杂、计算量大、识别速度慢。因此，在系统主程序设计中采用了适应性更强的模板匹配算法进行检测识别。在烟箱编码过程中，烟箱码分为多位差异、一位或两位不同的单位差异，见表1。对于多数情况下的多位差异码，只要建立一个定位配备模板即可，即“0定位”，见图3a；对于少数情况下的一位或两位不同的单位差异，除了需要“0定位”，还要建立一个精确识别的匹配模板区域，即“1模板匹配”，才能在分拣操作时准确无误，见图3b。

表1 烟箱编码特征

图3 模板匹配建模

（2）根据模板匹配算法，主程序的处理流程为：烟箱到位，工业相机抓拍，采集图像，根据模板匹配算法开始循环匹配，见图4。如果编码为多位差异，只需进行“0定位”，即定位匹配，即可完成识别；如果编码属于单位差异，除了进行定位匹配外，还需进行“1模板匹配”，即精确匹配，才能完成识别。两种情况中，如果模板不能匹配，则返回信息提示更换模板或结束匹配。匹配完成后，给分拣工位发送信号进行分拣操作。

图4 主程序处理流程图

2.1.2 建模程序

建模程序是对各种品牌的烟箱建立模型，修改和保存各品牌参数文件，从而使系统能够快速、准确地识别不同品牌烟箱。当检测有新品牌时，由于模板匹配不成功，系统报错，此时要将该品牌的模板添加到系统中。建模程序的处理流程为：当需要添加新品牌时，首先进行烟箱模板选择，查找、添加烟箱品牌。添加完成后，选择检测项，包含“0定位”与“1模板匹配”，见图5。根据烟箱条码的类型选择检测项，同时设置编码检测位置，以便相机抓拍识别。设置检测参数，参数类型为定位分数，为提高相机拍照后灰度转换效果，编码字体为黑色和蓝色字时设置为“50～65”，编码字体为红色字时设置为“30～45”。配置完成则添加成功，否则修改或重新设置直到品牌添加完成。

图5 建模程序处理流程图

2.1.3 辅助程序

辅助程序包括历史图片浏览与分析、班次管理、条烟数量统计，实现了信息查询、历史记录等功能。该部分采用VB语言编程，其处理流程为：开始调用辅助程序时，首先对辅助功能进行选择，见图6。当选择历史图片浏览时，程序根据“时间+班次+品牌编号”进行条件限制，返回并显示数据结果；当选择班次管理时，程序根据“时间段+班次数量”进行班次设定，然后添加班次；当选择统计功能时，程序根据“时间+品牌编号”进行条件限制，返回并显示数据结果。

图6 辅助程序处理流程图

2.2 除尘装置

图7 除尘装置结构图

由于烟箱品牌视觉检测分拣系统的工作环境灰尘较大，会影响相机镜头和光源的透明度。为此设计了除尘装置以消除这种干扰，见图7。该装置由分拣线提供气源，气嘴分别安装在相机镜头和光源的上方，当烟箱品牌视觉检测系统正常工作时，每隔1 h气嘴吹出高压气体，清除相机镜头和光源表面的灰尘，以提高检测系统的可靠性。

3 应用效果

基于机器视觉识别技术和模板匹配算法的烟箱品牌视觉检测分拣系统，经过实际运行使用，烟箱品牌的平均误检率由原来的12.10%降低到0.28%，有效提高了检测效率和可靠性，保证了分栋工作的连续性和稳定性，满足了实际应用需求。

［1］ 刘峰，房华，李昌权.基于“一号工程”的件烟分拣入库系统的设计应用［J］.烟草科技，2010（12）：21-24，28.

［2］ 刘朝营，许自成，闫铁军.机器视觉技术在烟草行业的广泛应用状况［J］.中国农业科技导报，2011，13（4）：79-84.

［3］ 张向阳，张进武，覃志宏，等.基于机器视觉技术的卷烟小包封签直线检测算法［J］.烟草科技，2008（3）：22-24，48.

［5］ 唐向阳，张勇，黄岗，等.Tobacco Sorter和Tobacoo Scan 6000烟草异物剔除系统的比较［J］.烟草科技，2004（2）：13-16.

［6］ 董洁，荆熠，王锦平，等.基于机器视觉技术的烟用包装膜磨损程度测定方法［J］.烟草科技，2012（7）：9-12.

［7］ 赵志强，熊元姣.计算机视觉检测系统的设计方案［J］.工业控制计算机，2005，18（10）：1-2.

［8］ 徐仲兴，杨忠文.烟草企业自动化物流系统的解决方案［J］.烟草科技，2002（3）：32-35.

［9］ 原志雷，杜劲松.基于机器视觉的烟箱缺条检测系统［J］.机械设计与制造，2012（6）：101-103.

［10］ Steger C，Uirich M.机器视觉算法与应用［M］.北京：清华大学出版社，2008.

［11］ 张广军.机器视觉［M］.北京：科学出版社，2005.

［12］ 宋学勇，赵敏.机器视觉系统的关键技术［J］.计算机世界，2007（B11）：1-3.

［13］ Lippman S B，LaJoie J，Moo B E.C++Primer［M］.北京：人民邮电出版社，2006.

［14］ 荆涛，王仲.光学字符识别技术与展望［J］.计算机工程，2003，29（2）：1-2，80.