基于最小二乘法的瓶盖检测算法设计应用

黄 达 黄树彩 刘锦昌 庞 策

(空军工程大学防空反导学院 陕西 西安 710051)

基于最小二乘法的瓶盖检测算法设计应用

黄 达 黄树彩 刘锦昌 庞 策

(空军工程大学防空反导学院 陕西 西安 710051)

随着科技的进步，现代化工业生产水平不断提高。而目前生产线中，瓶盖的检测仍靠人力，为实现瓶盖自动化实时检测与筛选，改善采集高速运动瓶盖图像所出现的虚影问题，设计适合高速瓶盖检测的算法。其主要工作包含：分析采集图像中目标边缘数据，创新性地将最小二乘法算法引入到图像处理领域，对目标图像线性化处理，降低虚影程度，从而降低系统对硬件的依赖程度；改进平均阈值分割算法，并结合小面积去除法去除背景杂质点，提取出清晰的目标轮廓；通过仿真技术验证系统算法，得出算法具有简单、快速等特征的结论。通过系统实验，证实该检测系统具有高准确性和高实时性。

机器视觉 最小二乘法 阈值分割 面积滤波

0 引 言

近年来，随着技术的不断进步，工业产品的生产速度正在大幅提升，为了保证检测结果的正确率，需要对产品进行细致的检测，这就对产品生产线中质量检测与筛选环节提出很高的要求。现如今，国内多数产品质量检测与筛选环节还停留在人力层面，并未实现自动化[1]。这一模式已满足不了高速度的生产，市场急需一种可以代替人力并且可以提高效率的电气控制设备。

机器视觉是一种借助计算机以实现图像采集及处理的技术，具有不接触目标的特点，通过产品外观可判断产品质量，其在自动产品检测方面有着引导作用。目前在工业方面已有很多应用，张钦等将机器视觉应用到自动包装平台[2]，其目的是追求高效率；董立广等结合汽车发动机装配线的实际情况[3]，用机器视觉克服现有技术中存在的不足。可见，机器视觉在工业检测环节有着实际作用。

图像处理技术包含模拟图像处理和数字图像处理两大类，数字图像处理需要借助计算机等处理工具来完成，上面提到的机器视觉需在此基础上实现。

本文检测目标是瓶盖且是近距离检测，可将此检测划分到面目标检测领域。瓶盖质量检测算法在国内外正在发展，黄伟等提出基于DSP的瓶盖缺陷检测算法[4]；李喆等对机器视觉的瓶盖表面检测技术进行研究[5]，实现了对瓶盖表面种类的区分，以及是否有瑕疵的识别；张哲等应用差分区域面积算法进行不良瓶盖检测[1]。

瓶盖检测过程中存在的关键问题：

(1) 实际应用中，背景中包含与目标色素相近的杂质，而且实际设备采集图像频率有限，当目标运动速度超过采集频率时，所采集的目标图像就会出现虚影(阴影)现象[6-7]。

(2) 所采集到的图像中，瓶盖相对于背景位置不固定，如果直接用所采集的图像与标准图像比较，会造成很大误差，因此需要设计提取目标的算法。

(3) 完成一个瓶盖的检测筛选，就需要对被检测瓶盖进行跟踪，跟踪算法复杂，对系统资源占用较多，影响系统运行速度，难以保证实时性。

(4) 采用阈值分割算法提取目标可以解决(2)中的位置问题，但是需要合适的算法确定阈值，才能保证提取出的目标图像的完整性。

针对以上关键问题，本文合理地布局硬件，搭建一个可以采用硬件实现被测瓶盖的跟踪系统，节省了跟踪算法所占用的系统资源[8-9]，使系统运行速度得以保障，并设计了相应算法，确保系统高效工作。

1 系统背景介绍

文献[1]中设计了一个较完整的瓶盖检测系统，该系统由图像处理、瓶盖筛选两个子系统构成。图像处理在系统中起着关键作用，包括图像采集、计算机处理两部分，图像采集的质量对计算机处理结果有着很大影响；瓶盖筛选在系统中起着决策作用。

图1是系统硬件结构图。其中红外传感器的作用是检测瓶盖位置，这一应用简化了图像采集算法，使系统运算速度得以提高；CCD摄像头采集高清图像，PC机对图像处理并将处理结果传输到气动阀门，在系统中担当中枢。

图1 系统硬件结构图

系统工作原理：处于传送带上的瓶盖高速运行，经过红外传感器时，触动图像采集开关，根据瓶盖到CCD摄像头所需时间设计好采集时间的延迟，CCD摄像头将采集的图像送到PC机，PC机对图像进行处理，并对瓶盖质量做出判断，将判断结果通过串口技术输送到气动阀门，气动阀门根据这一结果做出相应动作。

系统搭建的关键点[10]：

(1) 传送带颜色的选择。颜色特征是机器视觉处理算法的关键，如若传送带颜色与瓶盖颜色相近，会使系统对算法的要求过高而且难以保证检测的准确性，所以传送带的颜色应区别于瓶盖。

(2) CCD摄像头的固定位置。CCD摄像头是图像采集的关键，其位置的固定非常重要，既保证采集图像的亮度和完整(只包含完整的瓶盖和传送带)，还需避免受到外界环境影响。

(3) 气动阀门位置的选择。气动阀门是对瓶盖筛选的工具，这一硬件与前面的红外光电传感器配合，加上简单的定时，就完全替代了跟踪算法，其位置在不影响摄像头的情况下，根据图像处理的速度，应尽量接近摄像头。

除了PC机、CCD摄像头两个核心器件外，其余器件都很廉价，对其性能要求也不会太高，相应驱动都已成型，应用比较容易。这一设计充分利用了硬件特性，各硬件之间配合紧密，使得图像处理部分算法难度降低且系统性能并不随之削减。

2 图像检测算法设计

针对引言中提出的关键问题，本算法的核心在于解决图像中的虚影问题和阈值求解。

在设备参数不变的情况下，虚影程度与目标速度正相关。这就使目标检测速度受到限制。为使检测速度得以提高，本文以数字图像为基础，设计了降低虚影程度算法和瓶盖检测算法。系统算法流程图如图2所示。

图2 系统算法流程图

该算法包含5个步骤，分别是最小二乘法、灰度化、改进平均阈值分割算法、小面积去除法、差分等。其中最小二乘法是应用在数字图像的每一行数据中，对原始图像进行优化 ，方便后面算法的使用，可以减缓虚影程度，提高运算精度。改进平均阈值分割算法是根据实际图像中目标所占面积比例大的情况，根据像素值大小对图像分块并求各块的平均阈值，最后计算整体平均阈值。小面积去除法是针对对图像中的小噪声点的。

2.1 改进的平均阈值分割算法

平均阈值分割算法[11]：阈值分割是一种快速、简单的图像分割方法，算法原理即根据设定的阈值对图像进行分割，其数学表达式为：

(1)

其中：D(x,y)表示像素值，T表示阈值。假设背景无杂质且瓶盖静止，所采集的二维图像只有非白色瓶盖和白色背景两部分，当0≤T≤min(min为瓶盖最小像素值)时，就可获得瓶盖清晰轮廓。也就是说，当瓶盖颜色越不接近白色，阈值T的选取范围就越大。

设阈值数学表达式为：

(2)

令：

(3)

则有：

(4)

原始图像分析：在采集的目标图像中，背景像素值的大小远小于目标像素值，而且其所占面积比例很小。如果对整幅图求平均阈值T的话，T值会接近目标像素值，而T值的选择不管接近背景或是目标，都会造成不准确，使得目标轮廓难以被完整地分割出来，影响检测效果。对此，在平均阈值分割算法的基础上，提出局部平均阈值分割算法。改进的算法流程如图3所示。

图3 改进平均阈值分割算法流程图

根据实际图像，利用式(2)对背景和目标分别进行平均阈值的计算，得到T1、T2，再对T1、T2求平均，得到所求阈值T，即

(5)

利用上述算法对图像阈值分割，理论上分割后的图像中仅剩瓶盖和背景中的噪声点，即d(x,y)=1是瓶盖区域或噪声点。对于噪声点，其具有面积小、不集中的特点，基于这些特点采用小面积去除算法对图像处理，以消除噪声点。

2.2 最小二乘法算法的应用

为解决目标虚影所造成的图像质量问题，首先需要分析虚影部分的数据，建立合适的数学模型。通过对图像像素值的统计，得到在目标边缘部分的三组数值。如图4所示。

图4 虚影像素值的绘制曲线

对此，提出最小二乘法算法[12-13]。

图像中瓶盖值与背景值存在突变，虚影部分可看成二者过渡区，通过数据分析，可将虚影部分像素值近似线性处理。

设:

y=kx+b

(6)

式中：y是图像部分的像素值，x是每行像素点个数，用此式表示每行像素值之间关系。

假设每行像素点个数是20。

列出误差方程：

yxi-kxi-b=vii=1,2,…,20

(7)

式中：yxi是第xi个像素点处的均值像素值。根据式(8)

(8)

求出系数k、b。

根据式(7)、式(8)，对图3中包含的三组数据进行运算，得到k=5,b=158。

图5是对采集的原始图像某一行像素的分析。

图5 目标像素分析

x轴表示像素位置，y轴表示像素值，o-e段是瓶盖区域，d-e段是虚影区域；a-b-d是理想状态瓶盖像素值，存在一个阶跃，a-b-e是实际瓶盖像素，存在虚影斜坡b-e；c-g-f是利用最小二乘法对图像整体线性化结果，其与a-b-d交于点g。

由分析可知，当阈值T等于g点对应像素时，二值化结果与理想二值化结果完全相同。相比原始图像中的b点来说，g点更接近上述所求的平均阈值T。

2.3 小面积去除法

小面积去除算法的目的是将离散的小面积区域抹除，其基本原理是将小于或等于n个连续为0或1的像素点取反。

假设n=4，图像局部像素值分布,为4×4矩阵：

从A中可以看出a13、a22、a23、a24均为0，且这四个点连续，将其取反，得矩阵：

此算法运用的关键在于连续点个数n的选择，需根据经验和实际进行设定。

3 算法仿真及系统实验分析

借助MATLAB软件，对系统所涉及的算法进行仿真。仿真图如图6所示。

图6 改进局部平均阈值分割与平均阈值分割对比图

从图6中可以看出，改进局部平均阈值算法将目标轮廓完整提取，而平均阈值分割算法使目标的部分未显现，与上述理论假设相符。

虚影去除算法应用在原始彩图上，图7是经过灰度处理后的图像，可明显看出边缘最小二乘法对降低虚影程度的效果[8]。

图7 虚影处理前后对比图

图8是系统设计算法仿真图，从原始图像到处理结果都得以体现。其中从二值化图像可以看出背景杂质点的存在(瓶盖右下方)，其出现原因跟阈值的选取有很大关系，面积滤波后的图像弥补了这一缺陷，使得差分结果依然准确。

图8 图像处理算法仿真图

假设检测精度计算公式为[10]：

(9)

漏检率计算公式为：

(10)

误检率计算公式为为：

(11)

其中：P是合格的瓶盖数，N是不合格的瓶盖总数，Tp是被正确检测的合格盖数，TN是正确检测的不合格盖数，FP是合格但被错误检测为不合格的数量，FN是不合格但没有被检测为合格的数量。

对于系统效果分析，分别选用5 000个标准瓶盖、1 000个带有飞边的瓶盖进行系统测试，测试结果见表1，表中F表示错误，T表示正确。

表1 测试结果数据

根据式(9)-式(11)，分别计算出检测精度Acc=99.9%，漏检率FPR=0.2%，误检率为FNR=0.02%，平均检测6 000个瓶盖花费时间为2.74分钟，相当于每分钟检测瓶盖个数约2 189.78个。

从计算的结果可知该算法的漏检率过大，但是在检测精度相当高的情况下，漏检的个数非常少。误检率也几乎为零。此系统可以实现实时高速瓶盖的检测与筛选。

4 结 语

标准影像与被检瓶盖的影像的对比精确是检测设备的关键问题。通常情况下，检测设备是通过CCD相机采集影像，影像非常清晰，但边缘部分的影像可能会产生虚影，而虚影部分的检测结果会直接影响整个检测系统的准确性。这也是图像处理部分的主要干扰。本文在已有硬件基础上进行算法设计，充分利用已有硬件，在追求准确性的基础上，使算法简单化，利用最小二值法算法降低虚影程度，使得系统对采集图像质量的要求降低，检测速度大大提高。通过算法仿真和实验结果分析，本设计可以高效完成有虚影的瓶盖图像处理，能准确对处于高速运动状态的瓶盖进行检测筛选。

本设计在实际应用中仍存在以下不足：

(1) 瓶盖具有立体性，不合格的瓶盖有很多类型、比如畸形，飞边等，这些缺陷的位置可在瓶盖任何地方出现，而本设计仅仅可以检测到一个平面，增加摄像头采用相同算法可以使系统检测面增加，但计算量相对来说增大，达不到高速的目的，对瓶盖的立体检测算法，今后仍需做进一步研究。

(2) 系统漏检率过大，本算法不适用检测筛选价值昂贵的目标。本设计漏检率高达0.2%，也就是说检测500个瓶盖会有两个合格瓶盖被淘汰，普通瓶盖价格较廉价，可以接受这种不足，但对于一些特殊、廉价的瓶盖来说就不适用了。

(3) 最小二值化处理降低虚影程度有限，并不能完全消除，使系统的检测速度仍受到限制，只要阈值与上述g点不重合，必然存在一定误差，需要设定一个合适的值来补足误差，此值的大小要根据虚影程度和检测效果来调整，虚影程度过大(速度过快)会使检测效果降低。

[1] 张哲，朱铮涛．瓶盖缺陷在线自动检测技术研究[J]．计算机与发展，2016(6)：151-154．

[2] 张钦，王有威，杨彩鹏．基于机器视觉的自动包装平台设计[J]．机械工程与自动化，2016(5)：167-168．

[3] 董立广，肖铎，侯成．机器视觉系统在汽车发动机装配线的应用[J].设备管理与维修，2016(9)：19-21．

[4] 黄伟基，谢云．基于ARM与DSP的PET瓶盖缺陷在线检测系统的设计[J]．机床与液压，2013(7)：104-107．

[5] 李哲，费敏锐．基于机器视觉的瓶盖表面检测技术的研究[J]．仪表技术，2012(9)：31-34．

[6] 姜柯，李艾华，苏延召．前景目标检测中的虚影消除算法[J]．计算机工程，2013，39(17)：176-180．

[7] Candamo J,Shreve M,Goldgof D B,et al.Understanding Transit Scenes:A Survey on Human Behavior-recognitionAlgorithms[J].IEEE Transactions on Intelligent Transportation Systems,2010,11(1):206-224.

[8] 孙继刚．序列图像红外小目标检测与跟踪算法研究[D]．中国科学院大学，2014．

[9] Stauffer C,Grimson W E L.Adaptive Background MixtureModels for Real-time Tracking[C]//Proc.of IEEE Conferenceon Computer Vision and Pattern Recognition.Fort Collins,USA:IEEE Press,1999.

[10] 周文举．基于机器视觉的在线高速检测与精确控制研究及应用[D]．上海大学，2014．[11] 雷博．基于图像不确定性信息的阈值分割方法研究[D]．西安电子科技大学，2013．

[12] 刘宇．基于局部核偏最小二乘法响应面建模与仿真[D]．清华大学，2013．

[13] Ferreira S L C,Bruns R E,da Silva E G P,et al.Statistical designs and response surfacetechniques for the optimization of chromatographic systems[J].Journal of ChromatographyA,2007,1158(1):2-14.

DESIGNOFBOTTLECAPDETECTIONALGORITHMBASEDONLEASTSQUAREMETHODANDITSAPPLICATION

Huang Da Huang Shucai Liu jinchang Pang Ce

(CollegeofAirandMissileDefense,AirForceEngineeringUniversity,Xi’an710051,Shaanxi,China)

With the progress of science and technology, the level of modern industrial production has been continuously raised. At present in the production line, the bottle cap’s detection still relies on manpower. To realize automatic real-time detection and screening of bottle caps, and improve the virtual shadow problem of high-speed movement bottle cap images, we design an algorithm suitable for high-speed bottle cap detection. Its main work includes:Analysis of data acquisition object edge image, and introduce the least square method to the field of image processing, the target image is linearized to reduce the virtual shadow degree and reduce the dependence of the system on the hardware; Improved average threshold segmentation algorithm, and combined with a small area removal method to remove the background impurities, to extract a clear target contour; The algorithm is proved by the simulation technology, and it has a simple, fast and other characteristics. Experiments show that the detection system has high accuracy and high real-time performance.

Machine vision Least square method Threshold segmentation Area filtering

2016-11-01。黄达，硕士生，主研领域：空天拦截与跟踪。黄树彩，教授。刘锦昌，硕士生。庞策，硕士生。

TP391

A

10.3969/j.issn.1000-386x.2017.11.041