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，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中，精美的香煙外包裝是各煙草行業商標和品牌形象的重要體現，品牌香煙的任何包裝質量問題都會影響企業品牌形象，失去企業的信譽度，如何保證包裝生產的穩定質量，減少和杜絕不合格的煙包產品流入市場，是各卷煙企業在全面質量控制中的一個關鍵環節。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中存在的主要問題，創造性地設計了在線檢測系統的總體結構，提出了一種基于機器視覺的圖像處理方法，及時發現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。可檢測的位置如圖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，而且系統集成度高，便于監控管理，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的缺陷多種多樣，而且流水線的速度不穩定，經常要加速或減速，平穩運行的時間很短，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，能夠簡化系統的設置，提高系統的性價比，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的總體結構如圖 * 所示!機器視覺系統由硬件和軟件兩大部分組成。

該系統的硬件由工業電腦、智能相機、可編程邏輯控制器、光源和光纖組成。其中，工業電腦雙核工控機，速度快，穩定性好。工業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，穩定可靠。系統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，有利于系統的圖像匹配。

系統的軟件為在Visual C++ 6.0環境下開發的OpenCV，它是開源計算機視覺庫，可以實現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。系統的軟件是整個系統的核心，負責協調各系統正確工作，完成缺陷分類統計、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電腦的遠程監控管理，實現管理控制一體化。

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，傳感器將信號發送給可編程邏輯控制器(PLC) ，PLC完成對LED光源的調節，并將信息反饋給工業電腦，工業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域進行匹配檢測。

在香煙檢測系統中，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，得到最優解，即最優匹配位置。

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域劃分，保存圖像中容易出現缺陷的區域為模板，然后在采集圖像中只對感興趣區域或容易出現缺陷的區域進行匹配檢測，標準圖像區域劃分如圖4所示。

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

計算相應區域的相關系數，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，若不合格則發出信號由PLC執行剔除操作!

實驗結果表明，該系統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能否實現其性能的關鍵問題，用本文設計的系統，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，增強企業的競爭力。