吴孙槿　陈滨　孙丽英

摘要：由于气雾罐表面的印刷技术比较复杂，在生产时避免不了一些印刷质量的问题。因此在气雾罐自动化产线上如何快速精准地检测罐体表面印刷质量，及时剔除缺陷品成为亟待解决的问题。近年来，随着电子科学技术、机器视觉与图像处理技术的飞速发展[1]，机器代替人工进行印刷品缺陷检测成为新的趋势。文章依据某一气雾罐生产厂商的检测需求，设计了一种基于嵌入式的气雾罐印刷质量检测系统。

关键词：印刷质量；缺陷检测；图像处理；嵌入式系统

中图分类号：TP391        文献标识码：A

文章编号：1009-3044（2023）01-0133-04

1  研究背景

目前对于气雾罐产品印刷质量的检测还多停留在人工目视检测的水平，人工检测的方法，不仅劳动强度大，效率十分低，而且极易发生漏检、误检的现象。本论文以某一气雾罐生产商的自动化生产线升级的需求为研究依据。该企业希望通过引进机器视觉检测系统来实施对气雾罐表面印刷质量的检测，不改变其他的生产部件。

针对企业对检测系统的需求，本文设计了一种基于嵌入式的气雾罐印刷质量检测系统。嵌入式的机器视觉检测系统极大地简化了系统的复杂度，因其灵活性好和体积小的特点所以它十分便于安装，这也符合企业降低安装复杂度的需求。本系统大大地提高了气雾罐表面印刷质量检测的效率，能够快速地检测出主体产品表面印刷缺陷，并判断缺陷类型，剔除缺陷品。

2 系统总体设计方案

2.1 设计需求

本课题源于某一气雾罐生产商实际生产的需求，经过与企业沟通，本文确定了检测系统的基本需求如下： 检测对象：气雾罐的表面印刷图案。检测内容：污点、溅墨、划痕、套印不准、漏印等。检测速度：每秒检测1个气雾罐，即每个小时检测3600个气雾罐产品。最小的检测精度：0.8mm×0.8mm；检测结果要求：能在存在缺陷的图中进行标记，并输出产品合格与否以及缺陷的大致类型。操作界面：界面简洁，便于管理与操作。

2.2 检测系统的设计方案

本文在实验室搭建了一个类似于实际流水线的工业检测系统。根据企业需求，结合实际环境，本文设计的整体框图如图1所示。该检测系统总共分为硬件和软件两个部分。硬件包括滚筒机械装置、照明光源及其控制机械装置、工业相机、光学镜头、DE10 SoC开发板、LED显示屏、鼠标和键盘；软件包括相机采集图像控制、图像处理、操作界面设计。

检测系统平台搭建后如图2所示，首先机械装置将待测气雾罐套入滚筒之中，气雾罐随滚筒匀速转动，DE10 SoC开发板控制线扫工业相机进行图像采集。采集的图像存入开发板并对待测品的采集图进行图像处理，待测图与模板图经过图像处理技术后产生检测结果以及缺陷图。最终在显示屏上显示检测结果和标记缺陷位置，并控制机械装置剔除缺陷品，重新套入下一个待测品继续检测。模板图一般由企业提供固定分辨率的模板图。本系统的模板图是用合格品经过相机采集并进行模板制作环节得到的。

3 气雾罐印刷质量缺陷检测图像算法的研究

3.1 缺陷检测图像算法流程

图像检测流程图如图3所示，第一步由线阵CCD相机去采集模板印刷品铝罐的表面印刷图，继而制作保存模板图像；然后开始进行缺陷检测，线阵相机将获取实时的待测品图像并高速传输到嵌入式处理系统中，然后在处理系统中进行图像处理。首先对采集的图像进行去噪处理，然后将模板图与待测品图进行配准处理，最后将配准图与模板图进行缺陷检测并输出缺陷的坐标位置以及它的缺陷类型。

3.2 图像去噪算法的研究与实现

系统在采集图像的时候由于存在外部环境或者人为造成了一些干扰，这会导致采集图会存在一些噪声，如果不进行去噪处理则会对后面的图像处理环节的结果产生比较严重的影响。由此可知，图像的去噪处理是保证系统后面的图像处理结果准确度的必不可少的环节。目前常见的去噪方法主要有均值滤波法、中值滤波法、高斯滤波[2]。通过对三种滤波方法的研究和分析，发现高斯滤波的通用性与性能都比较好，并且由于它是线性滤波，对于卷积计算过程，可以通过对高斯内核的降维，使算法的时间复杂度减少[3]。同时，高斯滤波不仅能够除掉噪声而且还能保护好图像的边缘部分。因此，本文选取高斯滤波作为去噪处理的方法。

3.3 图像配准算法的研究与实现

采集图像时，由于气雾罐罐放置位置的不同，即使采用旋转编码器去固定每一次的旋转角度，也会导致各待测图之间会在垂直方向产生旋转偏移。为了将图像配准，需要根据模板标准图来进行空间坐标校正，保证采集到的实时图像与模板图像上每一个像素的灰度和空间位置都是严格对应的[4]。

通过研究许多图像配准的算法，可以知道圖像配准算法[5]中用得最多的就是基于图像特征的方法。针对具有不同的特征的原图，一般会选择那些容易被提取出来并且又能在很大程度上表示待配准图相似度的特征作为配准的依据。这种图像配准算法在实际中具有很强的适应性，而且根据该算法的每个步骤的不同实现过程又能产生不同的方案。下面就通过这种方法实现本文的图像配准过程。

以下几点就是基于特征的图像配准方法主要的4个步骤：

1） 特征点提取：按照图像配准的实用性原则，有选择地提取模板图像和待配准图像中的几何或者灰度特征；

2） 特征匹配：根据特征点提取过程提取的特征，找出模板图和带配准图中相对应的特征点，确定匹配点对；

3） 估计变换模型：由特征匹配得到的匹配点对获得模板图和待配准图之间的变换模型；

4） 图像变换：根据由特征匹配得到的图像变换参数，将此参数代入图像变换公式，最终将模板图和待配准图进行配准。

本文根据实际应用需求，按照一般配准步骤得出了下面的图像配准流程图，如图4所示。

通过上面的研究，本文将采用以上的算法来实现模板图和带配准图的图像配准过程。首先采用ORB特征检测和特征匹配算法找出模板图和待配准图之间的特征匹配点点对，接着采用RANSAC算法对匹配点对提纯，删去一些错误匹配点对，并计算出匹配点对的变换模型。最后利用得到的图像变换模型进行仿射变换实现图像配准。如图5所示是经过了RANSAC算法提纯后的ORB特征匹配结果图。

3.4 缺陷检测算法的研究与实现

采集图像和模板图的精准配准后，要进行采集图的缺陷检测流程，最终判定采集图上是否存在各种缺陷。在图像处理中检测缺陷的方法一般有模板匹配法、图像差分法以及分层检测法[6]。

本文通过分析气雾罐表面印刷缺陷质量检测系统的各种特性，得知检测系统在运行中步进电机的转速会发生微小的变化，这将导致采集的图像垂直方向会发生很小的膨胀或压缩现象。因此采集图经过配准后和之前的模板图在像素点的灰度值并不是严格地一一对应，这样就不能将两幅图直接做差分来找缺陷。本文将分区域比较法与图像差分法进行结合后设计出一种新的算法。该缺陷检测算法流程图如图6所示。这种方法能有效地避免因为局部形变而引起漏检和误检，同时能检测效率较高、容错率高，能精准地定位缺陷所在的位置。

具体的实现步骤：本文中的模板图和配准图的大小都是1000×700（pixel），首先将模板图和配准图等分成40×30（pixel）的各个块区域，然后分别统计模板图和配准图对应空间位置的块区域的平均像素大小mean1、mean2，若：|mean1 - mean2|>T，则对应块区域存在缺陷。其中T为灰度阈值，根据实验以及人眼可识别的最小灰度值，本文取T为20。同时可找出对应块中心的坐标值，也即缺陷位置坐标。

对于印刷表面的缺陷分析可知，系统检测的缺陷为以下几种类型：点缺陷、块缺陷、线缺陷。为了识别缺陷类型，本文对缺陷块进行Blob分析[7]。首先将配准图对应的缺陷块提取出来，提取配准图的某一块缺陷块区域以及模板图对应块区域。然后将缺陷块与模板图对应块区域进行差分处理，得到差分图像后对其进行Blob分析，这样就可以判别出缺陷的类型。如图7所示为得到的二值化的差分图像。对差分图像进行像素点统计，统计出灰度值为255的像素点个数num。若num>T1，则认为存在的是块缺陷，因为块缺陷的面积一般较大。根据实验以及人眼视觉，这里取T1为500。若num

本文的缺陷检测算法在综合分区域比较法以及图像差分法的优点基础上，结合了Blob形态学分析法，不仅检测效率较高、容错率高，而且能精准地定位缺陷所在的位置以及缺陷的类型。

4 基于嵌入式的检测系统的软件设计

本检测系统使用嵌入式开发平台为Altera公司的DE10 SoC开发板，嵌入式开发主要的步骤为：搭建软件设计环境、移植Linux操作系统、移植各种应用库、应用软件设计。

4.1  软件开发环境的搭建

本文的印刷质量检测系统是运行在DE10 SoC ARM的Linux操作系统上的。首先需要在X64的PC或者虚拟机中安装Linux X64操作系统，这里选择在虚拟机VMware中安装Ubuntu Linux操作系统作为软件设计的开发环境[8]。除了在虚拟机Ubuntu中安装一些必要的工具软件（比如有Vim编辑器，Source Insignt3） ，还需要一些用于开发本检测系统的专门软件，比如有Qt Creator、OpenCV视觉库、相机的开发软件SDK包等。下面列出了搭建开发环境的主要步骤：

1） 安装虚拟机VMware，然后在虚拟机中安装Ubuntu 16.04LTS；

2） 在Ubuntu中安装下载必要的依赖库以及Vim、busybox等工具软件；

3） 安装Linaro ARM 交叉编译链arm-linux-gnueabihf，并配置环境变量；

4） 下载OpenCV3.0的源码并编译；

5） 本系统用Qt Creator来设计软件操作界面，因此我们在Ubuntu中安装好Qt Creator；

6） 下载Linux版本的Basler 相机Pylon View SDK包，用以控制相机采集图片；

7） DE10 SoC开发板Linux系统的移植以及相关应用库（Pylon view，OpenCV，Qt 库）的移植。

4.2 系统软件模块设计

本文印刷缺陷在线检测系统的软件设计整体框架如图8所示，该界面系统一共包括了系统登录、用户管理、模板制作、相机参数设定、缺陷检测这5个交互界面。

为了便于工人管理操作，系统设置了登录和账户管理界面。在开发板上运行软件后会出现登录界面，等待产线工人登录操作。输入正确的账号和密码就可以进入主界面。

模板制作功能界面如图9所示，在模板制作界面点击模板制作按钮后，软件会控制相机采集单张的样品图，并对采集图进行处理制作模板。点击保存模板就可以保存该图片作为模板图并显示在右边的方框里。当不满意该模板时，可以重新采集。点击退出按钮可以退出模板制作。

首先在确保相机与开发板连接的基础上，点击主界面的运行按钮，程序会进入检测状态，此时程序会自动判别该程序目录下是否有模板图，如果没有模板，就会弹出提示窗口警告用户制作模板。如果存在模板图，程序就会继续执行。接着点击采集图片按钮，相机就会不停地采集图片并保存到程序目录下。然后就可以点击开始检测，进行检测并显示检测结果。当检测工作结束点击停止按钮就可以结束检测过程。

5 检测系统的测试与结果分析

气雾罐印刷质量检测系统的设计完成后，需要对系统的实际运行情况进行测试以确保该系统能够达到企业的基本需求，能够进行快速精准的检测任务。本文的测试针对两种不同的气雾罐样品进行印刷质量检测，应用500个样品其中300个合格品， 187个点缺陷、8个块缺陷、5个线缺陷。经测试，点缺陷识别率为99.5%，线缺陷识别率为100%，块缺陷识别为100%，检测结果如表1。本测试最终证明了本系统的高效性、精准性、稳定性基本满足要求。

6 小结

本文针对气雾罐生产企业对于气雾罐表面印刷质量在线检测的应用需求，开发设计了一套基于嵌入式的气雾罐印刷质量在线检测系统。本系统结合了机器视觉技术、图像处理技术、嵌入式应用，从系统平台的搭建到图像处理算法的选择，最终設计系统软硬件以实现检测系统的功能。未来希望可以将本文设计的系统加以完善并应用到企业的印刷品制造流水线上，推进印刷品制造企业生产自动化的发展，为中国制造添砖加瓦。

参考文献：

[1] 张天.高精度小接触角测量系统[D].天津：河北工业大学，2018.

[2] 余胜威，丁建明，吴婷.MATLAB图像滤波去噪分析及其应用[M].北京：北京航空航天大学出版社，2015.

[3] 深圳市唯特视科技有限公司. PCB裸板线路瑕疵检测方法、装置、电子设备[P]：CN202010721548.0. 2020-07-22.

[4] 王岩松.图像配准算法在印刷质量检测系统中的研究与应用[D].北京：北京交通大学，2002.

[5] 许佳佳，张叶，张赫.基于改进Harris-SIFT算子的快速图像配准算法[J].电子测量与仪器学报，2015，29（1）：48-54.

[6] 陈祖杰.嵌入式IC卡印刷缺陷检测系统的设计与实现[D].广州：华南师范大学，2016.

[7] 石美红，王文光.基于Blob算法的织物疵点检测算法的研究[J].现代电子技术，2010，33（24）：29-32.

[8] 王青云，梁瑞宇，冯月芹，等.ARM Cortex-A8嵌入式原理与系统设计[M].北京：机械工业出版社，2014.

【通联编辑：唐一东】