周明 孙浩 卢洪林 王朝富

摘  要：目前行业内主流的烟支卷接设备针对烟支质量所能够进行的在线检测集中于空头、漏气、重量等几个方面，对烟支外观实施在线检测的需求日趋增大。本研究提出一种运用视觉识别技术，设计一套在线烟支外观缺陷检测系统，运用线阵相机采集鼓轮上高速运行的烟支图像，运用视觉算法处理图像，对缺陷进行分类识别，并联合剔除机构将缺陷烟支剔除，以PROTOS70型卷烟机为平台安装投入实际运用测试，通过尺寸精度实验及剔除率实验证明，该系统较好实现烟支外观在线检测的准确性和高效性。

关键词：烟支外观;线阵相机;在线检测

中图分类号：TP274         文献标志码：A         文章编号：2095-2945（2019）25-0007-06

Abstract： Nowadays the most popular filter cigarette maker has detection concentrated on head-empty， filter-leak and cigarette weight deviation. For the surface appearance there is only few detection system which can used automatically and online and the inspection still rely on manual work. Thus a system which based on Linear CCD Capturing Platform and machine vision is designed for the high speed online cigarette surface detection. It shoot the image with linear CCDs and with algorithm and filter get the image processed. By means of recognizing the defects on the cigarette surface the system trigger the eliminate device. The System has been installed in the PROTOS70 cigarette maker. The dimensional accuracy experiment and elimination rate experiment show that the system can realize the accuracy and high efficiency of online detection of cigarette surface.

Keywords： cigarette surface detection; Linear CCD Capturing Platform; online detection

在现代卷烟生产过程中，卷接设备运行速度不断提升的同时，对卷烟质量控制的要求也不断提高。国内主流中速和高速卷烟机如PROTOS70及PROTOS-M5等卷接设备针对烟支在空头、漏气、重量三个方面的在线检测已经比较成熟，但对烟支外观质量检测比较具有代表性的是HAUNI公司的ORIS系统，该系统仅针对烟条成型及外观检测，对搓接成型后的烟支外观检测除GD121-P型卷烟机上有类似系统外，尚属于空白。由于国外某公司对该项技术进行封锁，且行业内目前仍有大量中速卷烟机在使用，因此迫切需要自主研发一套系统用于主流中速卷烟机上烟支外观质量的在线检测。本研究在计算机软件、硬件技术以及机器视觉理论日趋完善的背景下，决定以机器视觉实现烟支的外观质量检测为思路，开发一套运用于目前主流卷接设备的烟支外观质量在线检测系统。

该检测系统运用线阵CCD相机，结合LED光源，对生产过程中烟支正反面图像予以采集，通過相应的数字图像处理算法，对烟支存在的预知缺陷和非预知缺陷进行识别，配合采集剔除控制系统，对缺陷烟支进行剔除，同时对缺陷作出统计。系统设计完成后，安装于PROTOS70卷烟机上进行应用实验，同时进行了精度实验和剔除率及误剔率测试。实验结果满足预期要求。

1 系统及实现

在烟支外观质量在线检测系统中硬件结构包括高速相机、照明光源、图像处理器、监控计算机、采集剔除控制器、位置传感器、剔除机构、网络和卷烟生产设备等，系统的连接和工作过程如图1所示。

1.1 硬件系统

1.1.1 硬件系统构架

硬件系统由控制单元、识别单元、处理单元组成，如图2所示。

控制单元核心为监控计算机，其功能是集中监控，实现用户界面、图像显示存储、识别结果显示统计、控制参数调整。其接口用以太网方式与采集剔除控制器通讯，实现图像数据、结果信息、控制参数等通讯内容;根据需要可对外提供数据接口，实现同外部系统通讯。

识别单元由图像处理器、高速相机、LED光源。功能为相机拍照、图像分析识别、结果输出。其接口为采集剔除控制器用标准Camlink接口同高速相机连接实现图像数据传输，通过数字I/O接收时序控制器的编码器、触发信号并转发给高速相机，通过控制LED光源的电源输出实现对光源（频闪或常亮）的控制。

处理单元硬件由时序控制器、位置传感器、剔除机构组成。其功能为输出触发信号，接收结果信号并跟踪烟支位置需要时剔除。其采用的接口为数字I/O。

1.1.2 相机的选型

待选的图像获取装置包括线阵CCD相机和面阵CCD相机2种，本设计选用线阵CCD相机配合高清晰度管状光源进行采集。由于检测对象为鼓轮上烟支，被测视野为细长的带状，烟支运动为在检测鼓上高速旋转，可近似看作烟支相对相机视野高速平行移动（切线方向），可采集到完整清晰的烟支表面展开图，且线阵相机烟支的边缘成像效果优于面阵方式，高频率采集速度的线阵相机相对较多，易于器件选型。[1]

相机颜色：有黑白和彩色两种模式。对本项目应用需求，选用彩色相机可以提供更丰富的烟支外观信息，利用颜色分布差异可实现自動调牌等功能。但是考虑到烟支检测速度要求较高（小于5ms检测时间），算法复杂（有多种缺陷需要检测），因此我们选定黑白线阵CCD相机[2]。

1.1.3 光源

为保证将光源因素对线阵相机的成像干扰降低到最小，同时考虑到散热、照度、寿命等综合因素，本设计决定采用LED线阵光源，首先该光源亮度高，为满足生产速度要求，线阵CCD曝光时间极其短暂，一般为几微秒。这对为线阵CCD照明的线性光源的光亮度提出了苛刻的要求。散热好：线性光源的发光体一般为大功率LED，当其工作时，大电流经过LED芯片结使之发光，同时由于只有10%-15%的输入功率转化成为光能量输出，因而会产生很高的热量。这些热如果不及时散开，积聚在芯片以及安装芯片的基底材料上，会造成LED芯片温度过高进而直接影响LED的工作寿命，即“非正常光衰”现象。均匀性好：所选光源采用聚光透镜以增加光照度，并把光束宽度控制在合理范围，很好地权衡了安装的方便程度以及外部震动导致光束位置的偏移。线阵CCD采集到的图像质量，很大程度上取决于线性光源一维方向上的均匀度，同时考虑到工作过程中震动对光束的影响，对光束的中心到边缘上的均匀度要求也很高，不能因为光源位置的微小偏移而对采集图像的质量造成巨大的影响。经过选择，确定其型号为BL-150-D-W发光面长度150mm，典型照度>40000Lux@100mm W，有效线宽：15mm @100mm W;功率为40W。根据相关实验及文献资料，若采用一支LED光源，在鼓轮全速运转时靶纸上0.1mm刻线无法分辨，而如采用2支LED光源，对于刻线宽0.1mm可细化到5个像素，成像满足需求并具有一定提速空间[3]。

检测组件采用一体化设计，内部腔体安装相机、光源、反光镜等器件。腔体成像面可加入玻璃罩防尘，中间留有细缝保证线性相机成像，腔体通入外部压缩空气，从玻璃缝中吹出，以吹走烟沫及利于散热，检测组件结构示意图如图3。

由于两个鼓轮间传递烟支吸附的是相对表面，因此本设计运用两台相机配合对相邻鼓轮烟支进行拍摄，即可获得整支烟支图像。

1.1.4 图像采集、处理器，视觉平台软件选择

本装置采用工业PC+图像采集卡+视觉平台软件的模式，初步方案中相机采用：linescan 1K b/w，图像卡采用DALSA_X64-CL，IO卡采用研华1730U;并采用8核工业PC;以及开源的openCV作为视觉算法平台。

1.2 软件系统

1.2.1 缺陷库及算法

为确定软件构架及图像处理及识别的算法，本研究对烟支检测缺陷进行了分类及描述，以构建一个典型的缺陷库，并匹配相应的检测算法。我们将烟支缺陷的出现分为两类：预知缺陷及随机缺陷。

预知缺陷指的是在相对固定位置可能会发生的确定缺陷，如烟支尺寸缺陷：检测过滤嘴长度、卷烟长度、烟支直径尺寸超限形成的缺陷。

如图4，针对预知缺陷，即尺寸参数的测量，根据烟支卷制与接装工艺质量相关标准，烟支尺寸检测精度要求在±0.1mm以上，且烟支拍照位置基本确定，还有卷烟和过滤嘴粘接处的位置也固定，所以我们可以根据这些位置设置预知的检测点。可以用边缘查找的方法来找出边缘线及粘接位置，将找到的边缘计算位置、间距的方法判定烟支各规格尺寸是否属于标准范围。因此可采用平行光成像法进行测量，该测量方案相对简单快速，基本遵循图像两值化，经过腐蚀、膨胀、平滑等一系列滤波算法操作后要通过计数器检测出灰度像素个数的思路对滤嘴长短、烟支长度等特征进行测量[4]，在openCV库中已有成熟的算法可供使用[5]，在此不再赘述。

随机缺陷指的是在任意位置出现的未知缺陷，如夹杂异物、表面破损。包括过滤嘴缺陷，卷烟缺陷。

过滤嘴缺陷：过滤嘴水松纸因为沾污或破损达到一定程度形成缺陷，有亮斑和暗斑两种，但在识别时需要避开过滤嘴上印刷文字区域（如图5）。

水松纸错牙，此时后面的深红色色带应该也错开形成缺陷（如图6）。

烟条缺陷：卷烟因为沾污或破损达到一定程度形成缺陷，有亮斑和暗斑以及烟条燃烧端破损形成的缺陷（如图7）。

但是在检测上述缺陷时，特别是亮斑缺陷时应该避开卷烟粘合部位的亮斑，该区域不做检测（夹末、翘边应该检测），见图8。

对于随机缺陷的识别，由于烟支图像相对复杂，且烟支高速运动下光源补偿不均可能产生干扰，烟条粘合部位、嘴棒印花等部位缺陷点分割不精确可能容易被误识别，在许多情况下对整幅图像用单一阀值不能给出良好的分割效果[6]，例如，在灯光照射下烟支和鼓轮的反差与滤嘴和鼓轮的反差不同，而滤嘴上花纹和滤嘴本身对鼓轮背景的反差也有区别，在烟支端能把物体和背景精确分开的阀值，对滤嘴端或滤嘴花纹，金线等位置来说，可能把太多鼓轮背景当做被测物体分割下来。经过种图像分割方案比较后，本设计决定采用一种动态局部阀值分割方法[7]，该方法利用整体与局部图像灰度特征相结合的方法进行表面缺陷检测[8]，根据烟支缺陷检测的精度和运动速度要求，选取局部邻域为N×N的窗口，在窗口中选择其灰度值与所在区域背景差异大于某阀值的像素作为缺陷像素[9]，如果某块图像只含有物体或只含有背景，那么该块图像发生找不到阀值的情况，此时可由附近的像块求得局部阀值用内插法给次相块指定一个阀值，从而分割缺陷点[6]。此法受烟支高速运动下造成的光源补偿的不均匀性影响小， 算法比较容易实现，且多次实验后效果较好。用此法还可以对水松纸错牙等缺陷进行识别。

1.2.2 软件系统的构架及实现

系统软件包括识别和监控两部分。监控端定义检测流程和与检测流程相关的参数文件下传给识别系统。识别系统调用流程定义的图像检测算法检测当前触发获取的图像信息，结果一路通过数字I/O输出给剔除设备完成相关操作，另外一路通过通讯模块传给监控系统用于结果显示。软件系统构架如图9所示。

1.2.3 缺陷算法仿真

图10所示为烟支缺陷检测算法仿真，根据检测精度要求预设图像大小为1024*120像素，该大小尺寸图像应用上述检测算法的处理时间TotalTime<5ms，可见算法实现上达到系统设计要求。

2 效果验证

本研究决定先在PROTOS70型卷烟机上安装并验证设计效果，系统的两套检测组件安装位置如图11所示，分别安装于两个相邻鼓侧旁空间内。

2.1 精确度及准确度实验

在实验中，本研究制作了一根量棒作为基准，对视觉识别系统用于预知缺陷参数的识别与测量，即用于烟支尺寸测量精确度及准确度的标定。

设该量棒的长度为标称值84.00mm，圆周值为24.30mm，将量棒固定于鼓轮上，进行10次测量，所得量棒的长度和圆周数据如表1。

计算得出均值，标准差及变异系数如表2。

通过表2中的数据，可得出结论，本文中装置对烟支尺寸的测量精确度及准确度均符合设计要求。

2.2 剔除率实验

在验证实验中，本研究根据卷烟卷制质量综合判定国标，人为设计一系列烟支缺陷，以测试系统的实际检测效果。实验效果分析如下：

研究中，一组卷烟纸和水松纸上分别设置了3组，每组100个间隔大于84mm的污点，污点直径分别为0.1mm，0.5mm，1mm。在实验中，我们采用3种不同的卷烟机速度等级分别是3000支每分鐘、5000支每分钟、7000支每分钟，进行剔除率和误剃率的测定。结果如表3、表4。

剔除率和误剃率均达到设计要求。

同时，研究发现，经过标定后，系统对烟支尺寸缺陷均能准确识别，达到设计要求。对水松纸错牙，烟支夹沫，翘边等缺陷剔除率也达到90%以上，剔除率，误剃率，自动停机报警，缺陷分类，图像保存等功能均达到设计要求[10]。

3 结论

基于线阵相机的烟支缺陷检测可推广应用于各类主流卷接设备，同时经过改进后，更可在最新的高速设备上使用， 对提升卷烟产品的感官质量和整体品质，提升企业形象有极大的作用。同时能够降低操作和质检人员对质量控制的劳动强度，带来极大的经济和社会效益。

参考文献：

[1]孙文锻，叶玉堂，等.基于线阵相机采集平台的枪弹表面质量检测技术[J].兵工自动化，2013，32（01）：87-90.

[2]宋文绪，杨帆.传感器与检测技术[M].高等教育出版社，2007：316-318.

[3]吴晓军，白韶红.基于CMOS线阵相机地铁隧道裂缝快速检测系统[J].路基工程，2015，03：185-190.

[4]Rafael C Gonzalez，Richard E Woods，Digital Image Third Edition[M].PEARSON，2010.

[5][西]葛罗瑞亚·布埃诺·加西亚，奥斯卡·德尼茨·苏亚雷斯，何塞·路易斯·埃斯皮诺萨·阿兰达.OpenCV图像处理[M].刘冰，译.机械工业出版社，2016.

[6]阮秋琦.数字图像处理学[M].电子工业出版社，2007.

[7]刘泽，王嵬，王平.钢轨表面缺陷检测机器视觉系统的设计[J].电子测量与仪器学报，2010，24（11）：1012-1017.

[8]袁红中，付炜，郭永魁.一种基于动态阈值的镀铜表面缺陷检测算法[J].燕山大学学报，2010，34（4）：336-339.

[9]徐科，杨朝霖，周鹏.热轧带钢表面缺陷在线检测的方法与工业应用[J].机械工程学报，2009，45（4）：111-114.

[10]YC/T434.烟草机械验收 第1部分：卷烟卷制质量综合判定[S].中国质检出版社、中国标准出版社，2012：3-4.