闫笑颜， 林群煦， 倪费杰， 吴月玉

（五邑大学 轨道交通学院，广东 江门529020）

0 引 言

中国是全世界最大的烟草生产国和消费国，香烟盘纸使用量巨大，而目前生产的盘纸存在着直径误差和多种缺陷（如夹纸、起毛、划痕、油污等），目前盘纸的检测主要是靠检测器扫描和人眼辨别的方法，对于直径误差检测主要是人工测量，对生产的盘纸抽样检测是采用游标卡尺测量的方式，但人工检测的方式存在误差，精度不准，且工作量巨大，人力成本高，效率低下。同时扫描式盘纸检测器也并非全自动操作，而是通过放大盘纸中的缺陷于显示器中，但并不能完全显示缺陷的具体信息（如盘纸上污点的大小）并自动判断其是否合格，而且不能对扫描后的众多盘纸进行具体分类判断缺陷的类型等。运用人工检测的方式，需要耗费大量的劳动力且存在漏检的问题，此外人眼疲劳等因素导致检测不能长时间进行。

基于此，本文提出一种基于机器视觉盘纸直径和宽度尺寸检测方法，以机器视觉霍夫圆变换原理算法为基础，确定盘纸的直径和圆心坐标。同时运用图形细化提取轮廓骨架，确定边缘直线像素方程，运用曲线拟合提高像素测距的准确性。该直径检测技术可以实现自动化检测，同时提高检测的精度，该技术对节约人力、提高效率和经济效益、推动盘纸的生产发展都具有重要的意义。

1 总体研究方案

盘纸直径检测系统如图1所示，采用LED光源和工业彩色MV-CE060-10UM/UC600万像素CCD相机对盘纸进行数据采集，读取每一帧的照片，首先对采集的照片运用高斯滤波、中值滤波预处理，灰度化操作；然后采用Canny边缘检测提取盘纸的轮廓，采用霍夫圆变换原理检测盘纸的圆心和直径，同时运用图形细化提取轮廓骨架，对干扰线图像填充，确定边缘像素特征点坐标，运用最小二乘法对特征点坐标曲线拟合，计算两条直线的距离实现盘纸宽度的距离检测。设置盘纸直径和宽度的极限偏差，判定产品的合格性。运用最小二乘法对图像填充之后的轮廓骨架曲线拟合，提高盘纸宽度检测的精度。

图1 检测系统流程图

2 检测理论算法

2.1 数据采集

本模型实验采用工业相机支架搭载LED光源与CCD相机，采用不同尺寸的收银纸模拟盘纸验证检测算法。调节支架使相机的位置距离收银纸的宽度大约为45 cm，相机俯视拍摄收银纸顶面直径图像，同时调整转向和光源的位置，在相机广角范围内拍摄出清晰的照片，以便于后期的数据处理。同理，调整相机支架的位置拍摄收银纸宽度方向的照片。选取不同光照下的照片数据，参照对比，验证实验算法，得出实验结论。

2.2 图像预处理

高斯滤波是一种线性平滑滤波，目的是消除高斯噪声，主要用于图像处理的减噪过程[1]。原理是对整个图像的每一个像素点加权平均，用模板卷积的方式扫描图像中的每一个像素，用模板领域内像素加权的平均值代替中心的像素值。其中，高斯平滑滤波器对于抑制服从正态分布的噪声很有效，一维均值高斯滤波函数为

式中：sigma为高斯函数的方差；x为输入一维图像的像素坐标。

采集的盘纸图像为三通道彩色图像，本模型采用二维零均值离散高斯函数作为平滑滤波器，函数如下：

式中：A为图像的幅值；σ为正态分布的标准差；ux与uy分别为图像水平方向、竖直方向中心像素坐标；x与y分别为图像像素坐标。

2.3 霍夫圆变换检测算法

霍夫圆变换是将预处理之后的二维盘纸图像空间中的圆转化为极坐标下的直径、圆心横纵坐标点的过程，在笛卡尔坐标系下圆上所有的点对应的是同一个方程，映射到极坐标系下的点是圆上像素曲线的相交，相交累积数量大于阈值的则检测为圆。由于累加平面会被三维的累加容器所代替，需要进行大量的计算且消耗大量的内存。所以本模型选择基于优化之后的霍夫圆梯度下降算法，步骤如下：

1）用Canny边缘检测，检测盘纸图像的轮廓；然后对所有边缘图像中非零的像素，运用局部梯度的方法，调用Sobel（）函数计算水平方向和垂直方向的一阶导数得到梯度。

a.设定预处理之后的盘纸图像为I得到图像像素的矩阵,在图像的水平方向和竖直方向上，选定内核为Gx、Gy与I进行卷积运算，此时选定内核为3：

式中：I为输入图像的边缘像素矩阵；Gx与Gy分别为图像水平方向、竖直方向像素梯度值。

b.在边缘图像像素卷积运算得到Gx与Gy，计算出像素的近似梯度G与梯度角度θ：

2）由图像的二维像素得到的梯度，设置滞后阈值，边缘像素高于滞后阀值的，像素保留为边缘像素值，而低于设定阀值的则被去除掉，介于两个像素之间的仅保留连接到高于阀值的像素。之后在指定斜率的直线上进行累加器累加，并且同时标注图像中每一个检测之后非零像素的位置。从计算的二维累加器中选择候选中心，将所有选定的近邻候选中心的像素值按照累加值降序排列。对于按照像素与中心距离的排序，从到盘纸边缘最大轮廓的直径算起，选定最优直径，得到检测圆的圆心和直径。

3 实验检测

1）本模型实验选定直径为50 mm、宽度为57 mm的超市收银纸模拟实际盘纸，数量为50卷，收集拍摄不同光照条件下的照片，开发环境为Visual Studio 2015与OpenCV库。实验首先调节支架，微调光源和相机的位置拍摄出清晰的照片，从相机中读取每一帧的数据，用于检测超市收银纸的图像。

2）输入检测图像，分别选取不同直径和宽度的收银纸，测试实验的准确率。实验结果如图3～图7所示，图中显示了直径为48.42 mm、宽度为56.49 mm 的收银纸直径和宽度检测的原始图像、边缘轮廓、图像圆心坐标和结果判定的输出。

图2 矩形骨架

图3 收银纸原始直径图像

图4 收银纸直径检测图像

图5 收银纸原始宽度图像

图6 边缘检测图像

3）实验结果分析。图中显示了测试选定不同尺寸的收银纸，其中设置直径为50 mm、宽度为57 mm的收银纸为标准，设置直径的参数误差为2 mm，宽度参数误差为0.8 mm，实验一共测试了50卷的收银纸，列举了在误差范围之内的3组代表数据（如表1），其中有2组符合误差范围之内的合格样品，另外一组收银纸的宽度尺寸超过了设定的误差范围，检测为不合格。实验结果能够准确地输出，区分产品尺寸的合格性；符合在误差范围内的收银纸，准确率稳定，系统检测速度快，性能稳定，实验检测与实际测量结果相符。

图7 实验检测结果

表1 不同尺寸的收银纸检测结果

4 结 论

本文提出了基于机器视觉盘纸直径检测的方法，以霍夫圆变换和霍夫直线检测为基础，在Canny边缘检测算法的基础上，实现盘纸直径和宽度的自动化检测，解决实际运用中人工检测的问题，运用机器视觉提高检测的效率和精度。实验结果显示，该检测模型的直径检测精度在2 mm，宽度检测误差在0.8 mm范围之内的收银纸检测准确率稳定，符合实际运用要求。对节约人力、提高经济效益、解决人工检测等方面的问题均具有重要的意义。