一種基于九相機模型的紙包裝箱內外檢測方法
【技術領域】
[0001] 本發明涉及一種檢測方法，尤其涉及一種基于九相機模型的紙包裝箱內外檢測方 法，用于紙包裝箱外側版面印刷缺陷檢測和內側異物檢測。
【背景技術】
[0002] 在紙包裝箱生產中，紙包裝箱外側版面有時會出現漏印、錯印和重復印刷等問題。 而在紙包裝箱內側有時會出現異物，如：黏貼飛蟲或不衛生的東西。這種情況在紙包裝箱生 產中是不允許出現的，尤其是在食品行業，對紙包裝箱的質量要求更為嚴格。
[0003]目前，傳統的紙包裝箱內外檢測，采用在生產過程中依靠人工檢測的方式來降低 最終質檢的不良率。傳統的人工檢驗方法存在工人勞動強度大、檢測結果容易受到主觀因 素的影響，導致漏檢、誤檢率高且效率低下等缺點。隨著生產工藝和技術的進步，紙包裝箱 內外側自動檢測系統逐步代替人工檢測，這也成為確保紙包裝箱質量的一種重要手段。

【發明內容】

[0004] 本發明的目的是解決現有技術中存在的問題，提供一種基于九相機模型的紙包裝 箱內外檢測方法，該方法實現了在實際生產中紙包裝箱自動檢測工作。對于紙包裝箱外側 版面檢測核心算法是利用模式匹配來實現；對于紙包裝箱內側異物檢測的核心算法是利用 粒子分析來實現。本發明使用四個相機采集紙包裝箱四個外側面的圖像，使用五個相機采 集紙包裝箱四個內側面和一個底面的圖像，并同時對圖像進行處理。本發明硬件系統由USB 接口或Gige網口工業相機以及高亮度的線光源構成。
[0005] 下面闡述本發明中紙包裝箱內外側檢測的方法：
[0006] 當紙包裝箱到達指定位置時，使用四部相機拍攝紙包裝箱前、后、左、右四個面，其 中兩部相機正對紙包裝箱前后兩個面采集圖像，另兩部相機斜對紙包裝箱側面拍攝紙包裝 箱左右兩個面，以保證相機位置不會影響紙包裝箱在傳送帶上傳送；同時，使用五部相機拍 攝紙包裝箱內側和底面圖像，其中四部相機置于紙包裝箱斜上方拍攝紙箱四個內側面，一 部相機位于紙包裝箱正上方拍攝紙箱底面圖像，以保證每個面都能清晰成像。本發明采用 四個高亮度的線光源作為照明裝置，光源設置在紙包裝箱的斜上方，以保證采集圖像時足 夠的亮度。
[0007] 為了解決上述存在的技術問題，本發明是通過以下技術方案實現的：
[0008] -種基于九相機模型的紙包裝箱內外檢測方法，該檢測方法共使用九部相機，在 九部相機中使用四部相機采集紙包裝箱外側圖像，這四部相機分別拍攝紙包裝箱前、后、 左、右四個面，其中兩部相機正對紙包裝箱前后兩個面采集圖像，另兩部相機斜對紙包裝箱 側面拍攝紙包裝箱左右兩個面；九部相機中的另五部相機用于拍攝紙包裝箱內側和底面圖 像，其中四部相機置于紙包裝箱斜上方拍攝紙箱四個內側面，一部相機位于紙包裝箱正上 方拍攝紙箱底面圖像；所述的九部相機均采用500萬像素的USB接口或Gige網口相機， Gige網口相機需要外接供電電源；光源采用四個高亮度的線光源，光源需要輸出電壓為 24v的光源控制器，光源控制器的輸入電壓為ΙΙΟν，需要配置220v轉IlOv的交流電壓轉換 器；
[0009] 所述的檢測方法具體內容包括如下步驟：
[0010] -、紙包裝箱外側版面檢測實現方法：
[0011] 使用四部相機采集紙包裝箱外側圖像，共需四個模式匹配模塊同時進行處理；
[0012] 采用模式匹配快速定位一個灰度圖像區域，這個灰度圖像區域與一個已知的參考 模板相匹配，所述的參考模板是圖像中特征的理想化表示形式；當使用模式匹配時，首先需 要創建一個模板，這個模板代表了搜索的目標，然后機器視覺應用程序會在采集到的每個 圖像中搜索模板，并計算每個匹配分值，用以表示找到的匹配對象與模板的相似程度；分值 從0~1000分，分值越高表示越相似，1000分值則是表示完美的匹配，通常只有在提取模板 的圖像中才有1000分值的匹配高分；
[0013] 在紙包裝箱外側版面檢測中需要對圖像的ROI區域設定最小匹配分值，以檢測紙 包裝箱外版面是否存在錯印、漏印和重復印刷；
[0014] 所述的模式匹配包括歸一化互相關、比例不變與旋轉不變匹配、錐形匹配以及圖 像理解；所述的歸一化互相關是在圖像中尋找模板的方法，能夠減少圖像的大小和限制匹 配存在的圖像區域；所述的錐形匹配和所述的圖像理解是增加匹配處理速度的兩種方法；
[0015] 相關的基本概念：考慮大小為KXL的子圖像w(x，y)在大小為MXN的圖像f(x，y) 中，其中K彡L, L彡N。w(x, y)與f (X，y)在點（i，j)處的相關由下式來表示：
[0018] 所述相關的操作步驟：假設圖像f的起點在左上角，相關是這樣的過程：在圖像區 域中四處移動模板或子圖像W并且計算C的值在哪個區域；這個過程包含了一個乘法：模 板中的每個像素乘以與模板重疊的圖像中對應的像素，然后對模板中所有的像素求和得到 結果；
[0019] 基本相關對于圖像的振幅變化非常敏感，如果圖像f的強度增加了一倍，得到的 值為C ;可以通過計算歸一化相關系數來克服這種敏感；歸一化相關系數定義為：
[0021] 其中：w是模板w的像素強度值的平均值變量，/是圖像f中與模板w重疊區域的 平均值；R的取值位于-1~1之間，不依賴于比例變化的f和w的強度值；
[0022] 所述的比例不變與旋轉不變匹配，當圖像中的模板沒有縮放或旋轉時，通過歸一 化互相關在圖像中尋找模板。對于比例不變的匹配，必須重復這個過程：縮放比例或重新調 整模板大小然后執行相關操作；如果從圖像中提取旋轉有一個線索，可以旋轉模板并執行 相關；如果旋轉的性質未知，則尋找最佳匹配需要詳細無漏的旋轉模板；在頻域中使用快 速傅里葉變換（FFT)來執行相關，相關的獲得是通過圖像的傅里葉變換乘上模板的傅里葉 變換的共輒復數得到的；
[0023] 所述的錐形匹配就是通過減小圖像大小和模板大小來提高模板匹配的計算時間； 在錐形匹配中，圖像和模板都是重采樣的，以得到較小的空間分辨率；通過每隔一個像素采 樣，圖像和模板能夠減少到原始圖像的四分之一大小，匹配首先在減小的圖像上執行；匹配 完成后，只有較高匹配分值的區域需要被考慮為原始圖像中的匹配區域；
[0024] 所述的圖像理解就是將模式匹配特征一個突出的像素模式描述為一個模板；使用 非均勻抽樣技術，具體包括圖像的結合邊緣像素和區域像素；
[0025] 最后，圖像經過模式匹配處理，得出圖像是否與模板正確匹配的結果；
[0026] 二、紙包裝箱內側異物檢測實現方法
[0027] 使用五部相機采集紙包裝箱內側圖像，共使用五個粒子分析模塊同時進行處理， 基于背景的圖像處理，從圖像中找出與背景不同的部分，實現自動化檢測；
[0028] 首先，需要從圖像中截取一部分圖像進行處理，該部分圖像即是需要被檢測的部 分；對圖像作如下處理：創建一個掩膜從整幅圖像中選擇興趣區域ROI ;對于圖像中重要的 結構和集中分析的區域，使用閾值來提取區域；要求圖像照明均勻，使用全局灰度閾值檢測 圖像；采用粒子分析算法檢測出箱內的異物；
[0029] 所述的粒子分析算法包括：計算圖像的平均灰度、列出求解最佳閾值的相關變量、 求解最佳閾值；
[0030] 所述的粒子分析算法中的粒子濾波根據狀態方程加上控制量可以對每一個粒子 得到一個預測粒子；
[0031] 通過預測粒子，可以得到時間觀察值，下一步進行粒子評價；最后，采用重采樣算 法，去除低權值的粒子，復制高權值的粒子，經過粒子過濾后，圖像中的粒子就是需要的特 征而沒有其他干擾，由此檢測出紙包裝箱內側是否存在異物。
[0032] 本發明針對紙包裝箱外側版面出現漏印、錯印、重復印刷等問題，提出一種模式匹 配算法，四部相機用于紙包裝箱外側版面檢測，保證紙包裝箱外側版面檢測成功率。待測圖 像與模板圖像的匹配分值為〇~1000,本發明在匹配分值〇~1000中設定某一數值為界 限，高于此數值表示待測圖像與模板圖像正確匹配，外側版面無誤；低于此數值表示待測圖 像與模板圖像不能正確匹配，外側版面有誤。當匹配分值為1000時，表示待測圖像與模板 圖像完美匹配；本發明針對紙包裝箱內側存在異物的問題進行處理，本發明提出了一種粒 子分析算法，五部相機用于紙包裝箱內側異物檢測，在照明均勻的條件下，能夠檢測出直徑 為1m