《卷烟小包封签缺陷的自动检测算法设计》
作者：刘焕明
(广东中烟工业有限责任公司，广东 广州 510610)
摘要：传统的卷烟小包封签检测算法存在速度慢、准确率低等不足，提出一种基于Canny边缘检测算法的卷烟小包封签缺陷自动检测算法。首先采用图像分割技术将卷烟小包封签从整幅图像中分割出来，利用均值滤波算法对分割出来的封签区域进行滤波、去噪；然后进行形态学膨胀操作，使封签区域边缘更加完整，缺陷部位更清晰突出；最后采用Canny算法检测封签区域边缘。仿真试验结果表明，该算法可得到清晰、完整的图像边缘，有效检测到卷烟小包封签的缺陷，具有检测速度快、精度高、易于实现等优点。
关键词：卷烟；封签缺陷；自动检测；Canny算法
中图分类号：TP393 文献标识码：A 文章编号：2095-509X(2019)06-0037-04

GDX1卷筒式包装机是目前常用的卷烟包装机型，其额定速率为400包/min。在GDX1卷筒式包装机中，封签纸的起始状态是罗盘状，生产过程中封签纸首先经过封签预展装置，然后完成整体切割。在生产过程中会出现一些不合格的产品，主要表现为封签的缺陷，具体体现为外观不良、翘边、倾斜等，该类缺陷在整个卷烟生产质量问题中占有的比例较大。为了满足顾客消费需求，提升产品在客户心中的品牌形象与信任度，严格控制不合格产品的出现是十分必要的。
刘甲甲等提出了一种基于图像融合特征以及贝叶斯压缩感知的图像分类识别缺陷自动检测算法，从整体物品图像中分割出研究区域子图像，并提取研究区域边缘梯度特征和纹理特征，采用图像融合算法将这两种特征融合，利用贝叶斯压缩感知模型建立传感矩阵，用于求解待测试图像缺陷的稀疏系数矢量，并根据该矢量判定待测试状态。该算法虽然检测的精度高，但是工作效率低。赵兰鹏等提出了基于机器视觉的表面缺陷自动检测研究方法，利用CCD工业相机对待检图像进行采集，并对图像进行拼接、几何矫正、缺陷处理等，实现研究主体表面缺陷检测、特征提取，最后完成其缺陷的判定。该算法虽然效率高，但是对含有噪声的待检图像去噪处理效果不理想，导致漏检率较高。
针对上述方法的不足，本文提出了一种基于Canny边缘检测算法的卷烟小包封签缺陷自动检测算法。仿真分析结果表明，所提算法不仅自动检测精度高，在检测时间上与其他算法相比也具有一定的优势。

1 卷烟小包封签缺陷自动检测算法
1.1 封签区域分割与定位
采用图像分割技术将卷烟外包封签从整幅图像背景中分割出来，将目标锁定在封签区域，利用均值滤波算法对其进行去噪，具体过程如下。
通常情况下，被采集的烟盒处于颜色较深的传送带上，可利用图像分割技术将卷烟小包图像与背景区域有效分离，即：
f(x,y)=
0,f(x,y)≤T
f(x,y),f(x,y)＞T
（1）
其中，阈值T为：
T=+3×Sf
（2）
式中：f(x,y)为卷烟小包图像的灰度值；T为分割法中的阈值；为图像背景区域的灰度均值；Sf为背景区域灰度之间的标准差。当灰度值大于T时，图像灰度没有变化；当灰度值小于或等于T时就会变成黑色。图1所示为分割后获得的与背景区域分离的封签图像。
获取单一背景的卷烟小包图像后，定位已分离的待检测目标区域，确定目标区域的中心位置，以中心点为起点，进行横向与纵向搜索。

作者简介：刘焕明（1971—），男，工程师，主要研究方向为机电自动化，liuhuanming080905@163.com.