摘 要：提出一種適于實時在線檢測方便面面塊破損的方法，即通過建立計算機視覺系統(tǒng)，獲取面塊圖像，針對方便面特點利用“圍剿算法”分割出面塊圖像，然后通過“削切算法”除去面塊邊緣毛刺，以便于求得面塊的“真邊界”，然后求取面塊與其外接矩形面積的比值對方便面的破損進(jìn)行快速判斷，本實驗另辟蹊徑，其優(yōu)勢十分明顯，識別率高，速度快。 關(guān)鍵詞：方便面;形狀識別;計算機視覺; 圖像分割 Abstract: An on-line method was proposed to identify damaged instant noodle. Use computer vision to capture the image. Then use “around shock method” to segment the image. The burr of edge is get rid of after “cut processing”, So “real borderline” was gained. Then the area ratio of dough and exterior rectangle was available and made rapid identify on speedy inspection of defaulted. This study method is novelty, superiority, nicety and speedily. Key words: Instant noodle; Shape recognition; Machine vision; Image Segmentation 0. 引言 　　近年來,隨著方便面市場劇烈競爭，各廠家紛紛降低成本、提高產(chǎn)品質(zhì)量、樹立品牌形象、提高企業(yè)競爭力。在不降低產(chǎn)品質(zhì)量的前提下，要增強企業(yè)的競爭力，只有走規(guī)?；?jīng)營之道;而規(guī)模化的核心目標(biāo)就是“以規(guī)模降成本”，即擴(kuò)大生產(chǎn)規(guī)模，挖掘企業(yè)潛力，向規(guī)模要效益，向管理要效益，降低生產(chǎn)成本和管理成本。鑒于此，方便面生產(chǎn)的自動化水平漸漸成為一個不容忽視的重要問題。目前，方便面生產(chǎn)線后段應(yīng)用了自動排面?zhèn)魉蛶Ъ白詣由涿鏅C、自動投包機、自動疊袋機及自動裹包式紙箱裝箱機等（如頂新集團(tuán)），而方便面生產(chǎn)線次品挑選工作還是依賴人工視覺來完成。人工視覺檢測具有速度低，受主觀影響較大，誤檢率和漏檢率高等缺點。所以，研制高效方便面自動化檢測系統(tǒng)能提高產(chǎn)品質(zhì)量，解放生產(chǎn)力和節(jié)約成本，適應(yīng)現(xiàn)代化工業(yè)的需要。 　　機器視覺技術(shù)是機器代替人眼來做測量和判斷，國內(nèi)外已將此技術(shù)成功地運用到眾多產(chǎn)品的質(zhì)量檢測上。與人工視覺檢測相比較，機器視覺具有自動化程度高、識別能力強、測量精度高等優(yōu)點，具有廣泛的應(yīng)用前景。隨著圖像處理技術(shù)的日趨先進(jìn)、計算機硬件成本的下降及計算機處理速度的提高，在食品及農(nóng)產(chǎn)品品質(zhì)自動檢測和分級領(lǐng)域應(yīng)用機器視覺已變得越來越具有吸引力。 　　方便面生產(chǎn)線上依外觀挑選出的不良品主要有破損、油炸過度或不足、大花、并條、堆積等，其中80%以上為破損面塊。本文以方形面塊為例進(jìn)行在線快速破損檢測。因為面塊邊緣不平整且常有一些毛刺，常規(guī)的視覺識別方法難以進(jìn)行判斷。本文利用“削切處理”除去毛刺，得到面塊的真邊界，然后利用面塊與外接矩形的面積比判斷缺損與否，實驗表明該方法識別率高，速度快，適合在線檢測。 1. 試驗材料與裝置 　　本實驗樣本來自河南正龍食品有限公司的白象方便面系列之一：大骨面，它具有油炸方便面的代表性。由正龍集團(tuán)新鄭分公司三車間生產(chǎn)。共采集實驗樣本128塊，其中缺損面塊70塊。 　　實驗裝置由計算機、CCD攝像機、圖像采集卡、光源和輸送線等組成（圖1）。其中CCD攝像機采用美國Uniq-uc610，圖像采集卡采用加拿大Matrox Meteor-II型（該采集卡具有外觸發(fā)功能）。本系統(tǒng)采用封閉式照明系統(tǒng)，照明室上部兩側(cè)采用兩個對稱的30 W日光燈作為光源，輸送線為黑色，面塊經(jīng)自動排面輸送線（將面塊擺放整齊，并且使面塊之間間隙均勻）將面塊輸送到視覺檢測部分。 　　圖像的獲取采用觸發(fā)抓拍的方式，檢測元件為OMORN的E3C-DS10觸發(fā)器配合放大器E3C-3C使用。這是一個反射型的觸發(fā)器。當(dāng)傳送帶上有面塊過來時，信號強度發(fā)生變化，輸出一個脈沖信號來控制相機抓拍圖像。本實驗所拍攝圖像大小為640×474，以24位bmp格式存儲。圖像處理算法在Visual C ++ 6.0平臺上編譯通過。 2. 圖像處理 　　采集后的圖像首先要經(jīng)過預(yù)處理，預(yù)處理包括濾噪、圖像分割、去邊緣毛刺等，以便于后續(xù)的形狀判斷工作。 　　2.1 圖像濾噪 　　本試驗采用快速中值濾波方法去除噪聲。既有效抑制圖像中的噪聲，又保護(hù)圖像的輪廓邊界不使其變模糊。此算法處理速度快，能滿足在線檢測的要求。 　　2.2 圖像分割 　　圖像的背景是黑色的，而面塊相對來說是淺色的。經(jīng)實驗，選取HIS顏色空間中I分量為判斷條件時，直方圖為理想的雙峰型（圖3）。選擇谷作為灰度閾值將得到合理的物體邊界。同一顏色從RGB到HIS的轉(zhuǎn)換為非線性變換，其轉(zhuǎn)換關(guān)系為： 　　圖像分割一般采用閾值法， 　　本研究中由于面塊花紋深陷處、空洞處等顏色灰度值與背景差別不大，采用閾值法容易將面塊部分當(dāng)作背景去除掉，從而影響后續(xù)的處理（圖4b）。本文采用了“圍剿算法”分割圖像?；舅枷胧峭ㄟ^掃描圖像找到面塊的四周邊緣點，將其以外的部分像素灰度值置白（R、G、B灰度值全設(shè)為255），而面塊區(qū)域不變。該方法先采用縱向掃描的方式，從整個圖像最左端開始依次掃描圖像的每一列。首先從一列的最頂端掃描，當(dāng)掃描到面塊點時即停止掃描，記錄該點為1點（圖4a）。（如果到掃描到下邊界仍然沒有碰到面塊點，說明此列全部是背景點，將其灰度值置白，接著掃描下一列）。再從該列的最底端開始掃描，同樣，掃描到面塊點時停止掃描，記錄這點為2點，那么1點和2點之間就是面塊區(qū)域，保持其灰度值不變，1點和2點之外的為背景區(qū)域，將其灰度值置白。縱向掃描完成后，再用同樣的方法橫向掃描處理，這樣即干凈地去除了背景又完整地保留了面塊區(qū)域（圖4c所示）。 　　2.3 去邊緣毛刺 　　面塊邊緣不平整，常有不規(guī)則鋸齒狀毛刺，人工視覺檢測時會替意識忽略毛刺去判斷面塊整體形狀，而毛刺對于計算機識別形狀形成障礙。本研究通過“削切算法”，削切面塊邊緣去除毛刺，得到面塊的“真邊界”。 　　具體步驟如下：首先采用縱向掃描方式，從整個圖像的最左端開始依次掃描每一列（圖5），記錄該列最頂端面塊像素點a到最底端面塊像素點b之間所有像素個數(shù)N總 和面塊像素個數(shù)N面 ，計算該區(qū)間內(nèi)面塊像素所占的比例Ratio， Ratio=N面/N總 。如果Ratio<0.70 ，把此列像素灰度值全部置白（R、G、B設(shè)置為255）。當(dāng)掃描至某列Ratio>=0.70且 N面>30時，掃描結(jié)束（因為毛刺為鋸齒狀，邊緣呈漸進(jìn)變化趨勢，實驗表明，此時毛刺基本消除又不會破壞面塊形狀。）。記錄此時的邊界值left。同樣方式處理上、右、下邊界，并記錄對應(yīng)的三個邊界值right，up，bottom。至此削切處理完成。（處理后效果如圖6所示） 3.缺損判斷 　　3.1特征值提取 　　本研究提取的兩個特征值是面塊的初始面積 （A初）和削切處理后面塊與外接矩形的面積比（R比）。其中A初是通過掃描圖像，累記面塊像素個數(shù)來表示。R比是通過下式來表示： 　　 　　式中：A面為削切后面塊的面積，計算方法同A初; （right-left+1）（bottom-up+1）為削切后面塊外接矩形的面積，其中up、bottom、left、right為第2.3步驟中得到的四個值。 　　3.2缺損有無的判斷： 　　通過大量的實驗統(tǒng)計：正常面塊R比值為0.95～0.10，而缺損面塊的R比值一般低于0.95。因此，只要R比<0.95則判斷面塊缺損。實驗還發(fā)現(xiàn)有極少數(shù)缺損面塊是與邊平行斷損，這種缺損面塊經(jīng)削切處理后整體形狀仍然是矩形， R比值會接近正常面塊從而造成誤判。但這類面塊共同的特征是斷損區(qū)域較大，會造成面塊初始面積明顯偏小，即A初< 8000（正常面塊A初在10000左右）。所以，經(jīng)R比判斷合格的面塊要再A初值檢驗，如果A初< 8000則判斷面塊缺損。本文通過對128塊面塊（其中缺損面塊70塊）進(jìn)行實驗，判斷準(zhǔn)確率達(dá)96.8%。 4. 結(jié)論 　　本文模擬方便面生產(chǎn)線設(shè)計了圖像采集裝置，利用觸發(fā)控制抓拍到對比度較高的方便面圖像。采用Visual C++6.0 開發(fā)了一套行之有效的軟件系統(tǒng)。采用了“圍剿算法”巧妙地去除背景，利用了“削切算法”對面塊邊緣進(jìn)行處理，去除周邊毛刺的干擾。最后提取二個特征參數(shù)即削切后面塊與外接矩形的面積比值R比和初始面塊面積A初來判斷面塊是否缺損。這樣把復(fù)雜的形狀識別問題轉(zhuǎn)化為面積計算問題，這種方法看似簡單，但其效果是常規(guī)的形狀識別算法不易達(dá)到的。本實驗方法另辟蹊徑，其優(yōu)勢十分明顯，識別率高、速度快、實用性強，完全滿足在線檢測。 本文作者創(chuàng)新點: 　　1.模擬方便面生產(chǎn)線設(shè)計了圖像采集裝置，利用觸發(fā)控制抓拍到對比度較高的方便面圖像; 　　2.利用HIS顏色空間下像素的I值作為參數(shù)，采用了“圍剿算法”對圖像進(jìn)行了巧妙分割; 　　3.利用了“削切算法”對面塊邊緣進(jìn)行處理，去除周邊毛刺的干擾。解決了計算機后續(xù)形狀識別的干擾問題。 　　4.提取二個特征參數(shù)（即削切后面塊與外接矩形的面積比值R比和初始面塊面積A初）來判斷面塊是否缺損，識別率高。 參考文獻(xiàn) 　　[1].簡慶龍,許興鹍. 圖像處理在煙葉雜物剔除系統(tǒng)上的應(yīng)用研究[J].微計算機信息, 2005,No.5:149-150. 　　[2].V.Leemans,H.Magein,M.-F.Destain. On-line Fruit Grading according to their External Quality using Machine Vision. Biosystems Engineering, 2002, 83（4）:391～404. 　　[3]. Milan Sonka . Image Processing , Analysis, and Machine Vision . Beijing . Posts & Telecom Press . 2003 . 12～16,83～128 　　[4].Growe T G et al. Real-time defect detection in fruit Part III : An algorithm and performance of a prototype system. Transaction of the ASAE, 1996, 39（6）:2309～2317. 　　[5]王建衛(wèi), 彩色圖像的中值濾波算法的改進(jìn)與應(yīng)用[J]. 哈爾濱商業(yè)大學(xué)學(xué)報（自然科學(xué)版）2006，V.24,N.4. 67-69 　　[6].黃星奕, 林建榮, 趙杰文.蘋果果梗和缺陷的識別技術(shù)研究[J].江蘇大學(xué)學(xué)報:自然科學(xué)版, 2004, 工25（ 3）: 193-195 　　[7].方如明, 蔡健榮, 許俐.計算機圖像處理技術(shù)及其在農(nóng)業(yè)工程中的應(yīng)用[M].北京: 清華大學(xué)出版社, 1999: 67-69 　　[8].Kenneth .R .Castleman. 數(shù)字圖像處理[M]. 北京: 電子工業(yè)出版社，2003