基于CNN技術(shù)的稅票粘貼質(zhì)量在線(xiàn)檢測(cè)
掃描二維碼
隨時(shí)隨地手機(jī)看文章
引言
隨著我國(guó)出口煙比重的增大,其產(chǎn)品質(zhì)量也越來(lái)越受到重視,稅票成為了生產(chǎn)中的重點(diǎn)關(guān)注對(duì)象。稅票是否粘貼正確,不合格稅票煙是否能被準(zhǔn)確剔除,對(duì)公司出口煙的質(zhì)量產(chǎn)生直接影響。由于目前國(guó)內(nèi)生產(chǎn)稅票煙的煙廠不多,相關(guān)方面的檢測(cè)研究也相對(duì)較少。當(dāng)前檢測(cè)稅票的主要裝置就是GDx2出廠選配的原裝檢測(cè)傳感器,只是用來(lái)檢測(cè)有無(wú)稅票,沒(méi)有進(jìn)行定位檢測(cè),不能全方面判斷稅票粘貼的質(zhì)量好壞。
CNN是第一個(gè)真正成功訓(xùn)練多層網(wǎng)絡(luò)結(jié)構(gòu)的學(xué)習(xí)算法,目前廣泛應(yīng)用于語(yǔ)音識(shí)別和圖像處理。該網(wǎng)絡(luò)結(jié)構(gòu)更類(lèi)似于生物神經(jīng)網(wǎng)絡(luò),降低了網(wǎng)絡(luò)模型的復(fù)雜度,減少了權(quán)值的數(shù)量,這使其在進(jìn)行圖像處理時(shí)有相對(duì)簡(jiǎn)單的特征識(shí)別和模型建立機(jī)制。關(guān)于CNN在圖像處理方面的應(yīng)用研究已經(jīng)有很多成功的先例,主要體現(xiàn)在深度學(xué)習(xí)后的系統(tǒng)智能性高、辨識(shí)度強(qiáng)、實(shí)用性強(qiáng)。本文旨在研發(fā)一套基于CNN技術(shù)的高精度稅票檢測(cè)裝置,從而實(shí)現(xiàn)對(duì)稅票粘貼質(zhì)量的實(shí)時(shí)監(jiān)控、判定,以及對(duì)不合格稅票煙的剔除。
1系統(tǒng)設(shè)計(jì)
整個(gè)系統(tǒng)主要實(shí)現(xiàn)稅票煙包的圖像采集、圖像分析處理、圖像處理結(jié)果反饋執(zhí)行三大部分:從整個(gè)硬件架構(gòu)來(lái)說(shuō),主要由工控機(jī)(控制系統(tǒng))、圖像采集器和底層下位機(jī)(執(zhí)行系統(tǒng))組成。
1.1稅票煙包圖像采集系統(tǒng)的技術(shù)原理
稅票圖像采集系統(tǒng)主要包含一個(gè)檢測(cè)終端和一個(gè)中央控制p1C,其中檢測(cè)終端又可以分成三個(gè)部分,分別是一個(gè)設(shè)于煙包通道上方的外部框架,對(duì)稱(chēng)安裝于所述外部框架上且均朝向煙包通道照射的兩個(gè)光源和煙包通道上用于采集煙包稅票圖像的一個(gè)工業(yè)相機(jī)。檢測(cè)終端的具體構(gòu)成如圖1所示。
當(dāng)煙包進(jìn)入檢測(cè)區(qū)域時(shí),光電傳感器檢測(cè)到煙包,并迅速將該檢測(cè)信號(hào)通過(guò)控制系統(tǒng)通知光源控制器控制光源發(fā)出采集圖像所需的光,同時(shí),工業(yè)相機(jī)進(jìn)行圖像采集工作,在檢測(cè)框架內(nèi)的特定位置及時(shí)攝取帶有稅票的煙包圖像,此圖像將作為檢測(cè)系統(tǒng)的原始圖像,供工控機(jī)中的檢測(cè)軟件進(jìn)行稅票粘貼質(zhì)量的判斷。
1.2圖像清晰度增強(qiáng)處理
該裝置設(shè)計(jì)了一個(gè)專(zhuān)用的光源控制器,輔助相機(jī)提高圖像采集的清晰度。光源控制器的控制結(jié)構(gòu)如圖2所示。該輔助系統(tǒng)工作時(shí),工業(yè)相機(jī)進(jìn)行支架內(nèi)環(huán)境的圖像試采集,將該圖像反饋給工控機(jī)進(jìn)行分析。工控機(jī)將該分析結(jié)果傳輸給光源控制器,光源控制器根據(jù)分析結(jié)果進(jìn)行光照強(qiáng)度調(diào)節(jié),并將這一調(diào)節(jié)值進(jìn)行存儲(chǔ)。稅票煙包由包裝機(jī)的煙包通道進(jìn)入圖像采集點(diǎn),定位傳感器檢測(cè)到煙包,將該信號(hào)傳輸給工控機(jī)。工控機(jī)根據(jù)這一時(shí)機(jī)信號(hào),控制光源控制器的光源打開(kāi)指令,光源控制器將之前存儲(chǔ)的光照強(qiáng)度調(diào)節(jié)值配合驅(qū)動(dòng)電路使1ED光源打開(kāi),配合工業(yè)相機(jī)進(jìn)行稅票圖像的采集。
2圖像處理方法
2.1圖像預(yù)處理
對(duì)于相機(jī)拍攝到的原始圖像,系統(tǒng)首先要進(jìn)行一個(gè)預(yù)處理,去除圖像采集時(shí)由于光照、攝像頭參數(shù)和位置方向等因素造成的圖像干擾,這一過(guò)程包括圖像去噪、光照歸一化以及根據(jù)邊緣算法確定煙包的準(zhǔn)確位置,排除環(huán)境的干擾因素,實(shí)現(xiàn)圖像的尺寸、旋轉(zhuǎn)和仿射歸一化處理,最終獲得清晰的包含有稅票信息的煙包區(qū)域圖片。具體步驟如下:
(1)圖像去噪:采取高斯型雙邊濾波等方法,在保持圖像邊緣信息的基礎(chǔ)上較好地去除噪聲干擾:
(2)光照歸一化:對(duì)圖像進(jìn)行直方圖均衡,去除光照對(duì)成像的影響:
(3)圖像尺寸、旋轉(zhuǎn)和仿射歸一化。
采用sobe1等算法對(duì)圖像進(jìn)行邊緣提取,然后采用Hough(霍夫)變換法提取邊緣圖像中的主要直線(xiàn),根據(jù)主要直線(xiàn)定位出煙盒的4條邊界,對(duì)圖像進(jìn)行尺寸、旋轉(zhuǎn)和仿射變換,實(shí)現(xiàn)歸一化處理。
2.2R1o區(qū)域提取
考慮到采集到的圖像分辨率過(guò)大,會(huì)造成運(yùn)算量過(guò)大。此外,圖像背景上無(wú)關(guān)因素也會(huì)影響圖像檢測(cè)的精度。為此,采用提取ROI(感興趣區(qū)域)方法對(duì)圖像進(jìn)行預(yù)處理。提取ROI區(qū)域能夠減少下一步目標(biāo)檢測(cè)的搜索范圍,提高算法的精度和效率。
2.3目標(biāo)檢測(cè)
稅票粘貼位置往往各不相同,在模板標(biāo)定過(guò)程中也很難尋求一種較好的擬合方法來(lái)計(jì)算,本文采用卷積網(wǎng)絡(luò)算法進(jìn)行了深度學(xué)習(xí),卷積神經(jīng)網(wǎng)絡(luò)是一個(gè)多層的神經(jīng)網(wǎng)絡(luò),每層由多個(gè)二維平面組成,而每個(gè)平面由多個(gè)獨(dú)立神經(jīng)元組成。
CNN算法將一副圖像通過(guò)多次的特征提取,成為C層,最終變成無(wú)數(shù)個(gè)子圖像(s層),使其接近于一個(gè)個(gè)的點(diǎn),再通過(guò)函數(shù)關(guān)系將這些點(diǎn)換算成一個(gè)函數(shù)輸出值,通過(guò)該值與標(biāo)準(zhǔn)值的比較,進(jìn)而識(shí)別稅票圖像的優(yōu)劣。
3稅票圖像分析系統(tǒng)的軟件
根據(jù)上文所述的分析原理,最終將這些算法集中表達(dá)至一個(gè)檢測(cè)軟件上,即稅票圖像檢測(cè)軟件。該軟件的功能及使用界面具體如下所述。
3.1軟件啟動(dòng)與退出
電源通電,工控機(jī)系統(tǒng)啟動(dòng),系統(tǒng)啟動(dòng)后延時(shí)1min,稅票外觀檢測(cè)系統(tǒng)會(huì)自動(dòng)啟動(dòng)并檢測(cè)P1C及工業(yè)相機(jī)的連接狀態(tài),如果都連接正常,則進(jìn)行初始化及調(diào)取各個(gè)配置參數(shù),完成后即可等待相機(jī)觸發(fā)及檢測(cè),如圖3所示。
圖3稅票檢測(cè)軟件的準(zhǔn)備界面
3.2相機(jī)參數(shù)設(shè)置
相機(jī)參數(shù)的設(shè)置主要包括相機(jī)觸發(fā)模式、采集方式和相機(jī)曝光時(shí)間。
3.3檢測(cè)設(shè)置界面
在檢測(cè)設(shè)置界面,可以設(shè)置各種檢測(cè)方式,包括邊緣檢測(cè)、亮度檢測(cè)、自動(dòng)學(xué)習(xí)模式和學(xué)習(xí)模板等功能。
該系統(tǒng)檢測(cè)結(jié)果有兩個(gè)缺陷輸出,其中模板檢測(cè)的第一個(gè)工具的缺陷輸出信號(hào)連著原機(jī)色標(biāo)檢測(cè)信號(hào),此工具連續(xù)出現(xiàn)3個(gè)NG會(huì)使主機(jī)停機(jī),因此設(shè)置此工具時(shí),盡量讓搜索框大一些,模板選取較大范圍的稅票圖案。其他的檢測(cè)工具對(duì)應(yīng)的缺陷輸出通過(guò)P1C設(shè)置的步距進(jìn)行剔除,為保證剔除準(zhǔn)確,每次剔除兩個(gè)疊包共4包。
4結(jié)語(yǔ)
本文介紹的基于CNN技術(shù)的高精度稅票檢測(cè)裝置加強(qiáng)了稅票圖像采集的清晰度,擺脫了包裝機(jī)空間狹小、通道灰暗的限制,為稅票檢測(cè)系統(tǒng)提供了最有利的硬件支持。該稅票檢測(cè)系統(tǒng)所采用的卷積神經(jīng)網(wǎng)絡(luò)圖像識(shí)別算法,在實(shí)際應(yīng)用中體現(xiàn)了其處理準(zhǔn)確度高、算法精確的優(yōu)點(diǎn),對(duì)于不合格稅票的檢測(cè)準(zhǔn)確率達(dá)到了99%以上,并且計(jì)算速度快,不影響包裝機(jī)正常生產(chǎn),用戶(hù)反映良好。