胡東紅 郭亨長 王香華 曹祥楊 陳 廣

（1.湖北大學(xué)計算機與信息工程學(xué)院 武漢 430062）（2.上海晨光文具股份有限公司 上海 201406）

1 引言

制造業(yè)在國民經(jīng)濟發(fā)展中扮演了重要的角色［1］。從制筆行業(yè)來看，我國制筆工業(yè)的發(fā)展開始于建國初期，至今已走過六十多年的發(fā)展歷程，大體經(jīng)歷了萌芽初期、調(diào)整改組、滯產(chǎn)短缺、高速發(fā)展四個階段［2］。國內(nèi)主流的制筆廠，年產(chǎn)筆芯在十億支以上，盡管筆芯內(nèi)灌注油墨和尾油的工藝已經(jīng)十分發(fā)達(dá)，但是總有5%左右的筆芯油墨和尾油灌注量未達(dá)到要求?，F(xiàn)實的問題是，市場每年對芯管材質(zhì)完全不透明的筆芯需求大約有1億支，對一個主流的制筆企業(yè)來說，每年大約需要生產(chǎn)3千萬支不透明的筆芯，這其中大約有150萬支筆芯存在油墨和尾油灌裝不合格。

對于芯管材質(zhì)透明、半透明的筆芯，可以采用筆芯側(cè)面透光自動檢測油墨和尾油高度。這種檢測方式簡便快捷，易于實現(xiàn)，成本低。但是對于完全不透明的筆芯，現(xiàn)在主要依靠熟練的技術(shù)工人，在強光照射下采用目測的方式，從筆芯尾部觀察油墨和尾塞油高度，從而將不合格筆芯挑選出來。這種檢測方式主要通過看點的顏色和大小來判斷筆芯中油墨和尾塞油的高度是否合格，從而篩選出不合格筆芯。這種依賴人工的檢測方式，極易引起視覺疲勞，并且存在看臺能力低、勞動強度大、可靠性差、實時性差、效率低等問題，不能滿足自動化生產(chǎn)的需要。因此，本文針對筆芯油墨高度檢測提出一種基于機器視覺的筆芯油墨高度快速檢測方法和裝置。

2 筆芯油墨高度檢測的機器視覺系統(tǒng)設(shè)計

檢測裝置主要組成部分包括工業(yè)相機、鏡頭、光源、觸發(fā)器和工控機。其中，工業(yè)相機和觸發(fā)器的選型是該檢測裝置的核心。由于要求檢測精度高，而筆芯傳送帶的速度又很快，需要選擇分辨率和幀率較高的工業(yè)相機。綜合考慮成本及各項因素，最終選擇了大恒圖像型號為MER-131-210U3M的工業(yè)相機。這是一款采用CMOS感光器的數(shù)字相機，能采用外部觸發(fā)的方式進(jìn)行圖像采集，通過USB-3.0數(shù)據(jù)接口傳輸圖像數(shù)據(jù)。選擇了基恩士的型號為PR-FB30N3的超小型放大器內(nèi)置型光電傳感器對流水線上的筆芯進(jìn)行觸發(fā)，為相機提供觸發(fā)信號。

為了滿足自動化檢測的需求，需要在不影響現(xiàn)有筆芯流水生產(chǎn)線的運行的情況下，將圖像采集裝置與工業(yè)流水線生產(chǎn)結(jié)合起來。檢測裝置總體架構(gòu)頂視圖如圖1所示，筆芯放置在流水線傳送裝置上，同軸光源和相機對準(zhǔn)筆芯尾部，光源光線方向和相機光軸與筆芯軸線平行，傳感器安裝在相機鏡頭前的筆芯上方。傳感器與工業(yè)相機相連，工業(yè)相機與工控機相連。

圖1 筆芯尾塞油快速圖像檢測裝置頂視圖

將筆芯尾塞油灌裝量合格的筆芯放置在流水線上，對準(zhǔn)相機鏡頭，調(diào)節(jié)相機焦距，直到筆芯尾部中心圖像清晰，保持當(dāng)前焦距不變；然后開動流水線，讓筆芯尾塞油灌裝量合格的筆芯隨流水線移動，從鏡頭前通過，觸發(fā)傳感器，相機和計算機在接收到傳感器信號后，采集筆芯尾部圖像，并作為標(biāo)準(zhǔn)圖像存儲在計算機內(nèi)，采集的圖像如圖2所示。

圖2 從筆芯尾部采集的圖像

在實際生產(chǎn)過程中，流水線上筆芯從相機鏡頭前經(jīng)過，筆芯觸發(fā)傳感器信號，傳感器向相機和計算機發(fā)出信號，表示筆芯到達(dá)相機鏡頭前；相機和計算機在接收到該傳感器信號后，相機拍攝圖像，并傳送給計算機；計算機將該筆芯尾部圖像與標(biāo)準(zhǔn)筆芯尾部圖像進(jìn)行比對，從而判斷該筆芯尾塞油灌裝量是否合格。

3 基于離焦模糊的筆芯油墨高度檢測

3.1 離焦測距

1987年，Penland首次提出利用離焦圖像來估計深度的算法［3］，離焦測距逐漸被應(yīng)用于視覺測量領(lǐng)域。Subbarao M和Gurumoorthy N改進(jìn)了Pent?land的算法，通過擴展函數(shù)的參數(shù)關(guān)系來表示鏡頭與被測物體之間的關(guān)系，從而求出物體的深度［4］。Subbarao利用不同散焦程度圖像的頻譜來檢測物體深度［5］。Klarquist和 Geisler提出了其他新的思路，算法的主要核心是在多張不同的散焦圖像上，根據(jù)最大似然估計法求得物體的深度［6］。但是這些方法存在局限性，不能廣泛應(yīng)用于實際的工業(yè)生產(chǎn)檢測當(dāng)中。

圖3表示的是一個邊界景物經(jīng)過光學(xué)成像系統(tǒng)成像之后，變得模糊的過程。成像過程可以看作是點擴展函數(shù)對景物進(jìn)行卷積［7］?？梢钥闯銮逦木拔镞吔缭诰矸e后，變得模糊。一般情況下，如果求出點擴展函數(shù)，就可以通過逆向工程，由卷積后的模糊邊界推算出景物的真實邊界。雖然可以通過手動對焦，多次拍攝不同尾塞油高度的筆芯圖像來統(tǒng)計分析，進(jìn)而利用卷積、去卷積或反卷積等逆向工程算法［8］來估算筆芯尾塞油高度，但是計算量大、效果得不到保證。但是，對于成像系統(tǒng)來說，所獲取的圖像的清晰程度可以直接反應(yīng)其離焦程度［9］?？梢酝ㄟ^計算筆芯尾端圖像中心位置的像斑模糊程度來估算筆芯尾塞油在筆芯管中所處高度。

圖3 景物邊界經(jīng)過成像后變模糊示意圖

3.2 清晰度評價函數(shù)

圖像清晰度評價函數(shù)一般被用在基于數(shù)字圖像處理的自動調(diào)焦方法中，它通過圖像清晰度評價函數(shù)來判斷所拍攝的圖像是否聚焦［10］，來達(dá)到自動調(diào)焦的目的。在本文中，通過檢測中心圓斑的清晰度來反映其散焦的程度，從而達(dá)到筆芯管中油墨高度檢測的目標(biāo)。所以設(shè)計的清晰度評價函數(shù)是否準(zhǔn)確有效決定著高度檢測是否準(zhǔn)確。一般而言，評價函數(shù)要具備良好的單峰性、無偏性、抗噪性、靈敏性［11］。下面將介紹幾種常見的清晰度評價函數(shù)。

3.2.1 灰度變化函數(shù)

因為聚焦圖像有著更多的灰度變化，所以對比散焦圖像，它表現(xiàn)得更加清晰，所以通過計算圖像的灰度變化，也能對圖像清晰度做出評估。其中灰度方差函數(shù)通過計算圖像的灰度方差來評價圖像清晰度?？杀硎緸?/p>

其中I為整個圖像的平均灰度值。也可以通過累積圖像相鄰像素灰度值來估計圖像清晰度?？杀硎緸?/p>

3.2.2 梯度函數(shù)

圖像梯度經(jīng)常用于圖像處理中檢測圖像邊緣，聚焦圖像的邊緣比離焦圖像更加鋒利，所以會有更大的圖像梯度值，因此也能作為評價圖像清晰度的依據(jù)。其中平方梯度聚焦評價函數(shù)通過差分計算微分，將微分值平方來凸顯梯度。可表示為

TenenGrad聚焦評價函數(shù)通過Sobel算子求取圖像在水平和垂直方向的梯度［12］。表示為

其中 Gx(x，y)、Gy(x，y)分別是圖像與Sobel算子的卷積。四鄰域微分法通過拉普拉斯算子得到四鄰域微分來表征圖像清晰度［13］。可表示為

3.2.3 差的平方和

差的平方和（SSD）是一種最簡單的對比計算方法，計算對應(yīng)位置像素的差值來衡量圖像的差異，可以表示為

SSD值越大，表示差異度越大。

3.2.4 峰值信噪比

峰值信噪比（PSNR）是最普遍、使用最為廣泛的一種圖像客觀評價指標(biāo)。它是一種全參考的圖像評價指標(biāo)，能夠衡量圖像失真程度和噪聲水平，不考慮人眼對低頻對比差異敏感的特性，只考慮對應(yīng)像素點間的誤差［14］?？梢员硎緸?/p>

其中max表示是圖像顏色的最大數(shù)值，一般灰度圖像取255。MSE表示均方差，可以定義為

PSNR的單位是dB，數(shù)值越大表示失真越小。

3.2.5 結(jié)構(gòu)相似性

結(jié)構(gòu)相似性（SSIM）是用方程和均方差來計算兩幅圖像的相似程度［15］。設(shè)有X、Y兩個圖像，uX、uy分別表示兩個圖像各自的均值，σx、σy分別表示其方差，σxy表示它們的協(xié)方差，結(jié)構(gòu)相似性分別從亮度、對比度、結(jié)構(gòu)三個方面來衡量兩個圖像的相似程度，可以用下面三個式子表示：

其中c1、c2、c3是3個常數(shù)，用來避免分母為0的情k1、k2、b分別取0.01、0.03和255。

結(jié)構(gòu)相似性表示為

它的取值范圍為［0，1］，取值越大，圖像越相似。

3.2.6 基于邊緣梯度的清晰度檢測

圓斑的中心像素點灰度值最大，然后灰度值以圓環(huán)的形式依次向外遞減，即以中心點為出發(fā)點向任意方向發(fā)散的像素點灰度值呈單調(diào)遞減的趨勢。邊緣保持濾波在濾除噪聲的情況下，很大程度上保持了這種遞減趨勢，但是沒有濾除的噪聲導(dǎo)致的灰度下降也可能被認(rèn)作邊緣。

基于上述討論，為了克服噪聲影響并減少計算量，可以在每個發(fā)散方向上每隔幾個像素點取一個像素，這樣可以減少平坦區(qū)域的影響。由于每個方向可能會有多個灰度的階躍變換，如果將所有像素點都計入考慮，那么將使得最終的灰度梯度值平坦化。通過觀察圖像，可以看到亮斑中間有個較為清晰的圓斑，呈現(xiàn)出明顯的梯度變化。為了滿足檢測結(jié)果的單峰性要求，可以只計算出這個梯度下降。具體步驟如下：

1）對圖像使用邊緣保持濾波，濾除噪聲的同時保持邊緣梯度；

2）以中心點為圓心，按半徑的方向等角度取多條路徑。為了簡化計算，降低孤立噪聲的干擾，可以等間隔在路徑上選取多個像素點，找出這些像素點中的灰度值連續(xù)下降點；

3）使用直線擬合的方法計算出連續(xù)下降點的斜率，以此來表示對應(yīng)路徑的梯度下降；

4）對所有路徑的梯度下降排序，選擇中間的幾個做求和平均運算，以此來表示整個圖像的清晰度。

4 不同油墨高度筆芯的檢測試驗

通過定位筆芯尾端中心，取得反映筆芯油墨高度的矩形區(qū)域，通過評估矩形區(qū)域中圓斑的模糊程度來估量油墨高度。如圖4所示，分別為靜態(tài)條件下測得的筆芯尾端中心圖像，筆芯油墨高度依次下降1mm，其中第5張為標(biāo)準(zhǔn)油墨高度的筆芯圖像。通過直接觀察，可以看出油墨高度偏離標(biāo)準(zhǔn)高度越遠(yuǎn)，那么得到的圖像越模糊。

對于以上實際采集的圖像分別使用灰度方差法、差的平方和法、結(jié)構(gòu)相似性法和邊緣梯度法的歸一化結(jié)果如圖5所示。可以看出使用灰度方差法和結(jié)構(gòu)不滿足單峰性，差的平方和法無偏性較差，邊緣梯度法的效果較好。通過設(shè)置合適的閾值，可以利用此方法和檢測裝置剔除掉油墨偏多或者偏少的筆芯。

圖4 尾塞油高度位置為16mm～25mm時的筆芯尾端圖像

圖5 筆芯尾塞油圖像清晰度評價結(jié)果

5 結(jié)語

自動化生產(chǎn)是制造業(yè)發(fā)展的一種趨勢。隨著制筆行業(yè)的快速發(fā)展，生產(chǎn)自動化程度的日益提高，機器視覺技術(shù)已受到越來越多的青睞，對于制筆行業(yè)來說，推進(jìn)機器視覺技術(shù)在制筆加工檢測中的應(yīng)用，加速自動化發(fā)展也是勢在必行。本文提出的筆芯油墨高度快速檢測裝置基于機器視覺技術(shù)，通過不同油墨高度的筆芯具有不同散焦模糊程度這一特征實現(xiàn)了不合格灌墨量筆芯的剔除。同傳統(tǒng)的檢測方法做對比，它具有非接觸、精度高、效率高的優(yōu)勢，展現(xiàn)出了光學(xué)機器視覺技術(shù)在制筆行業(yè)加工檢測領(lǐng)域中很好的應(yīng)用前景。