劉飛飛， 馬禮然

(1.江西理工大學(xué) 電氣工程與自動化學(xué)院，江西 贛州 341000;2.江西理工大學(xué) 機(jī)電工程學(xué)院，江西 贛州 341000)

0 引 言

從2019年12月開始，湖北省武漢市發(fā)現(xiàn)了多起不明原因的病毒性感染病例，我國爆發(fā)了新型冠狀病毒肺炎(Covid—19)。新冠病毒傳染性極強(qiáng)，傳播途徑廣，潛伏期時間長。外出時佩戴好一次性醫(yī)用口罩，是必要防護(hù)措施。隨著全國復(fù)工復(fù)課，辦公、出行、上課都需要佩戴口罩，口罩需求不斷上升。目前口罩檢測主要依靠人眼，這種模式不僅檢測成本高，而且檢測速度及精度無法滿足生產(chǎn)需要。因此，外科口罩通過機(jī)器視覺方法檢測表面缺陷是必要的。

機(jī)器視覺相較于人眼，有速度快，準(zhǔn)確性高，檢測成本低等優(yōu)勢，因此被廣泛應(yīng)用于工業(yè)生產(chǎn)檢測領(lǐng)域。早在1985年，Mandeville J R[1]開發(fā)了利用機(jī)器視覺的印刷電路板(printed circuit board,PCB)缺陷檢測系統(tǒng)，解決了過去檢測PCB板過程中無法準(zhǔn)確檢測出大面積缺陷及變形區(qū)域的問題。2013年,Ghorai S等人[2]針對鋼表面缺陷檢測，提出小波變換的方法，比閾值分割法表現(xiàn)更好。鄧擁軍等人[3]提出用石材外形的段包絡(luò)線作為基準(zhǔn)，抓取尺寸測量角點對比尺寸參數(shù)，利用分塊策略生成局部多特征映射矩陣，確定石材表面缺陷的方法。

本文利用一次性醫(yī)用口罩具有透光性的特點，提出了一種基于模板匹配與仿射變換相結(jié)合的一次性醫(yī)用口罩耳繩檢測方法。它利用電荷耦合器件(charge coupled device,CCD)相機(jī)結(jié)合傳送帶上到達(dá)固定拍攝點的一次性醫(yī)用口罩獲取待檢測圖像，然后通過計算機(jī)對其分析處理，檢測判斷口罩帶是否斷裂，并根據(jù)判斷結(jié)果分揀合格品。

1 檢測系統(tǒng)結(jié)構(gòu)與流程

1.1 檢測系統(tǒng)的結(jié)構(gòu)

測量系統(tǒng)的結(jié)構(gòu)主要包括工作臺、CCD相機(jī)、鏡頭、光源和計算機(jī)，整體系統(tǒng)結(jié)構(gòu)如圖1所示。本系統(tǒng)的工作流程為：將傳送帶傳送過來的一次性醫(yī)用口罩置于背光板上側(cè)，通過CCD相機(jī)拍攝口罩圖像；通過算法集成軟件對圖像處理分析，獲得耳繩焊點處的區(qū)域中心坐標(biāo)和區(qū)域面積等參數(shù)值，判斷耳繩是否有缺陷。

圖1 一次性醫(yī)用口罩檢測系統(tǒng)結(jié)構(gòu)

1.2 光源設(shè)置

使用光源是為了突出被測物的特征，降低不必要的干擾因素。因此在選擇光源時，需要考慮光源與待檢測物體間的相互作用。背光源主要應(yīng)用于被測物的輪廓，透明物件的污漬檢測等。一次性醫(yī)用口罩的主要材料為熔噴布及聚丙烯纖維，具有透光性，將其置于背光源上，能清晰地看到口罩的內(nèi)外部結(jié)構(gòu)。

本系統(tǒng)調(diào)試光源時選取了紅、藍(lán)、綠、金四種背光源。光源強(qiáng)度都設(shè)置為3，通過CCD相機(jī)拍攝醫(yī)用口罩的彩色圖片。截取部分圖片，進(jìn)行灰度化處理，結(jié)果如圖2所示，紅色背光源表現(xiàn)最好。

圖2 背光源下CCD相機(jī)拍攝的圖片灰度化局部結(jié)果

2 算法流程

為了實現(xiàn)低成本檢測，并且提高檢測速度的目標(biāo)，本文中提出了一種基于“Weickert”模式的各向異性濾波下的圖像金字塔快速模板匹配方法的一次性醫(yī)用口罩耳繩缺陷檢測算法，該算法總體流程如圖3所示。首先，創(chuàng)建鼻梁片模板同時確定好口罩耳繩的4個固定焊點位置；然后，對CCD相機(jī)捕捉的口罩待檢測圖片灰度化處理，使用“Weickert”模式的各向異性濾波創(chuàng)建圖像金字塔尋找模板，通過仿射變換，確定口罩耳繩焊點相對位置；最后，閾值分割，特征提取，計算面積及ROI個數(shù)，判斷識別耳繩缺陷。

圖3 算法總體流程圖

3 圖像處理關(guān)鍵技術(shù)

3.1 基于圖像金字塔的口罩鼻梁片模板匹配

模板匹配的過程，是把創(chuàng)建的模板在待檢測圖像上逐點移動，每移動到一個位置都會計算這個位置上的相似度量，相似度量s是一個函數(shù)，可以把所有的相似度量最后看為一副圖像[4]。等式為

s(r,c)=s{t(u,v),f(r+u,c+v);(u,v)∈T}

(1)

式中t(u,v)為模板內(nèi)各點的灰度值；f(r+u,c+v)為模板感興趣區(qū)域(region of interest,ROI)移動到圖像當(dāng)前位置時ROI內(nèi)的灰度值；T為ROI。

最簡單的相似度量方法是計算模板與圖像之間差值的絕對值的總和或所有差值的平方和(SAD和SSD)[5]。它們的等式分別為

(2)

(3)

式中n為模板ROI中點的數(shù)量。

SAD和SSD的缺點是計算結(jié)果受光照影響，歸一化互相關(guān)系數(shù)(normalized crsoss coefficient,NCC)不用考慮光照的影響[6]。NCC等式為

(4)

歸一化互相關(guān)系數(shù)的范圍是-1≤ncc(r,c)≤1。只有當(dāng)ncc(r,c)=±1時，模板和圖像的相似性才會完全相同。|ncc(r,c)|的值越大，則表明模板與正在匹配的圖像區(qū)域的相似性越大，|ncc(r,c)|的值越小則表明越不相似。

為了提升模板匹配的效率，本文提出了使用圖像金字塔的模板匹配。圖像金字塔指構(gòu)造過程中，創(chuàng)建的圖像從下到上按圖像大小依次遞減堆放，形成金字塔形狀，其模型如圖4所示。

圖4 圖像金字塔模型

創(chuàng)建圖像金字塔伴隨著圖像信息的丟失，因此要確定好層數(shù)[7]。確定層數(shù)的方法是，在最高層圖像上完成一次模板匹配[8]。基于圖像金字塔的模板匹配可以快速地找到目標(biāo)物。每加一層圖像，匹配速度提升16倍。本實驗中，根據(jù)鼻梁片結(jié)構(gòu)特征，確定層數(shù)為6層。各情況匹配所用時間如表1所示。

表1 基于圖像金字塔的模板匹配找到鼻梁片的運行時間對比

3.2 各向異性濾波

創(chuàng)建圖像金字塔時，根據(jù)圖像特征選取不同的濾波器。若選擇的濾波器不合適，創(chuàng)建圖像金字塔時會出現(xiàn)圖像平移的狀況。

各向異性濾波是對圖像進(jìn)行各向異性擴(kuò)散，其能盡可能多地降低噪聲的影響，同時減少對圖像邊緣的信息丟失[9]。擴(kuò)散過程中將圖像視為灰度值函數(shù)u，該算法是偏微分方程的離散化，主要受長度、時間步長及迭代次數(shù)的影響

u_t=div(g(|gradu|2,c)gradu)

(5)

式中c為對比度參數(shù)，g為可變擴(kuò)散系數(shù)，grad為梯度，div為散度。g為單調(diào)遞減函數(shù)，其值介于0和1之間。以下為g的三種模式：

g_1為拋物線模式，對任意時間步長都穩(wěn)定，但在高度大于對比度參數(shù)c的邊緣上有少量擴(kuò)散

g_1(x,c)=1/sqrt(1+2×x/c2)

(6)

g_2為“perona-malik”模式，圖像去噪效果明顯，且保留邊緣信息，但會導(dǎo)致強(qiáng)邊緣輕微銳化

g_2(x,c)=1/(1+(x/c2))

(7)

g_3為“Weickert”模式，對比度參數(shù)C設(shè)置為3.314 88，降低強(qiáng)邊緣的弱化效果，但在x=c2處，平滑和銳化之間過渡不自然

g_3(x,c)=1-exp(-C×c8/x4)

(8)

創(chuàng)建一次性醫(yī)用口罩的金字塔圖像時，分別選用了6×6均值濾波器和6×6高斯濾波器以及對比度為6的三種可變擴(kuò)散系數(shù)模式下的各向異性濾波。最終“Weickert”模式的各向異性濾波處理的金字塔圖像在減少布料區(qū)域信息的同時，保留了鼻梁片與口罩耳繩的邊緣信息，所以,選擇“Weickert”模式的各向異性濾波。各濾波效果如圖5所示。

圖5 一次性醫(yī)用口罩在各種濾波下的圖像金字塔6層圖像

3.3 仿射變換確定固定焊點位置

仿射變換是空間直角坐標(biāo)系的變換，經(jīng)過對坐標(biāo)軸的放縮、旋轉(zhuǎn)、平移后，得到原坐標(biāo)在新坐標(biāo)領(lǐng)域中的值[10]

(9)

等式(9)為仿射變換的非齊次坐標(biāo)表達(dá)式，由確定的線性部分和平移部分組成，分別為

(10)

等式(10)表示法叫作齊次坐標(biāo)。將平移部分整合到矩陣中，表達(dá)式簡潔。

在傳送口罩過程中，口罩位置無法保持固定，因此通過模板對鼻梁片匹配，通過仿射變換，對最初在模板圖片上設(shè)定好的固定焊點位置進(jìn)行平移和旋轉(zhuǎn)角度的修正，確定其在新的待檢測圖片上的相對位置。仿射變換操作前后結(jié)果如圖6所示。

圖6 通過仿射變換尋找到的固定焊點相對位置

4 實驗結(jié)果與分析

本實驗采用紅色背光源，拍攝100張圖片進(jìn)行分析。利用上述一次性醫(yī)用口罩耳繩缺陷自動檢測系統(tǒng)檢測，進(jìn)行了3次檢測試驗，記錄了每次試驗的良品和不良品，漏檢個數(shù)，統(tǒng)計識別率及速度。

試驗結(jié)果見表2。從表2結(jié)果可以看出：采用本文所述檢測方法，耳繩缺陷可以準(zhǔn)確檢測出來，不需要通過人工檢測，避免口罩污染。試驗結(jié)果表明，基于機(jī)器視覺的口罩耳繩缺陷檢測系統(tǒng)有良好的識別率和速度，能夠滿足企業(yè)生產(chǎn)需要。

表2 不同試驗次數(shù)下的實驗結(jié)果

5 結(jié)束語

本文通過對一次性醫(yī)用口罩耳繩的檢測，提出了一種自動檢測口罩耳繩的方法。利用了口罩材質(zhì)具有透光性的特點，將背光源與工業(yè)CCD相機(jī)結(jié)合，采集一次性醫(yī)用口罩待檢測圖像，通過“Weickert”模式的各向異性濾波下的金字塔圖像快速模板匹配，仿射變換等圖像處理技術(shù)對圖像分析處理。實驗結(jié)果表明：本文檢測方法速度較快，精度較高，實用價值高，在工程上的運用前景廣闊。