摘 要：提出一種適于實(shí)時(shí)在線檢測(cè)方便面面塊破損的方法，即通過(guò)建立計(jì)算機(jī)視覺(jué)系統(tǒng)，獲取面塊圖像，針對(duì)方便面特點(diǎn)利用“圍剿算法”分割出面塊圖像，然后通過(guò)“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(duì)方便面的破損進(jìn)行快速判斷，本實(shí)驗(yàn)另辟蹊徑，其優(yōu)勢(shì)十分明顯，識(shí)別率高，速度快。 關(guān)鍵詞：方便面;形狀識(shí)別;計(jì)算機(jī)視覺(jué); 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(lái),隨著方便面市場(chǎng)劇烈競(jìng)爭(zhēng)，各廠家紛紛降低成本、提高產(chǎn)品質(zhì)量、樹(shù)立品牌形象、提高企業(yè)競(jìng)爭(zhēng)力。在不降低產(chǎn)品質(zhì)量的前提下，要增強(qiáng)企業(yè)的競(jìng)爭(zhēng)力，只有走規(guī)?；?jīng)營(yíng)之道;而規(guī)?；暮诵哪繕?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(dòng)化水平漸漸成為一個(gè)不容忽視的重要問(wèn)題。目前，方便面生產(chǎn)線后段應(yīng)用了自動(dòng)排面?zhèn)魉蛶Ъ白詣?dòng)射面機(jī)、自動(dòng)投包機(jī)、自動(dòng)疊袋機(jī)及自動(dòng)裹包式紙箱裝箱機(jī)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(jué)來(lái)完成。人工視覺(jué)檢測(cè)具有速度低，受主觀影響較大，誤檢率和漏檢率高等缺點(diǎn)。所以，研制高效方便面自動(dòng)化檢測(cè)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(jī)器視覺(jué)技術(shù)是機(jī)器代替人眼來(lái)做測(cè)量和判斷，國(guó)內(nèi)外已將此技術(shù)成功地運(yùn)用到眾多產(chǎn)品的質(zhì)量檢測(cè)上。與人工視覺(jué)檢測(cè)相比較，機(jī)器視覺(jué)具有自動(dòng)化程度高、識(shí)別能力強(qiáng)、測(cè)量精度高等優(yōu)點(diǎn)，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(jì)算機(jī)硬件成本的下降及計(jì)算機(jī)處理速度的提高，在食品及農(nóng)產(chǎn)品品質(zhì)自動(dòng)檢測(cè)和分級(jí)領(lǐng)域應(yīng)用機(jī)器視覺(jué)已變得越來(lái)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(guò)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(cè)。因?yàn)槊鎵K邊緣不平整且常有一些毛刺，常規(guī)的視覺(jué)識(shí)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(shí)驗(yàn)表明該方法識(shí)別率高，速度快，適合在線檢測(cè)。 1. 試驗(yàn)材料與裝置 　　本實(shí)驗(yàn)樣本來(lái)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(shí)驗(yàn)樣本128塊，其中缺損面塊70塊。 　　實(shí)驗(yàn)裝置由計(jì)算機(jī)、CCD攝像機(jī)、圖像采集卡、光源和輸送線等組成（圖1）。其中CCD攝像機(jī)采用美國(guó)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?jī)蓚?cè)采用兩個(gè)對(duì)稱的30 W日光燈作為光源，輸送線為黑色，面塊經(jīng)自動(dòng)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(jué)檢測(cè)部分。 　　圖像的獲取采用觸發(fā)抓拍的方式，檢測(cè)元件為OMORN的E3C-DS10觸發(fā)器配合放大器E3C-3C使用。這是一個(gè)反射型的觸發(fā)器。當(dāng)傳送帶上有面塊過(guò)來(lái)時(shí)，信號(hào)強(qiáng)度發(fā)生變化，輸出一個(gè)脈沖信號(hào)來(lái)控制相機(jī)抓拍圖像。本實(shí)驗(yàn)所拍攝圖像大小為640×474，以24位bmp格式存儲(chǔ)。圖像處理算法在Visual C ++ 6.0平臺(tái)上編譯通過(guò)。 2. 圖像處理 　　采集后的圖像首先要經(jīng)過(guò)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(yàn)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(cè)的要求。 　　2.2 圖像分割 　　圖像的背景是黑色的，而面塊相對(duì)來(lái)說(shuō)是淺色的。經(jīng)實(shí)驗(yàn)，選取HIS顏色空間中I分量為判斷條件時(shí)，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。基本思想是通過(guò)掃描圖像找到面塊的四周邊緣點(diǎn)，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(gè)圖像最左端開(kāi)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(diǎn)時(shí)即停止掃描，記錄該點(diǎn)為1點(diǎn)（圖4a）。（如果到掃描到下邊界仍然沒(méi)有碰到面塊點(diǎn)，說(shuō)明此列全部是背景點(diǎn)，將其灰度值置白，接著掃描下一列）。再?gòu)脑摿械淖畹锥碎_(kāi)始掃描，同樣，掃描到面塊點(diǎn)時(shí)停止掃描，記錄這點(diǎn)為2點(diǎn)，那么1點(diǎn)和2點(diǎn)之間就是面塊區(qū)域，保持其灰度值不變，1點(diǎn)和2點(diǎn)之外的為背景區(qū)域，將其灰度值置白?？v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(jué)檢測(cè)時(shí)會(huì)替意識(shí)忽略毛刺去判斷面塊整體形狀，而毛刺對(duì)于計(jì)算機(jī)識(shí)別形狀形成障礙。本研究通過(guò)“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(gè)圖像的最左端開(kāi)始依次掃描每一列（圖5），記錄該列最頂端面塊像素點(diǎn)a到最底端面塊像素點(diǎn)b之間所有像素個(gè)數(shù)N總 和面塊像素個(gè)數(shù)N面 ，計(jì)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(shí)，掃描結(jié)束（因?yàn)槊虨殇忼X狀，邊緣呈漸進(jìn)變化趨勢(shì)，實(shí)驗(yàn)表明，此時(shí)毛刺基本消除又不會(huì)破壞面塊形狀。）。記錄此時(shí)的邊界值left。同樣方式處理上、右、下邊界，并記錄對(duì)應(yīng)的三個(gè)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(gè)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(guò)掃描圖像，累記面塊像素個(gè)數(shù)來(lái)表示。R比是通過(guò)下式來(lái)表示： 　　 　　式中：A面為削切后面塊的面積，計(jì)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(gè)值。 　　3.2缺損有無(wú)的判斷： 　　通過(guò)大量的實(shí)驗(yàn)統(tǒng)計(jì)：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(shí)驗(yàn)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(huì)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(huì)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(yàn)，如果A初< 8000則判斷面塊缺損。本文通過(guò)對(duì)128塊面塊（其中缺損面塊70塊）進(jìn)行實(shí)驗(yàn)，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(jì)了圖像采集裝置，利用觸發(fā)控制抓拍到對(duì)比度較高的方便面圖像。采用Visual C++6.0 開(kāi)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(duì)面塊邊緣進(jìn)行處理，去除周邊毛刺的干擾。最后提取二個(gè)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(lái)判斷面塊是否缺損。這樣把復(fù)雜的形狀識(shí)別問(wèn)題轉(zhuǎn)化為面積計(jì)算問(wèn)題，這種方法看似簡(jiǎn)單，但其效果是常規(guī)的形狀識(shí)別算法不易達(dá)到的。本實(shí)驗(yàn)方法另辟蹊徑，其優(yōu)勢(shì)十分明顯，識(shí)別率高、速度快、實(shí)用性強(qiáng)，完全滿足在線檢測(cè)。 本文作者創(chuàng)新點(diǎn): 　　1.模擬方便面生產(chǎn)線設(shè)計(jì)了圖像采集裝置，利用觸發(fā)控制抓拍到對(duì)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(duì)圖像進(jìn)行了巧妙分割; 　　3.利用了“削切算法”對(duì)面塊邊緣進(jìn)行處理，去除周邊毛刺的干擾。解決了計(jì)算機(jī)后續(xù)形狀識(shí)別的干擾問(wèn)題。 　　4.提取二個(gè)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(lái)判斷面塊是否缺損，識(shí)別率高。 參考文獻(xiàn) 　　[1].簡(jiǎn)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(jì)算機(jī)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(bào)（自然科學(xué)版）2006，V.24,N.4. 67-69 　　[6].黃星奕, 林建榮, 趙杰文.蘋(píng)果果梗和缺陷的識(shí)別技術(shù)研究[J].江蘇大學(xué)學(xué)報(bào):自然科學(xué)版, 2004, 工25（ 3）: 193-195 　　[7].方如明, 蔡健榮, 許俐.計(jì)算機(jī)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