机器视觉及其在包装印刷中的应用(下)

2、凹版印刷机位置控制及产品检测

由设置在生产线上的摄像机连续摄取印制品的视频图像,摄像的速度在30 帧/s 以下且可调。摄像机采集到的图像,首先进行量化,将模拟信号转化成数字信号,从中抽取一张有效代表镜头内容的关键帧,并将其显示在显示器上。对于一帧图像,可采用对静止图像的分析方法来处理,通过尺寸测量和多光谱分析可识别出视频图像上各色标,得出色标间距和色标的颜色参数以及一些其他相关。由于各种因素影响,会出现各种各样的噪声,如高斯噪声、椒盐噪声及随机噪声等。

噪声给图像处理带来很多困难,它对图像分割,特征提取,图像识别,具有直接的影响,因此实时采集的图像需进行滤波处理。图像滤波要求能去除图像以外的噪声,同时又要保持图像的细节。当噪声为高斯噪声时,最常使用的是线性滤波器,易于分析和实现;但线性滤波器对椒盐噪声的滤波效果很差,传统的中值滤波器能减少图像中的椒盐噪声,但效果不算理想,即充分分散的噪声被去掉,而彼此靠近的噪声会被保留下来,所以当椒盐噪声比较严重时,它的滤波效果明显变坏。本系统改进型中值滤波法。该方法首先求得噪声图像窗口中去除最大和最小灰度值像素后的中值,然后计算该中值与对应的像素灰度值的差,再与阈值相比较以确定是否用求得的值代替该像素的灰度值。

图像分割在该阶段中检测出各色标并与背景分离,物体的边缘是由灰度不连续性所反映的L 边缘种类可分为两种,其一是阶跃性边缘,它两边的像素的灰度值有显著不同;其二是屋顶状边缘,它位于灰度值从增加到减小的变化转折点L对于阶跃性边缘,其二阶方向导数在边缘处呈零交叉,因而可用微分算子来做边缘检测算子。微分算子类边缘检测法类似于高空间域的高通滤波,有增加高频分量的作用,这类算子对噪声相当敏感,对于阶跃性边缘,通常可用的算子有梯度算子Sobel 算子和Kirsh 算子。对于屋顶状边缘可用拉普拉斯变换和Kirsh 算子。由于色标为长方形,且相邻边缘灰度级相差较大,故采用边缘检测来分割图像。这里采用Sobert 边缘子来进行边缘检测,它是利用局部差分算子来寻找边缘,能较好的将色标分离出来。在实际的检测过程中,采用彩色图像边缘检测方法,选择合适的彩色基(如强度、色度、饱和度等)来进行检测。根据印刷机的类型特点,即印刷机各色的颜色和版图的特点,进行多阈值处理,得到各色的二值图。

将分割后的图像进行测量,通过测量值来识别物体,由于色标为形状规则的矩形,所以可对下述特征进行提取:(1) 由像素计算矩形面积,(2) 矩形度,(3) 色度(H ) 和饱和度(S ),然后根据各色标的间隔的像素点数量得到色标间的间距,与设定值比较,得到两者的差值,共进行m 次测量,取平均差值,给数字交流伺服调节部分提供相应的调节信号。以调节色辊的相对位置,从而消除或减少印刷错位。在特征提取时,对图像进行多光谱图像分析,可以定量地表示色标,如彩色数图像中像素的颜色,采用HIS 格式得到各色标颜色信息的两个参数:色度和饱和度,以此来检测油墨的质量。对各色二值图再进行统计计算或与标准图形进行样板匹配,测量印刷过程中墨屑等参数。

印刷机由开卷机放卷运行依次经过各印刷单元,进行各色的印刷和烘干,由收卷机进行收卷L 每色印刷都会在印料的边沿印上以供套色用的色标,该色标线水平长10 mm ,宽1 mm ,每个相邻颜色的标志线在套印精确时应相互平行,垂直(纵向) 相距20 mm ,由设置在生产线上的摄影机连续摄取印制品的视频图像,通过尺寸测量和多光谱分析可识别出视频图像上各色标,得出色标间距和色标的颜色参数L 如果相邻两色色标间隔大于或小于20 mm ,则说明套印出现了偏差。将该偏差信号送给伺服变频驱动单元,驱动交流伺服电机,使相应的套色修正辊ML上下移动来延长或缩短印料自上一单元印刷版辊到该单元印刷版辊的行程来动态修正。

、在现代包装行业中的应用

在现代包装工业自动化生产中,涉及到各种各样的检查、测量,比如饮料瓶盖的印刷质量检查,产品包装上的条码和字符识别等。这类应用的共同特点是连续大批量生产、对外观质量的要求非常高。通常这种带有高度重复性和智能性的工作只能靠人工检测来完成,我们经常在一些工厂的现代化流水线后面看到数以百计甚至逾千的检测工人来执行这道工序,在给工厂增加巨大的人工成本和管理成本的同时,仍然不能保证100的检验合格率(即零缺陷),而当今企业之间的竞争,已经不允许哪怕是0.1的缺陷存在。有些时候,如微小尺寸的精确快速测量,形状匹配,颜色辨识等,用人眼根本无法连续稳定地进行,其它物理量传感器也难有用武之地。这时,人们开始考虑把计算机的快速性、可靠性、结果的可重复性,从而引入了机器人视觉技术。

一般地说,首先采用CCD照相机将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征,如:面积、长度、数量、位置等;最后,根据预设的容许度和其他条件输出结果,如:尺寸、角度、偏移量、个数、合格/不合格、有/无等。机器视觉的特点是自动化、客观、非接触和高精度,与一般意义上的图像处理系统相比,机器视觉强调的是精度和速度,以及工业现场环境下的可靠性。 机器视觉极适用于大批量生产过程中的测量、检查和辨识,如:对IC表面印字符的辨识,食品包装上面对生产日期的辨识,对标签贴放位置的检查。

典型的视觉系统一般包括如下部分:光源,镜头,CCD照相机,图像处理单元(或图像捕获卡),图像处理软件,监视器,通讯/输入输出单元等。视觉系统的输出并非图像视频信号,而是经过运算处理之后的检测结果,如尺寸数据。上位机如PC和PLC实时获得检测结果后,指挥运动系统或I/O系统执行相应的控制动作,如定位和分选。从视觉系统的运行环境分类,可分为PC-BASED系统和PLC-BASED系统。基于PC的系统利用了其开放性,高度的编程灵活性和良好的Windows界面,同时系统总体成本较低。以美国DATA TRANSLATION公司为例,系统内含高性能图像捕获卡,一般可接多个镜头,配套软件方面,从低到高有几个层次,如Windows95/98/NT环境下C/C++编程用DLL,可视化控件activeX提供VB和VC++下的图形化编程环境, 甚至Windows下的面向对象的机器视觉组态软件,用户可用它快速开发复杂高级的应用。

在基于PLC的系统中,视觉的作用更像一个智能化的传感器,图像处理单元独立于系统,通过串行总线和I/O与PLC交换数据。系统硬件一般利用高速专用ASIC或嵌入式计算机进行图像处理,系统软件固化在图像处理器中,通过类似于游戏键盘的简单装置对显示在监视器中的菜单进行配置,或在PC上开发软件然后下载。基于PLC的系统体现了可靠性高、集成化,小型化、高速化、低成本的特点,代表厂商为日本松下、德国Siemens等。

机器视觉的技术进展

在机器视觉系统中;关键技术有光源照明技术、光学镜头、摄像机、图像采集卡、图像处理卡和快速准确的执行机构等方面。在机器视觉应用系统中;好的光源与照明方案往往是整个系统成败的关键;起着非常重要的作用;它并不是简单的照亮物体而已。

光源与照明方案的配合应尽可能地突出物体特征量;在物体需要检测的部分与那些不重要部份之间应尽可能地产生明显的区别;增加对比度;同时还应保证足够的整体亮度;物体位置的变化不应该影响成像的质量。在机器视觉应用系统中一般使用透射光和反射光。 对于反射光情况应充分考虑光源和光学镜头的相对位置、物体表面的纹理;物体的几何形状、背景等要素。光源的选择必须符合所需的几何形状、照明亮度、均匀度、发光的光谱特性等;同时还要考虑光源的发光效率和使用寿命。光学镜头相当于人眼的晶状体;在机器视觉系统中非常重要。

一个镜头的成像质量优劣;即其对像差校正的优良与否;可通过像差大小来衡量;常见的像差有球差、彗差、像散、场曲、畸变、色差等六种。

摄像机和图像采集卡共同完成对物料图像的采集与数字化。 高质量的图像信息是系统正确判断和决策的原始依据;是整个系统成功与否的又一关键所在。

目前在机器视觉系统中;CCD 摄像机以其体积小巧、性能可靠、清晰度高等优点得到了广泛使用。 CCD 摄像机按照其使用的CCD 器件可以分为线阵式和面阵式两大类。 线阵CCD 摄像机一次只能获得图像的一行信息;被拍摄的物体必须以直线形式从摄像机前移过;才能获得完整的图像;因此非常适合对以一定速度匀速运动的物料流的图像检测;而面阵CCD 摄像机则可以一次获得整幅图像的信息。图像信号的处理是机器视觉系统的核心;它相当于人的大脑。 如何对图像进行处理和运算;即算法都体现在这里;是机器视觉系统开发中的重点和难点所在。

随着计算机技术、微电子技术和大规模集成电路技术的快速发展;为了提高系统的实时性;对图像处理的很多工作都可以借助硬件完成;如DSP、专用图像信号处理卡等;软件则主要完成算法中非常复杂、不太成熟、尚需不断探索和改变的部分。从产品本身看,机器视觉会越来越趋于依靠PC技术,并且与数据采集等其他控制和测量的集成会更紧密。且基于嵌入式的产品将逐渐取代板卡式产品,这是一个不断增长的趋势。主要原因是随着计算机技术和微电子技术的迅速发展,嵌入式系统应用领域越来越广泛,尤其是其具备低功耗技术的特点得到人们的重视。

另外,嵌入式操作系统绝大部分是以C语言为基础的,因此使用C高级语言进行嵌入式系统开发是一