基于RGB视觉的瓦楞包装褶皱标定收敛研究

李鹏飞，魏一

基于RGB视觉的瓦楞包装褶皱标定收敛研究

李鹏飞，魏一

（许昌电气职业学院，河南 许昌 461000）

对瓦楞纸板包装的褶皱特征精确定位，保证瓦楞纸板包装容器的褶皱特征在生产中被及时检验。机器视觉瓦楞纸板包装检测系统依据图像信息收集、识别算法、RGB视觉、位置标定、收敛性结果对比等部分，确定瓦楞纸板包装褶皱特征标定核心算法要点；在传统频域变换的基础上，进行RGB视觉改进算法分析，有效提高对瓦楞纸板包装的褶皱特征识别率，明确该类包装的检测要点。以实际的瓦楞纸板褶皱为例，论证该类包装褶皱特征的特征提取方法，并且强化研究对象的褶皱特征，最后对识别结果和实物结果进行对照分析。通过设定阙值在90～120得到线性率为25%～80%，结果说明该视觉方式可以实现对机器视觉的瓦楞纸板包装标定，并且各特征的实际回归基准率为86%，验证了RGB视觉算法对褶皱特征标定的精确性。基于该RGB视觉以及优化措施，确定了机器视觉瓦楞纸板包装标定方式，满足了瓦楞纸板包装生产的有效定位要求。

机器视觉；瓦楞纸板包装；RGB视觉；优化分析

随着计算机机器视觉的研究深入，包装监测也得到了广泛地应用。瓦楞纸板包装作为一种常见的基础包装材料，在运输过程中的多个环节均有着广泛的应用[1]。瓦楞纸板在生产与运输过程中经常会因为磕碰、弯折而出现较大褶皱，甚至影响包装容器强度，所以结合机器视觉进行外包装的检测，对瓦楞纸板褶皱状态进行评价是非常必要的，该方法也成为提高包装质量的重要手段。

孙琴等[2]就基于机器视觉的塑料制品表面缺陷进行检测研究，证明了视觉滤波算法对外部反光性可用于外包装的缺陷检测。同理该方法也为研究瓦楞纸板包装以其内部褶皱表面反光差异性提供了借鉴基础。史晨阳等[3]明确了机器视觉中均匀照明成像的LED环形阵列设计方法在检测方面的应用，该环形阵列设计验证了物体表面反光的可实践性，并进行了常规瓦楞包装的褶皱特征分析。孙郑芬与吴韶波[4]论证了机器视觉技术在工业智能化生产中的应用，并且提到了特征点定位方法，论证了表面褶皱状态的反光性影响包装的色差定位在生产线定位的可操作做性，侧面说明褶皱特征的标定作用。傅田[5]基于机器视觉的带式输送机纠偏系统设计的思维，结合ROI定位原理检测了瓦楞包装边沿的变形程度等。AMIRI M[6]所研究的群体决策模糊VIKOR方法在机械加工领域中实现了视觉标定，该机器视觉检测重点同样适用于系统瓦楞纸板包装外部特征检测，瓦楞纸板包装的其他包装环节有较大的差异性，机器视觉的RGB图像检测过程均可以针对不同的色彩差异进行收敛评价。

以瓦楞纸板包装为研究对象进行标定算法研究，总结瓦楞纸板在识别过程中的难点，归纳瓦楞纸板的损伤特征；以机器视觉为手段，总结出瓦楞纸板包装图像褶皱特征有效的识别方法。

1 图像纹理特征提取分析

瓦楞纸板褶皱的特殊特征信息提取原理在于同一光环境下，瓦楞纸板的反光性基本是相同的，一旦出现褶皱，其图像表面的反光性会出现差异。文中方法可通过识别纸板不一样的深浅灰度表现出的明暗变化，对瓦楞纸板表面褶皱进行识别追踪。通过纹理特征识别可将系统过程中所涉及的图像特征进行串联并进行加强，纹理特征中的截取的图像像素信息加以串联，实现过程中的特征要素提取，使得整个区域内的图像信息被归纳整理，经过算法的分析和判断，整个区域像素信息被有效地强化和统计，切实将整个图像的特征以最直接的形式呈现出来。

1.1 纹理特征的统计方法

图像的纹理特征分析实质是利用统计学对纹理特征的随机变量进行二次回归特征提取，可按照用户所需要判断产品状态的分级指标进行数据主体部分的数学统计分析[7]。在纹理特征统计上，所涉及的视觉算法是在以灰度的变化为原则，对阙值较大的包装特征进行数据统计，最终实现对产品状态的描述，常用到的方法有灰度共生矩阵法、LBP算法、半方差图法等。

在开展纹理统计之前，需要构建×的二维简化的(,)函数表达式，而后根据环境与被识别物的色差设定图像灰度等级，最后明确空间关系的相适应性，确定整个系统的灰度共生矩阵表达式[6]，见式（1）。

(1)

式中：为基础单位像素的相对距离值；为2个像素横坐标的像素夹角；#( )为像素的数集函数；和为其过程中的某一等级的灰度值；为图像中的横向轴像素坐标点；为图像中的纵向轴像素坐标点；为图像横向坐标边界；为图像纵向坐标边界。

1.2 频谱响应方法

在信号处理方面，频谱响应分析信号也是重要的分析手段。在信号处理过程中，视觉仪器可采用频谱识别的方式实现对信号的分解，常会用到傅里叶变换、小波变换等方法[8]。通过频谱响应的物理方法可对不同频率下的视觉图像纹理特征分布实现有效地归纳总结，并经过滤波器得到响应规律性，利用傅里叶变换方法实现时域与频域的有效信号转换，实现频段的纹理特征总结。

傅里叶变换法是图像信号特征判断的重要手段，傅里叶变换可以实现信号在过程中的有效变化。在此设定(,)的×图像中，所使用二维离散傅里叶变换的公式[9]见式（2—3）。

(2)

(3)

将式（3）转化为功率谱计算可知：

(4)

经傅里叶变换可有效地对不通同图像的纹理特征进行频段的划分，实现对不同频段下的褶皱特征的精准判断，得到不同尺寸的图像纹理在损伤状况下的频率范围。

本文基于现代人们对于室内空气环境质量的关心，设计了一种基于物联网的微型室内健康环境监测分析系统,主要体现了一种利用成熟的物联网技术对各类的室内空气环境数据进行采集、分析并形成大数据为政府治理提供参考的一种思路。弥补了现在各地方政府大量建设网格监测站只能监测室外环境的不足，通过将来对该系统的推广，可以统计分析出各小区或城市不同区域大概的室内空气质量数据，对政府将来制定空气治理措施也有参考意义。

2 瓦楞纸板包装的精确定位算法研究

在整个瓦楞纸板包装的定位中，需先对有褶皱的瓦楞纸板包装进行特征识别，然后镜头对损伤位置的特征进行精确抓取和放大标定[10]。在标定瓦楞纸板包装的位置后，通过机械视觉对其瓦楞纸板的特征进行明确，确保整个纸板特征的识别定位。整个算法流程见图1。

图1 瓦楞纸板包装定位算法流程

2.1 RGB图像去噪预处理

共生滤波器的优势在于将包装褶皱特征进行强化检测，通过滤波计算将信号实现精准化提取；共生滤波效果基于像素中频率的变化，会对包装间的纹理产生影响，共生滤波器的表达式[11]为：

(5)

式中：I、J分别为输入与输出图像所对应的像素值，该参数的与分别为像素的牵引；为两者像素的权重比值，也是共生滤波器的核心算法。

文中所涉及的共生滤波结合了高斯滤波和双边滤波的特点，通过对整个特征进行归一化处理，实现对整个图像特征的双边滤波处理，经处理后的褶皱特征可实现图像的有效提取。基于算法的求解难度，修正后的表达式为：

(6)

(7)

式中：为像素矩阵；(,)为共生矩阵；；()和()分别为图像中所出现的频率，；。

2.2 多元化滤波处理后图像分析

图像去噪预处理的目的是在图像抓取过程中，需对环境中的各类噪声的干扰加以排除[12]。图像处理算法的核心步骤是先对图像进行去噪或像素增强，在保证图像的质量的基础上，通过深化包装褶皱特征的色彩，降低图像处理算法中色差的干扰。

在瓦楞纸板包装定位算法验证前，需要对包装的深浅颜色特征进行图像滤波，保证被标定褶皱的特征可以被有效抓取[13]。相较于传统的去噪滤波方法，褶皱深浅滤波的优点是可以将原先的边框加以平整化处理，使其滤波更为平整有效。在平滑图象后，褶皱特征色差可被有效地模糊。以双边滤波、引导滤波和共生滤波器3种滤波去噪的方式来对不同类型的褶皱特征细节进行有效地平滑过渡，明确不同物体褶皱特征的保持状态，各类滤波处理图像结果见图2。

图2 瓦楞纸板包装滤波结果

相机终端采集的样本图像见图2a，明显可见图像中有较多的褶皱特征。通过图2b可知，采取整体颜色加深进行滤波可以实现包装褶皱特征被整体表现，单整体的图像显示较为模糊，尤其2个面的光影影响，不利于特征的提取[14]。图2c采用了引导滤波手段，虽然保障了上表面图像的特征清晰有效，但通过图2可知，包装褶皱特征会使原有平面出现不同程度地色彩反光，不利于机器实现特征提取。在图2d中，通过共生滤波不但可使得瓦楞纸板包装的褶皱特征被有效地保留，而且瓦楞纸板褶皱的背景以及包装细微复杂纹理颜色也被剔除，使得后续特征提取相对其他滤波方式也更加容易。通过上述滤波对比可知，共生滤波是瓦楞类包装较为理想滤波方式。在效果表现上，虽然有效地将瓦楞纸板的特征表现出来，但在实际图像处理上需要结合不同的颜色背景进行二次特征识别与提取，处理流程相对复杂。

3 瓦楞纸板褶皱的区域特征分割分析

在完成图像去噪的基础上，通过采取RGB不同阙值将复杂的背景加以有效地滤除，保障整个系统特征被保留；通过增大工业相机的像素分辨率就可以对瓦楞纸板褶皱进行精准化定位标定，明确被抓取物的边框，对图像中多余的边框部位及时地进行背景剔除，确定目标区域的瓦楞纸板褶皱的精确位置，使得瓦楞纸板褶皱可以通过机械实现目标物的精确抓取[15]。在瓦楞纸板褶皱定位过程中，尤其要明确被精确定位的瓦楞纸板褶皱的区域边角的坐标点，才能满足后续机械对精准定位参数的要求。结合现有的视觉算法，通过RGB视觉对瓦楞纸板褶皱进行图像复杂背景滤除，进行褶皱特征检测，结果见图3。

图3 瓦楞纸板包装褶皱RGB滤波前特征

在识别上述图像的特征后，对图像特征进行分类，抓取主要特征而忽略次要特征，对细小且复杂性的点和褶皱特征实现有效地整合，以褶皱特征的瓦楞纸板为判定需求，加以自适应算法判定，算法流程见图4。

图4 瓦楞纸板褶皱定位算法流程

瓦楞纸板褶皱的定位算法见图4，利用RGB视觉可以有效地将瓦楞纸板褶皱进行褶皱特征定位。RGB视觉处理方法是将共生滤波后的图像进行腐蚀，腐蚀的核心是通过灰度调整将图像进行灰度化处理，图像跟据统计灰度区域最大面积4%以上连通区进行集合标注，并且计算灰度图像最大的灰度值。计算机依据褶皱特征差值将灰度面积进行连通，依据灰度值的阙值（初步设定80）为不合格区域进行保留或去除，将低于强度的80进行区域阙值图像识别连通，将存在最大阙值的1/4（强度低于80内）图像特征进行图像保留识别，最终输出结果。算法流程还可以将瓦楞纸板褶皱中的褶皱以及其他引发频谱的图像要素有效提取，然后再结合褶皱形态以及滤波处理，系统中大部分冗余的噪声可以被有效清除。

4 形态学处理分析

形态学闭运算是采取的是Matlab自带的高斯心态处理计算包进行形态学处理。形态学处理核心是对瓦楞纸板的阴影纹理特征进行强化，得到其阴影像素特征的频段区间，使得瓦楞纸板褶皱的损伤特征总能被加以像素特征的强化和放大，在强化过程中对瓦楞纸板特征中的微小复杂特征加以纹理变化忽略，通过灰度值的设定使得附属的非关注特征消除。在图像的处理上经过腐蚀操作使得整个图像中的大部分额外纹理被消除，但在特征消除中，要对整体图像中的高亮区域全面选择，使关注的褶皱特征被有效强化。

使用Matlab滤波实现整个图像特征被有效地腐蚀，将整个机器视觉所提取特征进行反向选择，最终结果见图5。经过上述图像的腐蚀操作，虽没有完全将细微的特征被有效忽略，但实现了瓦楞纸板在此过程中主要的褶皱特征被滤波器过滤，视觉图像中所影响纸板强度的额外纹理被强化，纸板非正常特征被有效甄别。

图5 瓦楞纸板包装褶皱RGB滤波后特征

5 瓦楞纸板褶皱定位收敛性研究

以某瓦楞纸板包装褶皱为研究案例，对纸板上的4个主要褶皱特征进行该RGB图像收敛性分析，其原型见图6。

对图6中特征进行多次阙值滤波得到结果见图7。对图7中的边界点进行取样，最终拟合出图8的散点图像，以及图9中的各个特征的收敛过程。

图6 某瓦楞纸板包装褶皱特征原型

图7 多阙值褶皱RGB特征

图8 收敛性散点线性拟合

图9 多褶皱特征收敛性对照

图8中的离散阙值在图7中是代表白色的识别特征，图8中的4个理论阙值点分别表示图7中a—d的4个理论阙值拟合点。图9是针对图6和图7的4个特征形态在不同阙值渐变过程中的白色特征收敛表现。采用收敛性对照程序对原图和经算法处理后的图像进行对照，得到瓦楞纸板包装褶皱特征的数据采集。可知该方法可有效实现瓦楞纸板褶皱的收敛，该算法测试精准性较好，可实现瓦楞纸板包装褶皱特征的精确定位，达到了预期设定的目标。

6 结语

以实际的瓦楞纸板为研究对象，通过光学相机有效抓取瓦楞纸板样件中的特征进行标定，结合计算机的机器视觉算法，对不影响瓦楞纸板强度的特征进行抓取与视觉处理，有效地实现了整个图片的特征的及时视觉监控与处理。文中基于瓦楞纸板特征检测结合机器视觉的算法，实现了对瓦楞纸板褶皱特征的收敛性分析，论证了基于RGB视觉的瓦楞包装褶皱标定收敛算法的有效定位。

[1] 张继红. 包装机械的创新设计必须面向机电一体化技术[J]. 包装工程, 2004, 25(4): 112-113.

ZHANG Ji-hong. The Creative Design of Packaging Machine must Face to the Mechanotronics Technology[J]. Packaging Engineering, 2004, 25(4): 112-113.

[2] 孙琴, 肖书浩, 刘誉涵, 等. 基于机器视觉的塑料制品表面缺陷检测研究[J]. 电子制作, 2020(15): 56-59.

SUN Qin, XIAO Shu-hao, LIU Yu-han, et al. Research on Surface Defect Detection of Plastic Products Based on Machine Vision[J]. Practical Electronics, 2020(15): 56-59.

[3] 史晨阳, 林燕丹. 机器视觉中均匀照明成像的LED环形阵列设计[J]. 光学学报, 2020, 40(20): 118-128.

SHI Chen-yang, LIN Yan-dan. Design Method of LED Ring Array for Uniform Illumination Imaging in Machine Vision[J]. Acta Optica Sinica, 2020, 40(20): 118-128.

[4] 孙郑芬, 吴韶波. 机器视觉技术在工业智能化生产中的应用[J]. 物联网技术, 2020, 10(8): 103-105.

SUN Zheng-fen, WU Shao-bo. Application of Machine Vision Technology in Industrial Intelligent Production[J]. Internet of Things Technologies, 2020, 10(8): 103-105.

[5] 傅田. 基于机器视觉的带式输送机纠偏系统设计[J]. 煤矿机械, 2020, 41(8): 183-185.

FU Tian. Design of Belt Conveyor Rectification System Based on Machine Vision[J]. Coal Mine Machinery, 2020, 41(8): 183-185.

[6] AMIRI M. Group Decision-Making for the Selection Machine Using Fuzzy VIKOR Method[J]. Journal of India Management Studies, 2010, 16(2): 167-188.

[7] ATANASSOV K. Intuitionistic Fuzzy Sets[J]. Fuzzy Sets and Systems, 1986, 20(1): 87-96.

[8] 罗元, 肖航, 欧俊雄. 基于深度学习的目标跟踪技术的研究综述[J]. 半导体光电, 2020, 41(6): 757-767.

LUO Yuan, XIAO Hang, OU Jun-xiong. Research Review of Target Tracking Technology Based on Deep Learning[J]. Semiconductor Optoelectronics, 2020, 41(6): 757-767.

[9] 安伟刚. 多目标优化方法研究机器工程应用[D]. 西安: 西北工业大学, 2005: 26-35.

AN Wei-gang. Study on Multi-Objective Optimization and Its Application in Engineering[D]. Xi'an: Northwestern Polytechnical University, 2005: 26-35.

[10] 孙郑芬, 吴韶波. 机器视觉技术在工业智能化生产中的应用[J]. 物联网技术, 2020, 10(8): 103-105.

SUN Zheng-fen, WU Shao-bo. Application of Machine Vision Technology in Industrial Intelligent Production[J]. Internet of Things Technology, 2020, 10(8): 103-105.

[11] FU M C. Optimization for Simulation: Theory VS Practice[J]. Informs Journal on Computing, 2002(14): 192-215.

[12] 雷英杰, 王宝树, 王毅. 基于直觉模糊推理的威胁评估方法[J]. 电子与信息学报, 2007, 29(9): 2077-2081.

LEI Ying-jie, WANG Bao-shu, WANG Yi. Techniques for Threat Assessment Based on Intuitionistic Fuzzy Reasoning[J]. Journal of Electronics & Information Technology, 2007, 29(9): 2077-2081.

[13] 蔡纪伟, 贾云献, 孙晓, 等. 直觉模糊推理的装备报账指挥决策模型[J]. 火力与指挥控制, 2013, 38(2): 31-34.

CAI Ji-wei, JIA Yun-xian, SUN Xiao, et al. Research on Model of Equipment Support Command Decision Based on In-Tuitionistic Fuzzy Reasoning[J]. Fire Control & Command Control, 2013, 38(2): 31-34.

[14] GOMES L, LIMA M. TODIM: Basics and Application to Multicrtiteria Ranking of Projects with Environmental Impacts Foundations of Computing and Decision Sciences, 1992, 16(3): 113-127.

[15] 郭景全. 基于机器视觉的茶叶自动采摘机械手装配系统设计研究[J]. 福建茶叶, 2020, 42(7): 11-12.

GUO Jing-quan. Research on Assembly System Design of Automatic Tea Picking Manipulator Based on Machine Vision[J]. Fujian Tea, 2020, 42(7): 11-12.

Convergence of Corrugated Board Packaging Wrinkle Calibration Based on RGB Vision

LI Peng-fei, WEI Yi

(Xuchang Electrical Vocational College, Xuchang 461000, China)

The work aims to accurately locate the wrinkle features of the existing corrugated board packaging, and ensure that the wrinkle features of corrugated board packaging containers can be timely and effectively inspected in production. According to image information collection, recognition algorithm, RGB vision, location calibration, convergence result comparison, etc., the machine vision corrugated board packaging inspection system determined the key algorithm points of corrugated board packaging wrinkle feature calibration. The RGB visual improvement algorithm was analyzed based on the traditional frequency-domain transformation. The wrinkle feature recognition rate of corrugated cardboard packaging was effectively improved. The testing points of this kind of packaging were clarified. With the actual corrugated board as an example, the feature extraction method of the wrinkle features of the packaging was demonstrated, and the visual features of the wrinkles were strengthened. Finally, the convergence results were compared. The linear rate of passing the threshold of 90～120 was 25%～80%. The results showed that this vision method can realize the corrugated board packaging calibration of machine vision, and the actual regression base rate of each feature was 86%, verifying the accuracy of RGB vision algorithm for wrinkle feature calibration. Based on the RGB vision and optimization measures, the machine vision calibration method of corrugated board packaging is determined, which meets the effective positioning requirements of corrugated board packaging production.

machine vision; corrugated board packaging; RGB vision; optimization analysis

TB486

A

1001-3563(2022)05-0271-06

10.19554/j.cnki.1001-3563.2022.05.037

2021-05-27

李鹏飞（1982—），男，许昌电气职业学院讲师，主要研究方向为电气自动化技术。