基于计算机视觉的物流包装严密程度检测系统

林 雯

（广西工商职业技术学院，广西 南宁 530003）

1 引言

物流过程中物品包装的严密程度关系到物品安全、客户安全和配送人员的安全问题，由于物流配送的物品种类繁多，要通过各种包装措施以应对物品在流通过程中的物理变化、化学变化等情况，确保物品在到达目的地之前不会因外力作用而受到损坏。传统人工检测方法已经无法满足现代物流高效率、高精度、自动化的要求，因此引入计算机视觉技术对物品的包装严密程度进行检测[1-2]。

人类通过视觉获取周围信息，然后通过大脑处理这些信息。物体在可见光的照射下，在人眼的视网膜上形成图像，由感光细胞转化成神经脉冲信号，再经神经纤维传入大脑皮层进行处理和理解。利用摄像机获取物体的图像信息，然后将其转为数字信号，计算机视觉技术就是利用计算机对视觉图像信息进行全程分析处理[3]。通过计算机视觉技术对物品的外包装进行三维图像获取，将这些三维图像信息输送到嵌入式处理器中，应用检测算法进行图像重建，获得被测物体外包装三维数据，通过分析后，得出物品包装严密程度的数据信息并作出提示，可以在显示屏上直观地看到物品外包装是否存在缝隙、漏洞等缺陷。整个系统实现了自动化操作，提高了物品包装的可靠性，保证了物流过程的效率与服务水平。

2 系统分析

2.1 计算机视觉与物流包装检测

计算机视觉检测技术，也称为机器视觉检测技术，是将被测对象的图像通过高速相机、图像传感器等设备进行采集，然后将图像信息转成数据矩阵，应用计算机技术对数据进行综合分析与处理，然后完成与视觉、图像有关的检测工作[4-5]。基于计算机视觉的精密测量需要应用视觉成像，实现实时、可视化的测量平台，其测量原理如图1所示。首先，在光源(包括可见光、红外线、超声波等)的照射下，成像设备(CCD相机、图像采集卡等)把被测对象三维场景的图像采集到计算机中进行处理，得到二维阵列的原始灰度图像[6]。然后，将原始二维图像应用计算机视觉处理技术进行预处理，以提高图像的质量，或通过边缘提取和亚像素技术得到被测对象的亚像素级边缘；其次，要把图像中有用的特征运用计算机视觉技术进行提取，运用模式识别技术对这些图像特征进行分类整理，以形成对图像的描述；最后，应用算法或人工智能等得到更高层圈的抽象描述，完成计算机视觉系统所要求的测量任务[7-8]。

图1 计算机视觉检测原理

物流配送过程中对于不同物品按照要求进行严密包装，不但能保障配送物品的安全性，也方便物品的流通、装卸和运输。现代物流包装中，经常涉及各种各样的检查、测量和零件识别应用，如物品包装严密程度检测、包装材料印刷质量检测、产品包装上的条码识别等，这些操作流程较为复杂和繁琐，在现代物流配送高效性、快捷性的要求下，单靠人工操作不但运作成本更高，而且效率低下。因此，要解决上述问题，就要引入计算机视觉检测技术。

本系统基于计算机视觉技术，在捕获包装平台上被测物品的位置与坐标信息后，应用惯量分析的原理来确定图像的抓取点，采用矢量控制和控制学习的方法对步进电机进行调节，以实现对运动物品的稳定抓取。然后系统对采集到的图像信息进行滤波以及图像的灰度变换、边缘检测和二值化等图像处理操作，最终得到需要的测量图像和数据。

2.2 系统总体设计方案

图2 系统总体结构图

系统总体设计方案结构如图2所示，当系统开始运行时，被检测的物品放置于检测台上，根据被测物品的尺寸、需要采集图像的要求，扫描步进距离等参数通过触摸屏键盘设置，采用LED光源对物体进行照射，运动控制模块控制物体进行运动，达到整体扫描的目的，CCD相机将采集到的图像信号数字化后送入图像处理模块进行信息处理，最后微处理器将检测结果和模拟合成图像显示在屏幕上。其各个模块的主要功能如下：

系统控制器：主要是控制和协调系统内各个模块之间的信息交换与系统动作的顺序，系统控制器需要实时扫描系统内各个控制部分的状态，根据系统工作模式设定的时序完成检测流程，同时响应不同的系统动作和中断。

运动控制模块：是被检测物品的传送与位置探测装置，应用步进电机驱动物品进行步距角为1.8°的运动，根据物品的尺寸和形态不同进行三维探测。

CCD相机：用于图像信息的采集与捕捉，是一种高精度的光学成像系统，把图像像素转换成数字信号后传递给图像处理模块进行处理，CCD相机较快的图像获取速度保证了检测的准确性。

图像处理模块：主要作用就是通过对系统获取的图像信息进行处理得出控制系统需要的检测结果信息，此模块的核心就是图像信息处理的算法，算法在下文中会进行详细研究。触摸屏：用于参数设置的输入、检测数据的显示以及检测物品缺陷图像的显示。

3 检测算法研究

3.1 图像恢复算法

在采集被测物体图像、转换盒传输图像信息的过程中,图像信息容易被外部噪声、相机的抖动、被测物体的抖动、光学镜头散焦以及采样速度过低等因素影响，出现图像模糊，质量不理想的情况。图像恢复法就是根据已知的降质模型，从采集到的不理想图像中恢复原始的图像信息，通过对原始图像的最优化描述，得到质量清晰的图像画面。降质数学模型的建立与求逆是图像恢复算法的主要过程，其数学模型描述如下:

其中：y(i,j)为采集到的模糊图像；h(i,j)为图像模糊算子，也称为退化算子；x(x,j)为原始图像；n1为外部噪声；n2为乘性噪声。一般情况下,图像降质过程等同于线性不变模型,因此式（1）可等同于：

其中：H为线性不变的低通滤波器,它代表相机的运动以及相机镜头散焦等干扰图像质量的过程；n为外部噪声,它是干扰图像信号最常见的噪声,但与图像信号的强度大小相互独立。确定性的恢复算法和随机性的恢复算法是比较常见的图像恢复方法。逆滤波法、约束性图像恢复算法、贝叶斯方法和最大熵法则是现在比较流行的方法。

3.2 图像边缘检测算法

为了使采集到的图像轮廓更为突出，就要采用图像边缘检测法。图像特征提取的一般流程是，先进行边缘检测，然后进行二值化处理。图像边缘检测的主要目的是突出图像的边缘，然后将图像边缘以外区域的图像进行削弱甚至完全去掉。处理后图像边缘的亮度与原图中边缘周围的亮度变化率成正比，以突出所需图像。

图像边缘检测通常采用空域微分算子进行，通过将其模板与图像进行卷积来完成。图像边缘检测算子采用的两个卷积核如图3所示。

图3 边缘检测算子

图像中的每个点都用这两个点作卷积，前一个卷积对水平边缘响应比较大，后一个卷积对垂直边缘响应比较大。通过对两个卷积核中各点的卷积计算，最后把两个卷积结果的最大值作为该点的输出值。

4 系统设计

4.1 硬件设计

系统硬件按照模块化设计，主要的硬件模块有：图像获取模块、信息处理模块、运动控制模块。硬件工作流程如图4所示。

图4 硬件工作流程示意图

本检测系统主要用于三维物体外包装缺陷检测，在对比相机的分辨率、读出噪声、镜头畸变等参数后，决定选用北京迅天宇光公司的高分辨率CCD相机。相机部件详细参数见表1。

表1 CCD相机参数

系统信息处理与控制采用NXP公司的嵌入式微处理器LPC2148，该处理器是一个支持实时仿真和嵌入式跟踪的32位CPU处理器，有高达60MHz的工作频率，并带有32kB和512kB嵌入的高速Flash存储器，低功耗高性能的特性非常适用于本系统。其与各个模块管脚连接如图5所示。

本系统的运动控制单元采用三轴步进电机的运动平台对物体进行图像采集。通过对X 轴和Y 轴的控制，实现被测物体的平行移动；通过对Z 轴的控制，实现被测物体的上下运动，以配合相机的自动对焦。处理器通过控制步进电机的步进距离、速度等控制工作台的运动。X、Y、Z 三轴步进电机参数及执行运动平台的参数见表2。

图5 嵌入式处理器管脚连接

表2 步进电机参数

4.2软件设计

图6 软件工作流程

在Visual C++6.0开发环境下编程，Visual C++提供MFC类库并支持以MFC函数为框架的程序设计。软件流程如6图所示。CCD相机通信与运动控制的硬件驱动动态链接库要实现对相机的图像采集控制以及相机运动控制，上位机软件就要通过调用相应的控制函数，将动态链接库中的操作指令正确的加入到编译的工程文件中来。其部分编译程序如下：

Hinst=Load_Library("Cdvusbcam.dll");

SystemLine=(MyfunG1)GetProcAddress(hinst,"CD_SystemLine");

SystemAngle=(MyfunG2)GetProcAddress(hinst,"CD_System-Angle");

SetControl=(MyfunG3)GetProcAddress(hinst,"CD_SetVideo-Control");

……

编译的程序中，将相机的动态链接库Cdvusbcam.dll通过Load_Library函数添加到控制程序工程中；其次，为了调用相应的相机控制函数，可以通过GetProcAddress函数获取相应函数指针，然后在程序中加以调用。

5 系统实验

应用本系统对物品的箱体包装缺陷进行检测，通过如图7所示的检测结果输出图像来看，系统捕获出了箱体存在的破损，即虚线框中的部分。

实验结果表明，基于计算视觉技术的物品包装检测系统不仅能准确检测出物品包装存在的缺陷，而且达到了较高的精度，证明了本系统的有效性，并可以运用于自动化生产中。

图7 箱体包装检测图像

6 结语

基于计算机视觉技术的三维检测方法具有诸多优点并且已经在实际生产中得到广泛应用,而本系统是立足于计算机视觉在物流系统中对于物品包装严密程度的检测，结合物流系统的特点设计方案，并对系统中的硬件部分和软件编程进行了的研究，硬件和软件都采用了模块式的开发，对于系统的扩展升级以及后期维护都更为有利。通过对本系统进行的功能测试表明，本系统整体性能高效稳定，物品缺陷图像采集准确，达到了较高的测量精度，可以准确检测出物品包装是否存在缺陷。由于计算机视觉检测技术在物品包装严密程度检测方面的研究还刚刚起步，应进一步加强、加快对该项目的研究与开发应用。

[1]郑南宁.计算机视觉与模式识别[M].北京:国防工业出版社,1998.

[2]刘成君,戴汝为.计算机视觉的进展;模式识别与人工智能[J].1995,8(增刊).

[3]王天珍.计算机视觉研究进展[J].武汉汽车工业大学学报,1998,20(1):23-27.

[4]于洪川,吴福朝,等.基于主动视觉的摄像机自标定技术[J].机器人,1999,(1).

[5]马颂德.张正友.计算机视觉计算理论与算法基础[M].北京:科学出版社,1998.

[6]高立志,方勇,林志航.立体视觉测量中摄像机标定的新技术[J].电子学报,1999,27(2).

[7]田思,袁占亭.计算机视觉系统框架的新构思[J].计算机工程与应用,2000,(6):57-59.

[8]崔屹.数字图像处理技术与应用[M].北京:电子工业出版社,1997.