一种烟标平整度测试方法

摘 要：为了提高卷烟工业生产质量和效率，本文以辅料烟标为研究对象，针对生产过程中烟标存在的凸点、凹陷、弯曲和翘角等平整度缺陷，提出了一种烟标平整度检测方法和检测系统。本文采用机器视觉和光学测量中的结构光测量方式，测量原理为三角法测量原理。光源以一定的角度照射在烟标上，烟标反射的光线进入相机的传感器。当烟标表面不平整时，进入相机感光元件的光线会发生位移和变形。本文提出的平整度测试方法所需装置结构简单，避免了精密传感器的使用，因此成本较低，适用于卷烟工业生产环境和烟标平整度测试实际使用情况，对促进卷烟工业自动化和提高生产率具有一定意义。

关键词：烟标；平整度检测；机器视觉；图像处理

中图分类号：TS 452" " 文献标志码：A

随着科技不断进步和人们生活水平越来越高，商品的外观质量要求也越来越高。消费者选购香烟时也越来越关注卷烟产品的包装质量，包装质量不仅在于精美商标设计，还在于烟包的高质量成型[1]。影响烟包成型质量的因素较多，其中烟标平整度是重要因素之一[2]。研究表明，当温度变化为15℃～20℃时，纸张会发生5°～10°的弯曲度改变。平整度不好会影响商标纸的上机适应性，造成包装机堵塞、停机和商标纸跑偏等问题[3]。因此需要对烟标平整度进行测试，严格控制烟标平整度水平，保证卷烟工业高质量发展。目前国内暂时没有用于烟标平整度检测的专用仪器设备，用眼睛观察也不再适合自动化、智能化的卷烟工业发展需求。本文基于机器视觉提出了一种烟标平整度测试方法。机器视觉具有非接触性的特点，不会损害被测物体，广泛应用于人工智能、工业自动化生产和自动驾驶等领域。

1 烟标平整度测试方法及系统设计

1.1 测试方法

本文采用机器视觉光学测量中的结构光测量方式，属于主动式测量中的一种重要方法。采用线阵CCD相机进行图像采集，把图像的光信号转换成有序的电信号，将获得的图像进行几何校正和二值化预处理，然后提取图像质心点阵，通过对比点阵的偏移量和偏转角定性判断被测烟标的平整度。根据不同光源投射光斑形状的不同，可以分为4种模式，即点结构光、线结构光、多线结构光和网络结构光模式。点结构光模式利用光源照到被测物体上形成光斑，照相机视线与光源光线在光斑处连线形成三角形。线结构光的实质是多点结构光形成的直线，线结构光源会在被测表面不平的地方照出畸形的光条。多线结构光和线结构光类似，是线结构光的延伸，一次产生多条线结构光，可以在一幅图像中同时处理多条光线条纹，提高了处理效率。网络结构光模式可以有多种几何形状，比其他模式的处理效率更高，但是也增加了图像处理和计算的复杂程度。考虑烟标面积不大和后期的图像计算处理效率，本文采用点阵结构光源，既能保证检测效率，又能保证检测范围[4]。

测量原理为三角法测量原理[5]。光源以一定的角度照射在烟标上，烟标反射的光线进入线阵CCD相机的传感器。烟标表面不平整时，进入相机感光元件的光线会发生位移和变形，类似看水中的倒影，当水平静时看到的是正常的物体；当水面有波纹、不平整时，看到的物体就会发生变形[6]。通过计算位移和变形的量并利用相机标定对比像移和位移间的关系，就能知道烟标的平整度信息[7]。

测量原理图如图1所示。相机垂直拍摄，光心位于C点，AC为光轴，水平台到C点的距离为Z。相机焦距为f，成像面为PQ。光源以入射角θ2向水平台投射光斑，投射方向垂直于平面BC。线段PQ的长度为图像中的烟标物理长度，等于像素偏移量∆x与经过线阵CCD相机标定获得的单位像素代表的物理距离值L的乘积。由三角形相似可得公式（1）、公式（2）。

（1）

（2）

光源入射角为θ2，其值如公式（3）所示。

（3）

根据三角关系推导可得公式（4）。

（4）

由此可以得出凸起高度，如公式（5）所示。

（5）

式中：AB为被测烟标的实际长度；PQ为被测烟标的成像面；f为相机的焦距；Z为相机到被测烟标水平台的垂直距离；其中为相机内部固定参数，由具体的相机型号决定；θ1为法线与水平太面的夹角；θ2为入射光线与水平台面的夹角；∆x为所测图像与标定图像的像素位移偏移量；h为被测烟标凸起的高度。

1.2 系统设计

烟标平整度测试系统如图2所示，主要由机箱外壳、结构光源、线阵CCD相机、水平台和被测物体等部分构成。为了避免外界光线对测试系统的干扰，有必要在测试系统周围加上外壳。将被测物体置于水平台上，光源位于被测物体的斜上方，线阵CCD相机位于被测物体的上方。将被测烟标置于水平台的合适位置后，触发相机进行图像采集，采集的图像传送给计算机进行处理。在对烟标进行检测前需要将一张平整的烟标置于相同的位置采集图像，将被测烟标采集的图像与其进行比较，就可以获得所需的平整度信息。

光源光路分析图如图3所示，图中A和B分别表示结构光源和相机的位置，M为被测烟标所处位置，三者分别位于三角形的3个顶点。其中M表示平整烟标，当光源位于A、相机位于B时，光源照射的反射点位于P。当被测烟标发生弯曲变形时，光源A照射的反射点位于P1。PP1为由烟标不平整造成的图像点的位移距离。将光源和相机的位置改为A1和B2，此时光源A1在M上的反射点是Q，在M1上的反射点是Q1。QQ1是减少光源并缩短相机距离后由烟标不平整造成的图像点位移距离。可以明显看出PP1＞QQ1。因此在相同平整度条件下，光源和相机距离越大，图像差距越明显，越能反映出烟标的不平整信息。在系统搭建过程中应使光源和相机间保持一定距离。

2 图像处理

2.1 图像预处理和几何校正

线阵CCD相机的感光元件进行图像采集后，需要对获取的图像进行二值化处理，消除干扰点的影响。常用的二值化方法有全局二值化方法，当光源照射不均匀时还需要用到高斯差分二值化方法[8]。

假设图像的大小为M×N，一个像素灰度阈值为T，将全局每个像素点灰度值与之进行比较，大于阈值T，就将其灰度设置为255；小于阈值T，就将灰度设置为0。T值的选取很关键。如果T值过大，会将干扰点判定为目标点；T值过小，则会将目标点判定为干扰点。本文采用最大类间方差法确定T值，具体过程如下。

对于图像f（x，y），假设目标点和背景的阈值分割值为T，目标点像素占比为ω1，平均灰度为μ1，背景点像素占比为ω2，平均灰度为μ2，整个图像平均灰度为μ，类间方差为d。假设整个图像中灰度＜T的像素为N1个，＞T的像素有N2个。可以推出公式（6）～公式（11），确定阈值T，使类间方差d最大，即为所求合适的阈值。

（6）

（7）

N1+N2+=M·N " "（8）

ω1 +ω2=1 （9）

μ=μ1·ω1+μ2·ω2" （10）

d=ω1·（μ-μ1）2+ω2·（μ-μ2）2 " "（11）

式中：ω1为目标点像素占比；ω2背景点像素占比；μ为整个图像的平均灰度；μ1为目标点像素平均灰度；μ2背景点像素平均灰度；T为像素灰度阈值；d为类间方差；N2为整个图像中灰度值＜T值的像素个数；N2为整个图像中灰度值＞T值的像素个数。

鉴于相机镜头的制造工艺问题，相机采集到的图片会产生向外膨胀和向内收缩的几何失真[9]。可以利用标靶对相机进行标定，采用双线性差值法将目标点的横纵坐标构成的矩阵映射到原图。

2.2 点阵提取和平整度检测

对烟标进行检测前，需要用一张平整的烟标放在检测装置下，得到一张标准的图像。此时烟标是平整的，投射到表面的光斑是整齐排列的。对光斑所在区域的烟标二值图进行逐行、逐扫描，遇到白色像素就将该点的坐标保存。扫描完整张图像后，利用统计学方法求得质心。假设所扫描区域的白色像素点数为N，则质心可分别由公式（12）、公式（13）进行计算。

（12）

（13）

式中：x1、x2、xN分别为光源投射到烟标表面的第一个、第二个到第N个光斑质心的横坐标；xc为二值图的质心横坐标；y1、y2、yN分别为光源投射到烟标表面的第一个、第二个到第N个光斑质心的纵坐标；yc为二值图的质心纵坐标。

经过算法二值化处理提取出点阵投影质心后，对投影点阵的质心进行排列并对应到原图，减去二维坐标方向的平均像素偏移值，减少烟标倾斜对平整度的影响。

本文通过点结构光对烟标进行投影并采集图像，如果烟标有凸点、凹陷、弯曲和翘角等不平整情况，对应处理后的点阵图像会产生不同的排列方式。根据标准平整烟标计算出被测烟标各点相对于理想值的偏移量和偏向角度。对各种不平整烟标的偏移量和偏向角度值进行统计，得出烟标平整度检测的定性判断。其中被测点与标准理想点间的偏移距离可以用欧氏距离衡量，分别如公式（14）、公式（15）所示。

（14）

（15）

式中：x11、x21、xi1分别为第一个、第二个到第n个被测点的质心横坐标；x12、x22、xi2分别为第一个、第二个直到第n个标准理想点的质心横坐标；D为横坐标理想值与被测值偏移量的欧式距离；y11、y21、yi1分别为第一个、第二个到第n个被测点的质心纵坐标；y12、y22、yi2分别为第一个、第二个到第n个标准理想点的质心纵坐标；L为纵坐标理想值与被测值偏移量的欧式距离。

定义经过理想点和偏移点的直线与x轴的夹角为偏向角，通过统计被测烟标的各种不平整情况的偏移方向，可以定性分析烟标不平整的凹凸方向。

3 结论

由于通过数学建模或软件处理精确给出烟标不平整度精确值的难度较大，因此本文针对烟标在生产过程中不平整的问题，基于机器视觉和图像识别技术提出了一种定性测量烟标不平整度的方法，给出了测量方案和测试系统设计思路，探讨了结构光源的选择、光源与相机位置的关系，提出了能凸显烟标不平整度信息的系统布置方案。通过采集得到图像后，介绍了图像的几何校正和二值化预处理方法。将经过预处理的图像进行二维坐标方向扫描，用欧氏距离公式求出质心提取点阵。最后通过比较标准理想点阵与被测烟标点阵的偏移量和偏向角，定性判断烟标是否平整。本文提出的方法只能定性判断烟标是否存在不平整缺陷，无法精确给出烟标的不平整数值，因此对单一不平整缺陷的烟标有较好的预测效果，对同时存在多种不平整缺陷模式的烟标效果不理想。

参考文献

[1]于丽萍.卷烟包装的动向[J].上海包装，2009（2）：35.

[2]孙娜.卷烟包装外观质量在线检测方法的研究[D].昆明：昆明理工大学，2020.

[3]丁琴.小议环境温湿度对烟标平整度的影响[J].印刷世界，2009（10）：27.

[4]王耀南，刘学兵，张辉，等.机器视觉技术在包装行业研究进展与应用综述[J].包装学报，2022，14（2）：1-14，107.

[5]陈强.一种新型卷烟商标纸检测系统开发与应用[D].南昌：南昌大学，2018.

[6]周宝仓，吕金龙，肖铁忠，等.机器视觉技术研究现状及发展趋势[J].河南科技，2021，40（31）：18-20.

[7]焦俊，常晟，邓瑞君，等.基于线阵CCD和三维重构的盒装烟标测量装置[J].工业技术创新，2022，9（1）：42-48.

[8]雷志勇，刘群华，姜寿山，等.线阵CCD图像处理算法研究[J].光学技术，2002，28（5）：475-477.

[9]谭立春.基于结构光成像的键盘键帽平整度检测方法研究[D].长沙：湖南大学，2019.