论文部分内容阅读
基于机器视觉的烟支缺陷检测是机器视觉、图像处理、模式识别等领域的重要研究课题。在卷烟厂加工和生产香烟的过程中,因为种种原因使得从卷接机输送到烟包包装线的烟支出现各种次品。常见的次品包括香烟缺支、包含异物和空头(烟支端面烟丝空陷)等缺陷。为了保证香烟出厂的品质,必须对香烟包装过程进行检测,以免包含次品的烟包流向市场。本文以烟支为对象,针对烟包生产过程出现的异物、缺支和空头缺陷,在动态视觉环境下从机器视觉、图像处理、模式识别的角度研究烟支缺陷检测算法,具有重要的学术与应用价值。本文针对烟包的缺支、含异物、空头等缺陷,在动态视觉环境下分别研究和提出了相应的检测算法,设计并实现了一种烟支缺陷检测系统,并通过实验评估了系统的检测性能。本文所做的主要研究工作如下:(1)通过分析烟支图像样本,针对烟支排列、异物和空头等不同的检测目标,选取了合适的图像预处理方法,该方法能够突出被检测目标的特征。(2)针对烟支排列区域提取和定位这一关键问题,提出了一种基于投影的烟支排列区域提取方法以及基于模型引导的自适应烟支定位方法,并通过实验说明了方法的适用范围。(3)针对烟支不同缺陷的检测,设计了相应的检测算法。针对烟支异物检测,提出了一种基于模板匹配的检测算法,并通过实验分析了模板大小对异物检测的影响,给出了模板选取的策略。针对烟支排列检测,提出了一种识别烟支是否缺支的排列相似度指标以及相应的检测算法,并通过实验分析给出了检测门限的选取策略。针对烟支空头检测,提出了一种基于迭代法的烟支空头图像二值化方法,在此基础上提出了一种用来识别烟支是否空头的相似度指标以及相应的检测算法,并通过实验分析给出了检测门限的选取策略。(4)根据本文提出的烟支缺陷检测算法,设计并实现了一种烟支缺陷自动检测系统,并通过该系统的实验结果评估了算法的检测性能,证明了本文所提出的检测算法能够满足烟支检测过程中的识别率和实时性要求。本文的研究成果表明,采用机器视觉、图像处理、模式识别等技术可以实现香烟生产过程中的质量检测与控制。