机器视觉系统相机食用油激光喷码检测分拣系统喷码2王博1孙瑞轩2本文

编者按：当前食用油激光喷码检测方式仍是传统的人工灯检法，存在成本高、不稳固、精度低、人员调动等弊端，已经不能满足制造商和消费者的规定，为此设计一种基于机器视觉和手动化控制科技的食用油激光喷码检测分拣系统。借助MatlabScript节点，采用LabVIEW和MATLAB工具混合编程的方式实现喷码字符检测，LabVIEW软件实现图像收集、人机界面制作和数据预测用途，MATLAB工具推动图像处理和字符识别用途，充分发挥各硬件优势，降低编程开发难度。LabVIEW通过VISA串口将喷码质量信息存储至PLC(Progr

作者张培恒1董浩2王博1孙瑞轩2

本文引用地址：

1.燕山学校化工项目大学(北京秦皇岛066004)2.河北省科大学自动化研究所(北京石家庄050000)

*基金项目：河北省科大学技术计划工程(编号：17401)

张培恒(1989-)，男，硕士，研究方向：机器视觉。

摘要：当前食用油激光喷码检测方式仍是传统的人工灯检法，存在成本高、不稳固、精度低、人员调动等弊端，已经不能满足制造商和消费者的规定，为此设计一种基于机器视觉和手动化控制科技的食用油激光喷码检测分拣系统。借助MatlabScript节点，采用LabVIEW和MATLAB工具混合编程的方式实现喷码字符检测，LabVIEW软件实现图像收集、人机界面制作和数据预测用途，MATLAB工具推动图像处理和字符识别用途，充分发挥各硬件优势，降低编程开发难度。LabVIEW通过VISA串口将喷码质量信息存储至PLC(ProgrammableLogicController，可编程逻辑控制器)，控制手动分拣机构将喷码不合格的食用油剔除，从而确保和提升产品品质。实验结果证实，系统正确诊断和分拣率可稳定超过90%以上。

0引言

食品安全难题仍旧是他们最关心的，而食用油是生活中不可或缺的日常消耗品，随着生活水准和安全观念的不断增加，人们对食用油质量的要求屡日增高，食用油桶体上标记激光喷码作为油品保障的必要方法[1]，为每一桶食用油标注其尺寸、生产日期、批号等不同的信息，已变成食用油品质标准，其非常于食用油的身份证件，以其不可涂改、无耗材、无污染、高效、长效等特征，被广泛用于标志领域，但在厂家食用油制造过程中，由于环境、设备、技术等因素，激光喷码难免会出现错印、漏印、污损、重叠等弊端，此时就必须对其进行品质监测，保证有弊端的产品不会流入市场，以免引起对消费者健康权益和企业品牌形象的消极影响。传统的食用油激光喷码检测主要是借助人工岗位来完成，然而人眼的主观评估有其固有的局限性，己经越来越不能适用于现代生产业的标准，因此食用油制造工序的品质检查水平应该增加，食用油激光喷码视觉测量分拣系统采用先进的机器视觉和手动化控制科技完全可以代替人工监测，使用BP神经网络算法不断增加测试速度、效率和精度，完全满足现代生产业的标准。

机器视觉是一门多学科交叉的综合性科技，它包含了数字图像处理、光学、模式辨识、计算机应用科学、人工智能等一系列学科领域的知识[2]，通过计算机和工业相机非接触式地对目标图像进行获得和处理，最终获取目标信息和推动智能自动化控制。

神经网络启发于物理学神经系统，通过并行处理和改变神经元联结权重来训练出能推动特定功能的神经网络，其具备很强的自学习和弱化能力[3]。BP(BackPropagation，反向传播)神经网络是多层前馈误差反向传播的神经网络，是现在应用得最为广泛的神经网络分析模型。

自动控制技术是指在很少或无人参与下，通过使用各类控制器、继电器、接触器、执行器、传感器等装置自行推动工艺或过程的一门技术。它是以控制理论为基础，利用反馈机理来手动地调节动态系统[4]，使得系统超过他们的想象。自动控制平台的长期应用，不仅增加了工作强度，也增加了工作品质，改善了员工的工作环境。

食用油激光喷码视觉测量分拣系统灵活采用各类科技和技巧，研究和预测BP神经网络算法，快速精确地测量出喷码信息，并与激光喷码机中的应刻灼信息相比对，如果出现错印、漏印、污损、重叠、歪斜等状况，系统将手动报警，提醒用户，并可按预先设置的手动控制程序执行相关动作，剔除不合格产品。

1机器视觉

机器视觉是指运用镜头取代人眼功能，图像处理及算法用途取代人脑功能，对目标进行特征提取和预测，进而作出判定来控制制造过程的一种人工智能科技[5]，包括光源、图像获取、图像处理、算法等组件。

1.1光源照明模块

光源与照明方案是平台中重要构成个别，应尽可能地突出目标特性，将要测试的区域尽可能大地与背景区域进行区别，提高对比度，降低图像处理、分割和辨识难度，使平台的靠谱性和综合性能得到提升。

食用油桶体是半透明且具有一定弧度的，激光喷码机在桶体表层刻灼凹字符，其与非字符区域的材料同样，故没有色彩信息且反光严重，这大大降低了光源和照明方案的难度。

根据测试对象，尝试不同种类光源，经过多次不同实验，最终设计了一种照明方案：选择条形LED橙色光源组合成长度约10cm的正圆形，并在正梯形光源后添加黄色同轴光源，同时配有亮度控制器，可独立调整和粗调每组对边位置的灯色温和同轴光源亮度，协调配合使用同轴光源和组合条形光源，在足够照度情况下防止反光和确保足够的对比度、清晰度，实物光源如图1所示，在特制光源灯具下获取的喷码图像品质明显提升，清晰度、对比度显著提高，大大增加喷码图像处理和测试、识别难度，同时加强系统运行处理速率和提升系统鲁棒性。

1.2图像采集模块

图像收集组件是平台的输入端，对整个平台的运行速率和强度有重要制约，包括光学传感器、工业相机、镜头、相机支架、链板等设备。

1.2.1光电传感器

光电传感器输出为二极管信号，用于软件触发工业相机拍照，即链板运送食用油至特定位置后，光电传感器动作，触发进入准备状况的工业相机抓拍喷码。

本系统采用欧姆龙E3Z-T61A-L型光学传感器，为透过性黑色光源传感器，设计有感度调节按钮和动作切换开关，动作和复位各为1ms一下机器视觉系统相机，响应速率快，同时具备简易、耐振动、稳定、寿命长等特点，可满足系统效率、触发机制、链板速度的要求。

1.2.2工业相机及镜头

根据所需的信噪比、芯片和像素大小确定合适的手机，链板经常进入高速运转状况，同时为提升系统图像处理速率不必要获取图像形状信息，因此采用BASLERacA1920-155μm黑白工业相机，帧速率可达164fps，选用通信标准统一、传输速度快、成本廉价的USB3.0图像存储方法，相机配有SonyIMX174CMOS感光芯片，230万像素分辨率，足以满足系统要求。

镜头的选择不仅要与手机的接口、传感器规格、分辨率相适应，还要充分考量工作距离、视场大小、崎变等原因选用具备适合焦距的镜头[6]，本系统采用BASLERC-125-1218-5M型号镜头，分辨率为500万像素，光圈范围为F1.8~F22.0，工作距离为200mm，固定焦距为12.0mm，原装C口镜头，与已选相机和光源配合使用无法获取高品质喷码图像，为接出来图像处理环节奠定基础。

1.3图像处理组件

图像处理是机器视觉的核心部分，对平台处理速度和高识别率起到决定作用，包括对图像预处理，喷码字符的检查、定位和分割，特征选取、提取及利用相关算法识别字符等操作。

1.3.1图像预处理

因为环境、设备等固有因素使图像含有一定的干扰性噪音，为了使这些制约降到最低，需要对目标图像进行必要的预处理，降低图像噪声、提高图像对比度及清晰度，通过图像增强技术将图像原本容易被忽视的细节部分呈现出来，提取出图像的特点，方便后续处理。因缺少判定图像增强质量客观的统一标准，从严格的理论上来说还没有被广泛认同的理论。不同程序在处理图像增强时，都有自己的对于性，增强的结果促使下一步图像处理，即是图像增强合适与否的标准，由实验结果对比所得，本平台选择中值滤波器消除噪声影响，如图2所示，从图像二值化结果中也能判定出中值滤波器更合适图像后续处理，如图3所示。

1.3.2字符分割

字符分割是整个图像处理中最重要、最困难的一步，是字符识别的基础，只有将字符完整正确地分隔开来，才能确保字符识别的效果和恰当率。

首先对图像进行二值化，其目的是将图像分为两个个别，即背景和形势，本平台选择大津法受到阈值进行二值化;此外防止面积大于25个像素的孤立的点，然后填充空腔并膨胀图像;接着利用一种基于投影和字符长度相组合的方式来完成字符分割，详细方法如下：

1)水平投影。由左到右、由上到下扫描图像每一行像素并累加每一行像素值，设定水平投影的累加值差值为9，记录累加值高于和大于阈值的起始位置，分别为每行字符由上到下的起始位置和结束位置，从而将整个字符图像粗分割为两行字符。

2)平行投影及字符宽度判断。由上到下、由左到右扫描粗分割字符图像每一列的像素并累加每一列的像素值，设定垂直投影的累加值差值为4，记录累加值高于和大于阈值的起始位置且相邻位置厚度应小于35个像素，分别为字符由左到右的起始位置和结束位置，从而将整个目标图像细分割为22个单字符。

3)对每个字符图像分别再进行一次水平投影，累加阈值为4，除去每个字符上下界限多余区域，并归一化为16×16大小的字符图像储存到本地，作为练习和检测BP神经网络的样本。

2LabVIEW和MATLAB平台混合编程

LabVIEW是NI公司打造的一种基于图形化编程G语言的高效开发工具，图形图标丰富，容易制作各式界面，并包含长期用于数据收集、分析并且表达、储存的各类库函数，编程简单。但在图像处理、神经网络、模式识别等诸多算法的支持方面是LabVIEW的瓶颈，其相关软件箱及编程灵活性相当有限。

MATLAB是以矩阵运算为基础、拥有超强计算用途的一种物理工具，针对不同专业领域的应用，具有信号处理、图像处理、神经网络等多个专用软件箱，但在人机界面设计和研发方面素质十分有限，并且在软件输入、通信和控制等方面都非常繁琐。

本平台通过MatlabScript节点实现LabVIEW和MATLAB混合编程，通过此节点LabVIEW直接读取编写、调试后的MATLAB程序，可以超过它们扬长避短、优势互补的疗效，降低了研发难度，缩短了开发周期，提高了工作效益。

2.1LabVIEW软件编程

LabVIEW软件主要推动图像收集、人机界面制作、数据预测等用途，充分发挥其优势。

LabVIEW软件内置的IMAQdx通过NIMAX可以直接联结和设定工业相机。在LabVIEW程序框图中读取子VI并连线编写图像收集程序，分别是开启和配置相机，拍照获得图像等。在LabVIEW前面板中微调、拖拽和修改字体，制作人机界面，界面左方为状况信号指示灯，显示系统各个工序运行状况，界面中间实时显示图像和辨识出的数组串，界面左方为平台修改和操作按键，界面下方显示喷码所表示的食用油信息，如图4所示。

同时系统有查询食用油喷码历史数据的功能，点击人机界面中“查询”按钮，弹出数据查询窗口，可依据产地、批号、开始和结束时间、合格与否等条件查询食用油喷码历史信息，并能导出数据保存至本地。

2.2MATLAB软件编程

MATLAB工具主要推动图像处理、BP神经网络算法、字符识别等用途，借助MATLAB图像处理软件箱和神经网络工具箱推动了编程速度和研发进程。

2.2.1图像处理

首先进行图像滤波来去除噪声和提升图像对比度、清晰度，尝试均值、中值、高斯、拉普拉斯等滤波器并非常得中值滤波器效果最佳。

接着对图像进行二值化处理，该过程关键是按照图像灰度特性对权值的选定，大津法是错分概率最小、自适应的阈值确定方式，相比于迭代法、最小精度法等效果最好。

其次做二值图像形态学处理，除去零散的点、填充裂缝、膨胀连接字符边缘。

最后进行图像分割和归一化处理，因为喷码字符有规律地分行排列且厚度相同，故选用一种基于投影和字符长度相组合的方式来完成字符分割，最后每个数组图像归一化保存至本地。

2.2.2BP神经网络算法

BP神经网络由输入层、隐含层、输出层组成，如图5所示。它是基于梯度减少的最小均方差算法，它采取误差反向传播的方法不断调整神经元连接权值，最终BP神经网络实际输出和目标输出之间均方差满足系统规定，训练出满意的分析建模。

借助MATLAB神经网络软件箱推动BP神经网络算法的具体过程如下：

1)确认输入矩阵P和目标矩阵T。因试验条件有限，样本集仅有3800个元素，包括10个数字、26个字母及斜线、冒号共38个类型，每个种类含100个不同条件下获得的样本。选取像素特征成为BP神经网络的输入，因为每个数组归一化为大小16×16，故输入矩阵P大小为256×3800，每一列表示一个字节样本，目标矩阵T大小为1×3800。

2)确认各层神经元数量。在神经网络软件箱中，输入层和输出层的神经元数量会按照输入矩阵P和目标矩阵T自行确认;因样本量有限，以及为减少网络训练时间和发生“过拟合”的偏好，只设置1层隐含层，该层神经元数量按照经验推导和试验所得最后设置为98个。

3)设置网络参数。网络的输入层和隐含层、隐含层和输出层的存储数组分别为双曲正切S型变量和纯线性方程，选用梯度减少练习方式，初始设定网络的目标偏差为0.001，显示后面结果的周期为10ms、最大迭代次数为30000，学习率为0.05。

4)训练网络。针对不同方式的字符，不断调整网络参数进行练习，并检测网络满足规定后储存至本地机器视觉系统相机，供MatlabScript节点读取来辨识新样本中的字符。

3自动分拣机构

为了解决食用油分拣环节人力费用高、劳动密度大、生产效益低等弊端，设计了一个简洁有效的大型手动控制机构，采用上下位机的主从控制方法[7]，上位机通过USB转接RS232串口实现与下位机之间的数据存储，运用PLC、变频器、光电传感器、气动控制等现代工业控制科技，具有工作强度高、运行可靠、节省费用等特点。

3.1机构组成及工作过程

该机构主要由链板传送装置、光电传感器、变频器、PLC、上位PC机、电磁阀、气动执行装置等设施构成，如图6所示。链板传送装置用于食用油的传送，由三相交流异步马达拖动，采用变频器进行换向，PLC控制励磁信号。光电传感器安装于链板进料口，检测是否有食用油进入。电磁阀直接控制液压执行装置的伸缩，将不合格食用油推至回收仓链板上。

具体工作过程：低压配电柜和控制柜上电后，当链板上没有食用油时，变频器输出20Hz的速率控制链板以低速运行;当进料口的光电传感器监测到有食用油进入系统后，则将位置触发信号上传至PLC，控制变频器输出40Hz调速信号，加快链板速度;当食用油至拍照位置，上位机获得图像并迅速分辨出喷码质量信息，界面相应指示灯亮或灭，质量信息通过串口下传至PLC;若质量合格则食用油继续处于下一工序，若质量不合格，PLC则控制电磁阀动作气缸快速伸出，将食用油推至回收仓链板并迅速缩回，同时伴有持续2s的报警灯闪烁和警铃响起;若进料口没有新的食用油进入，则链板修复低速运行，若有食用油进入则重复上述工作过程。

3.2设备选型及修改

设备选型的基本方法是在满足现场环境和工艺要求的前提下，并能确保平台可靠性和维护方便，追求最佳的性价比。

上位PC机最低硬件要求：英特尔赛扬i3-7100处理器，4GB2133MHz主频，256G硬盘，1G集成内存，32位真彩显示器，64位Windows7操作平台。下位机采用西门子S7-200小型PLC，足以满足系统的规定，是控制机构的核心组件，使用STEP7MicroWINV4.0SP9软件编写梯形图控制程序;系统仍采用欧姆龙E3Z-T61A-L型光学传感器;采用AKS4V110-06型电磁阀及SMCMGQM25-175型液压执行装置。系统采用性能稳定、维护方便的西门子G120系列变频器，由控制单元、功率模块、操作面板构成，是一个高度模块化的变频器，各组件尺寸分别为CU240B-2、PM240和BOP-2，变频器设定为多段速控制，链板空载时以第一段速20Hz运行，否则以第二段速40Hz运行，加速时间和减速时间分别0.5s，同时设定变频器推进模式、最大和最小温度、电流保护等参数。

4结论

运用机器视觉和自动化科技攻克难题，运用高效的LabVIEW和MATLAB混合编程方法，实现食用油激光喷码视觉测量、自动装卸功能，代替人工分拣，进一步解放劳动力，降低制造利润，提高生产率和智能自动化水准。但本平台的样本集还不足够大，需要在实验和制造过程中不断扩展样本，继续练习和微调BP神经网络分析建模，进一步提高平台分拣率。同时，若在随后的制造过程中，遇到透视形变并且桶面弯曲过大的状况，需降低图像矫正功能。

参考文献：

[1]王洋洋.喷码技术的演进革新[J].中国食品工业，2010,1(3):28-29.

[2]刘金桥,吴金强.机器视觉系统演进以及应用[J].机械工程与自动化,2010,28(1):215-216.

[3]杨淑莹.模式识别与智能计算[M].第三版.北京:电子工业出版社,2015.

[4]王啸东.综合自动化控制系统设计[J].电气时代,2011,1(6):118-120.

[5]SCarsten,MarkusUlrich.MachineVisionAlgorithmsandApplications[M].第一版.北京:北大学校出版社,2008.

[6]彭琼.基于纹理特性的陨石图像分类[D].湖南:中南大学,2014.

[7]陶跃珍,王东.啤酒瓶自动检测系统设计[J].机械,2010,37(10):59-61.

本文来源于《电子产品全球》2018年第6期第31页，欢迎您写论文时引用，并标明出处。