?

針對現有的工業上的標簽表面質量檢測過程中存在的速度慢，精度低的問題，提出一種基于Halcon的工業標簽表面的印刷圖案的缺陷檢測。其方法主要思想為差分思想即根據不同工業標簽表面圖案的區域特征進行Blob分析來定位，通過基于形狀的模板匹配算法來快速查找目標區域，然后利用灰度值差影匹配算法進行缺陷檢測。最后通過圖像配準的方法檢測缺陷的特征值，該檢測方法得到的檢測結果與實際存在的缺陷基本一致，而且大大提高了檢測的速度和精度，達到了生產線上的質量要求。

引言

工業標簽能夠對在生產過程中產生的大量數據進行自動化收集，而且實時準確的傳遞給管理系統。大大提高了生產效率，改進了生產方式，節約了生產成本。然而，工業標簽在印刷的過程中存在大大的不確定性，致使標簽的表面不可避免地隨機出現各種缺陷，例如：印刷缺失、臟污、劃痕等。而目前對于工業標簽的缺陷檢測大多還是人通過肉眼來進行檢測，這種檢測方法不可避免地就大大浪費了人力勞動資源，而且隨著時間的增長，人眼會感到疲憊，這樣就會提高漏檢和誤檢率。因此，本文將機器視覺引入到工業標簽表面質量的缺陷檢測中，解決了人工檢測的效率低，耗時長，漏檢和誤檢等問題。

1、 檢測系統的實驗平臺搭建

本文采用Halcon圖像處理軟件來搭建工業標簽表面缺陷檢測的檢測系統，主要檢測過程為：利用工業相機對傳送帶上待檢的工業標簽進行圖像采集和預處理，最后通過模板配準檢測出缺陷所在的區域。該檢測方案的硬件系統主要包括光源、相機、鏡頭、編碼器和圖像處理平臺等。由于工業上的標簽種類和大小都不一樣，本文選用工業上常用的一種鋰電池的標簽來進行試驗，該標簽的尺寸為400mmx200mm，檢測精度為400μm。因此，該系統采用的相機為500萬級的千兆網工業相機，相機的分辨率為2448像素x2048像素，鏡頭焦距選用3.5-8mm，可以手動調節，光源選用LED條形白光。在檢測的過程中，相機首先通過驅動軸上的編碼器實時觸發來采集圖像，然后將采集到的圖像傳到PC機，最夠運用PC機上的Halcon圖像處理軟件來進行圖像處理并輸出檢測結果。

2 、檢測實驗結果

在進行圖像配準之前，為了能夠將待測圖像與標準圖像在位置上盡可能地保持一致，首先執行find_shape_model算子查找到標簽所在的位置區域，找到未知區域后，利用vector_angle_to_rigid算子和affine_trans_image算子將待測圖像變換到標準圖像所在的位置，然后再進行配準工作。通過圖像配準之后，將通過仿射變換后的待檢圖像與標準圖像利用compare_variation_model算子進行比對，得到缺陷區域。得到缺陷區域之后利用connection算子求得缺陷區域的連通域，然后用面積特征進行特征篩選，設定缺陷面積小于10個像素的就認為是OK品的圖像，缺陷面積大于10個像素的圖像則認為是Not OK的圖像。

3、 試驗結果分析

工業標簽表面缺陷檢測系統在實驗運行過程中，按照要求設定的缺陷有劃痕、污漬、印刷不全等缺陷。variation Model的訓練學習法的檢測結果：誤報：0，漏報：0，視覺檢測方法可靠，準確;單張標簽的檢測時間基本為10ms以內，缺陷檢測結果分析見表1。

表1 實驗數據表

由表1可以看出，本文提出的標簽表面的缺陷檢測方案比傳統的人工檢測方式大大提高了檢測的速度和精度，同時也保證了準確率，達到了生產線上的質量需求。

相比于傳統的人工肉眼缺陷檢測的方式，利用Halcon軟件設計的工業標簽表面缺陷檢測方案，能夠更準確快速地檢測出標簽表面的缺陷，達到了生產線的質量需求。

參考文獻

[1]湯勃，孔建益，伍世虔.機器視覺表面缺陷檢測綜述[J].中國圖象圖形學報，2017，22（12）：1640-1663.

[2]陳萍.基于HALCON的標簽模切缺陷的檢測[J].信息通信， 2018.（1）：116-119.

[3] Han B A， Xiang H Y， Li Z， et al. Defects detection of sheet metal parts based on HALCON and region morphology[C].Applied Mechanics and Materials. Trans Tech Publications，2013，365：729-732.

作者：熊繼淙　邢旭朋　馬軍

編輯：黃飛