基于Halcon图像处理的表面缺陷检测方案

 

针对现有的工业上的标签表面质量检测过程中存在的速度慢，精度低的问题，提出一种基于Halcon的工业标签表面的印刷图案的缺陷检测。其方法主要思想为差分思想即根据不同工业标签表面图案的区域特征进行Blob分析来定位，通过基于形状的模板匹配算法来快速查找目标区域，然后利用灰度值差影匹配算法进行缺陷检测。最后通过图像配准的方法检测缺陷的特征值，该检测方法得到的检测结果与实际存在的缺陷基本一致，而且大大提高了检测的速度和精度，达到了生产线上的质量要求。

引言

工业标签能够对在生产过程中产生的大量数据进行自动化收集，而且实时准确的传递给管理系统。大大提高了生产效率，改进了生产方式，节约了生产成本。然而，工业标签在印刷的过程中存在大大的不确定性，致使标签的表面不可避免地随机出现各种缺陷，例如：印刷缺失、脏污、划痕等。而目前对于工业标签的缺陷检测大多还是人通过肉眼来进行检测，这种检测方法不可避免地就大大浪费了人力劳动资源，而且随着时间的增长，人眼会感到疲惫，这样就会提高漏检和误检率。因此，本文将机器视觉引入到工业标签表面质量的缺陷检测中，解决了人工检测的效率低，耗时长，漏检和误检等问题。

1、 检测系统的实验平台搭建

本文采用Halcon图像处理软件来搭建工业标签表面缺陷检测的检测系统，主要检测过程为：利用工业相机对传送带上待检的工业标签进行图像采集和预处理，最后通过模板配准检测出缺陷所在的区域。该检测方案的硬件系统主要包括光源、相机、镜头、编码器和图像处理平台等。由于工业上的标签种类和大小都不一样，本文选用工业上常用的一种锂电池的标签来进行试验，该标签的尺寸为400mmx200mm，检测精度为400μm。因此，该系统采用的相机为500万级的千兆网工业相机，相机的分辨率为2448像素x2048像素，镜头焦距选用3.5-8mm，可以手动调节，光源选用LED条形白光。在检测的过程中，相机首先通过驱动轴上的编码器实时触发来采集图像，然后将采集到的图像传到PC机，最够运用PC机上的Halcon图像处理软件来进行图像处理并输出检测结果。

2 、检测实验结果

在进行图像配准之前，为了能够将待测图像与标准图像在位置上尽可能地保持一致，首先执行find_shape_model算子查找到标签所在的位置区域，找到未知区域后，利用vector_angle_to_rigid算子和affine_trans_image算子将待测图像变换到标准图像所在的位置，然后再进行配准工作。通过图像配准之后，将通过仿射变换后的待检图像与标准图像利用compare_variation_model算子進行比对，得到缺陷区域。得到缺陷区域之后利用connection算子求得缺陷区域的连通域，然后用面积特征进行特征筛选，设定缺陷面积小于10个像素的就认为是OK品的图像，缺陷面积大于10个像素的图像则认为是Not OK的图像。

3、 试验结果分析

工业标签表面缺陷检测系统在实验运行过程中，按照要求设定的缺陷有划痕、污渍、印刷不全等缺陷。variation Model的训练学习法的检测结果：误报：0，漏报：0，视觉检测方法可靠，准确;单张标签的检测时间基本为10ms以内，缺陷检测结果分析见表1。

表1 实验数据表

由表1可以看出，本文提出的标签表面的缺陷检测方案比传统的人工检测方式大大提高了检测的速度和精度，同时也保证了准确率，达到了生产线上的质量需求。

相比于传统的人工肉眼缺陷检测的方式，利用Halcon软件设计的工业标签表面缺陷检测方案，能够更准确快速地检测出标签表面的缺陷，达到了生产线的质量需求。

参考文献

[1]汤勃，孔建益，伍世虔.机器视觉表面缺陷检测综述[J].中国图象图形学报，2017，22（12）：1640-1663.

[2]陈萍.基于HALCON的标签模切缺陷的检测[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：熊继淙　邢旭朋　马军

编辑：黄飞