基于機(jī)器視覺的紙病檢測系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、紙張?jiān)谕庥^表象方面出現(xiàn)的諸如臟點(diǎn)、亮斑、孔洞和裂紋等瑕疵統(tǒng)稱為紙病。隨著消費(fèi)者對紙張、尤其是特種紙表觀質(zhì)量要求的提高，對紙病區(qū)域進(jìn)行人工肉眼識別已經(jīng)無法滿足要求，近年來紙病在線檢測已成為造紙行業(yè)的熱門研究課題之一。國外在這一方面的研究和應(yīng)用已趨于成熟，國內(nèi)卻剛剛起步。本文在陜西省科技統(tǒng)籌創(chuàng)新工程計(jì)劃項(xiàng)目(項(xiàng)目號:2012KTCQ01-19)的支持下，就紙病在線檢測與實(shí)驗(yàn)室實(shí)現(xiàn)開展了深入細(xì)致的研究，借助機(jī)器視覺技術(shù)提出了一種高速線陣CCD

2、相機(jī)的紙病在線檢測系統(tǒng)。論文的主要工作可總結(jié)為如下四個方面。
　　(1)基于機(jī)器視覺的紙病檢測系統(tǒng)總體方案設(shè)計(jì)
　　分析了典型的機(jī)器視覺系統(tǒng)組成模塊，根據(jù)各模塊的選型規(guī)則設(shè)計(jì)了紙病檢測系統(tǒng)的硬件平臺。硬件平臺采用線陣CCD相機(jī)和尼康尼克爾工業(yè)級鏡頭進(jìn)行紙張視頻的采集，照明系統(tǒng)采用LED光源，正面光源和背面光源結(jié)合的打光方式。采集卡通過PCI-E接口與高速計(jì)算機(jī)相連，并利用采集卡客戶端軟件對相機(jī)參數(shù)進(jìn)行設(shè)置，得到.cff格式相

3、機(jī)配置文件。同時給出了系統(tǒng)軟件的總體設(shè)計(jì)方案，對紙病檢測系統(tǒng)的原理進(jìn)行了說明。
　　(2)紙病區(qū)域和圖像特征提取方法的研究
　　介紹了數(shù)字圖像處理技術(shù)和BMP位圖的數(shù)據(jù)結(jié)構(gòu)，在研究單紙病區(qū)域提取方法的基礎(chǔ)上，設(shè)計(jì)了多紙病區(qū)域提取的方案。針對邊緣跟蹤算法只能對單目標(biāo)邊界點(diǎn)進(jìn)行搜索而無法搜索多目標(biāo)邊界點(diǎn)的問題，設(shè)計(jì)了改進(jìn)的邊緣跟蹤算法，實(shí)現(xiàn)對紙張圖像中所有紙病全部提取。然后，在研究圖像紋理特征描述和分析方法的基礎(chǔ)上，分析提取的紙

4、病圖像紋理特征，利用C++語言編程實(shí)現(xiàn)基于灰度共生矩陣的圖像紋理特征參數(shù)的計(jì)算。
　　(3)基于BP神經(jīng)網(wǎng)絡(luò)的紙病分類器的研究與設(shè)計(jì)
　　在學(xué)習(xí)BP神經(jīng)網(wǎng)絡(luò)基本原理和網(wǎng)絡(luò)結(jié)構(gòu)確定方法的基礎(chǔ)上，結(jié)合黑斑、孔洞、褶皺、裂紋四種常見紙病的特點(diǎn)，提出了基于BP神經(jīng)網(wǎng)絡(luò)的紙病檢測系統(tǒng)分類器設(shè)計(jì)方案。首先，計(jì)算四種紙病的各40張圖像紋理特征值，作為訓(xùn)練樣本對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練;其次，計(jì)算四種紙病各10張圖像的紋理特征值，作為測試樣本對

5、訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行測試;最后，根據(jù)測試結(jié)果對紙病分類器進(jìn)行分析。分析結(jié)果表明基于圖像紋理特征的紙病分類器能夠很好的區(qū)分出孔洞、裂紋、黑斑、褶皺等常見的紙病。
　　(4)紙病檢測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
　　在研究面向?qū)ο缶幊痰幕痉椒ê吞攸c(diǎn)的基礎(chǔ)上，利用MFC類和Sapera++類設(shè)計(jì)了紙張視頻采集模塊、圖像紋理特征值提取模塊、紙病分類器模塊、GUI人機(jī)交互界面。針對光源照射不均導(dǎo)致的紙病成像干擾問題，設(shè)計(jì)了相機(jī)的平場校正模塊