一种基于机器视觉的纸病识别方法 a paper defects detection method based on machine vision.pdfVIP

中国造纸学报 TransactionsofChina and VoL Pulp Paper 28，No．1，2013 一种基于机器视觉的纸病识别方法 张学兰1’2 李 军1’2 孟范孔3 (I．华南理工大学制浆造纸工程国家重点实验室，广东广州，510640；2．华南理工大学广东省造纸技术与装备公共 实验室，广东广州，510640；3．华南理工大学机械与汽车工程学院，广东广州，510640) 摘要：提出了一种基于图像灰度变换和BP神经网络的纸病识别算法。该算法是利用动态双阈值法和图像合成法对图像进行预处 理，提取出纸病的特征值，再利用BP神经网络对纸病进行分类。结果表明，BP神经网络分类器可以很好地识别出纸病图像中的孔 洞、脏点和褶皱，平均识别率达93．8％。 关键词：纸病图像；图像灰度；特征值；BP神经网络 中图分类号：rib--736+．2文献标识码：A 文章编号：1000—6842(2013)01．0048—05 在纸张生产过程中，由于设备磨损、生产原料质 量和环境污染等原因，会造成一些外观纸病¨]，而 利用传统的人工检测方式进行纸病检测已经难以满足 生产过程的需要。基于机器视觉技术的纸病检测系统 的出现，不仅大大提高了检测效率，还实现了在线分 析与控制。该技术能实时有效地监测运行中纸幅上的 各种纸病，以便于操作人员及时反应，迅速找到导致 纸病的原因，从而降低损纸率，提高成品率，减少操 作人员的工作量旧J。 图1合格纸样 纸病的智能化在线检测的目的在于开发一套机器 视觉系统，应用快速有效的算法，实现纸病的精确检 测和定位日1。纸病的智能化在线检测，即运用纸张 图像的形态特征、灰度级统计、纹理特征、形态学、 模糊逻辑及神经网络等进行纸病图像的分割和识别。 针对现有的算法不能对同时含有不同种类纸病的图像 进行分类识别，本研究提出了一种基于图像灰度变换 和BP神经网络的纸病识别算法。 1纸病图像预处理 图2纸病图像 1．1纸样图像的获取 大的区别，因此属于高对比度的纸病图像。大量实验 本研究所用的图像是在反射光照条件下，通过扫 统计表明，孔洞处的灰度比背景灰度均值高15％以 描仪获取的纸病图像，像素大小为640×480，如图1 上；脏点处的灰度比背景灰度均值低30％以上；褶 和图2所示，分别为合格纸样图像和带有孔洞、脏点 皱处的灰度与背景灰度均值相差不大，但有很明显的 和褶皱的纸病图像。 灰度阶跃。 1．2纸病图像预处理 基于上述对3类纸病灰度特征的分析，本研究采 观察图2可以发现，孔洞和脏点与背景灰度有较 用一种基于灰度经验的动态双阈值分割方法H1来提取 收稿13期：2012-07-29 基金项目：国家重点基础研究发展规划(973计划，2010CB732205)；国家科技支撑计划项目(2007BAF25BOO)。 作者简介：张学兰，女，1988年生；在读硕士研究生；主要研究方向：纸病机器视觉检测系统。 E—mail：zxlisbest@163．com 万方数据 第28卷第1期 一种基于机器视觉的纸病识别方法 图3双阈值分割后结果 图4边缘检测结果 图5加运算结果 孔洞和脏点。首先计算得出纸病图像的背景灰度均值 (1)平均灰度 为220，再用图像背景灰度均值的1．15倍和O．70倍目标平均灰度Mean的计算公式∞1为： 作为阈值进行分割，其中高于220×1．15的设为 255，低于220×0．70的设为0，其余设为128。将图Me