一、專案開發背景與趨勢
在香菸捲包機組的生產效率逐步提高的前提下，對工藝質量的控制難度越來越大，外觀檢測技術含量不斷提高，影象處理演算法多種多樣，對現場電氣人員和技術人員是不小的挑戰。而外觀檢測的效果，取決於影象處理演算法的正確選取和各種引數的準確性。因此，本文對影象處理技術做詳細分析，希望對技術人員的應用提供幫助。
二、硬體系統分析
影象處理技術的前提是“影象”,儘量保證影象的清晰和待識別內容明確是影象處理硬體系統需要解決的問題。在捲菸行業中，主要涉及的是相機與光源的選取問題。
1 相機的選用
相機這裡主要應用黑白與彩色相機。
（a）小盒外觀檢測使用彩色相機對煙包進行檢測，該方法檢測精度高，對硬體處理速度要求高。（b）條煙外觀檢測與缺條成像檢測採用黑白相機，關注的是灰度上明顯的差別，該方法檢測內容精度低，對硬體處理速度要求低。
2 曝光光源的選用
光源主要分單色光和白光，這裡均有應用。包裝帶玻璃紙的地方使用單色光較好。
三、軟體演算法分析
1 影象處理演算法概述
影象處理是用計算機對影象進行分析，以達到所需結果的技術，而進行影象分析所使用的工具就是影象處理演算法，這些演算法包括基本演算法，類似的有二值化、灰度影象、邊緣查詢等，也有高階演算法，像神經網路演算法等。
2 應用到行業內的影象處理過程
捲包過程應用的檢測大體的處理流程：首先，圖片預處理。得到灰度圖片，採用RGB轉灰度演算法，得到灰度圖；其次，演算法處理及分析，灰度圖上按使用者檢測設定定位監測範圍，選擇處理演算法。主要用到二值化、邊緣檢測、平滑、去噪聲、模板匹配等影象處理演算法，再配合統計分析；最後，與目標值結果比對，根據檢測引數的設定進行檢測結果判斷，包括灰度平均值、偏差，邊緣檢測重量與長度，模板匹配相似度，以及其他偏差值，將不合格產品剔除或者報警。
四、成像檢測引數調整方法
缺條成像檢測的調整原理是在檢測影象上設定矩形框，對矩形框內的影象進行閾值X的二值化處理，將處理結果中聯通暗區的面積值與設定值Y對比，超出界限則報警。X值與Y值的選擇是手動設定，這個值很關鍵，如果不能設定合適的值，則檢測不到缺條或者誤檢過多。因此，我們做以下分析。
1 確定閾值X
為了找到合適的閾值，在MATLAB中我們對影象首先進行灰度直方圖的分析。
i=imread（‘E: est1.bmp’）；
j=rgb2gray（i）；
figure（）；imshow（j）；%原圖的灰度圖
figure（）；imhist（j）；%灰度分佈直方圖
區域A的高分佈來源於暗色的空隙，區域C的高分佈來源於煙條的亮色反光，而區域B的過渡區是介於亮色與暗色之間過渡區域，我們的閾值X就設定在區域B,大致範圍60~140.
繼續在MATLAB中進行分析通過分析，圖片絕大部分閾值應該定義在150左右，而兩個角落最好定義在80~110的某一個值（需要多次實驗），這樣的分析結果較接近我們想要得到的結果。
經過多次實驗，最終確定：
Level=60/255=0.235閾值60.
2 現場處理方法
根據這個原理，在生產現場我們應該通過以下方法確定閾值：（a）畫一個較大的檢測框，包含正常煙條、裝置暗區、煙條正常縫隙；從大到小改變閾值進行測試，這裡得出閾值為60左右較為合適。（b）確定暗區面積範圍Y,在上述實驗中，由於圖片中有不同程度的.暗區，這些暗區不代表缺條，而且面積較小。在實際中，暗區大小需要用新增面積約束（約束範圍內報警，預設3500~100000）。（c）根據實際經驗，我們找到確定面積的標準調整方法：繪製檢測框，不用故意避免縫隙，儘量讓檢測框之間沒有縫隙，測試找到合適閾值X;將檢測框檢測閾值設為255,處理後得到檢測框的設定面積值Y1;將檢測框檢測閾值設定為之前調整好的閾值X,處理後得到檢測框內的暗區面積值Y2;根據Y1,Y2的值針對空隙晃動情況，設定一個大於Y2的面積範圍下限Y（根據經驗，經常設定為Y1的1/6到1/4範圍）。
結語
不同的煙條，甚至不同燈光下閾值不同，這樣預設的40閾值對調整檢測引數來說意義不大，沒有自動的調整方法或者專業人員前提下引數較難確定，導致檢測效率不高，而通過上述方法可以找到相對準確的閾值。同時需要根據每個檢測框內可能出現的縫隙或者暗點新增面積約束條件，預設1500的起始面積可能造成誤檢和漏檢，需要根據檢測框的面積重新確定。
參考文獻
[1] 張德豐 . 數字影象處理（MATLAB 版）[M]. 北京：機械工業出版社，2012.