專利名稱：在紙張缺陷視覺檢測中識別不同缺陷類型的系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本實用新型涉及一種基于DSP的紙頁缺陷檢測系統(tǒng)，尤其涉及一種在紙張缺陷視 覺檢測中識別不同缺陷類型的系統(tǒng)。
背景技術(shù)：
盡管現(xiàn)在已經(jīng)進入信息時代，但是紙張作為信息載體的地位始終沒有改變。作為 印刷工業(yè)中的主要承印物，紙張質(zhì)量對印刷品質(zhì)量的影響不容忽視。高質(zhì)量的紙張可以降 低對印刷工藝過程的影響，獲得令人更加滿意的印刷產(chǎn)品。目前常見紙病主要有褶子、透明 點、孔眼、破洞、塵埃等，對于用來包裝和印刷的高檔紙及特種紙來說，這些外觀紙病是影響 產(chǎn)品質(zhì)量的主要因素之一。如果紙或紙板有紙病，不但影響印刷效果、妨礙書寫，而且還會 降低紙張的強度；因此，控制紙張的質(zhì)量也就成了一個重要而關(guān)鍵的問題。所以運用機器視 覺進行紙張缺陷檢測的方法得到了廣泛關(guān)注?；跈C器視覺的紙張缺陷檢測是利用相機對紙幅快速拍照，利用計算機進行處 理、分類，然后自動判別紙張缺陷類別。這一過程需要處理攝像機采集的每一幅圖像，因此 在算法設(shè)計與硬件的選取上，應(yīng)特別考慮整個系統(tǒng)對實時性的需求。另外由于紙張缺陷種 類眾多加大了檢測難度，使缺陷檢測成為整個監(jiān)測系統(tǒng)中的難點之一，已成為紙張監(jiān)測系 統(tǒng)實用性和準(zhǔn)確性的一個瓶頸。針對實時性的要求高的特點，通用的PC機和工業(yè)計算機很難達到實時處理的要 求，這就需要專用的快速圖像處理芯片應(yīng)用于這一領(lǐng)域。DSP芯片是一種具有特殊結(jié)構(gòu)的 微處理器，它內(nèi)部采用哈佛結(jié)構(gòu)，具有專門的硬件乘法器，廣泛采用流水線操作，提供特殊 的數(shù)字信號處理指令，可以用來快速地實現(xiàn)各種數(shù)字信號處理算法，加之集成電路的優(yōu)化 設(shè)計，使其處理速度比最快的CPU還快十倍甚至幾十倍。以DSP為核心部件的圖像處理系 統(tǒng)具有接口方便、編程方便、穩(wěn)定性好、精度高、可重復(fù)性好、集成方便等數(shù)字處理的全部優(yōu) 點，因此利用DSP實現(xiàn)紙張缺陷檢測系統(tǒng)是一個很好的解決方案。此外識別算法中基于SVM(支持向量機)的識別算法是基于統(tǒng)計學(xué)理論，克服了 傳統(tǒng)方法的大樣本要求和維數(shù)災(zāi)難及局部極小問題，又把非線性空間的問題轉(zhuǎn)換到線性空 間，降低了算法的復(fù)雜度，提高了計算速度。SVM是一種性能優(yōu)良的分類器，不僅可以在缺陷 圖像分割中引入相關(guān)的先驗知識，通過典型樣本的選取和學(xué)習(xí)不斷優(yōu)化算法性能，而且可 以在缺陷分類中加以改進將傳統(tǒng)的兩類支持向量機識別算法進行改進，擴展到多類分類并 應(yīng)用到紙張陷識別中。

實用新型內(nèi)容本實用新型的目的就是為了解決上述問題，設(shè)計了一種識別率高、速度快，且能識 別不同缺陷類型的在紙張缺陷視覺檢測中識別不同缺陷類型的系統(tǒng)。它對缺陷圖像的平均 識別率為97. 5%，誤識率為2. 5%，基本能夠?qū)崿F(xiàn)缺陷圖像的無遺漏檢測識別。整個缺陷識 別過程耗時可在IOms以下，基本能夠保證實際生產(chǎn)條件下紙頁實時檢測的時間要求。[0007]為實現(xiàn)上述目的，本實用新型采用如下技術(shù)方案一種在紙張缺陷視覺檢測中識別不同缺陷類型的系統(tǒng)，它包括攝像裝置，它與被 檢測紙頁相配合，同時還有光源與被檢測紙頁相配合；所述攝像裝置與圖像采集卡連接，圖 像采集卡將獲得圖像分別送入計算機和DSP圖像處理單元，所述DSP圖像處理單元也與計 算機連接。1、DSP圖像處理模塊的硬件部分設(shè)計選擇專用的高性能處理器DSP芯片來完成。按照信號流程，該系統(tǒng)的硬件設(shè)計大 致可分為5大模塊圖像捕獲、時序控制、DSP圖像處理和圖像外部存儲和結(jié)果顯示。其中， 圖像捕獲模塊采用CCD攝像機，其是自帶有USB接口的工業(yè)攝像機，USB接口電路直接與同 步高速緩沖器器件連接，完成高速圖像數(shù)據(jù)的獲?。粫r序控制電路完成高速數(shù)據(jù)采集的時 鐘同步。圖像處理軟件嵌入到DSP端，其識別算法采用改進的多類支持向量機方法來實 現(xiàn)。一種在紙張缺陷視覺檢測中識別不同缺陷類型的系統(tǒng)的識別方法，它的步驟為步驟1，利用成像設(shè)備，獲取紙張圖像，并進行圖像分割，截選具有代表性的紙病區(qū) 域和正常區(qū)域，定義紙病區(qū)域為SVM訓(xùn)練的正類樣本，正常區(qū)域則為負(fù)類樣本；步驟2，進行特征提??；從全部圖像中選擇m張圖像形成一個小規(guī)模樣本分類集訓(xùn) 練成一個初始的分類器；然后再從全部圖像中選取η張缺陷圖像，η張正常圖像，形成一個 2η張圖像的大規(guī)模樣本分類集，η > m，m、η均為自然數(shù)；然后用初始分類器對大規(guī)模訓(xùn)練 集進行修剪，也就是去掉那些不利于聚類的樣本，修剪后得到規(guī)模相對很小的約減集，再用 這個約減集進行訓(xùn)練得到最終的分類器；步驟3，基于SVM的分類器的訓(xùn)練和識別。(1)對所有識別樣本進行特征提取，然后利用分類器對特征向量進行線性內(nèi)積支 持向量機訓(xùn)練，確定線性識別模型函數(shù)即線性分類判別函數(shù)；(2)利用所有識別樣本的特征向量進行核函數(shù)型內(nèi)積支持向量機訓(xùn)練，確定非線 性識別模型函數(shù)即非線性分類判別函數(shù)；(3)利用訓(xùn)練好的決策函數(shù)，對待處理的圖像中的像素進行分析，由決策函數(shù)的輸 出值確定圖像中像素的所屬類別紙病區(qū)或正常區(qū)。所述步驟2中，特征提取過程為選用圖像直方圖特征的灰度平均值、灰度方差均 值、梯度均值、峭度以及熵值5維量特征向量作為輸入的特征向量。本實用新型的系統(tǒng)整體框架主要包括CXD攝像機裝置、光源、圖像采集卡、顯示 器、DSP圖像處理模塊5個部分組成。通過PCI總線將圖像采集卡和DSP圖像處理模塊與 高性能的計算機相連。在該系統(tǒng)中，缺陷圖片的識別過程從PC機軟件中分離出來，PC機執(zhí) 行應(yīng)用程序，完成主機的消息通訊和數(shù)據(jù)傳輸。識別算法嵌入到DSP端，DSP用于獨立完成 缺陷圖片的識別任務(wù)，將處理結(jié)果傳送回主機，DSP對圖像數(shù)據(jù)進行處理后，運用缺陷檢測 算法可判斷圖像有無缺陷，將有缺陷的圖像在顯示器上顯示出來，并發(fā)出必要的語音提示。本實用新型的有益效果本系統(tǒng)由計算機來對DSP圖像處理單元進行加載程序，并做控制與管理，使用起 來比較方便，這樣做不僅在一定程度上將實時處理和非實時處理部分分離，并行進行信號處理和數(shù)據(jù)管理，而且充分利用了 DSP強大快速的數(shù)據(jù)處理能力、并行處理的優(yōu)勢，為紙頁 的圖像信息的實時處理提供了理論與應(yīng)用的條件。如果一幅圖像存在缺陷，那么這幅圖像至少有一個點的灰度與其它點存在差異， 這些差異體現(xiàn)在像素灰度值與圖像灰度均值的差和該像素梯度值與圖像梯度均值的差。基 于以上理論選用圖像直方圖特征的灰度平均值、灰度方差均值、梯度均值、峭度以及熵值5 維量特征向量作為輸入的特征向量，這樣既可以減少計算量又可以盡量避免漏檢。因此在此系統(tǒng)中，基于SVM的紙頁缺陷識別算法識別率高、速度快，能夠滿足實時 要求，適合生產(chǎn)的需要。

圖1紙頁缺陷實時檢測系統(tǒng)的硬件組成。圖2圖像處理算法框圖。
具體實施方式
以下結(jié)合附圖與實施例對本實用新型做進一步說明。1、DSP圖像處理模塊的硬件部分設(shè)計如圖1所示一種在紙張缺陷視覺檢測中識別不同缺陷類型的系統(tǒng)，它包括CCD攝 像機1，它與被檢測紙頁2相配合，同時還有光源3與被檢測紙頁2相配合；所述CXD攝像 機1與圖像采集卡4連接，圖像采集卡4將獲得圖像分別送入計算機6和DSP圖像處理單 元5，所述DSP圖像處理單元5也與計算機6連接，所述圖像采集卡4和DSP圖像處理單元 5通過PCI總線與計算機6連接。。該系統(tǒng)的工作過程計算機完成消息通訊和數(shù)據(jù)傳輸，啟動圖像采集后，將C⑶采 集到的圖像送給DSP圖像處理單元5，DSP圖像處理單元5用于獨立完成缺陷圖片的識別 任務(wù)，將處理結(jié)果傳送回計算機6，DSP圖像處理單元5對圖像數(shù)據(jù)進行處理后，運用缺陷檢 測算法可判斷圖像有無缺陷，將有缺陷的圖像在計算機6顯示器上顯示出來，并發(fā)出必要 的語音提示。整個過程由計算機來對DSP圖像處理單元5進行加載程序，并做控制與管理， 使用起來比較方便，這樣做不僅在一定程度上將實時處理和非實時處理部分分離，并行進 行信號處理和數(shù)據(jù)管理，而且充分利用了 DSP強大快速的數(shù)據(jù)處理能力、并行處理的優(yōu)勢， 為紙頁的圖像信息的實時處理提供了理論與應(yīng)用的條件。2、一種在紙張缺陷視覺檢測中識別不同缺陷類型的系統(tǒng)的識別方法步驟1，用本系統(tǒng)采集足夠數(shù)量的圖像，并對采集到的圖像進行圖像分割，截選每 一幅圖像中具有代表性的紙病區(qū)域和正常區(qū)域，圖像種類包括暗斑，孔洞，褶皺，無紙病圖 像，定義紙病區(qū)域為SVM訓(xùn)練的正類樣本，正常區(qū)域為負(fù)類樣本，此步驟對應(yīng)著圖2中的圖 像采集、圖像分割兩個部分；步驟2，從全部圖像中選擇數(shù)量相同的50張圖像形成一個小規(guī)模樣本分類集訓(xùn)練 成一個初始的分類器；然后再從全部圖像中選取100張缺陷圖像，100張正常圖像，形成一 個200張圖像的大規(guī)模樣本分類集；然后用初始分類器對大規(guī)模訓(xùn)練集進行修剪，也就是 去掉那些不利于聚類的樣本，修剪后得到規(guī)模很小的約減集，再用這個約減集進行訓(xùn)練得 到最終的分類器；此步驟對應(yīng)圖2中的訓(xùn)練樣本、特征提取(特征提取是選用圖像直方圖特征的灰度平均值、灰度方差均值、梯度均值、峭度以及熵值5維量特征向量作為輸入的特征 向量)、分類器設(shè)計三個部分。步驟3，基于SVM的分類器的訓(xùn)練和識別。此步驟對應(yīng)著圖2中的識別樣本、特征 提取、分類三部分(1)對所有識別樣本進行特征提取，將獲得的特征向量進行線性內(nèi)積支持向量機 訓(xùn)練，確定線性識別模型函數(shù)(線性分類判別函數(shù))；(2)利用所有樣本的特征向量進行核函數(shù)型內(nèi)積支持向量機訓(xùn)練，確定非線性識 別模型函數(shù)(非線性分類判別函數(shù))。(3)利用訓(xùn)練好的決策函數(shù)，對待處理的圖像中的像素進行分析，由決策函數(shù)的輸 出值確定圖像中像素的所屬類別紙病區(qū)或正常區(qū)。在圖2中的訓(xùn)練樣本部分的具體訓(xùn)練算法如下(1)首先分別給定兩類樣本(缺陷圖像與無缺陷圖像)的50個訓(xùn)練樣本，提取其 灰度平均值、灰度方差均值、梯度均值、峭度以及熵值的5維特征向量；(2)利用上述樣本的特征向量進行線性內(nèi)積支持向量機訓(xùn)練，確定線性識別模型 函數(shù)；(3)利用上述樣本的特征向量進行核函數(shù)型內(nèi)積支持向量機訓(xùn)練，確定非線性識 別模型函數(shù)。在圖2中的識別樣本部分的具體識別練算法如下(1)對于給定的待識別樣本，提取其灰度平均值、灰度方差均值、梯度均值、峭度以 及熵值的5維特征向量；(2)將待識別樣本的特征向量χ代入線性分類支持向量機的模型函數(shù)，如果f(x) >T，則可確定待識別樣本的種類，T為訓(xùn)練所獲得的分類閾值。若〖00 <Τ則轉(zhuǎn)(3)；(3)將待識別樣本的特征向量χ代入非線性分類支持向量機的模型函數(shù)，取 (X)，將其歸到相應(yīng)的類中紙病區(qū)或正常區(qū)。
m其中 是訓(xùn)練樣本集合，
權(quán)利要求1.一種在紙張缺陷視覺檢測中識別不同缺陷類型的系統(tǒng)，其特征是，它包括攝像裝置， 它與被檢測紙頁相配合，同時還有光源與被檢測紙頁相配合；所述攝像裝置與圖像采集卡 連接，圖像采集卡將獲得圖像分別送入計算機和DSP圖像處理單元，所述DSP圖像處理單元 也與計算機連接。
2.如權(quán)利要求1所述的在紙張缺陷視覺檢測中識別不同缺陷類型的系統(tǒng)，其特征是， 所述圖像采集卡和DSP圖像處理單元通過PCI總線與計算機連接。
專利摘要本實用新型涉及一種在紙張缺陷視覺檢測中識別不同缺陷類型的系統(tǒng)。它識別率高、速度快，且能識別不同缺陷類型的在紙張缺陷視覺檢測中識別不同缺陷類型的系統(tǒng)及方法。它對缺陷圖像的平均識別率為97.5％，誤識率為2.5％，基本能夠?qū)崿F(xiàn)缺陷圖像的無遺漏檢測識別。整個缺陷識別過程耗時可在10ms以下，基本能夠保證實際生產(chǎn)條件下紙頁實時檢測的時間要求。它包括攝像裝置，它與被檢測紙頁相配合，同時還有光源與被檢測紙頁相配合；所述攝像裝置與圖像采集卡連接，圖像采集卡將獲得圖像分別送入計算機和DSP圖像處理單元，所述DSP圖像處理單元也與計算機連接。
文檔編號G06K9/62GK201917922SQ20102063781
公開日2011年8月3日 申請日期2010年12月2日 優(yōu)先權(quán)日2010年12月2日
發(fā)明者楊秀蔚, 王磊, 邱書波 申請人:山東輕工業(yè)學(xué)院