一种基于SVM的烟包缺支在线检测方法

邓春宁

龙岩烟草工业有限责任公司设备管理部，福建 龙岩364021

作者简介：邓春宁(1974—)，男，高级工程师，硕士，主要从事电气设备、自动控制工程及在线检测设备的管理维护工作，dcn22057@lfjtic.cn.

摘要：为解决目前卷烟厂生产线对烟包缺支检测精度和速度要求高的问题，提出一种基于支持向量机（SVM）的烟包缺支在线检测方法。首先通过工业CCD摄像头采集烟包图像，并进行预处理；其次提取采集图像的灰度特征和纹理特征，根据相应指标构建特征空间；最后建立基于多项式和高斯核函数的SVM分类方法对烟包进行缺支检测。实验结果证明，所设计的方法有效，高斯核函数精度稍高，缺支检测准确率最高可达99.8%，检测算法平均消耗时间仅为120 ms，满足烟包缺支在线检测的精度和实时性要求。

关键词：烟包缺支检测;预处理;灰度特征;纹理特征;支持向量机

中图分类号：TP23   文献标识码：A   文章编号：2095-509X(2020)03-0077-04

在香烟包装生产流水线上，烟包检测是一个不可或缺的检测工序。根据国家相应标准规定，卷烟生产和包装缺陷分为A、B、C 3类，A类缺陷表示严重的质量缺陷，其中就包括烟包内烟支缺少［1］。因此，在流水线上进行烟包缺支检测、剔除不合格的烟包十分有必要。

最早的烟包缺支检测采用人工按压方式，具有劳动强度大、效率低和误判率高等缺点。随着光电检测技术的发展，红外光电检测法成为国内卷烟厂常用的烟包缺支检测方法。文献［2］利用红外光电传感器电流与距离、颜色和密度等因素相关的原理，设计放大比较、剔除基准电平和同步信号等电路，组成光电式烟包缺支检测系统。该系统将20个光电传感器依据烟包中烟支排列顺序摆放在传送带上，发送端向烟包发射红外线，接收端接收信号，经放大和A/D转换后判断烟包中是否存在烟支缺少的情况。该系统实现了烟包缺支检测的自动化，检测速度和精度都有了较大的提高。但只要这20个传感器中任意一个出现故障，整个检测系统都将受到很大的影响。

随着机器视觉技术的发展，数字图像处理技术为烟包缺支自动检测提供了新的思路和方法［3］。机器视觉是一种基于计算机、图像处理、模式识别和人工智能的技术，近年来已广泛应用在包括香烟生产在内的诸多领域，如航空航天、生物医学、工业检测和机器人等［4］。

文献［5］统计了烟包二值图像中的像素值，根据像素值的总和判断是否存在缺支现象。该方法需要保证检测环境不能有较大变化，否则会出现误判的情况。文献［1］在烟包二值化图像基础上，通过边缘检测将图像分为20个区域，并计算各区域的平均像素值，平均值为1的区域认为缺支，缺点是图像采集和处理速度不能满足高速流水线的要求。

支持向量机（support vector machine，SVM）能很好地解决小样本、非线性和高维模式识别问题［6］。本文根据烟包图像的灰度和纹理特征，建立基于多项式和高斯核函数的支持向量机分类模型，对烟包进行检测，确定是否存在烟支缺少的情况。

1系统组成

基于机器视觉的烟包缺支检测系统由光源、CCD摄像头、微控制器和显示器等组成，检测系统构成如图1所示。为了减小外部光照变化对采集图像的影响，采用大功率LED光源。当传送带上的烟包到达检测位置时，CCD摄像头采集烟包图像，并通过高速以太网传送至微控制器。微控制器利用数字图像处理算法检测是否存在缺支情况，通过人机界面显示在显示器上，同时如果出现缺支现象，控制剔除装置将不合格的烟包剔除。