基于支持向量机的条烟包装外观缺陷检测
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Appearance Defect Detection of Cigarette Packaging Based on Support Vector Machine
SUN Na1, GUAN Yi-hong1*, CUI Yun-yue1, LUO Ya-tao1, HUANG Gang2
(1. School of Science, Kunming University of Science and Technology, Yunnan 650500, China; 2. Kunming Julin Technology Company Limited, Yunnan 650000, China)
2020, Vol. 41, No. 1 国际 IT 传媒品牌
基于支持向量机的条烟包装外观缺陷检测
孙 娜 1，管一弘 1*，崔云月 1，罗亚桃 1，黄 岗 2
（1. 昆明理工大学理学院，云南 昆明 650500；2. 昆明聚林科技有限公司，云南 昆明 650000）
摘 要: 针对卷烟生产过程中条烟包装外观缺陷问题，提出一种基于支持向量机（SVM）的条烟包装缺陷图像 检测方法。该方法首先采用模板匹配法定位条烟检测区域；然后利用 Haar 小波变换进行频域分解，并通过灰度共 生矩阵算法对频域图提取纹理特征；最后结合纹理特征建立条烟支持向量机分类模型，对待测样本进行分类识别。 结果表明：基于 SVM 分类模型的识别率为 96.1%，该方法通用性强，实时性好，满足条烟异常情况检测要求。与 BP 神经网络测试性能相比，分类性能优于 BP 神经网络。
致条烟包装外观检测系统出现稳定性差、通用性不 强、处理精度不高、检测缺陷类型不够完善等问题。 为此，研究人员展开了深入的研究，文献[2]研究了 烟条外观检测系统软件设计方法，通过对增强的图 像进行纹理分析、模板匹配判断有无外观缺陷。该 方法检测模块较多，操作复杂。文献[3]提出了一种 基于视觉感知特征的条烟异常检测算法，该算法从 视觉感知角度对图像进行特征提取，利用不同分类 器对条烟生产中的异常情况进行检测。该方法虽然 满足精度要求，但算法的实时性还有待提高。文献 [4]设计了一种新型的 BV 包装机条烟外观视觉检测
关键词: 图像处理；缺陷检测；支持向量机；条烟 中图分类号: TP391.41 文献标识码: A DOI：10.3969/j.issn.1003-6970.2020.01.045 本文著录格式：孙娜，管一弘，崔云月，等. 基于支持向量机的条烟包装外观缺陷检测[J]. 软件，2020，41（01）： 205210
对于卷烟包装缺陷检测基于机器视觉的检测方法成为了当今的主流但在实际生产过程中由于每台包装设备生产的条烟包装外观各丌相同导致条烟包装外观检测系统出现稳定性差通用性丌强处理精度丌高检测缺陷类型丌够完善等问题
2020 年 第 41 卷 第 1 期
软
件
COMPUTER ENGINEERING & SOFTWARE
作者简介: 孙娜(1995–)，女，硕士研究生，主要从事图像处理应用技术方面的研究。 通讯联系人: 管一弘(1962–)，男，博士，硕士生导师，主要从事机器视觉、图像处理方面的研究。
第 41 卷 第 1像特征并进行特征匹 配，实现对条烟外观缺陷的检测与剔除。该方法虽 然检测精度高，但只能针对拉线及透明纸缺陷检测， 检测缺陷类型不够完善。
【Abstract】: Aiming at the appearance defects of cigarette packaging in cigarette production process, an image detection method of cigarette packaging defects based on support vector machine (SVM) is proposed. Firstly, the template matching method is used to locate the cigarette detection area. Then, Haar wavelet transform is used to decompose the frequency domain, and texture feature is extracted from frequency domain image by gray level co-occurrence matrix algorithm. Finally, a support vector machine classification model is established based on texture feature, and the samples to be tested are classified and recognized. The results show that the recognition rate based on SVM classification model is 96.1%. The method is universal and real-time, and meets the detection requirements of abnormal situation of cigarettes. Compared with BP neural network, its classification performance is better than BP neural network. 【Key words】: Image processing; Defect detection; Support vector machine; Cigarette
0 引言
随着烟草企业生产技术的现代化发展，香烟生 产过程的集成度越来越高，香烟在包装过程中会出 现一些不可避免的外观缺陷，比如：翘边、透明纸 破损、包装纸破损、无透明纸、包装纸污染等问题[1]， 严重影响了产品质量和视觉效果。因此，卷烟包装 外观缺陷检测成为了卷烟生产过程中的关键步骤。
对于卷烟包装缺陷检测，基于机器视觉的检测 方法成为了当今的主流，但在实际生产过程中，由 于每台包装设备生产的条烟包装外观各不相同，导
SUN Na1, GUAN Yi-hong1*, CUI Yun-yue1, LUO Ya-tao1, HUANG Gang2
(1. School of Science, Kunming University of Science and Technology, Yunnan 650500, China; 2. Kunming Julin Technology Company Limited, Yunnan 650000, China)
2020, Vol. 41, No. 1 国际 IT 传媒品牌
基于支持向量机的条烟包装外观缺陷检测
孙 娜 1，管一弘 1*，崔云月 1，罗亚桃 1，黄 岗 2
（1. 昆明理工大学理学院，云南 昆明 650500；2. 昆明聚林科技有限公司，云南 昆明 650000）
摘 要: 针对卷烟生产过程中条烟包装外观缺陷问题，提出一种基于支持向量机（SVM）的条烟包装缺陷图像 检测方法。该方法首先采用模板匹配法定位条烟检测区域；然后利用 Haar 小波变换进行频域分解，并通过灰度共 生矩阵算法对频域图提取纹理特征；最后结合纹理特征建立条烟支持向量机分类模型，对待测样本进行分类识别。 结果表明：基于 SVM 分类模型的识别率为 96.1%，该方法通用性强，实时性好，满足条烟异常情况检测要求。与 BP 神经网络测试性能相比，分类性能优于 BP 神经网络。
致条烟包装外观检测系统出现稳定性差、通用性不 强、处理精度不高、检测缺陷类型不够完善等问题。 为此，研究人员展开了深入的研究，文献[2]研究了 烟条外观检测系统软件设计方法，通过对增强的图 像进行纹理分析、模板匹配判断有无外观缺陷。该 方法检测模块较多，操作复杂。文献[3]提出了一种 基于视觉感知特征的条烟异常检测算法，该算法从 视觉感知角度对图像进行特征提取，利用不同分类 器对条烟生产中的异常情况进行检测。该方法虽然 满足精度要求，但算法的实时性还有待提高。文献 [4]设计了一种新型的 BV 包装机条烟外观视觉检测
关键词: 图像处理；缺陷检测；支持向量机；条烟 中图分类号: TP391.41 文献标识码: A DOI：10.3969/j.issn.1003-6970.2020.01.045 本文著录格式：孙娜，管一弘，崔云月，等. 基于支持向量机的条烟包装外观缺陷检测[J]. 软件，2020，41（01）： 205210
对于卷烟包装缺陷检测基于机器视觉的检测方法成为了当今的主流但在实际生产过程中由于每台包装设备生产的条烟包装外观各丌相同导致条烟包装外观检测系统出现稳定性差通用性丌强处理精度丌高检测缺陷类型丌够完善等问题
2020 年 第 41 卷 第 1 期
软
件
COMPUTER ENGINEERING & SOFTWARE
作者简介: 孙娜(1995–)，女，硕士研究生，主要从事图像处理应用技术方面的研究。 通讯联系人: 管一弘(1962–)，男，博士，硕士生导师，主要从事机器视觉、图像处理方面的研究。
第 41 卷 第 1像特征并进行特征匹 配，实现对条烟外观缺陷的检测与剔除。该方法虽 然检测精度高，但只能针对拉线及透明纸缺陷检测， 检测缺陷类型不够完善。
【Abstract】: Aiming at the appearance defects of cigarette packaging in cigarette production process, an image detection method of cigarette packaging defects based on support vector machine (SVM) is proposed. Firstly, the template matching method is used to locate the cigarette detection area. Then, Haar wavelet transform is used to decompose the frequency domain, and texture feature is extracted from frequency domain image by gray level co-occurrence matrix algorithm. Finally, a support vector machine classification model is established based on texture feature, and the samples to be tested are classified and recognized. The results show that the recognition rate based on SVM classification model is 96.1%. The method is universal and real-time, and meets the detection requirements of abnormal situation of cigarettes. Compared with BP neural network, its classification performance is better than BP neural network. 【Key words】: Image processing; Defect detection; Support vector machine; Cigarette
0 引言
随着烟草企业生产技术的现代化发展，香烟生 产过程的集成度越来越高，香烟在包装过程中会出 现一些不可避免的外观缺陷，比如：翘边、透明纸 破损、包装纸破损、无透明纸、包装纸污染等问题[1]， 严重影响了产品质量和视觉效果。因此，卷烟包装 外观缺陷检测成为了卷烟生产过程中的关键步骤。
对于卷烟包装缺陷检测，基于机器视觉的检测 方法成为了当今的主流，但在实际生产过程中，由 于每台包装设备生产的条烟包装外观各不相同，导