雪糕棒是以樺木等為原料,經(jīng)過(guò)多道生產(chǎn)工藝制造而成,提供給雪糕等冷飲做柄把之用。中國(guó)是雪糕棒的生產(chǎn)國(guó),出口量巨大,在雪糕棒生產(chǎn)廠家的生產(chǎn)的過(guò)程中由于選材不嚴(yán)格會(huì)出現(xiàn)表面區(qū)域缺陷,造成黑結(jié)子、礦物線、樹(shù)皮、污染、劈裂以及局部色差和整體色差缺陷。目前生產(chǎn)廠家主要依據(jù)人眼檢測(cè)對(duì)其進(jìn)行質(zhì)量分選,需要大量的工人在雪糕棒傳送帶生產(chǎn)線旁邊進(jìn)行逐一挑選,這種檢測(cè)方式效率低下且分級(jí)帶有主觀性,挑選質(zhì)量得不到保障。因此,雪糕棒表面缺陷的自動(dòng)化檢測(cè)方法的研究具有重要的意義。針對(duì)以上問(wèn)題本文設(shè)計(jì)了一套完整的雪糕棒表面缺陷檢測(cè)系統(tǒng)軟件,并研制了相應(yīng)的樣機(jī),基于機(jī)器視覺(jué)的原理方法,實(shí)現(xiàn)了缺陷的在線實(shí)時(shí)檢測(cè)。

　　雪糕棒在其生產(chǎn)過(guò)程中會(huì)形成多種缺陷,從而對(duì)冷飲的自動(dòng)化生產(chǎn),人們的使用等造成不良影響.而作為食品的輔助產(chǎn)品,對(duì)使用者的健康安全造成隱患的缺陷是其質(zhì)量保證體系(Quality Assurance System,QAS)中的重要檢測(cè)內(nèi)容.如劈裂,毛刺缺陷會(huì)導(dǎo)致使用者口舌劃傷,污染缺陷會(huì)影響食品衛(wèi)生安全等.這使得在雪糕棒投入市場(chǎng)之前對(duì)其進(jìn)行檢測(cè)從而將含缺陷的雪糕棒剔除出來(lái)是十分必要的.經(jīng)文獻(xiàn)檢索,現(xiàn)有方法尚無(wú)法有效實(shí)現(xiàn)雪糕棒外觀缺陷的檢測(cè).因此,本文以劈裂,污染和毛刺這三種關(guān)鍵的雪糕棒缺陷為研究對(duì)象,就其中利用現(xiàn)有數(shù)字圖像處理技術(shù)無(wú)法有效滿足檢測(cè)需求的,信息強(qiáng)度較弱的淺裂紋,淺污染以及軟毛刺的檢測(cè)及與相似紋理區(qū)分的問(wèn)題進(jìn)行了研究.

　　針對(duì)雪糕棒表面的礦物線與劈裂在幾何形態(tài),灰度分布和空間位置上均十分相似而難以區(qū)分的問(wèn)題,提出一種將紋理整體特征和內(nèi)部特征相融合的檢測(cè)方法.紋理整體特征方面,根據(jù)劈裂和礦物線在整體灰度,寬度,邊緣亮度的變化趨勢(shì)及平均狀態(tài)上具有一定差異的特點(diǎn),定義了5個(gè)用于描述紋理差異性的特征量,即紋理灰度變化趨勢(shì),紋理寬度變化趨勢(shì),紋理平均寬度,紋理陡峭度以及紋理亮邊特征.上述5個(gè)特征是基于紋理的寬度,深度和邊緣高度三個(gè)基準(zhǔn)信息量而獲得的,本文根據(jù)劈裂,礦物線紋理橫剖面灰度分布近似于高斯曲線的特點(diǎn),提出變尺度高斯擬合模型,用于獲得紋理的上述三個(gè)基準(zhǔn)信息.

　　針對(duì)淺污染缺陷形狀,尺寸及灰度分布均不均勻且不固定而難以檢測(cè)的問(wèn)題,本文提出一種基于并查集和鄰域的檢測(cè)方法.首先,利用污染區(qū)域和無(wú)缺陷背景區(qū)域的內(nèi)部相鄰像素點(diǎn)間的灰度值較為接近,且污染區(qū)域與其周圍鄰域具有一定灰度差異的特點(diǎn),利用并查集算法將雪糕棒表面聚類為若干灰度相近的小區(qū)域,從而使污染與背景互相獨(dú)立出來(lái);然后,根據(jù)污染相對(duì)于其周圍鄰域灰度值較低的特點(diǎn)在并查集分割所得小區(qū)域中初步挑選污染候選區(qū)域;由于污染內(nèi)部呈絮狀,非實(shí)心,使得同一塊污染區(qū)域通過(guò)并查集算法處理后被分割為若干更小的子區(qū)域,因此將上一步所得的在空間位置上鄰近的候選區(qū)域進(jìn)行合并,并將合并操作后面積仍較小的噪聲區(qū)域去除;最后,定義了低灰度均值(Low Grayscale Mean,LGM)特征和鄰域區(qū)域的概念,用以完成污染的檢測(cè).測(cè)試結(jié)果表明,該方法能夠較好的提取出污染區(qū)域,相對(duì)于其它方法,效果明顯得到提升.

　　針對(duì)軟毛刺信號(hào)微弱難以提取且受到雪糕棒邊緣過(guò)渡帶區(qū)域灰度波動(dòng)影響而難以檢測(cè)的問(wèn)題,本文提出根據(jù)軟毛刺與雪糕棒邊緣位置關(guān)系而分類處理的思路.針對(duì)外部和中部軟毛刺的檢測(cè),提出將兩種邊緣檢測(cè)模型相結(jié)合的檢測(cè)方法.首先建立了一種游標(biāo)對(duì)在所得邊緣上表現(xiàn)為連續(xù)的毛刺進(jìn)行檢測(cè);然后根據(jù)毛刺位置的灰度分布特點(diǎn)對(duì)在所得邊緣上表現(xiàn)為斷續(xù)的毛刺進(jìn)行檢測(cè);最后根據(jù)兩種邊緣檢測(cè)方法所得邊緣的位置關(guān)系對(duì)斷點(diǎn)處不滿足既定灰度分布特點(diǎn)的毛刺進(jìn)行檢測(cè).針對(duì)內(nèi)部軟毛刺的檢測(cè),提出一種基于灰度尾值特征曲線和平行模板的檢測(cè)方法.根據(jù)毛刺缺陷表現(xiàn)為圖像列中具有較低灰度值的像素的特點(diǎn)提取灰度尾值特征,從而將圖像中各列的尾值特征值按序排列形成特征曲線;進(jìn)而定義了平行模板對(duì)特征曲線及其噪聲抑制曲線進(jìn)行遍歷提取特征,從而實(shí)現(xiàn)毛刺的檢測(cè).測(cè)試結(jié)果表明,該方法能夠較好的提取出軟毛刺缺陷,具有一定的應(yīng)用價(jià)值.另外,文中還介紹了本文圖庫(kù)的構(gòu)建方法,以及雪糕棒圖像預(yù)處理問(wèn)題.