食品包装(food packaging)是食品作为商品的重要组成部分，它能够保护食品在流通过程中免受外来因素污染，保持食品的卫生与品质，好的食品包装也能够带给消费者良好感官体验，刺激消费者的购买欲，为企业赢得更大的市场竞争力。

    食品包装检测的目的是控制包装质量，防比因包装上的缺陷导致质量受损的食品流入市场，目前大多数食品检测企业仍采用人工监测的方式进行检测，但这种方式具有人工工作强度大、检测精度低和管理不规范等问题，检测结果不能达到预期，因此部分大型食品企业开始引进自动检测设备，对食品包装实行实时在线检测，能够重复大批量进行食品包装检测，同时准确性和规范性得以大幅提高。

    本文以矩形纸质食品包装为例，对机器视觉检测系统进行研究，提出一种通用性和灵活性更佳的检测系统模型，能够更好的满足实际生产需要。

    图像处理是机器视觉系统的核心部分，其处理过程可根据检测精度和设备精细度分为三部分。第一部分为初级处理操作，即图像预处理过程，包括降低图像噪声、提高图像对比度及清晰度，由于环境因素使图像摄取装置对图像判断产生一定干扰性影响，为了使这种影响降到最低，需要对收集到的图像进行预处理，通过图像增强技术将图像本身容易被忽略的细节部分显现出来，提取出图像的特征，方便后续处理。第二部分为中级处理操作，即将图像中提取出来的特征输入图像处理系统进行图像分割处理，将图像分为目标部分和其他组成部分，图像分割处理是整个图像处理过程中最困难、最重要的一步，如果软件中的设计算法不稳定或不成熟的话，极易导致分割结果不准确，影响后续识别工作。第三部分为高级处理操作，即将图像整体特征值进行识别后执行相关函数算法以及其他处理工作。

    图像处理算法在很大程度上决定了视觉检测系统的检测效果及效率，所以针对不同包装产品选择合适的图像处理算法是十分重要的，食品包装主要运用到的图像处理算法包括二值化处理和边缘检测等。

    二值化处理也被叫做阂值分割，是较为常见的图像分割处理方式，主要是将图像特征部分和背景部分分开，具体做法为首先根据图像的像素对比度确定分割阂值，利用灰度处理使目标区域和背景区域通过不同的灰度区分开。设定一个值，可以得出图像算法：

    其中“o"代表黑色，001”代表白色，上式代表图像中像素值若大于等于T，则灰度值为“o"，图像中像素值若小于T，则灰度值为“n'

    图像的信息主要集中在边缘部分，灰度变化也最显著，边缘检测就是将图像灰度有明显阶跃变化的像素集合，区分目标区域和背景区域，即根据相邻区域的边缘划分目标范围。边缘分为阶跃边缘和屋顶状边缘，其中阶跃边缘中图像灰度变化非常明显，呈垂直跳跃式，而屋顶状边缘中图像灰度变化比较弱，呈渐变式。边缘检测主要是提取图像中的交界线，使用灰度倒数变化表征图像边缘变化，最后运用算法求取导数值，边缘检测算法中需利用算子求导，常用算子包括Robert算子、Sobel算子、Prewitt算子等。

    以Robert算子为例进行介绍，Robert算子是利用局部差寻找边缘，即：

    其中（i，j）代表边缘点，{R（i，j）}代表边缘图像，R （i，j）代表Robert算子梯度幅值，选择合适的门限值RT，则应满足：

    Robert算子的优点是定位精度和噪声敏感度较高。

    机器视觉食品包装检测系统的硬件包括图像摄取装置、图像处理和分析装置、结果输出装置三大部分。其基本构造如图1所示。

 图1 机器视觉系统原理

    其中图像摄取装置的作用为将摄取到的图像转化为计算机可识别数据，具体设备包括光源、采图触发传感器、镜头、CCD工业摄像机和图像卡。图像处理和分析装置的硬件设备包括智能相机和PC系统，其中智能相机包括图像采集、通信和图像处理三大模块，具有集成化特点，内部已经具有固化的视觉算法，使用和开发相对都比较简单，但由于程序固定，推广相对困难，只能按自身需要选择最合适的智能相机，灵活度较低。而PC系统的可开发性和灵活性更大，能够根据不同的检测精度和数据量要求进行开发运用，系统利用率更高，因此本设计选择PC系统作为图像处理和分析装置的硬件设备。

    结果输出装置的硬件设备包括显示屏和可编程逻辑控制器(Programmable Logic Controller，PLC)，它的作用是方便查看检测结果和及时去除不合格产品包装，这个过程中应注意去除间隔时间和开关的设置，一是为了能正确去除不合格产品包装，而是能在发现机器执行错误时能够人工纠正，整个过程由PLC控制实现。

    机器视觉食品包装检测系统的软件作用为对摄取到的图像进行特定目标的分析、处理和识别，包含图像处理工具软件、程序语言软件、检测工具软件和系统设置软件。

    VisualC++环境程序是一种而向对象的可视化集成程序，它可以兼容多种开发程序，能满足Win32的开发需求，能够自主生出程序框架，编程效率高，同时具有独立性、多态性及可继承性等特点，是程序结构趋向合理化和数据分离化。开发工具包选择德国Machine Vision Technology CMYtec)公司推出的HAL-CON软件，它具有完整的图像处理函数库(CImage Pro-cessing Library)，运算功能齐全，计算能力强大。检测工具系统可针对产品实际容易出现缺陷的地方进行集中检测，具体内容包括灰度检测、模板匹配、边缘错位检测、边缘角度检测、边缘线距离检测和条码识别等。

    系统设置软件包括系统当前状态设置、品牌包装图像设置、品牌检测窗口设置、检测运行设置和关闭系统。以边缘角度检测流程为例，说明食品包装的具体检测流程，边缘角度检测流程如图2所示。

图2 边缘角度检测流程图

    本文以某矩形纸质食品包装的缺陷检测为例，对上文提出的机器视觉检测系统进行实例分析。在选取光源时考虑到矩形纸质包装的光反射及折射能力强，因此选择LE D条形组合照明灯，为保持光源的稳定性及高亮度，CCD工业摄像机采用频闪光，同时使用6台CCD工业摄像机同时进行六面分别拍照。

    检测系统界而软件信息包括当前信息、品牌信息和检测信息三大块，其中当前信息模块显示了目前系统包含的信息和信息设置，品牌信息模块能够根据设置中保持的标准图像对品牌图像进行修改、删除等操作，检测信息模块能够存储并识别缺陷图案，若运行过程中发现缺陷图案能够自动报警。

具体运行过程为：运行检测界而，点击“显示选中通道”，选择合适图像摄取区域，点击“图像浏览”，浏览正常图像和缺陷图像及数目，点击“测试图像”，检测并核实图像信息，完成检查步骤。

    本系统能够很好的对矩形纸质食品包装实现6个面的检测，能够识别的缺陷包括条包反包、错牌、斜置、倒置、破损、褶皱、端而变形、印刷错误和表而有异物。检测样品共计10000个，其中严重缺陷漏检3个，漏检率为0.03 %，一般缺陷漏检18个，漏检率为0.18 %检测精度较高，每个包装检测时间低于100毫秒，检测效率较高。界面具有自动保存和浏览缺陷包装图像的功能，方便使用，易上手。