王宏松，李杰
　?。ㄉ虾３Ａ贾悄芸萍加邢薰?，上海 201108）

       摘要：針對現(xiàn)今工業(yè)薄膜生產(chǎn)過程中薄膜幅寬更大且生產(chǎn)更快的問題，提出一種基于FPGA的快速薄膜瑕疵檢測系統(tǒng)方案。系統(tǒng)首先采用相關(guān)系數(shù)法準確求出薄膜灰度圖像的最小重復周期，根據(jù)最小重復周期確定兩個比對圖像塊并求出差值圖像，其次將差值圖像二值化再進行形態(tài)學處理，最后經(jīng)過面積約束條件找出薄膜瑕疵所在位置。其中充分利用FPGA并行處理的優(yōu)勢，提高了圖像處理的速度。實踐結(jié)果表明，該系統(tǒng)能夠在300 m/min的薄膜生產(chǎn)線上成功檢測出瑕疵面積僅10個像素的瑕疵，在滿足實時薄膜瑕疵檢測的需求方面具有實際應(yīng)用效果。
　　關(guān)鍵詞：機器視覺；瑕疵檢測；FPGA；相關(guān)系數(shù)；圖像匹配　　

0引言
　　現(xiàn)代薄膜被大量地用于生產(chǎn)生活。在薄膜的生產(chǎn)過程中，由于生產(chǎn)工藝及現(xiàn)場環(huán)境等因素影響，容易造成薄膜表面出現(xiàn)墨點、劃傷、破洞、褶皺、蚊蟲等瑕疵。為了在生產(chǎn)過程中及時檢出薄膜表面的各種瑕疵，控制和提高薄膜產(chǎn)品的質(zhì)量，企業(yè)從傳統(tǒng)的人工目視抽檢逐漸發(fā)展為使用基于計算機軟件的在線瑕疵檢測系統(tǒng)［12］。隨著薄膜表面檢測質(zhì)量要求的日益提高，以及幅寬更寬、生產(chǎn)速度更快等更為嚴格的工藝要求出現(xiàn)，單純依靠軟件來實現(xiàn)瑕疵檢測已經(jīng)不能滿足實際工程的需要［3］。
　　本文采用現(xiàn)場可編程門陣列（Field-Programmable Gate Array，F(xiàn)PGA）作為瑕疵檢測的核心處理單元，設(shè)計并實現(xiàn)了一種實時的瑕疵檢測系統(tǒng)。該系統(tǒng)具有檢測速度快、穩(wěn)定性好并容易配置新瑕疵種類等優(yōu)點，可大大提高生產(chǎn)效率和降低制造成本。
1薄膜瑕疵檢測系統(tǒng)
　　目前薄膜瑕疵檢測系統(tǒng)大多采用工業(yè)計算機、線掃描相機、旋轉(zhuǎn)編碼器和線型光源的方案。在生產(chǎn)時，由高亮LED組成的線型聚光冷光源采用透射或反射的方式照射在薄膜表面，通過與薄膜運行同步的旋轉(zhuǎn)編碼器觸發(fā)，使架設(shè)在生產(chǎn)線上的線掃描相機同步掃描，將相機采集到的薄膜圖像通過工業(yè)計算機上的采集卡實時傳送給圖像處理系統(tǒng)軟件進行瑕疵識別處理。由于瑕疵圖像的灰階分布與正常圖像的灰階分布存在明顯差異，從而使系統(tǒng)能夠發(fā)現(xiàn)瑕疵，同時對瑕疵進行有效的判定、分類及后續(xù)處理。
　　在實際生產(chǎn)中，對于幅面較寬的薄膜，可以采用多個線掃描相機并行采集圖像，同時傳送給工業(yè)計算機的方式。然而隨著幅寬增寬，生產(chǎn)運行速度更快，單位時間內(nèi)采集得到的圖像數(shù)據(jù)量更大，目前常見的基于軟件的圖像處理方式越來越不能滿足實時性的要求。本文設(shè)計了一種基于FPGA的薄膜瑕疵檢測系統(tǒng)，將主要的圖像瑕疵識別和處理交給以FPGA為核心的圖像處理單元，處理結(jié)果傳送給工業(yè)計算機，這樣可以更好地適應(yīng)高速、高質(zhì)量生產(chǎn)的要求。圖3FPGA及主要接口電路

2系統(tǒng)硬件設(shè)計
　　系統(tǒng)硬件由光源單元和圖像處理單元兩部分組成。光源單元包括LED線型光源和光源控制器，圖像處理單元則由線掃描相機、FPGA圖像處理板以及旋轉(zhuǎn)編碼器組成?？傮w框圖如圖1所示。

　　2.1光源單元電路
　　光源采用高亮大功率LED組成線陣分布，由光源控制器產(chǎn)生PWM信號，通過高速雙金屬氧化物場效應(yīng)三極管（Metal Oxide Semiconductor Field Effect Transistor，MOSFET）驅(qū)動器芯片MC34151放大，驅(qū)動線型光源發(fā)光。LED在電路結(jié)構(gòu)上采用串并式排列，每一路串聯(lián)LED電路由一路PWM信號驅(qū)動，光源控制器可以輸出多個獨立的PWM信號，分別驅(qū)動多路LED電路。當需要調(diào)節(jié)線型光源不同位置的亮度時，只需獨立調(diào)整相應(yīng)位置對應(yīng)的LED串聯(lián)電路的PWM信號即可。PWM信號驅(qū)動電路如圖2所示。
　　

　　2.2圖像處理單元電路
　　圖像處理單元的核心采用ALTERA公司的Cyclone III系列FPGA，該系列FPGA采用TSMC的65 nm低功耗（Low Power，LP）工藝，提供豐富的邏輯、存儲器和數(shù)字信號處理器（Digital Signal Processor，DSP）功能，含有5 K~120 K邏輯單元（Logical Element，LE），288個數(shù)字信號處理（DSP）乘法器，存儲器容量達到4 Mbit。Cyclone III器件針對圖像處理應(yīng)用進行了優(yōu)化，采用專業(yè)顯示I/O接口低電壓差分信號［4］（LowVoltage Differential Signaling，LVDS），包括低擺幅差分信號和點對點差分信號，每個鎖相環(huán)（Phase Locked Loop，PLL）可動態(tài)配置，支持可變刷新率，以增強提高圖像處理功能和質(zhì)量。
　　圖像處理單元的主要電路包括FPGA集成電路、圖像數(shù)據(jù)輸入電路、DDR存儲器控制電路、圖像輸出接口電路等，其中Cyclone III FPGA及主要I/O接口電路如圖3所示。

3瑕疵檢測算法
　　薄膜瑕疵檢測算法流程如圖4所示。首先將采集到的長L寬W的原始薄膜圖像進行預(yù)處理，其中包括彩色圖像灰度化處理和對比度拉伸處理；其次，通過相關(guān)系數(shù)法求出薄膜圖片的最小重復周期t并獲得(L-t)×W參考圖像塊和相同大小的待檢測圖像塊，求出兩個圖像塊的差值圖像。之后將差值圖像轉(zhuǎn)為二值圖像并進行形態(tài)學處理操作，獲得檢測結(jié)果圖像。最后，在檢測結(jié)果圖像中，當其中有白色塊的面積大于所設(shè)定的閾值w時，則該白色塊為薄膜瑕疵。
　

　　3.1模塊劃分
　　根據(jù)上述檢測算法流程，F(xiàn)PGA中應(yīng)主要包含圖像預(yù)處理［5］、檢測核心算法、存儲控制器和主控制器等功能模塊，如表1所示。表1模塊劃分模塊名稱功能主控制器負責器件整體功能的控制圖像預(yù)處理包括圖像格式轉(zhuǎn)換、對比度拉伸檢測核心算法對圖像計算相關(guān)系數(shù)、形態(tài)學處理等存儲控制器對存儲器進行讀寫控制，以實現(xiàn)圖像數(shù)據(jù)的暫存和更新其他模塊I/O接口（數(shù)據(jù)、控制信號等）、顯示輸出等

　　根據(jù)前述瑕疵檢測處理流程，整個圖像處理采用并行加流水線結(jié)構(gòu)，分為8個步驟，對應(yīng)8個子模塊，如圖5所示。其中圖像預(yù)處理包括灰度變換、對比度拉伸，分別采用并行處理結(jié)構(gòu)，以保證實時性；瑕疵檢測在圖像分塊的基礎(chǔ)上采用6級流水線，包括相關(guān)系數(shù)計算、差值處理、形態(tài)學處理、面積約束、瑕疵標記和圖像拼接顯示，在時間上重疊復用各級流水線模塊，進一步增加了處理的并行度，大大縮短了圖像處理的時間。
　　

　　3.2圖像預(yù)處理
　　在圖像的采集和預(yù)處理過程中，需要改善圖像的質(zhì)量，增強有用信息。本系統(tǒng)中用到了彩色圖像灰度化處理和對比度拉伸處理。其中，圖像灰度化處理能夠減少后續(xù)圖像處理的運算量，減少FPGA硬件的面積，從而降低應(yīng)用成本。本系統(tǒng)采用加權(quán)平均法對圖像進行灰度化處理［6］，其原理較為簡單，不再贅述。典型數(shù)學表達式及實際應(yīng)用公式如式（1）、（2）所示：
　　　

       圖像對比度拉伸［8］是一種簡單且非常有效的空域增強方法。通過實驗發(fā)現(xiàn)，在原始薄膜圖像的灰度圖像上進行恰當?shù)膶Ρ榷壤焓且环N很好的圖像增強方式，可有效地增強薄膜瑕疵圖像，提高薄膜瑕疵檢測的精度。該方法由兩個基本步驟組成：（1）直方圖統(tǒng)計，通過設(shè)定直方圖兩端的像素個數(shù)和占整個圖像像素個數(shù)的百分比來確定兩個端點a1和a2，灰度值小于a1的更改為0，灰度值大于a2的更改為255，本系統(tǒng)將這里的占比設(shè)定為0.005。（2）灰度值映射，在直方圖中，兩個端點之前的像素灰度值根據(jù)式(3)進行像素灰度值的映射。映射原理是將原圖的灰度函數(shù)由一個變換規(guī)則映射成新的圖像函數(shù)，即：
　　

　　其中f(x, y)為原圖的灰度函數(shù)，g(x, y)為增強后的灰度函數(shù)，N為變換規(guī)則，即將a1~a2之間的像素灰度值按線性關(guān)系一一映射到0~255之間。
　　3.3核心檢測算法
　　核心檢測算法流程如圖6所示。
　　

　　待檢測圖片經(jīng)預(yù)處理后獲得算法處理圖像。薄膜為固定周期的重復印刷制品。計算出薄膜的最小重復周期t。在L×W的算法處理圖像中，從首行開始選取T×W（其中T<L）的感興趣區(qū)域作為目標模版T(a, b)，再從第二行開始每隔一行確定一個T×W的感興趣區(qū)域作為候選模版G(x+a,y+b)，選取若干個候選模版。
　　本文采用去均值的歸一化相關(guān)函數(shù)(式(4))來判斷兩個模版的相似程度：
　　r(x,y)=
　　

　　當目標模版T(a,b)和候選模版G(x+a,y+b)完全一樣時，相關(guān)系數(shù)r(x,y)取最大值1。使r(x,y)取最大值的候選模版所在的行數(shù)即最小重復周期t。根據(jù)(L-t)×W參考圖像塊和相同大小的待檢測圖像塊，求出兩個圖像塊的差值圖像。
　　將差值圖像轉(zhuǎn)為二值圖像［9］并進行形態(tài)學開操作。為了去除生產(chǎn)中左右偏移和拉伸的干擾，將差值圖像進行固定閾值二值化。為了有效計算單獨的白色塊面積，對二值圖像進行形態(tài)學開操作，即腐蝕和膨脹處理［10］。處理之后得到檢測結(jié)果圖像。
　　采用白色塊中白點(灰度值為255的像素)的個數(shù)等效描述白色塊的面積大小。如果白點的8鄰域中有其他白點，則兩白點為同一白色塊。只要有白色塊的面積滿足瑕疵閾值，即為薄膜瑕疵。
　　3.4主控制器模塊
　　主控制器模塊負責控制圖像數(shù)據(jù)的輸入輸出、圖像在DDR中的暫存、流水線控制等過程，還包括了參數(shù)的配置控制。本模塊主要由有限狀態(tài)機構(gòu)成。三段式的狀態(tài)機由組合邏輯的狀態(tài)變化、時序邏輯的狀態(tài)切換及輸出邏輯組成。
　　為了提高瑕疵檢測處理流程中各個步驟的易控制性，將每個步驟都定義成3個狀態(tài)，分別是“步驟x開始”、“步驟x等待”、“步驟x結(jié)束”。因此，主狀態(tài)機的狀態(tài)歸納為：空閑、初始化、圖像數(shù)據(jù)輸入輸出、圖像在DDR中的暫存、圖像瑕疵檢測流水線、顯示輸出等狀態(tài)，主狀態(tài)圖如圖7所示。
　　

4實驗結(jié)果與分析
　　為了驗證系統(tǒng)的實時性以及檢測性能，采用3組不同花色的薄膜進行實驗，每組2 000 m，其中分別有油污、蚊子、水印以及刀絲等瑕疵，為不合格薄膜產(chǎn)品。測試結(jié)果如圖8和圖9所示。
　　

       在3組薄膜產(chǎn)品的現(xiàn)場檢測實踐中，大于檢測閾值的瑕疵都能成功被檢測到。在薄膜瑕疵都能夠成功檢測出的條件下，薄膜瑕疵檢測速度達到300 m/min。因此，本文所設(shè)計的系統(tǒng)其檢測速度和檢測成功率都能夠滿足實際工業(yè)薄膜生產(chǎn)的需求。
5結(jié)論
　　本文通過分析薄膜瑕疵的圖像形態(tài)，利用FPGA特有的高集成度、高速實時處理的特點，設(shè)計了一種薄膜瑕疵檢測系統(tǒng)。設(shè)計了并行的圖像預(yù)處理功能以適應(yīng)更大幅寬的薄膜。將瑕疵檢測核心算法優(yōu)化為6級流水線結(jié)構(gòu)，大大提高了資源利用率和并行度，在實踐中比傳統(tǒng)基于計算機的瑕疵檢測具有更低的硬件成本和更高的檢測速度，為大規(guī)模推廣提供了應(yīng)用參考。
　　參考文獻
　?。?］ 樊向黨，林波，沈文和. 塑料薄膜表面疵點檢測及識別方法研究［J］. 工業(yè)控制計算機, 2011, 24(5):7475.
　?。?］ 鐘球盛，胡廣華，李靜蓉. 光學薄膜表面微細缺陷在線檢測方法研究［J］. 機械設(shè)計與制造, 2011(10):102104.
　　［3］ 胡廣華，鐘球盛. 一種基于多目機器視覺的光學薄膜瑕疵檢測系統(tǒng)［J］. 機械設(shè)計與制造, 2012(4):162164
　　［4］ 焦文喆，翟正軍，任嵐昆．基于FPGA的圖像數(shù)據(jù)采集卡及其驅(qū)動設(shè)計 ［J］． 國外電子測量技術(shù), 2010, 29(3):5659.
　　［5］ 李長莉，基于FPGA的CCD掃描缺陷檢測實時數(shù)據(jù)處理技術(shù)的研究［D］. 哈爾濱：哈爾濱理工大學, 2008.
　?。?］ 溫杰，李錦明．基于FPGA的實時圖像邊沿檢測系統(tǒng)的實現(xiàn)［J］.電子技術(shù)應(yīng)用, 2015,41(10):6567.
　?。?］ 許蓓蕾，莊奕琪，湯華蓮，等.基于對象的多級圖像增強法［J］.計算機應(yīng)用, 2011,31(6):15561559.
　?。?］ 李杰，周浩，張晉，等．基于粒子群優(yōu)化的模版匹配跟蹤算法［J］．計算機應(yīng)用, 2015, 35(9)：26562660.
　?。?］ 陳強，朱立新，夏德深.結(jié)合Canny算子的圖像二值化［J］.計算機輔助設(shè)計與圖形學學報,2005, 17(6):13021306.
　?。?0］ 孫繼平，吳冰，劉曉陽.基于膨脹/腐蝕運算的神經(jīng)網(wǎng)絡(luò)圖像預(yù)處理方法及其應(yīng)用研究［J］.計算機學報,2005,28(6):985990.