作者 祝繪青1 董 浩1 張培恒2

　　1.河北省自動化研究所(河北 石家莊 050081)

　　2.燕山大學電氣工程學院(河北 秦皇島 066004)

　　*基金項目：河北省科學院高層次人才培養與資助項目(編號：2017G11)

　　祝繪青(1981-)，女，碩士，工程師，研究方向：機器視覺與檢測技術;董浩，男，工程師，研究方向：機器人與機器視覺技術;張培恒，男，碩士，初級工程師，研究方向;機器視覺。

摘要：QR碼與其他二維碼相比具有識讀速度快、數據密度大、占用空間小的優勢，已經在移動終端、嵌入式系統、交通運輸、食品藥品以及生活消費支付等領域得到廣泛應用。印刷過程中，由于受到機械精度、生產工藝、操作失誤等多方面因素的影響，印刷品表面會出現不同類型的QR碼缺陷，主要包括：漏印、誤印、印刷位置偏移、黑白拉線等。運用圖像預處理及模板匹配算法對QR碼進行缺陷識別，實現對QR碼印刷品中出現的QR碼圖片漏印、誤印、印刷位置偏移、黑白拉線等印刷問題的自動識別，從而解決了人工檢測所帶來的問題。

0 引言

　　隨著物聯網與自動化識別技術的迅速發展，QR碼具有超高速識讀、數據隱蔽性、可很好地處理中國漢字和日文等優點。在移動終端、嵌入式系統、交通運輸、食品藥品以及生活消費支付等領域得到廣泛應用。QR碼在實際應用中通常印刷在產品外包裝上。產品的包裝質量對產品尤為重要，這不僅因為它是評價產品合格的一個重要因素，產品的基本信息更是通過它來反映的。當QR碼標簽出現問題的時候，用戶對該產品的印象會受到影響，使用產品時也會造成不便。

　　但在QR碼印刷過程中，有多種因素會導致印刷出現質量缺陷，不僅影響生產效率，還會給印刷企業帶來經濟損失。常見的印刷產品缺陷主要有：褶皺、飛墨、偏色、針孔、刀絲、糊版、臟版、套印不準、漏印、刮擦、墨點等^[1]。這些印刷缺陷直接導致QR碼信息無法被正確識別出來，所以在產品出廠前，需要對印刷在產品上的QR碼進行檢驗識別。傳統的印刷標簽質檢是由操作者按規定的時間間隔抽取印品，與樣品模板比較，從而獲取標簽的質量情況。由于受到人為因素的影響，傳統的方法會存在漏檢、誤檢，而且效率低，也給企業增加了人工成本。在高度自動化的工業生產中，產品生產具有集中性大批量的特點，且隨著人民生活水平的提高，人們對產品的外觀及包裝質量的要求也大大提高^[2]，因此設計一套自動化智能化的QR碼印刷質量檢測系統是很有意義的。

　　基于上述情況，本文設計了QR碼印刷質量檢測系統，該系統可以對產品上印刷的QR碼圖片信息進行識別與校對，檢測出QR碼是否存在漏印、誤印、印刷位置偏移等缺陷，并記錄不合格產品的日志信息，剔除QR碼印刷不合格的產品。

1 系統總體設計

　　1.1 軟件部分組成

　　QR碼印刷質量檢測系統包括六部分：用戶登錄退出模塊、相機初始化模塊、QR碼數據采集模塊、QR碼圖像預處理模塊、QR碼識別譯碼模塊、QR碼匹配比對模塊。其中，用戶登錄退出模塊是為了保證系統合法性，只有通過身份驗證的合法用戶才可使用該系統。相機初始化模塊用于相機參數配置，之后可通過QR碼數據采集模塊獲取產品上印刷的QR碼圖片，通過QR碼預處理模塊對獲取的圖片進行灰度化、濾波除燥、二值化、邊緣檢測等圖像處理，可提高QR碼識別的速率和效率，為下一步的QR碼匹配比對提供模板依據。本系統的結構圖如圖1所示。

　　1.2 硬件部分組成

　　硬件部分包括光源照明模塊和圖像采集模塊。其中，光源與照明方案是系統的重要組成部分，光源與照明設置是為了突出檢測物體的目標特征，將要檢測的區域盡可能大的與背景區域進行區分，提高對比度，降低圖像的識別難度，使系統的可靠性和綜合性能得到提高。本系統采用環形白色高角度無影光源及控制器，如圖2所示。

　　圖像采集模塊是系統的輸入端，對整個系統的運行速度和效率有重要影響，包括光電傳感器、工業相機、鏡頭、相機支架、鏈板等設備。

　　光電傳感器輸出的繼電器信號，用于觸發工業相機拍照。當鏈板運送至特定位置后，光電傳感器工作，觸發處于準備狀態的工業相機抓拍待檢測物體的QR碼。本系統選用歐姆龍E3Z-T61A-L型光電傳感器，傳感器帶有調節按鈕和動作切換開關，響應速率為1 ms，可發射透過性紅色光源，可滿足系統精度、觸發模式、鏈板速度的要求。

　　考慮到檢測時鏈板一直處于高速運轉狀態，為了確保系統圖像的分辨率和圖像處理速率，該系統選用BASLER acA1920-155 μm 彩色工業相機，配有Sony IMX174 CMOS感光芯片，幀速率可達164 fps，標準通訊模式的USB 3.0圖像傳輸方式，230萬像素分辨率，足以滿足系統要求。相機鏡頭選用BASLER C-125-1218-5M型號，分辨率為500萬像素，光圈范圍F1.8~F22.0，工作距離200 mm，固定焦距12.0 mm，原裝C口鏡頭，與已選相機和光源配合使用能夠獲得高質量QR碼圖像，為接下來圖像處理環節奠定基礎。

2 關鍵技術

　　2.1 QR碼圖像預處理

　　圖像預處理是QR碼圖像識讀過程中重要的基石，它直接關系到QR碼識讀的準確性和效率。采用數字圖像處理的方法對采集的QR碼圖像進行預處理，能夠在很大程度上改良圖像歪斜、抖動、模糊、光照不均等失真情況。QR碼圖像預處理流程包括：對所采集到的彩色圖像選取加權均值法灰度化處理;對得到灰度圖像進行中值濾波和二值化;在一定程度上消除噪聲干擾;用Canny算法對二值化的灰度圖像進行邊緣檢測;找出QR碼的各編碼的準確區域。

　　目前常用的灰度化圖像方式有三種：最大值法、平均值法和加權平均法^[3]。通過MATLAB編程將三種方式的灰度化效果進行比對，如圖3所示。用戶可以根據應用場景選擇不同的灰度化方式，本項目采用的是加權平均法。

　　邊緣檢測算法有Sobel、Canny、Prewitt等幾種方式，通過對采集的QR碼樣本采取多種邊緣檢測算法，仿真結果如圖4所示，通過對比確定本系統最終選取了Canny邊緣檢測算法。

　　2.2 模板生成與圖像匹配算法

　　為了使圖像匹配能夠得到便于缺陷檢測的效果，本系統采用了QR碼模板匹配方式。將逆向生成的QR碼做灰度化和二值化處理，作為該系統匹配的標準模板^[4]。QR碼印刷質量缺陷檢測的詳細算法步驟如下：

　　1)二值化

　　圖像采集模塊獲取的待檢測QR碼圖片經過圖像預處理后得到二值化圖像信息;

　　2)確定QR碼位置

　　通過邊緣檢測確定QR碼矩形區域及4個頂點的位置，計算出QR碼傾斜度并校正;

　　3)QR碼缺陷類型判定

　　若傾斜度大于門限值則判定為“QR碼圖片位置偏移”;若未監測到QR碼區域，則判定為“QR碼圖片漏印”。用校正的QR碼圖像和標準模板做差值運算，確定QR碼印刷中是否存在黑白拉線或黑白塊缺陷;

　　4)QR碼譯碼

　　若無上述缺陷問題，通過QR碼譯碼模塊^[5]，解析QR碼圖片包含內容，并和模板中包含內容進行字符串比對，判定是否存在“QR碼圖片誤印”。

3 軟件開發

　　本項目通過利用LabView軟件可快速實現圖像采集處理及人機界面交互實現的優勢，MATLAB圖像處理的優勢，采用兩者混合開發模式。其中QR碼相機配置、QR碼圖像采集、QR碼識別、QR碼匹配基于LabView平臺實現。灰度化、邊緣檢測等圖像預處理在MATLAB平臺上編程實現。

　　3.1 LabView軟件開發

　　LabView軟件內置的IMAQdx通過NI MAX可以直接連接和設置工業相機。在LabView程序框圖中調用子VI并連線編寫圖像采集程序，分別是搜索可用相機，打開和配置相機，拍照獲取圖像等，如圖5所示。

　　3.2 系統界面

　　QR碼印刷質量檢測系統的操作界面由下面幾部分組成：界面左側是系統各狀態的指示燈，界面右側是功能按鈕(登錄、運行、譯碼、匹配、退出)以及硬件的選擇。中間部分是采集到的QR碼原始圖像，中間右側是QR碼圖片檢測的結果。右下部分是拍照參數可選項、圖像預處理可選項(灰度化、濾波除燥、二值化)。最下面部分是QR碼檢測系統的輸出參數(譯碼成功次數、譯碼總次數、譯碼合格率、譯碼總時間)。如圖6所示。

　　3.3 系統檢測結果及分析

　　系統設計完成后，我們做了具有針對性的實驗測試驗證。針對QR碼漏貼、誤貼、貼錯位置等情況都可檢測出來，并根據錯誤類型提示對應的告警：“QR碼圖片漏貼”、“QR碼圖片誤貼” “QR碼圖片位置偏移” “QR碼圖片拉線”、“QR碼圖片白塊”，且告警指示燈為紅色。圖7是通過該系統檢測的6中缺陷和合格的結果圖。

4 結論

　　本文綜合對機器視覺、圖像處理和二維碼知識的學習和研究，運用LabView和MATLAB高效的編程平臺，實現了食品藥品外包裝上的QR碼印刷過程中的漏印、誤印、位置偏移、黑白拉線幾種缺陷類型的檢測。對QR碼印刷質量缺陷檢測系統的研究和市場化有了理論參考意義。但本系統在實驗室環境下進行的仿真測試，還需要進一步完善印刷質量缺陷檢測的種類，推動該檢測系統的智能化和市場化。

　　參考文獻：

　　[1]邢堃.基于LabView的印刷標簽缺陷檢測方法研究[D].東華大學,2013.

　　[2]陳星,徐迎暉,肖青海.QR碼印刷品缺陷檢測[J].計算機技術與發展,2015,(10):191-194.

　　[3]孫柏.QR碼圖像的預處理和校正算法設計[J].信息與電腦,2017(1):84-86.

　　[4]王換偉.基于模板匹配法的二維碼缺陷檢測算法研究[D].西北大學,2015.

　　[5]盧鑌.QR碼識別方法研究及應用[D.南京理工大學,2013.

　　本文來源于《電子產品世界》2018年第5期第39頁，歡迎您寫論文時引用，并注明出處。