在线咨询 在线咨询
面向钢管质量追溯的条码识别系统
中国科学院微电子研究所
中国物联网研究发展中心
天津钢管集团股份有限公司
功能概述与应用领域
      采集每根钢管上喷涂的自定义格式的条形码,然后进行解码分析,可以获取条形码上所记载的信息,包括钢管的ID号、批号、炉号等。
钢管条码识别系统原图
原始图像
钢管条码识别处理后得到的结果
处理后得到的结果
       应用领域包括:钢管检测流程监控与质量溯源。
总体设计方案及关键模块
      通过自主研制的一体化CCD相机采集图像并在前端进行实时的处理分析,可以获取每根钢管表面喷涂的条形码信息。整个系统在包括如下2个部分:
       (1)信息采集与智能处理系统:包括高分辨率视觉图像采集与实时处理系统、基于DSP的条形码处理系统;
       (2)上位机管理系统:包括参数配置、系统标定、状态显示以及数据库管理等功能。
解决的关键核心技术
基于TMS320C6467的图像采集与处理硬件系统
      视觉系统由中国物联网中心/中国科学院微电子研究所信息识别与系统控制研究中心研制的固定式图像型智能相机组成,用于对视觉图像进行采集与实时处理。相机通过千兆网接口(Gige)将采集的图像数据传输至DSP处理器,处理器中的密封圈表面缺陷检测算法对图像数据进行识别。
      固定式图像型智能相机的主要技术特点如下:
     · DSP采用TI 达芬奇 (DaVinciTM)处理器TMS320DM6467(T),内置ARM926EJ-STM RISC和TMS320C64x+TMDSP两个核。On-Chip L2 Cache 128 KB (DSP);On-Chip L1 Cache 56 KB (ARM9),64 KB (DSP)。
     · 完整的Linux开发环境和ARM编译环境,提供环境搭建说明和相应的软件工具包,包括VMware-workstation或者Ubuntu;GCC交叉编译工具;根文件系统target;Linux内核安装包;EVM的软件开发包;TI DVSDK的工具链:BIOS XDCTOOLS,TI_CGT_C600)。
     ·  完整的DSP编译开发环境,提供环境搭建说明和相应的软件开发包,包括CCS3.3和BIOS。
     ·  功能强大的.net上位机管理软件,可配置DSP运行参数和相机参数,包括触发模式、曝光时间、Gamma校正、增益、白平衡、图像大小、图像位置偏移、对比度、亮度、频闪灯控制、IO控制。
     ·  选择性提供多个典型算法的例程(边缘提取、字符识别、尺寸计算等),客户可借鉴使用。
     ·  相机大小为115mm*75mm*65mm。
     ·  相机重量为660g。
     ·  相机功率<=6W。
     ·  供电:DC5~12V/2A,纹波:<=12%。
     ·  储存温度:-20℃~+70℃。
     ·  工作温度:商业级0℃~+70℃,工业级 -40℃~+85℃。
     ·  工作湿度:10%~80%。
TMS320DM6467智能相机
TMS320DM6467智能相机框图
基于计算机视觉的条形码识别技术
(1)识别目标特征分析
     在钢管生产过程中,生产的每一根管材,都会有一个唯一编号。此编号喷涂在钢管外壁处,就是钢管的喷码标识。喷码识别系统是钢管生产过程中不可或缺的一个程序,钢管被喷码以后,将被记录到相应的厂家数据库中,并在余下的生产流程中被跟踪和监测。操作人员根据编号统计合格与不合格钢管的数量,并记录每一根钢管的信息,而用户可以根据编号了解每一根钢管的具体生产信息,如果出现问题可以追溯到每一根原始钢材,甚至连铸的炉次。作为提供给石油勘探和开采使用的无缝钢管,锅炉用管道以及石油天然气输送管道,它们的质量要求非常严格,必须建立一套非常完善的追溯制度。钢管的喷码标识在整个追溯过程中将起到非常关键的作用。
     根据本项目预先制定的钢管喷码标识标准,钢管标识一般由数字和一维条码符号组成。
(2)条形码解析技术
1)背景减除
     背景减除(又名背景差分)是一种基本的图像处理操作,将建立好的背景模型与原图像进行比较,从原图像中减去已知的背景信息,则差分后的目标物大致就是所求的前景目标。
      首先借助于腐蚀与膨胀,腐蚀、膨胀是在数学形态学的集合论方法发展起来的图像处理方法。
      腐蚀运算逐像素进行,每个元素将会受到附近较暗元素的影响,输出图像相较于输入图像更暗,当结构元素的面积大于输入图像中的亮细节的面积时,亮的效果将被削弱。原始图像经过腐蚀之后,图像中较亮部分的边缘将会向内收缩,如同被周围的暗色背景腐蚀。
      膨胀算法与腐蚀算法正好相反。膨胀运算同样逐像素进行,每个元素将会受到附近较亮元素的影响,输出图像相较于输入图像更亮,当结构元素的面积大于输入图像中的亮细节的面积时,暗的效果将会被削弱。原始图像经过膨胀之后,图像中较亮部分的边缘将会向外扩张,如同亮色物体发生了膨胀。
     本系统中,腐蚀操作选取的椭圆模板作为结构元素,对图像进行连续五次的腐蚀操作,可以保证将需要寻找的前景条码图像会从原始图像中受到腐蚀的作用而滤掉,得到一个不含有条码信息的临时图像结果,为之后要进行的背景减除工作做好必要的准备。接下来,对腐蚀得到的临时图像结果同样使用的椭圆模板作为结构元素,进行连续五次的膨胀操作。因为膨胀的操作与腐蚀正好相反,可以在一定程度上将腐蚀操作中未能完全去除的图像还原,而条码信息在腐蚀操作中已经被完全滤掉不能得到还原,如此一来,膨胀操作将临时图像结果中除了条码以外的其他信息尽可能地还原到之前的情况,为接下来要进行的背景减除做好准备。
     将原图像减去腐蚀膨胀后的结果图像,将得到一个新的图像,此图像比原始图像少了一些无关的信息,提高了前景目标的质量。
2)二值化
     二值化是图像分割的一种方法,它通过某种规则,将图像上的像素点的灰度值设置为0或255,即将整个图像呈现出明显的只有黑和白的视觉效果。经过二值化处理后的图像可以去除一部分噪声信息,同时有助于更好地获取条码区域的信息。二值化主流方法分为两大类——全局阈值法以及局部阈值法。
     全局阈值法:在对图像进行二值化处理时,全过程只取一个固定阈值t作为切分的依据。这是最为简单的二值化方法,通常而言适用于图像前景与背景差异明显的简单图像。
     局部阈值法:通常而言,局部图像上的阈值t是由当前像素点的灰度值与其周围像素点的灰度值依据一定的方法所共同决定,即阈值是动态的,并且可能在一幅图像上会出现多个阈值,适用于处理复杂背景的图像。
      此处使用全局阈值的二值化方法对背景减除之后的差分图像进行操作,为了保证结果的准确性,选取一个较为保守的阈值对图像进行操作。在本系统中,差分图像已经是对前景目标的估计,选取一个小阈值以免误删了有用的信息,初步过滤掉混杂在前景图像中的小部分背景与噪声,保留大部分前景目标做后续图像,保证二值化之后结果的正确性。
(3)条形码定位
1)粗定位
      粗定位指的是通过适当的处理,将目标的潜在出现位置减小到一个相对较小的范围,排除不可能存在目标的区域,缩小搜索空间,以节省计算资源提高算法的效率。
      将二值化后得到的目标像素点对应于原图的灰度值做水平方向的叠加,可以得到一段离散的点集,虽然不符合严格的曲线定义,此处暂且称之为曲线。这段“曲线”峰顶的附近就是条形码存在的区间,据此可以进行简单的粗定位操作。
      通过计算并分析前景点像素灰度在图像水平方向的累积结果,可以将识别区域(即钢管区域)限定在一个较小的图像纵坐标区间内,有效地去除钢管上下方大面积的背景区域,减少冗余计算,实现标识目标的粗定位。
      进一步地,通过对前景点像素灰度统计信息的评估,对粗定位的差分图像区域进行调节阈值的二值化操作。经过差别化阈值的重复二值化操作后,前景中的多数噪声点被过滤,前景掩模对识别目标的描述变得更加准确、细致。
2)连通域标记
     连通区域标记是指将图像中符合某种连通规则(4邻域连通、8邻域连通或混合邻域)的像素标识为同一目标,将每个像素点的归属目标连通区域和每个连通区域的信息记录在一个数据结构中。本系统采用的是8邻域连通规则进行邻接判定,对连通域的信息标记通过两次全图扫描的方式进行。
3)目标提取
      目标提取是指从图像中依据主体特征,将识别出有意义的主体提取出来的操作。即从原始图像中,依据先验的知识将所需要的前景目标与背景分离出来。目标提取在计算机视觉领域中应用广泛,是计算机视觉中最基础的研究内容之一。
     本系统主要是根据灰度图像形态学以及聚类对目标进行提取。主要方法是对连通域检测时得到的结果信息进行分析,根据已知条形码的形状特征以及位置情况进行分析筛选,将形状特征相近,且处于同一水平区域的联通域聚合为一类,根据聚类区域内连通域元的个数,以及连通域元整体形状特征与已知条码形状特征的比较等参数指标。
(4)条形码解码
     在精确定位的区域内,统计该区域中目标掩模在图像垂直方向的投影,即掩模在垂直方向的累积像素数目。之后将得到的投影结果曲线进行曲线峰值分析,需要注意的是累计结果同在之前所述粗定位的结果一样,只是离散的点集,但此处同样姑且将该点集称为曲线。而最终需要寻找的“曲线”峰顶指的是特征较为明显的极大值,于是需要做一定的判别操作,需要先定义一个甄别的条件,只有当极大值大于一个阈值时的结果才会被判定为有效,认定为峰顶。这个阈值选取,其中max与min分别代表曲线的最大值和最小值。
      模板匹配读数的具体方法如下:
      先计算条码的总宽度;
      根据条形码的编码规则计算每个条码之间的间距;
      从结果数组中依次计算两个峰顶的间距,再利用峰顶间距求得峰顶之间峰谷的个数;峰谷代表0,峰顶代表1。
      最后将得到的01序列去除前两位和最后两位,再换算成十进制即为最终的读数。
      通过校验码对结果进行校验,数据区1的个数位偶数,校验位10,符合校验规则。
达到的技术性能指标
       通过自主研制的一体化CCD相机采集图像并在前端进行实时的处理分析,可以获取每根钢管表面喷涂的条形码信息,包括钢管的批号、炉号、ID号等。
       性能指标如下:
       1、测量范围:20位条形码信息;
       2、计算速度:每秒处理10帧分辨率为1600*1200的彩色图像;
       3、重复精度:≥97.5%。
项目实施效果与应用情况
      该成果已经应用于我国最大的钢管生产企业—天津钢管集团的天津工厂和美国工厂共20多条生产线,实现了钢管生产的全流程信息化管理。