基于菌群算法的纸病检测系统光源优化控制

王 峥 周 强，* 李 敏 王 莹

(1.陕西科技大学电气与信息工程学院，陕西西安，710021；2.陕西科技大学材料科学与工程学院，陕西西安，710021)

基于菌群算法的纸病检测系统光源优化控制

王 峥1周 强1，*李 敏1王 莹2

(1.陕西科技大学电气与信息工程学院，陕西西安，710021；2.陕西科技大学材料科学与工程学院，陕西西安，710021)

针对纸病检测系统中线性LED光源照射效果不均匀以及光源控制中的耦合问题，介绍了以被检测纸病图像灰度的均匀度为优化目标，在拟合LED点光源照度分布函数的基础上，利用菌群算法对光源系统参数进行寻优运算，并根据寻优结果对光源系统进行结构优化，同时对各LED点光源进行功率控制。实验结果表明，优化后光照均匀度在95%以上，该方法实现了照明系统对纸张缺陷均匀照射的效果，成像质量显著提高。

纸病检测;菌群算法;光源优化;灰度均匀度

造纸过程中，受工艺流程、纤维原料、设备状态等因素的影响，纸张会出现透光、破洞、针孔、褶皱、尘埃等表面缺陷问题，在此将纸张缺陷统称为纸病。纸病不仅仅会影响纸张外观，而且还会降低纸张质量和印刷成品率。因此，纸张缺陷检测显得尤为重要。

目前，很多中小型企业的纸病检测主要依靠人工完成，但人工检测常因肉眼判断范围有限而存在检测精度低的问题；并且人工检测容易产生疲劳，无法长时间检测；此外，人工检测实时性较低，随着纸张生产速度和纸幅宽度的不断增加，人工检测的检测精度和检测效率都难以保证[1]。机器视觉作为一种新兴技术，具有高效率、高精度和非接触的优点[2]，已经广泛应用于纸张的缺陷检测中。该技术的先决条件是在合适的光源结构和光照控制下拍摄高质量图像，但是当前在机器视觉的纸病检测系统中，大量研究都集中在对图像处理的算法上，而对机器视觉中光源照明系统关注较少，对光源不予控制或仅采用手动调节，对光源结构和调节的光照效果缺乏指导性的物理量，致使成像质量难以保证。

因此，本课题针对纸张缺陷检测的光源系统进行以下的研究和改进。

(1)设计了光源照射效果可控的光源优化控制系统。系统以LED为照射光源，以工业相机为传感器，能够对光源系统进行结构优化和参数优化控制，并对优化控制效果进行反馈。

(2)对光源系统进行结构和参数的优化计算。以图像的灰度均匀度为优化目标，LED阵列中点光源的距离和各个LED点光源发光功率为优化参数，构建了光源照射模型和优化目标函数。由于优化目标函数十分复杂而难以求解，本课题使用菌群算法实现寻优计算。

(3)系统结构优化。在确定LED点光源排列方式的基础上，根据优化计算的部分结果，即相邻LED点光源间距，对光源结构进行调整，以获得更好的照明效果。

(4)系统参数优化控制。根据优化计算的另一部分结果，即每个LED点光源的发光功率，对光源进行开环控制，以获得最优照明效果。

通过以上工作，实现对纸张检测的照明。实验表明：检测系统拍摄的图像灰度均匀性好，对于外界光线的变化和干扰能够迅速补偿，能消除环境变化对于纸张检测的影响。

1 纸病缺陷检测系统

1.1纸病缺陷检测系统的工作原理

图1 纸病检测硬件组成

基于机器视觉的纸病检测系统组成共分为3个部分：第一个部分为照明模块，主要以LED灯阵和光源控制电路组成；第二个部分由CCD相机和数据采集卡组成，将采集到的纸病图像传给计算机；第三个部分为计算机，其工作流程见图1。

系统硬件主要包括以下几个部分。

(1)光源系统。采用LED背光源平行光照射的方法，将纸张中的纸病信息与背景图像区分开来，使待检测纸张的纸病信息轮廓清晰可见，突出了待检测目标的轮廓信息，光源驱动电路接受计算机发出的控制信号，调节各LED点光源的发光功率，从而保证拍摄图像的灰度均匀[3]。

(2)CCD相机。CCD相机具有完善的扫描功能，在随时获取需要图像的同时还可以保证所生成图像的清晰度[4]，选取线阵相机可以较好地拍摄到纸张在运动时的图像，便于找出纸病。

图2 纸病图像及其横向分布曲线

(3)计算机。在纸病检测系统中，计算机是检测系统的控制器和光源优化的控制器。在缺陷检测系统方面，计算机主要完成纸病图像的预处理和辨识。前者通过图像增强、图像分割等将含有纸病的图像区域分离出来;后者通过特征提取、纸病辨识获得纸病形状、面积大小、空间位置及纸病类型等信息[5]。在光源优化方面，它根据采集到的图像数据判断光照均匀度的效果，并以此对LED光源结构和各个点光源驱动功率进行优化，克服各个点光源之间的耦合作用，提高图像灰度均匀度。

1.2纸病缺陷检测系统的照明问题

在纸病缺陷检测系统中，照射纸面的光源均匀性至关重要，直接影响到后期纸病检测中图像灰度特征的提取。但是，纸病缺陷检测的研究中，照明基本为手动调节，光源照明的好坏缺乏指导性的物理量，主要表现为以下两个问题。

(1)沿着纸张表面的横向上光照效果不均匀。如图2所示为高速相机拍摄的纸病图像，在传统线性光源照射下，纸张中间部分由于受到中间光源和左右两侧光源的照射而亮度较高，但两端由于只受到中间和单侧光源照射而导致亮度逐渐降低，因此沿横向的纸张背景图像呈现中间亮两边逐渐变暗的灰度不均现象[6]。

背景图像的灰度不均会给图像灰度的特征提取带来严重的影响，如图2(b)可见由于灰度不均匀使得纸张图像灰度变化范围较大(70～190)，远超出了(褶皱)纸病造成的灰度变化范围(145～190)，使得用于区分纸病和正常纸张的灰度阈值难以确定，严重影响到纸病辨识的鲁棒性。

(2)LED点光源间的耦合作用给光源控制带来困难。为了克服这种照射亮度的不均匀性，对单个LED点光源进行功率控制，但是由于耦合作用的存在，辐照区域任意一点的光源照度都是各个点光源对该点照度的叠加，一个点光源的光线变化，会影响整个辐照区域的光照强度，改变整体光照均匀度，使照明控制难以达到理想效果。

在纸张缺陷检测中，光源照明不仅要求空间照度充足，还需要均匀的空间照度分布，从而保证图像灰度均匀的要求[7]。因此根据实际需要，对点光源排列方式进行结构优化和发光功率进行优化控制，是本课题研究的重点。

1.3解决思路

建立一个可优化的光源照明系统，以拍摄图像的灰度均匀度为优化目标，对各个点光源进行单独控制，优化线性光源阵列结构和点光源功率，并利用CCD相机检测优化结果，进一步完善优化效果。

(1)针对纸张表面的横向光照效果不均匀的问题，本次设计中的LED点光源均由功率控制器进行控制，每个功率控制器有四路输出，可同时对4个LED点光源分别进行功率控制，15个功率控制器控制60个LED点光源发光功率，以图像灰度均匀度为优化目标，改变各个LED发光功率w(参数优化)，并调整相邻点光源间的相对距离r(结构优化)，达到沿着纸张横向光照均匀的控制效果。

(2)针对LED点光源间的耦合作用给光源控制带来困难，采用菌群算法对光源参数wk(k=1，2，…，60)和r在目标区域进行寻优，以克服各个点光源对于照射面的耦合作用，避免了局部最优，提高了寻找最优化的概率。

图3 光源系统示意图

图4 单颗LED点光源仿真照度分布图

2 光源优化

2.1优化目标和优化参数

(1)优化目标。本实验是以优化照明效果为目的，但检测过程中纸张表面的光照均匀度难以实时测量和反馈。然而在CCD相机的曝光时间和增益固定的情况下，一定范围内各点图像灰度Fij与光源照度呈线性关系[8]，因此，本文以纸张图像横向灰度方差为优化目标，量化光源照明效果。其中系统的优化目标和约束条件分别为：

(1)

(2)优化参数。在优化目标中n表示目标区域的坐标点数，由于本次实验为条形LED阵列，因此n也可视为条形阵列的长度，故：

n=(k-1)·r

(2)

式中，k表示每个条形阵列中LED灯珠的个数，本次实验k取60。r是相邻两LED点光源之间的距离，为一个优化参数。

在优化目标函数中，区域离散化后坐标(i，j)处的灰度值Fij是各LED点光源在该点处共同作用的结果，因此，Fij可表示为式(3)：

(3)

其中，wk(k=1，2，…，60)为各LED点光源的功率，fk是各LED单独作用下的灰度值，将wk和r作为本次实验的优化参数进行优化，通过调整wk和r获得最佳照明效果。

2.2线形光源照射效果建模

根据光源优化方案，建立光源模型，确立优化目标函数s和优化参数r、wk之间的函数关系。

单颗LED点光源照度分布函数满足高斯分布，利用仿真软件TracePro对单个LED光源进行仿真，其照度分布如图4所示。

通过单颗LED点光源仿真的照度分布进行拟合，获得描述其照度分布的二维高斯函数：

(4)

由于光源阵列平面与纸张所在平面平行，因此以纸张横向中心所在的位置为坐标原点建立直角坐标系，式中ek(x，y)为坐标(x，y)处的照度值，H是LED点光源到顶圆面的垂直距离，在本次试验中H取固定值20 mm，μ1、μ2、σ都是常数，取值范围分别为：-∞<μ1<+∞，-∞<μ2<+∞，σ=σ1=σ2≥0。

由于在CCD相机的曝光时间和增益固定的情况下，一定范围内各点图像灰度与光源照度呈线性关系[7]，因此单个LED光源照射下图像灰度图像如图5所示。

其分布函数可以表示为式(5)：

(5)

由于本次光设计为条形光源，只需满足横向分布上光源均匀，因此式(5)可以简化为：

(6)

图5 单颗LED点光源图像灰度分布图

对图像灰度数据进行高斯拟合，A为拟合系数。可得到待测参数A=204，σ=9.986，μ=64。

将单个LED点光源的灰度分布fk带入式(1)，可得到条形LED灯阵优化目标函数为：

(7)

其中，将60个点光源功率wk(k=1，2，…，60)和点光源间距r一起作为本次实验优化参数进行优化。

2.3寻优

菌群优化算法(Bacterial Foraging Optimization，BFO)是根据生物学家H Berg等对大肠杆菌菌群觅食行为的研究，由Passino K教授在2002年提出的一种新型智能仿生算法。根据大肠杆菌的4种觅食行为完成寻优[9-11]。在光源优化中，由于多灯珠控制使优化目标函数较为复杂难以求解，本文使用菌群算法实现优化过程，优化工作克服了各个点光源对于照射面的耦合作用，避免了局部最优，提高了寻找最优化的概率。

在优化过程中，模拟菌群的趋药性、觅食、繁殖、迁徙4种基本行为对灯珠的相关参数在空间内寻优，使代表LED灯珠相关参数的菌群不断搜索并且向最优区域移动[12]，其中将待优化参数r和wk(k=1，2，…，60)，分别设置为细菌在k+1维空间中的具体位置信息，并以图像灰度方差D作为LED灯珠参数优化的指标，并且以此构成细菌适应度函数，记为：

(8)

其中，θ表示第i个灯珠在第j次趋向性操作，第k次复制操作和第i次迁徙操作后的位置信息，为灯珠此刻的位置信息，每一次趋向性操作后位置信息更新为：

θi(j+1，k，l)=θi(j，k，l)+C(i)Φ(j)

(9)

其中，C(i)是细菌趋药性的步长，Φ(j)为随机方向上的单位向量。

实现菌群优化算法步骤如下。

第一步：初始化每个细菌的适应度。对待优化的各参数初始化，根据辐照面积和实际情况确定LED灯珠各个参数的上下限rmin=1，rmax=40，wkmin=0.1，wkmax=1(k=1，2，…，60)。对LED灯珠参数初始化：

r(0)=R(rmax-rmin)+rmin

(10)

wk(0)=R(wkmax-wkmin)+wkmin

(11)

其中，R是[0，1]上的随机数，r(0)、wk(0)均为优化前LED灯珠参数的初始值，其寻优空间D=61，菌群规模为S=60，i=1，2，…，S。 初始化菌群参数，第i个灯珠的初始位置信息为：

θh(0)=(r(0)，w1(0)，w2(0)，…，w60(0))

(12)

图6 算法流程图

第二步：趋向性操作，计算每个细菌的新位置，并将其与前一个位置的适应度函数做比较，若在细菌前进步数范围内，新的方差小于前一次，更新参数信息；反之则保持不变，记Jlast=J(i，j，k，l)为细菌i此时的最好位置信息[13]。

表1 条形LED灯阵参数

第三步：繁殖操作，分别计算S个细菌在循环中各位置适应度总和，适应度值之和越大，方差越大，说明细菌健康程度越差，反之则说明细菌越健康[13]。淘汰后Sr=S/2个细菌，复制前(S-Sr)个细菌。

第四步：迁徙操作，细菌完成多次繁殖操作后，以一定概率重新分布到新的位置空间。

第五步：根据方差值是否最小判断寻优是否结束。若算法结束，就返回当前最优的LED参数值r，w1，w2，…，w60，否则返回第二步继续寻优。

算法流程图如图6所示，其中Nc、Nre、Ned分别为趋向性、繁殖和迁徙的执行次数。

图7 线形LED光源最优效果

3 优化控制和优化效果

3.1光源优化控制

在光源优化控制时，为保证实验的准确性，首先对以下3个参数进行设定：各个阵列的 LED 个数n=60；探测面与LED 所在平面之间的垂直距离d=20 mm；LED 灯珠的发光特性系数m=81。再根据菌群优化算法寻优结果，对各LED点光源进行独立控制。

工作过程中，整个控制系统形成闭环回路，以优化后的光照参数r和wk(k=1，2，…，60)为指标调节光源参数，并根据CCD相机拍摄到的纸张灰度图像进行分析，对光源系统进行循环优化控制。

经优化后条形LED阵列各点光源功率和间距r如表1所示。

3.2光源优化效果

根据优化控制系统搭建光照平台，对光源进行结构优化和优化控制，并根据所拍摄背景图像的灰度均匀度进行反馈调节，如图7所示为经优化的LED光源照射下背景图像灰度分布情况。

由图7所示优化后光源照明均匀，背景图像灰度分布均匀，为验证系统的优化控制效果，用照度仪对优化后光照度进行测量，得到优化后光源平均照度为2405 lux，照度均匀度为97.39%，相比优化前的67.54%均匀度明显提升，完全满足纸病检测系统的光源照明要求。

4 结 论

以纸病检测系统的线形LED光源阵列为对象，针对传统缺陷检测系统中光源照射效果不均匀以及光源控制中的耦合问题，提出一种基于菌群算法的机器视觉光源优化方案，对纸病检测系统的光源进行结构优化和参数优化控制。实验表明，经过优化控制光源系统，照射均匀度大幅度提升，纸张表面成像质量显著改善。

[1] 邱书波, 吕荫平. 基于DSP的纸张缺陷实时检测系统设计[J]. 中国造纸学报, 2008, 23(4): 119.

[2] 魏 兵, 李 伟, 夏明安. 视觉测量技术在滚针轴承自动化生产中的应用[J]. 湖北工业大学学报, 2007, 22(4): 67.

[3] 李道萍, 郑继红, 韦晓鹏, 等. 基于菌落挑选仪的背光源优化设计[J]. 光学技术, 2015, 41(5): 404.

[4] 汤 伟, 王先通, 王 锋, 等. 基于FPGA和CCD相机的纸病检测系统的设计与实现[J]. 中国造纸学报, 2016, 31(1): 57.

[5] 周 强, 陈 颖, 沈天宇, 等. 基于机器视觉的纸病检测系统发展综述[J]. 中国造纸, 2016, 35(5): 72.

[6] 周 强, 张 慧, 杨雁南. 基于两次二维Daubechies小波变换的纸病在线辨识方法研究[J]. 中国造纸学报, 2014, 29(3): 47.

[7] 叶 钊, 王 超, 曹启鹏, 等. LED阵列用作定标光源的照明均匀性研究[J]. 中国激光, 2014, 41(s1): 116007.

[8] 高光明. 基于物体反射特性的LED光源优化设计[D]. 哈尔滨: 哈尔滨工业大学, 2013.

[9] Passino K M. Biomimicry of bacterial foraging for distributed optimization and control[J]. Control Systems IEEE, 2002, 22(3): 52.

[10] 寇攀高, 周建中, 何耀耀, 等. 基于菌群-粒子群算法的水轮发电机组PID调速器参数优化[J]. 中国电机工程学报, 2009, 29(26): 101.

[11] 储 颖, 糜 华, 纪 震, 等. 基于粒子群优化的快速细菌群游算法[J]. 数据采集与处理, 2010, 25(4): 442.

[12] 李亚楠. 菌群优化算法的研究[D]. 哈尔滨: 哈尔滨工业大学, 2009.

[13] 李 娜. 细菌觅食优化算法在聚类中的应用[D]. 西安: 陕西师范大学, 2014.

OptimalControlofLightSourceinPaperDefectDetectionSystemBasedonBacterialColonyAlgorithm

WANG Zheng1ZHOU Qiang1,*LI Min1WANG Ying2

(1.CollegeofElectrical&InformationEngineering,ShaanxiUniversityofScienceandTechnology,Xi’an,ShaanxiProvince, 710021; 2.SchoolofMaterialsScience&Engineering,ShaanxiUniversityofScienceandTechnology,Xi’an,ShaanxiProvince, 710021) (*E-mail: zhouqiang@sust.edu.cn)

Aiming at the uneven illumination of linear LED light source and the coupling effect of light source in paper defect detection system. In order to optimize gray uniformity of detected paper defect images, the parameters of light source system were optimized by using bacterial colony algorithm based on fitting the LED point light source illumination distribution function, and the structure of light source system was optimized according to the optimization results, meanwhile, the LED point light source power was controlled. The experimental results showed that the optimized light uniformity was more than 95%, the method realized the uniform illumination on the paper defects and significantly improved the quality of the images.

paper defect detection； bacterial colony algorithm； light source optimization； gray uniformity

刘振华)

TS736+.2

A

1000- 6842(2017)04- 0047- 06

2017- 06- 07

陕西省教育厅专项科技项目(16JK1105)；陕西省科技攻关项目(2016GY- 005)。

王 峥，女，1992年生；在读硕士研究生；主要研究方向：机器视觉及图像处理。

*通信联系人：周 强，E-mail：zhouqiang@sust.edu.cn。