化妆品作为当今社会女性青睐的美容产品,其产品信息对于消费者来说尤为重要。化妆品标签作为产品的标识方式是衡量产品质量的一种重要指标,标签上面描述了化妆品的组成成分、生产日期、颜色、品牌等为消费者所关注的信息,因此化妆品标签的质量问题也越来越受到人们的关注。然而,标签在生产过程中,由于受到生产工艺及生产环境等因素的影响,生产出来的标签经常会出现很多质量问题,如不干胶标贴漏贴、偏移、倾斜、叠加,生产日期字符漏喷、偏移、倾斜、多喷,日期喷印错误等缺陷,因此标签缺陷检测环节至关重要。随着计算机技术和数字图像处理技术的发展,基于机器视觉的自动化技术逐渐代替人工进行作业,同时鉴于化妆品纸质标签人工检测现状以及化妆品标签生产厂家的实际需求,研发一套化妆品纸质标签缺陷自动检测系统,并提出了解决本课题关键问题的相关技术,具体内容如下:图像预处理算法设计:主要包括图像的降噪处理、倾斜校正及标签本体图像的提取。通过分析研究,本文提出一种改进的均值滤波与冲击滤波相结合的标签滤波增强方法;使用霍夫变换及仿射变换完成对倾斜的标签本体图像进行校正;最后介绍了标签本体图像分割提取,在对不同分割方法介绍的同时,并选用自适应OTSU阈值分割作为标签本体图像的提取方法。标签图像位置缺陷检测算法设计:首先,对于不干胶标贴位置检测,分析标签图像表面信息可知,不干胶标贴粘贴位置相对于标签本体图像有固定不变的位置,并且不干胶标贴相对于标签图像表面其它细节其灰度值较低,阈值分割后可以获得最大的连通域。以此特征本文提出一种基于图像矩的不干胶标贴位置缺陷检测算法;其次,对于日期字符喷印位置缺陷检测,分析可知标签日期有固定的字符“EXP”并且日期字符喷印位置具有不确定性,本文提出一种基于轮廓特征匹配的日期字符位置检测算法;最后,经过大量实验,结果表明,本文提出的位置缺陷检测算法可以稳定高效的检测出不干胶标贴漏贴、叠加、倾斜、偏移以及日期字符漏喷、倾斜、偏移等位置缺陷,检测率为94.2%。日期字符识别算法设计:为确保标签生产日期的准确性,防止大批量的原材浪费,本文提出一种多字符特征组合方法训练神经网络完成日期字符的识别。首先对倾斜校正后的字符进行闭运算处理,使得点阵字符中游离的点连成线;接着采用垂直投影和水平投影相结合的方法对日期字符进行分割;然后对分割后归一化的字符提取网格特征、投影特征、字符占空比特征训练神经网络;最后使用BP神经网络对日期字符进行识别并对识别出的字符加以校验和比对。经过大量实验及文献对比,用此方法训练的BP神经网络可以高效的识别出日期点阵字符,识别率为95.1%。缺陷检测系统软件设计:本缺陷检测系统软件使用Sapera LT相机软件库和Halcon12.0图像处理库,基于Visual Studio 2010的开发平台,使用MFC(Microsoft Foundation Classes)对整个软件系统框架进行搭建,采用模块化设计方法开发了一套可靠稳定的化妆品纸质标签缺陷检测系统。