The main purpose of this article is to study the detection of transparent film on the surface of tobacco packs. Tobacco production line needs an industrial robot to remove the transparent film in the process of unpacking. Therefore, after the industrial robot removes the transparent film, it is necessary to use machine vision technology to determine whether there is transparent film residue on the surface of tobacco packaging. In this article, based on the study of the optical features of semitransparent objects, an algorithm for detecting the residue of transparent film in tobacco packs based on surface features is proposed. According to the difference of surface features between tobacco and film, a probability distribution model considering highlights, saturation, and texture density is designed. Because the probability distribution model integrates many features of tobacco and film, it is more reasonable to distinguish the tobacco film regions. In this article, an appropriate foreground box with a trapezoidal mask and image segmentation algorithm GrabCut is used to segment the foreground area of tobacco pack more accurately, and the possible film area is obtained by image differential and morphological processing. Finally, on the basis of comparing the effect of various machine learning algorithms on the image classification of possible film regions, support vector machine based on color features is used to judge the possible film region. Application results of the system show that the method proposed in this article can effectively detect whether there is film residue on the surface of tobacco pack.

本文的主要目的是研究烟草包装表面透明薄膜的检测。烟草生产线需要工业机器人在开箱过程中去除透明薄膜。因此，工业机器人去除透明膜后，需要利用机器视觉技术判断烟草包装表面是否有透明膜残留。本文在研究半透明物体光学特征的基础上，提出了一种基于表面特征的烟草包装透明薄膜残留检测算法。根据烟草和薄膜表面特征的差异，设计了考虑高光、饱和度和纹理密度的概率分布模型。由于概率分布模型综合了烟草和薄膜的许多特征，因此区分烟草薄膜区域更为合理。本文采用合适的带有梯形掩膜和图像分割算法GrabCut的前景框对烟盒前景区域进行更准确的分割，并通过图像微分和形态学处理得到可能的胶片区域。最后，在比较各种机器学习算法对可能电影区域的图像分类效果的基础上，利用基于颜色特征的支持向量机来判断可能的电影区域。该系统的应用结果表明，本文提出的方法可以有效检测烟盒表面是否有薄膜残留。区分烟草薄膜区域更合理。本文采用合适的带有梯形掩膜和图像分割算法GrabCut的前景框对烟盒前景区域进行更准确的分割，并通过图像微分和形态学处理得到可能的胶片区域。最后，在比较各种机器学习算法对可能电影区域的图像分类效果的基础上，利用基于颜色特征的支持向量机来判断可能的电影区域。该系统的应用结果表明，本文提出的方法可以有效检测烟盒表面是否有薄膜残留。区分烟草薄膜区域更合理。本文采用合适的带有梯形掩膜和图像分割算法GrabCut的前景框对烟盒前景区域进行更准确的分割，并通过图像微分和形态学处理得到可能的胶片区域。最后，在比较各种机器学习算法对可能电影区域的图像分类效果的基础上，利用基于颜色特征的支持向量机来判断可能的电影区域。该系统的应用结果表明，本文提出的方法可以有效检测烟盒表面是否有薄膜残留。使用合适的带有梯形掩膜和图像分割算法GrabCut的前景框来更准确地分割烟草包的前景区域，并通过图像差分和形态学处理获得可能的胶片区域。最后，在比较各种机器学习算法对可能电影区域的图像分类效果的基础上，利用基于颜色特征的支持向量机来判断可能的电影区域。该系统的应用结果表明，本文提出的方法可以有效检测烟盒表面是否有薄膜残留。使用合适的带有梯形掩膜和图像分割算法GrabCut的前景框来更准确地分割烟草包的前景区域，并通过图像差分和形态学处理获得可能的胶片区域。最后，在比较各种机器学习算法对可能电影区域的图像分类效果的基础上，利用基于颜色特征的支持向量机来判断可能的电影区域。该系统的应用结果表明，本文提出的方法可以有效检测烟包表面是否有薄膜残留。通过图像微分和形态学处理得到可能的胶片区域。最后，在比较各种机器学习算法对可能电影区域的图像分类效果的基础上，利用基于颜色特征的支持向量机来判断可能的电影区域。该系统的应用结果表明，本文提出的方法可以有效检测烟盒表面是否有薄膜残留。通过图像微分和形态学处理得到可能的胶片区域。最后，在比较各种机器学习算法对可能电影区域的图像分类效果的基础上，利用基于颜色特征的支持向量机来判断可能的电影区域。该系统的应用结果表明，本文提出的方法可以有效检测烟盒表面是否有薄膜残留。