機器視覺在漁網檢測中的應用

陳浩

摘 要：當前，漁網在生產過程中有時會出現網格斷線、未接線、破損等質量問題。對于這些質量問題，目前主要采用人工肉眼識別來檢測。采用肉眼檢測的方法，會出現以下幾種問題：（1）容易出現漏檢、誤檢；（2）效率低下；（3）廢品率較高。機器視覺系統是利用機器代替肉眼來進行測量和判斷的系統。機器視覺系統的特點是高度自動化以及測量精度高。在一些人工視覺難以滿足要求的場合，常用機器視覺系統來代替人工視覺。在漁網網格檢測中，用肉眼檢查漁網效率低且精度差，用機器視覺系統檢測可以提高生產效率以及自動化程度。文章主要介紹機器視覺系統在漁網網格檢測中的應用。

關鍵詞：機器視覺；漁網檢測；應用

1 機器視覺系統簡介

1.1 機器視覺簡介

機器視覺系統是利用高分辨率工業CCD相機拍攝圖像并將其轉化為數字信號，再采用計算機硬件和軟件技術對圖像數據進行處理，從而得到所需要的各種目標圖像的特征值，并由此實現產品零件識別和缺陷檢測，目前主要應用于缺陷檢測、尺寸測量、角度測量、字符識別等等。

1.2 機器視覺系統及其工作原理

機器視覺系統主要由以下幾部分組成：

1.2.1 圖像采集模塊

圖像采集模塊包括相機、光源、圖像采集卡3個部分；圖像采集模塊采集到的圖像質量的好壞，會很大程度上的影響后續圖像處理的效果，還會直接影響到機器視覺系統的性能優劣。

1.2.2 圖像處理模塊

圖像處理模塊是指利用計算機技術對圖像進行增強、二值化、圖像分割、邊緣檢測、特征提取等處理，從而得到滿足實際需求應用并且計算機可以識別的圖像。

1.2.3 輸出控制模塊

輸出控制模塊是指針對特定產品所需完成的目的而定制的，通過對圖像特征進行比較后，通過匹配比較的結果，控制最后環節的設備進行特定的操作。圖1為機器視覺系統構成示意圖。

2 圖像邊緣檢測

圖像的邊緣是指其周圍像素灰度值急劇變化的像素的集合，它是圖像分割所依賴的最重要的依據。邊緣檢測的基本思想是先檢測圖像中的邊緣點，再按照某種策略講邊緣點連接成輪廓，從而構成分割區域。常用的邊緣檢測算子有一下幾種：（1）一階微分算子，利用圖像梯度在邊緣處取得極大值的特性進行邊緣檢測。梯度是一個矢量，它具有方向θ和模|ΔI|，梯度的模值提供了邊緣的強度信息，方向則提供了邊緣的趨勢信息，梯度的方向始終垂直于邊緣的方向。典型的一階微分算子有Roberts算子、Sobel算子、Prewitt算子等。（2）二階微分邊緣檢測算子，利用圖像在邊緣處的階躍性導致圖像二階微分在邊緣處出現零值這一特性進行邊緣檢測。該方法也稱過零點算子和拉普拉斯算子。（3）Canny算子，在原一階微分算子的基礎上，增加了非最大值抑制和雙閾值兩項改進，利用非最大值抑制可以抑制多響應邊緣，提高邊緣的定位精度；利用雙閾值可以減少邊緣的漏檢率。圖2為基于不同算子進行邊緣檢測得出的處理結果。

3 漁網網格的視覺檢測

3.1 漁網網格出現的質量缺陷

目前漁網網格在生產中出現的問題主要為斷線、畸形、未接線、破損等問題。下圖3為漁網網格中出現的問題。

3.2 機器視覺在漁網網格檢測中的應用

利用機器視覺對漁網網格檢測稱為漁網在線檢測系統。原理是將柔軟的漁網利用兩個輥子張緊，主動輥帶動從動輪轉動，漁網張緊的同時漁網分段展開，此時漁網的網格大小面積基本相同，利用工業相機對張緊的漁網拍照，將圖像轉化為計算機可識別的圖像，對漁網網格進行檢測。系統框架如下圖4所示：

3.3 漁網網格的圖像處理方法

漁網網格圖像檢測原理是，漁網張緊后，每個網格的周長以及面積基本相同，通過檢測漁網網格的周長以及面積特征來判斷漁網的質量。

將工業相機獲取到的圖片通過圖像采集卡輸入到計算機中，首先對圖像進行二值化處理，將彩色圖像轉變為灰度圖像，再將灰度圖像進行邊緣檢測，獲取網格邊緣，計算出網格的周長和面積，與系統中正常網格的周長和面積進行比較，從而判斷出漁網網格是否正常。網格檢測界面如圖5所示：

3.4 漁網在線檢測系統出現的問題及解決方案

利用機器視覺系統對漁網網格進行檢測，主要針對網格的周長以及面積來進行判斷，由于漁網張緊后網格會有一定程度的畸變，從而導致其面積和周長出現變化，系統會出現誤報現象，針對這一問題，提出以下幾點方案：

（1）對漁網網格的周長面積進行比例縮放，減少誤報情況；

（2）改變二值化參數，增大閾值；

（3）增加形態參數，錄入形變范圍。

加入以上三種解決方案后，極大的減少了誤報情況。漁網網格檢測調試如下圖6所示：

4 總結

近年來，機器視覺系統越來越多的應用到工業生產中。機器視覺在工業上的應用一般分為四大類：定位、測量、檢測和識別。本文介紹了機器視覺系統的特點以及其在漁網網格檢測中的應用。機器視覺系統可以快速獲取大量的信息，而且可以自動處理，也可以和加工控制等集成。在現代化生產過程中，隨著機器視覺技術的成熟和發展，將在未來制造企業中得到越來越廣泛的應用。

參考文獻

[1]趙小川，何灝，繆遠誠.MATLAB數字圖像處理實戰[M].北京：機械工業出版社，2013.

[2]劉海波，沈晶，岳振勛.VisualC++數字圖像處理技術詳解[M].北京：機械工業出版社，2013.

[3]黃華斌.三維網狀物在線檢測系統的研究與開發[D].華中科技大學，2013.