基于機器視覺的金屬拉鏈缺陷檢測研究

何用輝

(福建信息職業技術學院機電工程系，福建福州 350003)

?

基于機器視覺的金屬拉鏈缺陷檢測研究

何用輝

(福建信息職業技術學院機電工程系，福建福州 350003)

[摘要]為了提高金屬拉鏈的檢測質量和檢測效率，可將機器視覺技術引入到金屬拉鏈缺陷檢測系統中，從而實現金屬拉鏈缺陷的快速和自動識別。本文首先設計了基于機器視覺技術的金屬拉鏈缺陷檢測試驗平臺，確定了系統的硬件組成；其次設計了拉鏈產品圖像的采集和處理流程，研究灰度化處理、去噪處理以及二值化處理的算法；最后進行金屬拉鏈缺陷檢測的試驗研究。研究結果表明，該檢測系統具有較好的缺陷檢測精度，具有較好的應用前景。

[關鍵詞]金屬拉鏈；缺陷檢測；機器視覺

目前，拉鏈產品的成品外觀質量特別是拉頭質量檢測一般采用人工方法，由大量的生產線工人通過視覺和主觀印象進行判斷。一方面，隨著國內勞動成本的不斷上升，作為勞動密集型的拉鏈制造產業不能依靠低勞動成本的優勢繼續發展；另一方面，傳統的人工檢測方式，工人勞動強度大，長時間工作易造成檢測工人的疲勞，人為因素直接影響了產品檢驗的可靠性，檢測效率低，容易導致瑕疵產品的漏判和錯判，不能有效保證產品的品質，制約了拉鏈行業的健康快速發展。改進生產工藝，實現產業技術的升級，提高拉鏈的生產效率，降低產品的生產成本，成為行業發展的迫切需要[1]。

為了嚴格控制金屬拉鏈產品的次品率，需要在拉鏈生產過程中對拉鏈產品進行外觀質量檢測，剔除存在任何缺陷的產品，保證出廠產品的質量。而傳統人工視覺檢測存在檢測速度慢、誤檢率高等缺點，已經不能適應于現代工業化生產的要求。隨著數字圖像處理技術的迅速發展和現代生產的需要，基于數字圖像處理的檢測技術因其具有穩定性強、運行效率高和精度高等優點，能大幅度提高生產效率和產品質量，提升生產過程的柔性和自動化程度，降低生產成本。因此，應該采用一種先進的技術進行金屬拉鏈的缺陷檢測，機器視覺系統的主要功能有檢測、定位及測量。機器視覺系統相對于人工或傳統機械方式而言，具有速度快、精度高、準確性高等一系列優點，機器視覺被稱為自動化的眼睛，在國民經濟、科學研究及國防建設等領域都有廣泛的應用。采用機器視覺處理技術實現圖像傳感器實時采集金屬拉鏈產品的灰度圖像，并將圖像數據讀取到計算機中，設計圖像濾波器，提取金屬拉頭和限位等部件的特征信息，建立相應的外觀質量診斷模型，利用該診斷模型對拉鏈的各個組成部分進行快速、自動的檢測識別，從而提高檢測品質和生產效率，降低人力勞動成本[2]。

1實驗平臺的設計

基于機器視覺的金屬拉鏈外觀質量自動檢測技術開發由安裝在系統工作平臺上的視覺檢測系統、計算機監視模塊、三菱FX3U-PLC模塊和檢測平臺組成。其中視覺檢測系統與PLC和計算機之間的關系如圖1所示。

其中單體相機負責拍攝圖片；控制器負責單體相機的拍攝效果和圖片的信息判斷，單體相機和控制器統稱為機器視覺系統；RS232電纜是PLC與視覺系統之間的通訊，具有數據交換的功能；PLC控制視覺系統進行拍照，并對其他的電器設備進行控制，用來達到完整的控制要求；計算機主要進行加工；以太網負責視覺系統和計算機之間的通訊[3]。

圖1　金屬拉鏈缺陷檢測實驗系統

金屬拉鏈缺陷檢測試驗的機器視覺系統采用歐姆龍FZ4-350智能視覺檢測系統，用于檢測拉鏈的特性。通過RS232連接到PLC，對檢測結果和檢測數據進行傳輸。歐姆龍智能視覺系統由FZ4-350控制器、FZ-SC彩色攝像機、白色光源、12英寸液晶顯示器和輸入/輸出電纜等組成。RS232的電氣接口電路采用的是不平衡傳輸方式，其傳送距離最大約為15米，最高數據傳輸速率為20 kb/s。

試驗方案的步驟如下：

步驟1傳輸帶開始運行，當拉鏈達到傳感器附近，檢測拉鏈到達相機拍攝位置時，由電動機帶動的傳送帶停止；

步驟2相機開始拍攝并由機器視覺檢測系統判斷條件，把所得出的信息傳送給PLC；

步驟3而PLC對判斷出結果的拉鏈進行后續的工作行動(例如分揀)；

步驟4重復步驟1。

試驗工作原理如圖2所示。

圖2　金屬拉鏈缺陷檢測試驗的工作原理圖

2拉鏈產品圖像的采集和處理

圖像采集和處理的基本流程如圖3所示。通過對圖像的采集和處理，可以獲得具有清晰大小、形狀和色澤特征的金屬拉鏈的圖像。

圖3　金屬拉鏈圖像的采集和處理流程

圖像灰度化的處理模型為

Gray=0.288R+0.543G+0.125B.

(1)

其中，Gray表示灰度，R表示紅色，G表示綠色，B表示藍色。

在金屬拉鏈圖像預處理時應該進行圖像去噪處理，將圖像中的干擾信息去除，從而使圖像的質量得到提升。針對金屬拉鏈的特點，采取卷積濾波方法對其進行去噪。已知尺寸為M×N的源圖像f(x,y),卷積模板函數為g(x,y)，相應的去噪模型如下[4]：

(2)

其中，u(x,y)為去噪后的輸出圖像，根據金屬拉鏈缺陷檢測的實際需求，模板函數的大小選取為7×7。

圖像二值化處理可以把金屬拉鏈圖像全部的元素值轉換為0～255之間，已知金屬拉鏈圖像灰度值為1～m級，在k將其劃分為兩組，分別為C0={1～k}和C1={1+k～m}，兩組的概率分別為ω1和ω2，兩組的平均值分別為μ1和μ2，全部圖像的灰度平均值為μ，相應的算法模型如下[5]：

(3)

其中，σ2(k)表示閾值選擇函數。

通過以上流程可以讀取金屬拉鏈的圖像，如圖4所示。

圖4　金屬拉鏈的讀取圖像

圖5　基于機器視覺的金屬拉鏈缺陷檢測流程圖

3金屬拉鏈缺陷檢測試驗結果

利用測量區域內的色差，檢測金屬拉鏈的缺陷和臟污。由于采用實際色彩處理，即使缺陷或臟污的顏色有變化、背景的顏色有變化，也能進行穩定的檢查。金屬拉鏈缺陷檢測的流程圖如圖5所示。通過基于機器視覺金屬拉鏈缺陷檢測系統對其進行缺陷檢測，經過檢測后合格的與不合格的金屬拉鏈檢測結果圖如圖6所示。

圖6　基于機器視覺系統的金屬拉鏈缺陷檢測對比圖

從圖6可以看出，通過該設計的缺陷檢測系統能夠確定金屬拉鏈存在的缺陷，通過大量的實際檢測結果表明該系統具有良好的缺陷檢測精度，具有較好的應用前景。

4結語

綜上所述，本文根據機器視覺系統的特點，通過實驗分析，合理選擇圖像傳感器、鏡頭、光源等硬件系統器件，構建金屬拉鏈外觀質量自動檢測的硬件系統。針對金屬拉鏈的外觀特點和系統技術要求，建立金屬拉鏈外觀質量檢測模型，確定自動檢測方案，搭建系統的硬件平臺，設計相應的圖像采集和處理流程，通過金屬拉鏈缺陷檢測的試驗結果分析，表明處理算法與控制流程的處理效果和性能。該系統適應實際生產裝備與工業環境條件，能實現金屬拉鏈產品準確定位，以及減少外界環境對機器視覺檢測的干擾，具有較好的穩定性，有較好的應用價值。

[參考文獻]

[1]蔡林坊,游高鵬,劉煥軍,等.金屬拉鏈在線視覺缺陷檢測系統開發[J].信息系統工程,2014(3):33-35,40.

[2]徐超,張淼.基于脈沖耦合神經網絡金屬拉鏈缺陷檢測方法的研究[J].制造業自動化,2013(17):21-24,30.

[3]何金彪,周永霞.基于機器視覺的罐蓋缺陷檢測[J].中國計量學院學報,2015(3):269-273.

[4]施保華,魏雅慧.一種基于機器視覺的螺紋缺陷檢測方法[J].三峽大學學報:自然科學版,2015(2):64-66.

[5]蔣建東,陳培余,童一玨,等.基于機器視覺的輕觸開關引腳缺陷檢測算法研究[J].浙江工業大學學報,2015(1):30-33,38.

Research on Metal Zipper Defect Detection Based on Machine Vision

HE Yong-hui

(Department of Mechatronics Engineering, Fujian Polytechnic of Information Technology, Fuzhou Fujian 350003, China)

Abstract:In order to improve quality and efficiency of detecting metal zipper, machine vision technology were introduced to the metal zipper defect detection system to realize metal zipper defects of fast and automatic recognition. First of all, based on the machine vision technology, the metal zipper defect detection test platform is designed, and the hardware composition of the system is determined. Secondly, the process of image acquisition and processing is designed, and the algorithm of gray processing, denoising and two valued processing is studied. Finally, the test of metal zipper defect detection is carried out. The research results show that the detection system has good defect detection accuracy, and it has good application prospects.

Key words:metal zipper; defect inspection; machine vision

[收稿日期]2016-03-04

[基金項目]福建省科技計劃重點項目“金屬閉口拉鏈三合一生產工藝研究與自動化設備研制”(2013H0008)；福建省中青年教師教育科研項目“基于機器視覺的金屬拉鏈外觀質量自動檢測技術研究”(JA14377)。

[作者簡介]何用輝(1979- )，男，副教授，碩士，從事機電系統辨識與智能控制研究。

[中圖分類號]TP391

[文獻標識碼]A

[文章編號]2095-7602(2016)06-0036-04