一種汽車保險盒熔斷器插接位置檢測方法

馬 臣，李修偉，孔研自，劉 琪，李 亞（天津科技大學(xué)機械工程學(xué)院，天津 300222）

一種汽車保險盒熔斷器插接位置檢測方法

馬 臣，李修偉，孔研自，劉 琪，李 亞
（天津科技大學(xué)機械工程學(xué)院，天津 300222）

針對汽車保險盒熔斷器插接位置檢測，提出了一種以顏色識別為基礎(chǔ)，結(jié)合邊緣檢測與特征匹配理論的檢測方法.此方法通過比較樣板圖像和待檢測圖像中關(guān)注區(qū)域的顏色信息差異，判斷熔斷器插接位置正確與否；通過對樣板的大量實驗，解決了現(xiàn)場光線干擾造成的檢測失準問題；采用對圖像進行均衡化處理和邊緣提取的方法，解決了顏色經(jīng)常變化的非熔斷器位置檢測的難題.工業(yè)現(xiàn)場實際測試表明，該方法穩(wěn)定可靠.

汽車保險盒；色彩檢測；邊緣檢測技術(shù)；機器視覺系統(tǒng)

汽車保險盒是汽車電子控制元件中的關(guān)鍵部件，其中的熔斷器如果插接錯誤，會對汽車行駛安全造成極嚴重的后果［1］.保險盒生產(chǎn)中一個重要的環(huán)節(jié)就是檢查熔斷器插接位置是否正確.傳統(tǒng)的檢查方法是人工將保險盒與標準色板比對，準確度難以保證.

機器視覺是利用光電成像系統(tǒng)將被攝取目標轉(zhuǎn)換成圖像信號，再通過圖像處理設(shè)備進行數(shù)字處理，系統(tǒng)根據(jù)圖像的像素分布、亮度和顏色等信息，進行尺寸、形狀、顏色等的識別，并進行各種運算來抽取目標的特征.因此可以考慮采用顏色識別系統(tǒng)代替人工，進行熔斷器插接位置檢測.

目前，國內(nèi)外針對顏色識別的研究主要集中在硬件系統(tǒng)搭建［2-5］、顏色檢測基本理論［6-9］等，對工業(yè)現(xiàn)場中光線擾動的影響研究較少.本文采用顏色識別系統(tǒng)進行熔斷器插接位置檢測，并根據(jù)工業(yè)現(xiàn)場實際情況，優(yōu)化現(xiàn)有顏色檢測算法，以提高顏色檢測的魯棒性.

1 熔斷器顏色檢測原理

圖1為某型號汽車保險盒，需要檢測17片熔斷器插接位置是否正確以及熔斷器夾子、固定塊是否安裝.熔斷器的品質(zhì)標準按照國內(nèi)片式熔斷器行業(yè)標準QC/T 420—1999規(guī)定執(zhí)行.待檢測的熔斷器規(guī)格（整體顏色標志）主要有10，A紅色、15，A藍色、20，A黃色、30，A綠色.

圖1 某型號汽車保險盒主要檢測部位示意圖Fig. 1 Main inspection position of a certain type of automobile fuse box

熔斷器插接位置檢測是通過對比樣本圖像和待檢測圖像在相同位置的顏色信息是否一致，從而判斷插接是否正確.具體步驟如下：

（1）在樣本圖像中選定標準熔斷器保險絲的位置（即關(guān)注區(qū)域），以此作為一個基準顏色樣板.

（2）設(shè)置色彩匹配模式的參數(shù)，例如匹配的精度要求、顏色飽和度閾值等.

（3）提取關(guān)注區(qū)域的顏色信息.

（4）在待檢測的保險盒圖像中提取相同關(guān)注區(qū)域的顏色信息.

（5）對比取得的兩個顏色信息，判斷是否匹配.

在具體實現(xiàn)中，采用由NI Vision提供的基于色譜的顏色分析函數(shù)實現(xiàn)以上功能，其原理是比較兩幅圖像中選定區(qū)域內(nèi)顏色信息的相似程度，即色譜的匹配程度，得出匹配分值［10］.其中，色譜是基于HSL顏色空間來定義的.HSL色彩模式是工業(yè)界的一種顏色標準，HSL顏色空間適合彩色圖像的處理和借助視覺來定義可解釋的局部特性，圖像的灰度信息可以獨立于色彩信息進行分析，因此能夠廣泛應(yīng)用于機器視覺應(yīng)用領(lǐng)域［11］.

HSL顏色空間的坐標系是圓柱坐標系，顏色均被定義在一個紡錘體內(nèi)，如圖2所示.HSL把顏色描述為在圓柱坐標系內(nèi)的點，這個圓柱中心軸上的取值為自底部的黑色到頂部的白色，在它們中間是灰色，繞這個軸的角度對應(yīng)于色相，到這個軸的距離對應(yīng)于飽和度，而沿著這個軸的高度對應(yīng)于亮度、色調(diào)或明度［12］.

在LabVIEW中，色譜是表示HSL顏色空間中顏色信息的一維數(shù)組，它保存了關(guān)于圖像中顏色分布的重要信息，對于進行進一步分析，比如通過尋找色譜中數(shù)值最大的元素來獲得圖像中主要顏色的信息等十分必要［3］.HSL中獨立于灰度信息的顏色空間被分成幾個相等的扇形區(qū)，每個扇形區(qū)又被飽和度閾值分成兩塊，色譜數(shù)組中每個元素的值表示關(guān)注區(qū)內(nèi)所有像素在顏色扇區(qū)中各自所占的百分比，同時NI Vision使用了一種特殊的適應(yīng)學(xué)習(xí)算法判斷像素是屬于黑色或白色，并將黑色和白色像素在所有像素中所占的百分比分別存儲在色譜數(shù)組的最后兩位，以便于被顏色分析函數(shù)使用，如圖3所示.色譜顯示了圖像在HSL顏色空間內(nèi)的顏色分布.按照色譜的劃分規(guī)則，在程序中將色譜數(shù)組元素數(shù)量分為3個等級：低靈敏度下色譜被分成2×7+2＝16個區(qū)間；中靈敏度下色譜分成2×14+2＝30個區(qū)間，高靈敏度下色譜分成2×28+2＝58個區(qū)間，靈敏度越高，對相近顏色的甄別能力越強.檢測之前應(yīng)依照檢測精度要求進行相應(yīng)的靈敏度設(shè)置.本文檢測由于現(xiàn)場條件復(fù)雜，保險絲顏色相近，需要更細致地區(qū)分顏色，因此選用高靈敏度的扇形區(qū)間劃分.

圖2 HSL顏色空間結(jié)構(gòu)示意圖Fig. 2 HSL color space

圖3 顏色空間與色譜數(shù)組的關(guān)系Fig. 3 Color space and the color spectrum array

顏色分析函數(shù)是對兩個色譜向量進行比較，以兩個數(shù)組的Manhattan距離判斷色譜的相似程度.Manhattan距離可以解釋為標準坐標系上兩點的絕對軸距總和［10］.若向量A為（x1，x2，?，xn），向量B為（y1，y2，?，yn），則兩者的Manhattan距離為

事實上，在計算兩色譜的Manhattan距離之前，LabVIEW的顏色分析函數(shù)會自動為每個色譜數(shù)組乘以一個加權(quán)函數(shù)，以補償在生成色譜時產(chǎn)生的誤差，使最終得到的色譜相似程度更加準確.

2 熔斷器插接位置檢測

執(zhí)行相同標準生產(chǎn)的熔斷器會因光照條件的不同、廠家不同等原因在顏色上有所差異.實驗表明，這種差異會表現(xiàn)為色譜的較大變化.圖4為在兩種不同光照條件下的同一熔斷絲圖像，其色譜數(shù)組如圖5所示，可見色譜的峰值已經(jīng)發(fā)生了偏移，各元素的大小和比例也都出現(xiàn)了偏差.

圖4 同一熔斷絲在不同光照條件時的圖像Fig. 4 Images of the same fuse in different light conditions

圖5 圖4對應(yīng)的色譜數(shù)組表現(xiàn)Fig. 5 Histogram of color spectrums of images in Fig. 4

計算色調(diào)及飽和度的可靠性依賴于亮度［2］，如果光照條件發(fā)生變化，在場景中表面所反射光的頻譜構(gòu)成也會改變，即失去彩色恒常性.在工業(yè)現(xiàn)場條件下，光照條件不穩(wěn)定會導(dǎo)致圖像發(fā)生過度曝光或曝光不足的情況，從而影響感光元件對色彩的還原，使色譜內(nèi)的元素比例發(fā)生變化，甚至影響峰值出現(xiàn)的位置，直接導(dǎo)致了此種檢測方式的失效.因此，單純依靠色譜匹配來進行熔斷器位置檢測還是不夠的.

針對檢測環(huán)境的光照變化對圖像質(zhì)量的影響，可以采取兩項措施來解決.一是，摒棄次要因素，突出被測主體.首先，將檢測精度設(shè)置為高靈敏度，生成樣本圖像的色譜，并記錄原始樣本圖像的色譜峰值位置；然后，以該峰值位置為中心設(shè)定一個較小的范圍，在此范圍內(nèi)的峰值均予以通過，對此范圍以外的（即次要顏色）予以忽略，經(jīng)過不斷反復(fù)記錄學(xué)習(xí)，范圍就會更加精確，最終能夠?qū)崿F(xiàn)準確的檢測.二是，針對曝光過度和曝光不足的因素，增加了判斷條件，即當(dāng)色譜峰值出現(xiàn)在除黑、白外其他元素時，認為曝光正常，否則認為可能是曝光不當(dāng)產(chǎn)生影響.此時，如果除黑、白外其他元素的值均小于定值（15%），則認為不是曝光影響所致；如果有元素超過了此定值，則認為是曝光問題，強制去除掉色譜中的黑、白色信息，然后對色譜剩余元素再進行一次峰值檢測.圖5反映出的在不同光照條件下的色譜差異，說明在不同光照情況下，熔斷絲的色譜峰值發(fā)生了細微的偏移，通過大量實驗驗證，當(dāng)待測件色譜數(shù)組峰值位置與原始圖像色譜數(shù)組峰值位置間的距離在［-3，3］內(nèi)時可判定熔斷器匹配.

3 非熔斷器特征檢測

對于非熔斷器的檢測點，例如熔斷器夾子和固定塊，由于缺少相應(yīng)的國家標準，使得其個體顏色差異較大，不應(yīng)再使用顏色檢測方法，因此考慮引入模版匹配技術(shù).模版匹配是一種基于模型的方法，通過搜索已知模型和一幅圖像像素之間的最佳相關(guān)性來提取形狀［4］.首先，在樣本圖像中截取出熔斷器夾子和固定塊的子圖像，將這些子圖像作為模板.然后，通過對模板圖像的處理，提取出能夠較好描述模板的模型，即一系列表現(xiàn)熔斷器夾子和固定塊的像素.最后，進行模板匹配計算，通過已知模型在待檢測圖像中搜索匹配.

由于要突出被檢測區(qū)域的特征，要先使圖像具有高對比度和多變的灰度等級，改善圖像的質(zhì)量.先將原灰度圖像從HSL顏色空間提取出Luminance分量進行均衡化處理［7］，用非線性的Prewitt邊緣檢測算子對圖像進行濾波處理［13］，得到較清晰的特征邊緣圖像，再進行模板匹配.因為非線性的Prewitt算子是一種高通濾波器，因而能夠顯著突出亮度強度在水平向和縱向的變化，進而提取出物體的輪廓.算子維數(shù)越大，處理后的邊緣就越厚.Prewitt算子［14］如圖6所示.用兩種算子分別在橫向和縱向濾波處理后取其最大值，作為相應(yīng)像素的灰度值［12］.

圖6 橫向和縱向Prewitt算子Fig. 6 Horizontal and vertical Prewitt Kernel

對圖像使用非線性的Prewitt算子濾波后，P點像素灰度值為

圖7為原始圖像、均衡化、Prewitt濾波處理效果對照.通過以上處理可以方便而清晰地提取出特征輪廓，便于進行后續(xù)的模板模型生成處理.

圖7 原始圖像、均衡化和Prewitt濾波處理效果對照Fig. 7 Comparison of source image，image after equalitation processing and image after Prewitt filter processing

生成模板模型的方法有：（1）生成圖像的幾何模型；（2）對圖像的非均勻性采樣；（3）提取模板的位置與角度信息［15］.本文使用NI Vision提供的一種不均勻采樣方法，根據(jù)前面處理后的圖像提取出一系列描述邊緣和區(qū)域特征的像素，用以生成模板模型［10］.

包含模板模型的子圖像大小為K×L，（x，y）點像素灰度值為w（x，y）；待檢測圖像大小為M×N，且K≤M，L≤N，（x，y）點灰度值為f（x，y），當(dāng)模型左上角像素位于待檢測圖像（i，j）位置時，模型與待檢測圖像的相關(guān)性的計算公式為

模板的匹配過程見圖8.在進行模板匹配之前，首先創(chuàng)建一個二維數(shù)組作為累加器空間，用于存儲模板相對于圖像在不同位置的匹配情況，然后從待檢測圖像左上角的像素（0，0）開始，逐行對每個像素進行相關(guān)性的計算.將結(jié)果存入累加器的相應(yīng)位置［16］.計算所有匹配之后，累加器中的數(shù)組作為輸出，數(shù)組C中的最大元素即對應(yīng)了最佳相關(guān)性的位置，也就是模板大多數(shù)像素與圖像匹配的位置［17-18］.由此便可確定被檢測特征在圖像中準確且唯一的位置.

圖8 模板與待檢測圖像的相關(guān)性計算過程Fig. 8 Correlation procedure between template and image

為了驗證系統(tǒng)的準確性與可靠性，在柯文注塑制模有限公司的裝配現(xiàn)場進行了實際檢測.每次檢測平均耗時1，s，加上工人取放保險盒的時間5～6，s.檢測400件約需要40，min，相比原來人工檢測的效率明顯提高，并且保證了準確性.在最初的檢測中出現(xiàn)了5次誤報，原因是現(xiàn)場光照條件發(fā)生劇烈變化及系統(tǒng)初始預(yù)熱時間不足，待開機系統(tǒng)穩(wěn)定之后不再出現(xiàn)誤報，效果較理想.

4 結(jié) 語

本文提出了一種汽車保險盒熔斷器插接位置檢測方法，利用機器視覺方法，運用顏色檢測函數(shù)，從色譜峰值分布入手，解決了現(xiàn)場光線干擾造成的檢測失準問題.同時，采取對圖像進行均衡化處理和邊緣提取的方法，解決了色差變化較大的非熔斷器位置檢測的難題.工業(yè)現(xiàn)場的實際測試表明，該方法穩(wěn)定可靠.

［1］ 李亞，張振寰，羅鳴. 基于LabVIEW的汽車保險盒回路質(zhì)量檢測系統(tǒng)［J］. 計算機測量與控制，2010，18（9）：2041-2043.

［2］ 陳曦，趙辰雪. 顏色檢測系統(tǒng)的設(shè)計與實現(xiàn)［J］. 自動化儀表，2011，32（11）：23-24，28.

［3］ 盧川英，于浩成，孫敬輝，等. 基于TCS230傳感器的顏色檢測系統(tǒng)［J］. 吉林大學(xué)學(xué)報：信息科學(xué)版，2008，26（6）：621-626.

［4］ 季峰，陳炳若，王嵩. 基于單片機的顏色識別系統(tǒng)［J］.測控技術(shù)，2004，23（4）：26-28.

［5］ 黃天明. 一款基于STC12C5410AD的簡單的顏色識別系統(tǒng)［J］. 生命科學(xué)儀器，2011，9（4）：33-35.

［6］ 王安敏，楊起. 一種結(jié)合SVM的顏色識別系統(tǒng)研究［J］. 機械與電子，2012（4）：15-17.

［7］ 楊海城，洪景新，陳輝煌. 一種基于顏色跟蹤的彩色邊緣檢測算法［J］. 廈門大學(xué)學(xué)報，2006，45（1）：60-62.

［8］ 韓殿元. YCbCr顏色模式下基于L-M算法優(yōu)化的火焰識別方法［J］. 計算機科學(xué)，2010，37（8）：287-289.

［9］ 張力，鄧亞航，饒小李. 顏色特征模型在靜態(tài)車輛檢測中的應(yīng)用［J］. 武漢工程大學(xué)學(xué)報，2015（1）：73-78.

［10］ National Instruments Corporation. NI Vision Concept Manual［M］. Texas：National Instruments Corporation Headquarters，2005：1-3.

［11］ Andreas K，Mongi A. 彩色數(shù)字圖像處理［M］. 北京：清華大學(xué)出版社，2010：46.

［12］ Tinku A，Ajoy K R. Image Processing：Principles and Applications［M］. 北京：清華大學(xué)出版社，2007：96.

［13］ 王涌天，林精敦，陳靖，等. 隨機樹特征匹配算子性能研究［J］. 北京理工大學(xué)學(xué)報，2009（11）：988-993.

［14］ 張闖，遲健男，張朝暉，等. 基于邊緣檢測與雙邊濾波的彩色圖像去噪［J］. 電子學(xué)報，2010（8）：1776-1783.

［15］ 孫向軍，曹立鑫，劉鳳玉. 基于角仿射不變的特征匹配［J］. 中國圖象圖形學(xué)報，2004（5）：79-83.

［16］ 邵振峰，陳敏. 尺度、旋轉(zhuǎn)以及亮度穩(wěn)健的高分辨率影像直線特征匹配［J］. 光學(xué)精密工程，2013（3）：790-798.

［17］ 馮曉偉，田裕鵬. 基于形狀內(nèi)容描述子的點特征匹配［J］. 光電工程，2008（3）：108-111，116.

［18］ 蔡雪，聶杰，王祖華，等. 洞緣形態(tài)對復(fù)合樹脂顏色匹配的影響［J］. 北京大學(xué)學(xué)報：醫(yī)學(xué)版，2015（1）：120-123.

責(zé)任編輯：常濤

A Method for Inspecting the Location of the Inserted Fuse in Automobile Fuse Box

MA Chen，LI Xiuwei，KONG Yanzi，LIU Qi，LI Ya
（College of Mechanical Engineering，Tianjin University of Science & Technology，Tianjin 300222，China）

A new method for inspecting location of the inserted fuse in automobile fuse box has been studied，based on color identification，edge detection and pattern matching technology.Using this method，the position of fuse can be inspected by comparing the color information of the relevant region between pattern images and the images which need to be inspected.Experiments with pattern images indicate that the wrong results caused by different light conditions can be avoided，and image equalization processing and edge extraction can solve the detection problems of the non fuse parts whose color is similar to the base or always changes.Industrial practical tests show that this method is stable and reliable.

automobile fuse box；color inspecting；edge detection；machine vision system

TP273.5

A

1672-6510（2016）03-0074-05

10.13364/j.issn.1672-6510.20150086

2015-06-26；

2016-01-07

天津科技大學(xué)實驗室創(chuàng)新基金（1301A120X）

馬 臣（1983—），男，天津人，實驗師；通信作者：李 亞，教授，tustly@tust.edu.cn.