基于機器視覺的光滑球面缺陷檢測系統(tǒng)設計

陰亞芳，袁 浩，廖延娜

（1.西安郵電大學 電子工程學院，陜西 西安　710121；2.西安郵電大學 理學院，陜西 西安　710121）

基于機器視覺的光滑球面缺陷檢測系統(tǒng)設計

陰亞芳1，袁 浩1，廖延娜2

（1.西安郵電大學 電子工程學院，陜西 西安710121；2.西安郵電大學 理學院，陜西 西安710121）

為了解決生產(chǎn)線上人工檢測光滑球面缺陷效率低下的問題，設計了一種基于機器視覺的實時工件檢測自動分揀系統(tǒng)，系統(tǒng)包括圖像采集和處理、可編程邏輯控制器、數(shù)據(jù)統(tǒng)計存儲、人機交互等模塊。光滑球面易反光形成反光區(qū)域，通過濾波降噪，二值化等方法處理反光區(qū)域?qū)⑷毕菪畔闹蟹蛛x出來，然后統(tǒng)計標定連通域特性實現(xiàn)缺陷自動檢測，最后通過用于過程控制的標準協(xié)議驅(qū)動可編程控制器完成不合格品分揀動作。試驗結(jié)果表明：該系統(tǒng)可以滿足實時自動分揀的要求。

機器視覺；光滑球面；表面缺陷檢測；自動分揀

工業(yè)生產(chǎn)線上的產(chǎn)品檢測長久以來都是人工視覺檢測，隨著機器視覺檢測技術不斷發(fā)展，該技術由于其高速率，高精度和高可靠性等優(yōu)點逐漸進入工業(yè)生產(chǎn)檢測環(huán)節(jié)中，如工業(yè)生產(chǎn)線上的紙尿褲產(chǎn)品檢測系統(tǒng)［1］，冬棗生熟檢測系統(tǒng)［2］，氣門組件裝配檢測系統(tǒng)［3］等。文中針對光滑球面缺陷，設計了一種基于機器視覺的自動實時檢測分揀系統(tǒng)，分揀生產(chǎn)線上光滑球面工件出現(xiàn)劃痕等缺陷的殘次品。

1　系統(tǒng)總體設計

自動分揀系統(tǒng)包含工業(yè)相機、環(huán)形光源、可編程邏輯控制器（Programmable Logic Controller，PLC）控制、上位機等部分構成如圖1所示。利用工業(yè)相機實現(xiàn)光滑球面成像，PLC連接機械臺完成分揀動作、工件旋轉(zhuǎn)及流水線傳動。

光滑的光滑球面易反射光線形成反光區(qū)域，通過多種光照對比測試后，選用白色LED環(huán)形光源均勻照射球面局部，反光區(qū)域內(nèi)表面缺陷特征明顯，且干擾較小如圖2所示，因此截取圖像的反光區(qū)域作為檢測區(qū)［4］。使用上位機驅(qū)動PLC，控制球形工件在檢測臺旋轉(zhuǎn)，實現(xiàn)反光區(qū)域遍歷整個球面。

圖1　系統(tǒng)總體結(jié)構

工業(yè)相機采集到的圖像信息，通過網(wǎng)絡接口傳送給上位機。利用在VS2010平臺下開發(fā)的系統(tǒng)［5］，實現(xiàn)對工件的快速檢測，依據(jù)檢測結(jié)果驅(qū)動PLC完成不合格品分揀。

圖2　球形工件局部在白色環(huán)形光源下成像效果

2　上位機控制軟件設計

上位機控制軟件實現(xiàn)圖像采集控制、圖像處理分析［6-7］、PLC驅(qū)動和控制、檢測數(shù)據(jù)統(tǒng)計存儲、人機交互等系統(tǒng)功能。

2.1軟件系統(tǒng)結(jié)構

檢測系統(tǒng)分3層，第一層UI界面層，第二層數(shù)據(jù)處理層，第三層數(shù)據(jù)存儲和外部設備層，各層之間關系如圖3所示。每層之間相互聯(lián)系，不能跨層調(diào)用。分層設計降低了耦合度，使程序結(jié)構清晰，便于后續(xù)升級和維護。

圖3　系統(tǒng)結(jié)構框圖

上位機控制軟件主要包含5個模塊。人機交互界面位于界面層，供系統(tǒng)管理操作人員控制界面，接收用戶操作指令，顯示程序運行過程信息；圖像采集模塊位于外部設備層，包含圖像采集設備，圖像數(shù)據(jù)獲取和轉(zhuǎn)化圖像，用于獲取實時可處理的圖像；圖像處理模塊即圖中的圖像處理部分，處理圖像采集模塊傳輸過來的圖像，并給出判別結(jié)果；PLC模塊包括用于過程控制的對象連接與嵌入技術 （Object Linking and Embedding for Process Control，OPC）和PLC設備兩部分，根據(jù)圖像處理模塊得出的結(jié)果驅(qū)動機械設備完成分揀動作和旋轉(zhuǎn)［8］；數(shù)據(jù)庫模塊包含數(shù)據(jù)庫和SQL操作兩部分用于存儲分揀結(jié)果相關信息［9］。

2.2檢測流程

檢測功能采用輔助線程來實現(xiàn)，確保采集處理過程時也能及時響應用戶操作，檢測流程如圖4所示。

缺陷檢測過程為：工件移動到工作臺后，圖像采集模塊將獲取灰度圖像傳送給圖形處理模塊；得出判決結(jié)果后將有缺陷的工件局部標記出來顯示到軟件界面上。然后上位機通過OPC訪問PLC寄存器，驅(qū)動PLC實現(xiàn)機械部分旋轉(zhuǎn)或作出分揀動作。最后將分揀結(jié)果等信息插入到數(shù)據(jù)庫中供相關人員查看分析。

3　圖像處理模塊

圖像處理是整個檢測系統(tǒng)的核心。該模塊包含圖像預處理和特征檢測提取兩部分。預處理又包含圖像預判與圖像降噪。

圖4　檢測界面實現(xiàn)檢測功能流程圖

3.1圖像預判

工件在控制臺上按照預設轉(zhuǎn)動若干次，保證每一塊區(qū)域都可在高光下被檢測到。為確認流水線工作正常、成像合格，每次旋轉(zhuǎn)后的圖像傳回上位機后，先采用投影相似度檢測的方法對圖像質(zhì)量進行預判。

對圖像成像質(zhì)量預判需先計算圖像在X，Y坐標軸方向投影，即橫縱方向投影：

式中，f（xi，yi）為圖像數(shù)組［M，N］中坐標（i，j）為圖像的像素值，X（i）、Y（j）分別代表圖像橫縱方向投影。然后與標準圖像的橫縱投影計算相關系數(shù)。

經(jīng)過多次實驗，相關系數(shù)閾值為0.9，高于該值認為成像質(zhì)量合格適合進行下一步處理。從圖像中將反光區(qū)域按照固定坐標截取。高光下疤痕如圖5（a）所示。

圖5　疤痕處理效果

3.2檢測區(qū)域圖像與預處理

預處理階段主要是為了提高圖像數(shù)據(jù)的信噪比，突出圖像中的有用信息。使用中值濾波過濾掉圖像中的噪點［6］。中值濾波把局部區(qū)域的像素按灰度等級進行排序，取該領域中灰度的中值作為當前像素的灰度值：

式中，f（x，y）g（x，y）分別為原始圖像和處理后圖像。W為二維模板，通常為3×3，5×5區(qū)域，也可以是不同的的形狀，如線狀，圓形，十字形，圓環(huán)形等。文中使用模板為3×3十字行，中值濾波增強后的檢測區(qū)域圖像如圖5（b）所示。

中值濾波后，根據(jù)待檢測圖像灰度值特性，選用平均灰度值法獲取閾值分割點對圖像進行二值化［10］：

式中，g為直方圖的灰度值，h（g）表示灰度值為的灰度點個數(shù)。得到T作為閾值點進行圖像二值化，二值化后的效果如圖5（c）所示。

3.3特征檢測

由于劃痕方向不規(guī)則，因此采用8鄰接連通域標記法將相互連通的像素點標記［11-12］出來。在標記后的圖像中統(tǒng)計各連通域包含像素個數(shù)P1到Pn與像素點對應實際面積S0計算各連通域的實際面積S1到Sn［13-15］。若S1到Sn均小于疤痕面積閾值ST，則轉(zhuǎn)動工件繼續(xù)檢測直至檢測完整個球面。若S1到Sn中有一個大于ST，則認為工件疤痕面積過大判為不合格產(chǎn)品，作出分揀動作的同時將相關結(jié)果等信息存入數(shù)據(jù)庫，并標記疤痕顯示到界面上提示操作人員。標記疤痕信息如圖5（d）所示。

4　系統(tǒng)測試

在實驗室條件下，使用同一個光滑球型工件在檢測位置連續(xù)檢測不同位置100次。處理一副圖像尺寸為500×200的平均時間為30 ms，判定結(jié)果與人眼檢測結(jié)果相符，不會產(chǎn)生漏檢，但會有0.83%幾率出現(xiàn)將合格品誤判為不合格。為了適應復雜生產(chǎn)環(huán)境和生產(chǎn)要求，系統(tǒng)接受操作人員修改像素點實際面積值S0和疤痕面積閾值ST。

5　結(jié)束語

文中給出了一種基于機器視覺的工件自動分揀系統(tǒng)，采用多種預處理算法及特征檢測提取算法，實現(xiàn)了光滑球面缺陷的自動分揀。該系統(tǒng)具有較高的檢測速度和檢測精度，滿足生產(chǎn)要求。

［1］何冬，林玉池，馮偉昌，等.紙尿褲標識快速視覺檢測系統(tǒng)研究［J］.傳感器與微系統(tǒng)，2010（11）:57-60.

［2］孫中國，于復生，殷盛江，等.基于機器視覺的冬棗生熟檢測系統(tǒng)研究［J］.機械科學與技術，2014（7）.

［3］李向東.基于機器視覺的氣門組件裝配質(zhì)量在線檢測［D］.廣州：華南理工大學，2013.

［4］樂靜，郭俊杰，朱虹，等.一種快速檢測光滑半球表面缺陷的方法［J］.光電工程，2004，31（10）:32-35.

［5］李琳娜.Visual C++編程實戰(zhàn)寶典（配光盤）［M］.北京：清華大學出版社，2014.

［6］岡薩雷斯.數(shù)字圖像處理的MATLAB實現(xiàn)［M］.北京:清華大學出版社，2013.

［7］Bradski G，Adrian K.學習OPENCV（影印版）［M］.南京:東南大學出版社，2009.

［8］西門子（中國）有限公司自動化驅(qū)動集團.深入淺出：西門子S7-200PLC［M］.3版.北京:北京航空航天大學出版社，2007.

［9］姚萬軍.VC下利用ADO訪問SQL Server技術［J］.網(wǎng)絡新媒體技術，2004，25（1）:99-103.

［10］Glasbey C A.An analysis of histogram-based thresholding algorithms［J］.Cvgip Graphical Models&Image Processing，1993，55（6）:532-537.

［11］陳柏生.一種二值圖像連通區(qū)域標記的新方法［J］.計算機工程與應用，2006，42（25）:46-47.

［12］袁孫正.基于機器視覺的人數(shù)統(tǒng)計設計［D］.北京:北京郵電大學，2011.

［13］李昌海.基于AOI的LCD線路缺陷檢測系統(tǒng)［D］.成都:電子科技大學，2013.

［14］余俊榮，孟憲臣，潘豐.基于機器視覺的手機電池尺寸檢測系統(tǒng)的設計［J］.江南大學學報:自然科學版，2014，13（1）: 23-28.

［15］伍濟鋼，賓鴻贊.機器視覺的薄片零件尺寸檢測系統(tǒng)［J］.光學精密工程，2007，15（1）:124-130.

The design of smooth spherical surface defect detection system based on machine vision

YIN Ya-fang1，YUAN Hao1，LIAO Yan-na2
（1.School of Electronic Engineering，Xi’an University of Posts and Telecommunications，Xi’an 710121，China；2.School of Science，Xi’an University of Posts and Telecommunications，Xi’an 710121，China）

In order to solve the problem of the low efficiency which is the metallic spherical defect detection in production lines，a kind of automatic sorting system based on machine vision is designed，which includes image acquisition and processing，PLC，data statistics storage，human-computer interaction and so on.Smooth metal ball surface easy to reflective area，through the filtering noise reduction，dynamic binarization and other methods.separate the defect information from the reflective area，Then use the connected domain characteristics to detect defect automatically，finally drive the PLC to complete the sorting action by the OPC protocol.Experimental results show that the system can meet the requirements of realtime automatic sorting.

machine vision；smooth spherical surface；surface defect detection；automatic sorting

TN081

A

1674-6236（2016）14-0113-03

2016-01-31稿件編號：201601296

陜西省自然科學基礎研究計劃項目（2014JM2-6117）。

陰亞芳（1966—），女，山西芮城人，博士，教授。研究方向：數(shù)字信號處理及光器件。