基于LabVIEW的揚聲器焊點檢測算法研究

黃 湖，張文斌，蘇海濤，倪 瑞

（桂林電子科技大學(xué) 電子工程與自動化學(xué)院，廣西 桂林 541004）

中國每年揚聲器的生產(chǎn)數(shù)量高達幾十億，是世界上最大的揚聲器生產(chǎn)國和出口國，但所生產(chǎn)的揚聲器大多為中低檔產(chǎn)品，附加價值低[1-3]。其中，在檢測揚聲器品質(zhì)方面與發(fā)達國家有較大差距，主要為人工檢測[4]。

人工檢測揚聲器其中關(guān)鍵步驟為人眼去定位揚聲器焊點位置，使得焊點接入到測試端口。針對這一問題，提出了基于圖像處理的揚聲器焊點檢測算法，利用工業(yè)相機對所需檢測的揚聲器進行拍照并對圖像進行處理，自動識別焊點的具體位置。該方法實現(xiàn)了在不同光強下，都能對揚聲器焊點位置進行精準(zhǔn)識別與定位。

圖1 算法流程圖Fig.1 Algorithm flowchart

1 圖像處理算法

采用LabVIEW 開發(fā)軟件對揚聲器圖像進行圖像處理，LabVIEW 是NI 公司推出的圖形化語言開發(fā)環(huán)境[5]。圖像處理算法流程主要分為兩部分：第一部分為焊點識別，第二部分為焊點定位信息計算，主要流程圖如圖1 所示。

1.1 圖像預(yù)處理

圖像預(yù)處理主要分為以下幾個步驟：

1）在揚聲器的檢測過程中，因為放置揚聲器的背景是固定不變的，通過Mask 選取感興趣的部分來研究，只需要研究揚聲器焊點部分，所以在選取研究區(qū)域時，利用ROI的Annulus ROI tool 工具，畫出包含焊點在內(nèi)的圓環(huán)，用作分析對象。

2）在實際檢測過程中的環(huán)境受光照影響，為了減小光照的影響，采用抽取圖片的飽和度平面(飽和度受光照影響較小)。

3）采用自適應(yīng)最大類間方差法來確定閾值，分離圖像，使背景和目標(biāo)之間的類間方差最大，背景和目標(biāo)之間的類間方差越大，說明構(gòu)成圖像的兩部分的差別越大，錯分的可能性越小。

4）通過LabVIEW Vision 的腐蝕來消除這些噪點，通過設(shè)置好的卷積模型，將圖像中孤立的高亮點去除掉。

5）下面調(diào)換背景與粒子目標(biāo)，因為在進行二值圖像分析時二值圖像其特征目標(biāo)就是指1 的像素，而0 的像素則被認為是背景。因此如果當(dāng)有需要提取一些0 值的“背景”粒子時，就需要考慮使用二值圖像反轉(zhuǎn)函數(shù)。

圖2 圖像處理過程Fig.2 Image processing

6）利用高級形態(tài)學(xué)中的去除不必要的大的粒子的功能，去除掉圖片中遠大于焊點大小的區(qū)域，此時焊點已經(jīng)十分清晰了，但是還是存在一些細小的噪點，再次利用Adv.Morphology 的去除圖像中較小粒子的功能，將圖像中遠小于焊點的粒子部分去除掉。

以上6 步已分離出了揚聲器的焊點，具體如圖2 所示。

1.2 焊點信息計算

將揚聲器焊點識別出來后，需要計算出需要旋轉(zhuǎn)的角度，以達到全自動揚聲器檢測的效果。揚聲器所需旋轉(zhuǎn)的角度β 值共有4 種情況，如圖3 所示。對圖像建立像素坐標(biāo)系，假設(shè)揚聲器中心a 點像素坐標(biāo)為（m，n），焊點中心b 點像素坐標(biāo)為（x，y），則β 值共有4 種情況。

圖3 旋轉(zhuǎn)的角度β值4種情況示意圖Fig.3 Rotating angle beta value 4 scenario diagram

圖4 焊點信息計算程序圖Fig.4 Weld spot information calculation program diagram

圖5 圖像采集現(xiàn)場Fig.5 Image capture site

表1 測試結(jié)果Table 1 Test results

由于檢測的是焊點中央的小圓圈，所以只需要將兩探針的中心線對準(zhǔn)小圓圈就能使探針對準(zhǔn)焊點。圖3 中與y軸垂直的虛線即為探針中心的模擬線，a 點為揚聲器圓心，坐標(biāo)為固定值（m，n），通過LabVIEW 提取小圓圈的圓心坐標(biāo)，即圖上的b（x，y），β 為電機需要轉(zhuǎn)過的角度，通過比較x 和m 的大小以及y 和n 的大小，利用不同的公式來計算出β 的大小，圖4 所示焊點信息計算程序。

2 實驗

2.1 實驗方法

測試該算法在不同的光照強度下檢測的正確率。分別采集光照強度在133 Lux、227 Lux、438 Lux、975 Lux 和1176 Lux 下的各180 張旋轉(zhuǎn)角度不同的揚聲器圖片。由于大多數(shù)揚聲器表面為金屬構(gòu)成，所以如果光照不均勻或者光照角度不同會造成圖像識別的難度，所以采取環(huán)形LED燈對揚聲器采集時光照強度的控制，作為系統(tǒng)光源，隨后光強檢測儀對光強進行精確測量。將攝像頭搭載在揚聲器焊點檢測位置的上方，對不同光照強度和不同旋轉(zhuǎn)角度下的揚聲器進行圖像采集并進行算法分析，圖5 為采集圖像現(xiàn)場圖。

2.2 實驗結(jié)果

在5 個光照強度等級的條件下，對每組180 張圖像進行檢測，測試結(jié)果見表1。

通過對5 個不同的光照強度的不同旋轉(zhuǎn)角度的揚聲器進行檢測，每一組測量180 張圖像，正確率都達到了97%及以上，說明該算法可忽略光照對檢測過程的影響，具有很好的準(zhǔn)確性及抗干擾性。

表2 誤差分析Table 2 Error analysis

在對以上樣本測試完成后，對揚聲器焊點的像素點進行理論值和實際值的誤差分析，分析結(jié)果見表2。

由表2 可知，在對揚聲器的焊點檢測中，像素點的理論值與實際值的誤差非常小，識別準(zhǔn)確，完全可以對揚聲器進行精確檢測。

3 結(jié)束語

本文通過LabVIEW 視覺模塊對揚聲器的焊點進行了算法的研究與設(shè)計，實現(xiàn)了對揚聲器焊點的精確檢測。通過試驗結(jié)果可以發(fā)現(xiàn)，該圖像處理算法有極好的通用性，可以在不同的光照強度和不同的環(huán)境下進行揚聲器的焊點識別。該算法目前已經(jīng)初步運用到揚聲器的全自動檢測中，具有很好的應(yīng)用價值。