基于PLC 和機器視覺的O 型密封圈尺寸檢測系統設計

張大為，沈勇

（云南民族大學電氣信息工程學院，云南昆明 650000）

隨著制造業技術的發展，密封圈的需求逐漸增大，保證產品尺寸合格對生產安全具有重大意義[1]。因此，提高密封圈的檢測效率和尺寸精度都十分重要。常見尺寸測量方法有游標卡尺、光學投影等人工檢測。人工檢測的缺陷在于：檢測精度低、檢測效率低，不滿足工業自動化生產的需求，且檢測質量受人為因素影響，錯誤、誤檢率較高[2]。

針對這一情況，文獻[1]提出了一種基于大口徑遠心鏡頭的圖像采集與測量方法，克服了二維圖像測量儀的欠缺。文獻[2，4]提出了一種基于深度學習物體檢測的視覺跟蹤方法，能夠實現不同尺度的目標檢測，但是其計算量較大，對計算機整體性能要求較高。文獻[3，5]提出了一種基于雙目機器人和灰度相關的邊緣點分類匹配算法，對物體平面尺寸檢測效果較好。

文中結合工業生產需要的實際技術和低生產成本，針對O 型密封圈的尺寸檢測設計了一種基于PLC 和視覺檢測的O 型密封圈尺寸檢測系統。該系統能夠使用普通工業相機，通過在圖像濾波上的算法改進，節省了圖像濾波處理時間，在對圖像的邊緣檢測過程中，通過循環對比的算法來實現閾值的自動選擇，改善了視覺系統的自適應性。與傳統人工檢測方法相比，該方法能夠實現O 型密封圈尺寸的自動高精度檢測，提高了檢測效率和智能化水平。

1 系統總體方案

1.1 系統總體構成

文中研究的系統是在密封圈被加工之后運送到分揀流水線的系統，系統結構見圖1，主要由電氣系統、視覺識別系統、信號采集系統和生產流水線組成。視覺識別系統由工業智能相機、光源、以及鏡頭幾個硬件組成。工作流程為：待測密封圈經震動分料斗運送到傳送帶上，當被測物體運動到相機下方時，由傳感器反饋給相機自動采集信號，相機拍照并將圖像信息傳遞給上位機進行處理分析，計算被測物體尺寸，判斷產品是否合格。合格的密封圈由傳送帶運送到下料區，未合格產品由PLC 控制的氣動裝置剔除到廢料區。

圖1 系統結構圖

視覺系統是整個系統中的重要組成部分，相機的選擇直接關系到采集圖像分辨率和圖像質量。對比CCD 相機和CMOS 相機的區別，結合工藝要求，文中選擇了對噪聲抑制比更好的CCD 相機，相機型號為MV-CE013-50 GM/GC,像素為1 280× 960，最大幀率為30 幀。

1.2 軟件結構設計

根據常用軟件框架設計，采取模塊化的結構，用于處理被測對象的不同特征和測量需求[6]，如圖2 所示，當被測物體運動到指定區域，由采集信號模塊給出采集指令，CCD 相機采集圖像后傳輸給圖像處理模塊，經過圖像處理模塊中的圖像操作模塊、圖像濾波模塊、圖像增強模塊、圖像分割模塊、邊緣檢測模塊等一系列圖像處理技術，對圖像處理結果進行分析，將其結果顯示在顯示屏上。

圖2 軟件框架設計

2 系統關鍵技術分析

圖像操作模塊用于完成對圖像的基本操作，包括圖像讀取、圖像顯示、圖像保存、圖像剪切、圖像旋轉等。圖像處理部分主要包括圖像濾波、圖像增強、圖像分割、邊緣檢測等幾個方面[7]。

在采集原始圖像的過程中，由于各個因素的影響，噪聲信號會影響圖像質量，圖像的邊緣、特性等重要信息會變得模糊，給后續圖像處理帶來極大的困擾，所以有必要對圖像進行濾波降噪，從而改善圖像質量[8]。尺寸測量結果的精確度往往由邊緣檢測技術中處理得到的結果決定，不同邊緣檢測算法對圖像處理結果往往差距很大，因此選擇合適的邊緣檢測算法對尺寸測量顯得十分重要。

2.1 圖像濾波技術改進

高斯濾波的主要操作就是利用高斯卷積核對圖像進行掃描，高斯濾波依據高斯函數的形狀來選擇權值，能夠有效抑制服從正態分布的噪聲[9]。文中通過改進傳統的高斯濾波方法進行圖像濾波，傳統的高斯濾波通常需要構建一個二維高斯濾波核，其公式為：

然后，將輸入圖像和濾波核進行卷積操作，運算次數較多。改進后的分解型高斯濾波則是將二維高斯濾波核分解為兩個一維的高斯濾波核，其公式為：

分解型高斯濾波對圖像進行一次一維卷積，再對這個卷積結果進行一維列卷積，得到的結果完全一樣，但是對于一個2 048×2 048 像素的圖像，其運算量只有前者的1/2.498 5，對于頻繁進行高斯濾波的計算機，大大降低了其運算時間，加快了檢測速度。

對比上述幾種濾波方法，在OpenCV+Visual Studio 2012 開發環境中進行測試，得到了密封圈圖像的濾波效果圖如圖3 所示。

圖3 密封圈圖像濾波效果

經過測試得出不同濾波算法對同一張圖片的處理時間如表1 所示。

表1 4種濾波運算時間

2.2 邊緣檢測中的Canny算法改進

傳統Canny邊緣檢測算法可以分為以下5個步驟[10]。

1）應用高斯濾波來平滑，目的是去除噪聲。

2）找尋圖像的強度梯度。

3）應用非最大抑制技術來消除邊誤檢。

4）應用雙閾值的方法來決定可能的邊界。

5）利用滯后技術來跟蹤邊界。

Canny算法的檢測效果很好，得到了廣泛的應用[11]。它經常出現在一些算法的預處理階段，但是在系統調試過程中會遇到如何選擇高低閾值的難題，通常使用的方法是通過不斷嘗試來找出合適的閾值，或者是通過Otsu 算法對灰度圖像進行處理，得到一個較好的閾值[12]，這些方法費時費力、魯棒性差、在處理不同圖片時，參數會發生變換，會導致圖像處理效果達不到預期效果。

文中通過Python+OpenCV 開發環境設計的程序來實現了自適應閾值的選取，提高了Canny 算法的自適應性。部分代碼如下所示，測量結果如圖4所示。

圖4 不同閾值邊緣檢測結果

觀察圖4 中的實驗數據可知，邊緣檢測算法的結果受到閾值的影響，合適的閾值選擇會獲得更好的處理結果。通過上面的代碼可知，在處理不同圖像時，能夠通過比較前一次的閥值來獲得最優閾值。

3 密封圈尺寸測量

3.1 檢測系統標定

為了能夠準確計算出密封圈尺寸，必須測量出圖像中每個像素代表的實際距離，這種對應關系需要通過攝像系統標定實驗來完成[13]。文中采用的是標準件法標定圖像的像素當量[14]，首先要對CCD 進行標定，計算出CCD 靶面上每個像素對應的實際幾何尺寸。文中通過對精度為0.1mm 的標準尺進行拍照，對圖像進行閾值二值化、邊緣提取，求出每刻度間的像素，實現系統標定。

其中，l為標準刻度尺，兩刻度間距1 mm。

根據表2 得1 mm=92.6 pixel,可以求出k的值為0.010 8，即每個像素代表的物理尺寸為0.010 8 mm。

表2 標定結果

3.2 尺寸測量

在尺寸測量過程中，使用CCD 相機采集測試圖像，進行圖像操作、圖像濾波、圖像增強、圖像分割、邊緣檢測等一系列圖像處理工作后[15]，處理后的圖像可以清晰地展現出圖像的邊緣信息，利用最小二乘法作圓形擬合，可以得出被測物體的幾何參數，再將幾何參數和文中測定的標定系數進行計算，即可算出被測物體的實際尺寸。

通過前面的研究，對圖像進行了一系列處理之后，需要得到圖像的邊緣信息，用于計算密封圈的內外直徑[16]，邊緣檢測算法是其中最重要的一步，文中選擇了改進的Canny 算法作對密封圈進行邊緣提取，在閾值的選擇上通過程序對比來獲得最合適的閾值，改進了傳統Canny 邊緣檢測算法在閾值選取問題上的困難，增強了系統的自適應性。

最小二乘法的圓形檢測是采用近似最小二乘擬合圓，令殘差平方和最小的原理來實現，其具有轉換簡單，計算量小的優點。圓形的公式為：

其中，圓形的圓心坐標為(a,b)，半徑為R。

式中，(xi,yi)就是圖像邊緣中每個像素的坐標值，i∈(1,2,…,n)，n為所有邊緣點的個數，為了求得最小的f值，對f求偏導，推出下列公式：

通過對每個像素遍歷，計算它們之和的最小值，即可以轉換成實際圖像的直徑。

4 實驗與分析

為了驗證O 型密封圈尺寸檢測系統的可行性，將被測密封圈測量8 次，統計半徑尺寸和單個零件的檢測時間，密封圈的內外直徑的測量結果如表3 所示。

表3 O型密封圈直徑測量結果

表3 中的均值和標準差表示此次實驗結果穩定，系統檢測時間為0.70 s 左右，在O 型密封圈尺寸測量系統中，影響檢測精度的因素有很多，實驗車間的灰塵環境、實驗平臺的水平校對，圖像處理等因素都會對實驗結果的精度造成影響，通過誤差分析可以對檢測系統進行改進，提高系統檢測精度，從而提高產品質量。

為了驗證檢測系統檢測密封圈的準確性，對100個密封圈進行了檢測，并且記錄其準確率、誤檢數目，如表4 所示。

表4 O型密封圈準確率測量結果

表4 中的實驗數據顯示，檢測準確率達98%，實驗過程中采用的是人工送料，可能會對樣品產生污染，結合表3 中的檢測時間可知，自動檢測系統大大的提高了產品的生產速度，其準確率受外界條件干擾較小。

5 結束語

利用機器視覺技術，文中設計了結合PLC 和機器視覺的O 型密封圈尺寸檢測系統，通過對該測量系統中的圖像處理技術進行改進，一定程度上減少了圖像的處理時間，同時增加了該系統的自適應性，能夠提高密封圈的檢測精度和效率。