基于線序端子截面的線序檢測系統的設計與實現

摘要：線序顏色檢測是判斷線束生產質量的重要環節，根據特定的應用場景，線序依據顏色有固定的排序格式。利用線束材料主要由膠殼和線束兩部分構成的特點，首先在濾波的基礎上對線束圖像進行二值化處理，從圖像中分割出膠殼區域。然后以膠殼區域為基準，定位線束檢測區域位置。最后通過顏色模板比對，識別出線束顏色序列。實驗結果表明，該方法在線序檢測中具有較好的穩定性和準確性。

關鍵詞：線序;顏色;膠殼;分割

中圖分類號：TP311? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2022）07-0102-02

1 概述

線束用來連接電子設備的各功能部件，如通訊連接線、屏蔽線、汽車連接線等，連接線是由各種顏色的散線按一定順序排列組成，不同用途的線束由不同顏色的散線按不同的順序排列[1]，如圖1所示，是常用的汽車線束排序排列。由于生產過程中不可預知因素生產出來的線束顏色沒有正確地排列或缺線等問題，直接影響部件傳輸、通信和監測等功能。正確地檢測線束中線序顏色的正確排列尤為重要。

目前靠人眼進行線序顏色檢測存在一定的不確定性。因為在線序檢測中并排的導線往往較細、個別線束之間的顏色有時會較相似，長時間專注地檢測極易引起視覺疲勞，導致漏錯或檢錯，同時這種依靠人工的檢測效率較低。

近年來隨著機器視覺技術和數字圖像處理技術的迅速發展，利用機器視覺技術，通過識別線束顏色[2]，以此來自動檢測出線序的正確性，不僅大大提高了產品的檢測精度和速度，而且可以避免人工視覺檢測所帶來的偏差和誤差。

線束一般是按不同的顏色排列，利用顏色特征是線序檢測中常用的一種有效方法，顏色特征是一種全局特征[3]，對檢測對象的尺寸、方向、視角等參數依賴性較小，可以較好地突出線束表面的特征，從而依據顏色特征來檢測線序的排列。常用的顏色特征提取方法有顏色直方圖、聚合向量和顏色相關向量等。這類方法主要是通過對顏色特征參數的提取來檢測顏色的分布情況、顏色的空間、相對位置和相關性等信息，從而給出顏色序列。這類方法需要經過大量的計算，提取顏色特征和生成顏色相關圖信息列[4-6]，計算量較大，時間復雜度較高，不適合實時性要求。

本文依據線束實際材料構成區域的不同，提出一種簡單有效的新方法，實現基于機器視覺的線束在線檢測系統，自動檢測線序顏色排列，從而判斷線序排列是否符合生產標準，提高檢測效率和精度，實際運行表明，系統具有較好的安全性和穩定性。

2 線序檢測算法設計

在對線束序列檢測技術中，傳統的檢測方法將整個線束區域作為檢測目標，一般用顏色特征對線序進行檢測，提取線束的特征。這樣檢測的結果能夠增加檢測范圍，計算量大。另外，如果存在線束之間相互遮擋、纏繞等問題時，是無法正確檢測出線束序列。考慮到這類檢測算法準確度較低和算法時間復雜度較高的問題，本文提出一種新的檢測方法，方法的出發點完全不依賴于線束的顏色特征，主要從線束本身的材料組成出發來進行分割和線序識別。首先從線束的結構中可知，整個線束可以分為兩部分，一部分為線束膠殼截面區域，另一部分為線束區域。其中線束固定在膠殼上，本方法首先識別出膠殼截面的位置，然后選取與膠殼截面平行的部分區域作為檢測位置，如圖1所示。沿著檢測位置區域依次對該位置上的像素檢測，提取像素顏色值，即可得出線序的顏色序列。這種方法避免線束交叉遮擋和倒置等誤檢測影響。

算法的檢測流程如圖2所示。在將待檢測線束放到檢測臺上進行檢測時，自動觸發裝置，判斷線束是否放置到位，然后提取導線檢測區的圖像。為了去除采集圖像的噪音，對圖像進行均值濾波平滑。接著對圖像進行二值化處理來實現膠殼區域分割。以膠殼平行方向的區域為線序檢測方向區域，這個方向包含了所有顏色的導線，不存在導線之間相互掩蔽的情況，在該方向上進行顏色比對，給出線序顏色序列。將比對結果與顏色模板匹配，確定檢測結果。分割出膠殼區域后，需要進一步確定線序比對的區域和方向，而不受線束圖像在采集時的空間位置限制，圖像處理的計算量大，算法效率較低，為實施可移動檢測器奠定基礎。

膠殼的分割算法是系統線序檢測的關鍵部分，影響到后續線序檢測的完整性和準確性。因為采集對象為帶有膠殼的線束圖像，圖像屬于非均勻材質，在背光源照明狀況下，其自身表現為非均勻亮度圖像，從中分割膠殼圖像比較困難，必須解決非均勻圖像的正確分割問題。非均勻圖像適合局部自適應閾值進行分割。在局部自適應技術中，閾值是根據每個像素的鄰域特征值來統計的，本系統中采用均值來設計閾值。

另外，由于在膠殼分割過程中，形成一些細小的散點和裂縫及低密度區，影響區域分割的精度，需要消除這部分小區域，通過形態學的開操作來完成。開操作在平滑圖像物體的邊界時，在不改變其面積的情況下，消除線束圖像中的突起。開操作是對圖像先腐蝕，再膨脹，其中腐蝕與膨脹使用的模板是一樣大小的。同時由于在分割過程中形成一些小的孔洞，會影響膠殼區域分割的完整性，不利于膠殼區域的分割，應用形態學閉操作可以將許多臨近的區域相連。閉操作就是對圖像先膨脹，再腐蝕。這里首先經過膨脹操作，將多個分開的區域塊結合起來，接著通過腐蝕操作，將連通域的邊緣和突起進行削平，最后得到的是一個無凸起光滑的完整的連通域。

在進行完成了線束圖像的平滑、分割和顏色識別等功能，可以將處理的結果存儲在后臺數據庫中，便于管理員后期對檢測數據的統計與檢索，對線序有誤的檢測結果發出報警，同時可以通過Wi-Fi將結果發送至遠程移動終端，實現遠程監控。

3 系統設計與實施

線序檢測系統硬件包括工業相機、工業相機接口卡、工業鏡頭、專用照明光源、光源控制器等。由于系統設計指標為200mm視場下正確識別線序，且識別速度小于1秒，所以采用2700萬像素，14 幀/秒，3/2英寸霸面的工業相機，可滿足系統要求。由于相機霸面較大，所以采用線掃鏡頭與相機匹配。照明光源要求一致均勻，采用現有成熟光源模塊設計，光源控制器需要智能閉環局部調節亮度，需采用自行研發光源驅動器滿足系統要求。

線束檢測系統主要用于對單面單色線，雙排單色線顏色順序及其線的位置進行檢測，剔除不良品。系統流程如圖3所示，系統主要功能如下。

（1） 系統初始化配置。只要是一般用戶作業生產時初始頁面，其主要功能為統計/顯示當前信息/調用參數。配置信息可以通過三種方式初始化。一是通過參數文件名加載;二是可以掃描工單二維碼/一維碼加載參數;三是通過預覽工藝參數模板加載完成。

（2） 線序識別參數的自動配置。線束識別參數應極少人工干預，能夠自動識別線纜位置及其色彩信息。

（3） 線序識別。將放置一根線束在識別區內，確保采樣區內線纜根根分明，有間隙，無交叉。提供兩種識別模式，分別是膠殼和線束識別。同時可以設置識別區的范圍調整，包括識別區到膠殼的距離，識別區的長度范圍、消除線束對自動提取膠殼的抗干擾能力。

（4） 報警提示。當識別線束時，膠殼放反即報警。此功能是為防止發生概率極低（約百萬分之一）的膠殼正反面判斷錯誤同時所有線束順序完全相反的錯誤。系統的軟件采用VS.NET作為前臺，實現用戶交互操作。HALCON作為后臺實現線序識別與檢測。系統主界面實現如圖4所示。

界面主要由以下五部分組成，各個部分的功能如下：

（1） 實時采集圖像窗口，顯示用戶線束的實時圖像。

（2） 系統信息提示窗口，用來顯示用戶操作出現的錯誤，或者提示用戶如何操作，為軟件和用戶進行交流的窗口。

（3） 用戶設置參數窗口，包含用戶登錄窗口、調用參數窗口、線序識別參數窗口、公共參數窗口等。

（4） 操作控制臺窗口。主要控制軟件運行等操作。

（5） 線束樣本圖像窗口，用來顯示當前用戶參數的線束圖像，方便用戶確認當前參數的正確性。

系統使用過程為將線束放置在背光源之上，通過調整鏡頭的焦距及光圈，同時調整光源控制器得到清晰亮度合適的線束圖像，然后工業相機采集線束圖像，并將圖像數據傳輸到工業計算機中，由計算機負責對線束圖像數據進行處理，并給出檢測結果及線序顏色序列。

本智能線序檢測系統利用機器視覺技術，采集設備CCD攝像機采集線序圖像，系統自動提取線序的膠殼圖像特征，利用膠殼圖像特征進行綜合分析，定位線序檢測位置，識別線序顏色，然后與標準的顏色模板進行比對，給出檢測的結果。同時，

采用識別膠殼或者直接識別線束技術，做到任意擺放線束，提高工作效率達20%以上。具備線間隙自動搜索功能，多根線纜極有可能互相粘連，用戶往往要手工分開線纜，浪費時間，此次功能可以降低用戶對線纜干涉的頻率，提高效率。

4 結論

本系統直接以線束中的膠殼為線索，以分割后的距離膠殼一定距離的平行方向為基準檢測位置即基準檢測線，對基準線上的像素進行顏色比對，給出所有線序的顏色排列，從而避免大規模數值計算和導線之間因遮擋而產生的漏檢問題。同時提高線序檢測的速度，滿足實時性的要求。系統給出一般性的系統精度，確保準確率在99.63%以上，計時速度在27/fps以上，滿足工業檢測的效率要求。

參考文獻：

[1] 吳宗勝，薛茹.基于顏色聚合向量的線序檢測方法[J].計算機測量與控制，2019，27（6）：182-185.

[2] 李進飛，李建強，段玉堂，等.基于深度學習的管道紗線及其顏色檢測[J].計算機系統應用，2021，30（6）：311-315.

[3] 余化鵬，李舟，楊新瑞，等.基于目標檢測結果的輪廓及顏色識別研究[J].成都大學學報（自然科學版），2019，38（3）：276-280.

[4] 李玉寶.基于機器視覺的表面缺陷檢測算法研究[D].長沙：中南大學，2013.

[5] 蘇珊.聯合顏色和紋理特征的圖像顯著性檢測算法研究[D].南京：南京郵電大學，2020.

[6] 郭高鵬.基于自分類和顏色空間變換的圖像特征自動檢測[J].自動化與儀器儀表，2020（8）：33-36.

【通聯編輯：代影】

收稿日期：2021-10-20

作者簡介：王想實（1976—），女 ，內蒙古鄂爾多斯人，副教授，主要研究方向為機器視覺、人工智能。