機器視覺智能機器人無損檢測系統探討

徐羊　劉磊

摘要：無損檢測技術在一定程度上反映了一個國家的工業發展水平，其可應用于原材料、中間工藝環節以及最終產成品的質量檢測中，可對產品質量進行全程跟蹤檢測，確保產品生產質量。將機器視覺智能機器人應用于無損檢測系統中，可有效提高生產的靈活性和自動化程度，促進無損檢測技術水平的進一步提升。文章首先闡述了機器視覺智能機器人無損檢測系統的硬件設計，然后對機器視覺智能機器人無損檢測系統的軟件及控制方式和智能技術進行分析，為促進我國工業發展水平的進一步提升提供參考依據。

關鍵詞：機器視覺;智能機器人;無損檢測;圖像

中圖分類號：TP311? ? ? 文獻標識碼：A

文章編號：1009-3044（2022）08-0076-02

無損檢測是指在不損壞試件或不影響被檢測對象使用性能的前提下，通過物理或者化學方法，借助現代化的技術和設備器材，對試件內部及表面的結構、性質、狀態及缺陷的類型、性質、數量、形狀、位置、尺寸、分布等進行檢查和測試的方法。無損檢測是我國工業發展中必不可少的有效工具，在冶金、電力、石油化工、船舶等領域得到了廣泛的應用。視覺機器作為人工智能的一個分支，主要是利用機器來代替人眼進行測量和判斷，將被攝取目標轉換成圖像信號后傳送給專用的圖像處理系統，再根據像素分布的亮度、顏色等信息將其轉變為數字化信號，最后由圖像系統對這些信號進行處理和分析得到判別結果。機器視覺智能機器人是將機器視覺和智能機器人相結合。將機器視覺智能機器人應用于無損檢測系統中，在大批量重復性的工業生產檢測中，可有效提升生產的柔性和自動化程度。機器視覺智能機器人無損檢測系統在工業生產中的應用，不僅提升了生產效率和安全性，還提升了檢測的精準度，對于產品質量控制具有重要意義。

1 基于機器視覺智能機器人無損檢測系統的硬件設計

較為典型的工業機器視覺系統主要包括光源、鏡頭、相機、圖像處理單元、監視器、輸入輸出單元等，機器視覺智能機器人無損檢測系統的硬件組成部分可根據實際檢測需求合理布置，下面僅對圖像傳感器、高速CCD相機和光源進行分析。

1.1 圖像傳感器

圖像傳感器又稱為感光器件，是工業攝像機的核心組件，其主要功能就是將光學圖像轉換成電子信號的設備，圖像傳感器的性能直接影響到后續環節中對圖像處理與解析的難易程度。圖像傳感器主要有CCD和CMOS兩種，綜合各種參數、工藝和性能，CCD在工業生產中的應用較為廣泛。CCD傳感器的優點較多，在機器視覺智能機器人無損檢測系統中應用可發揮較大的作用，主要優點如下。CCD傳感器的解析度較高，能夠感測及識別較為精細的物體，攝像品質較高;可偵測到較低光度的入射光，訊號不會被覆蓋，敏感度高，受天候影響較小。能夠很低地讀出雜訊和暗電流雜訊，信噪比較高;在系統環境較為復雜的情況下，能夠同時偵測及分辨強光和弱光，所以不會受到亮度對信號的影響;此外，CCD傳感器還有良好的線性特性曲線，高光子轉換效率，大面積感光，光譜響應廣，低影像失真，體系小、重量輕，低耗電，可大批量生產，易保養等優點，這些都可為視覺識別無損檢測系統的高效運行提供重要的技術支持。

1.2 CCD相機

相機是工業機器視覺系統中重要的部件，其主要功能是圖像采集，為了保證圖像采集的質量，需要選擇適宜的相機。圖像傳感器是相機采集圖像的核心組件，所以相機的工作效率和質量主要取決于傳感器。較為常見的傳感器主要有CMOS圖像傳感器、線陣或面陣CCD圖像傳感器，其中CMOS傳感器的成本較低，合成度較高，工藝程序也相對較為簡單，但是在信號刺激和噪音處理方面相對薄弱，不太適用于環境較為復雜的工業生產中。所以線陣或面陣CCD相機在工業機器視覺系統中應用較為廣泛。

1.3 光源設計

工業視頻相機在工作過程中，由于曝光時間和被檢測器件之間的速度存在一定的差距，或者檢測環境照度較小，都會影響到檢測的精準度。在檢測環境中設計相應的光源，可有效提升圖像采集的質量。在機器視覺智能機器人無損檢測系統中較為常用的照明系統主要有環形光源正面照射和平行光源背面照射，因為每種光源都有各自的優缺點，所以應該根據不同的應用場景選擇使用。環形光源可通過其結構設計實現高亮度和高均勻性的擴散照明，能夠從不同角度提供不同顏色的照射，在檢測領域的通用性較強。環形光源一般放置在被檢測零件的正前方，光源照射到被檢測器件上，然后CCD相機接收反射光源并成像。環形光源占用空間小、安裝成本低，照射角度和光源顏色可根據實際需要進行定制，能夠有效突出被檢測器件的表面輪廓，在器件表面缺陷、符號以及特殊構造檢測中有較好的效果。但是對于尺寸較小的圓柱或者方形零件，環形光源檢測精度相對較低，在突出零件表面輪廓特征時，容易受到非檢測對象的干擾。平行光源一般采用背光照射，光源與CCD相機沿零件所在位置對稱放置，相機可直接接收光源光線。平行光源在應用中也會受到檢測環境、檢測對象等因素的影響，有一定的優缺點。所以在實際使用中，還需要根據實際需求選擇適宜的光源。

2 基于機器視覺智能機器人無損檢測系統的軟件設計

2.1圖像預處理

機器視覺智能機器人無損檢測系統在圖像采集過程中，受到拍攝環境以及相機自身性能的影響，圖像質量不利于特征提取和分類，所以需要對圖像進行預處理，主要包括圖像增強、圖像濾波以及圖像閾值分割等處理過程。圖像增強一般會采用灰度增強算法，將圖像中的目標區域相對背景區域有明顯的對比，可在一定程度上提升圖片質量，在實際應用中，應該在不改變原圖背景和目標灰度特性的條件下，經過多種算法的對比采用最優算法。圖像濾波主要是對圖像中的噪聲進行處理，以提升最終識別結果的精度。因為圖像噪聲種類較多，所以應該根據實際需求選擇適宜的算法，既能夠高效抑制噪聲點，又能夠確保圖像的完整性。圖像閾值分割主要是設定一個或者多個閾值，然后將圖像中各個像素點的灰度值與所對應的閾值進行比較，根據比較結果對圖像中的像素點二值化，從而將缺陷從背景中分割出來。

2.2缺陷特征的提取和選擇

特征提取作為圖像處理的重要環節，直接關系到對工件表面缺陷的識別和分類。在采集到的圖像中常會存在一些特殊的信息，利用這些信息可與其他圖像進行區別。圖像的特征種類較多，所以一般都會選擇合適的特征進行提取，在工件圖像的缺陷特征提取時，一般會選擇形狀、灰度、紋理作為特征提取的要素，三者之間相互補充，可以與其他特征要素有效區分。缺陷特征提取應該遵循一定的標準才能夠保證分類的精準性，不同工件缺陷的特征值應盡量保持較大的差異性，利用一組量化型數值能夠明顯區分缺陷的類型，各個類型的特征之間應該互不相關，最終得到的缺陷特征要便于匯總和儲存。

2.3 表面缺陷檢測與辨識

對疑似缺陷的圖像進行順序掃描，以掃描點為中心利用高斯模板確定動態閾值范圍，然后對疑似缺陷圖像進行檢測和評判，最終將確認的缺陷圖像輸入缺陷單元標記庫中。將所有疑似缺陷圖像全部掃描后再逐個排除缺陷。在以上環節中，構建常見缺陷庫是關鍵工作。主要是將已經確認的缺陷進行采樣后，再對圖像的分辨率、尺寸、參照線具體采樣，將常見缺陷的特征具象化后確認缺陷的類別。缺陷庫構建完成后，將缺陷圖像輸入數據庫中與缺陷類別進行匹配，如果實時采集的圖像與具象化后的缺陷特征相似度超過閾值時，可初步判斷采集的圖像具備該缺陷，該圖像即儲存在缺陷類別目錄中，然后再對目錄中的缺陷進行下一步缺陷識別，最終實現缺陷類型的識別檢測。

3 機器視覺智能機器人無損檢測系統的控制方式與智能控制技術

3.1 控制系統工作方式

控制系統是機器視覺智能機器人無損檢測系統的重要組成部分，檢測系統中各個部件的運動都需要通過控制系統來實現。機器人系統的運動較為靈活，不僅能夠實現XYZ軸的直線操作，還能夠實現圓弧、橢圓弧、螺旋曲線等插補操作，利用計算機編程能夠對形狀較為復雜的零件進行檢測，有效提升檢測的效率和精準度。機器視覺智能機器人系統的工作方式為通過高級語言向運動控制卡發送命令以實現多軸插補運動或者各軸獨立運動，控制卡通過模擬量電壓驅動伺服放大器，伺服放大器再驅動電機實現指定脈沖的旋轉運動，電機軸端的旋轉編碼器再將實時位置反饋到控制卡，最終實現負反饋的閉環控制。機器人的運動軌跡一般是通過編程的方式實現，在沒有運動軌跡的情況下，可以利用機器人的示教功能，先通過手動的方式控制機器人將檢測位置運行一遍，然后機器人可精準重復運行軌跡，以實現檢測運行。

3.2智能控制技術

無損檢測技術的應用范圍較廣，可在原材料、中間工藝環節以及產成品中進行質量檢測，且每個環節中被檢測工件的形狀種類都較多。在檢測過程中，需要利用機器人的示教功能進行軌跡確定，被檢工件的種類越多，示教次數也會有所增加，由此會影響到檢測效率。利用神經模糊算法對工件外形圖像進行分類，能夠有效減少示教次數，從而提升檢測效率。首先將精確的輸入量轉化成模糊變量，在輸入量中會設置相應的屬性，然后對于每個輸入量都可以與一個或者多個模糊量發生關聯。經過模糊化后，利用IF...THEN...規則建立規則庫，最后再將模糊量轉化為精確量。在檢測工件時，先用ANFIS將結構類似的工件機進行匹配，結構類似的工件在檢測方法和檢測點也比較相似，所以可大大減少示教過程，通過調用歷史檢測路徑和檢測點即可完成檢測，實現智能檢測。

4 結語

工業生產是我國經濟發展的支柱性產業，在我國向制造強國方向發展的時代背景下，對工業生產的效率和產品質量有了更高的要求。無損檢測作為工業生產的重要環節，檢測技術水平直接關系到產品的生產質量。傳統的檢測方式不僅檢測效率低，檢測精度差，而且在較為復雜和危險的環境中，還不利于檢測工作的進行。機器視覺智能機器人無損檢測系統在工業生產中的應用，有效提升了檢測效率。無損檢測技術的非破壞性、全面性、全程性的特點，與機器視覺智能機器人的自動化、柔性化、高效性相結合，大幅提升了無損檢測系統的技術水平。隨著我國人工智能技術、網絡技術、檢測技術的發展，無損檢測技術還會不斷完善，檢測效率和精度會進一步提升，為促進我國工業生產的可持續發展創造有利條件。

參考文獻：

[1] 金懷國，夏荒生，曾雄偉.基于機器視覺技術的雪茄煙質量檢測裝置設計[J].安徽電子信息職業技術學院學報，2020，19（4）：7-11.

[2] 魏東辰，嚴小軍，惠宏超.基于目標紋理的機器視覺轉角檢測方法[J].導航與控制，2020，19（3）：86-94.

[3] 鐘宇，徐燕，劉德祥，等.基于計算機視覺和機器學習的真偽卷煙包裝鑒別[J].煙草科技，2020，53（5）：83-92.

[4] 閆俊紅，何家明，李忠虎.基于圖像處理的鋼板缺陷檢測方法[J].光電技術應用，2019，34（3）：12-15，39.

[5] 王宇，吳智恒，鄧志文，等.基于機器視覺的金屬零件表面缺陷檢測系統[J].機械工程與自動化，2018（4）：210-211，214.

[6] 程翔，王美玲，王廣偉.基于機器視覺的汽車非標零部產品檢測技術研究[J].經濟技術協作信息，2019（14）：90.

[7] 胡浩，李俊峰，沈軍民.基于機器視覺的小磁瓦表面微缺陷檢測方法研究[J].機電工程，2019，36（2）：117-123，184.

[8] 賀可太，張茜.基于機器視覺的熔融沉積成型幾何質量在線檢測方法[J].現代制造工程，2019（5）：18-23，28.

【通聯編輯：光文玲】