基于HALCON的風機葉輪尺寸檢測系統設計

舒慧 張融 彭澤洲

摘 要：風機廣泛應用于工業生產生活中，風機葉輪作為風機工作的重要組件，其生產質量是風機正常使用的重要基礎。生產過程中企業會對生產出來的風機葉輪進行檢測，其中就包括對其尺寸的檢測。本文針對風機葉輪的尺寸檢測進行了研究和分析，設計了一種基于機器視覺技術檢測風機葉輪尺寸的方法，實現了對風機葉輪尺寸檢測過程高效化、高精化、智能化的改變，為風機葉輪生產制造企業提供了現代化檢測的思路和值得參考的應對策略。

關鍵詞：機器視覺 HALCON 風機葉輪 圖像處理 WinForm窗體設計

Abstract：Fan is widely used in industrial production and life. Fan impeller is an important component of fan work， and its production quality is an important basis for the normal use of fans. During the production process， the company will test the produced fan impeller， including its size. This paper studies and analyzes the size detection of fan impellers， and designs a method for detecting the size of fan impellers based on machine vision technology， which realizes the efficient， high-precision and intelligent changes of the fan impeller size detection process， and provides modern testing ideas and countermeasures worthy of reference for fan impeller manufacturing enterprises.

Key words：machine vision， HALCON， fan impeller， image processing， WinForm form design

1 引言

機器視覺技術的使用領域涉及到了工業、醫學、軍工、航空、安全等重要領域。機器視覺技術是利用CCD相機將探測到的目標物體轉換成圖像信號，然后把圖像信號傳輸至專門的處理系統中，根據像素位置、明度和色彩等信息，通過數字化技術將圖像信號傳輸至處理系統并獲取其目標特征，實現檢測功能，利用機器視覺技術實現對被測物的尺寸測量是機器視覺重要的應用方向。測量尺寸是風機葉輪生產的重要環節，針對傳統手工測量風機葉輪尺寸效率低、精度差等現象提出設計，發現并解決問題，設計合理的測量方法是本文研究的目的所在。

本文通過機器視覺技術對風機葉輪的圖像信息進行處理，從而得到其尺寸數據，將測得的尺寸數據與風機葉輪工程圖上標注的尺寸數據進行對比，設計并完善利用機器視覺技術測量風機葉輪尺寸的程序，實現風機葉輪尺寸高效、精確的測量，這對工廠加快生產效率、降低人工成本、提高產品質量都有著積極影響和現實意義。

2 風機葉輪尺寸測量系統總體設計

2.1 技術路線

本文研究的是基于機器視覺對風機葉輪零件進行尺寸測量，利用機器視覺軟件HALCON得到被測風機葉輪零件的尺寸數據，并對其測量結果進行分析。具體技術路線如下：

2.2 設計要求

基于機器視覺技術測量風機葉輪零件尺寸的性能指標和測量要求如下：

（1）單次檢測時間在0.2s以內；

（2）尺寸測量指標為風機葉輪零件的各段直線、半徑和角度尺寸，如圖2所示。

3 風機葉輪圖像處理

本文以風機葉輪零件為研究對象，利用機器視覺技術對風機葉輪零件的尺寸進行測量，首先對輸入圖像施行預處理操作，即圖像灰度化、閾值分割、孔洞填充、區域邊緣、膨脹等操作得到目標區域，其次利用Canny濾波器的亞像素邊緣對區域邊緣進行提取，最后用輪廓擬合和幾何運算的算子測量其尺寸。

3.1 圖像預處理

在獲取風機葉輪零件圖像時，因企業生產作業環境存在各種各樣的差異，采集的圖像或多或少會受到光源、鏡頭、噪聲等諸多因素的干擾和影響，為了獲取圖像的有用信息，過濾掉其中的無用信息，一般通過預處理的方法對圖像操作以達到此目的，包括：

灰度化：decompose3（ MultiChannelImage ： Image1， Image2， Image3 ： ： ）；

trans_from_rgb（ ImageRed， ImageGreen， ImageBlue ： ImageResult1， ImageResult2， ImageResult3 ： ColorSpace ： ）；

中值濾波：median_image（Image：ImageMedian：MaskType，Radius，Margin ： ）；

閾值分割：threshold（ Image ： Region ： MinGray， MaxGray ： ）；

3.2 特征提取

對采集到的風機葉輪圖像預處理之后，通常需要對其進行特征提取，此操作既是圖像處理的必要步驟，也是提高測量精度的有效方法，因為特征提取的成功與否關系著最終尺寸測量的精確程度。特征提取方法包括：

連通域：connection（Region：connectedRegions： ： ）；

膨脹：dilation_circle（ Region：RegionDilation ： Radius ）；

縮小圖像定義域：reduce_domain（ Image， Region ： ImageReduce ： ： ）；

亞像素邊緣提取：edges_sub_pix（ Image ： Edges ： ‘canny， Alpha， Low， High ： ）

3.3 曲線擬合以及角度測量

對風機葉輪零件圖像預處理和特征提取之后，為了提高測量精度，完成測量目標，需要對曲線進行圓擬合以及直線擬合，曲線擬合的完美與否直接影響著測量結果是否準確。風機葉輪零件的局部特征需要測量角度來檢驗其合格與否，而角度測量則會涉及直線擬合的相關算法。本文針對特征提取后得到的圖像邊緣輪廓，對圓擬合、直線擬合以及角度測量的相關算法展開了研究。

擬合：fit_line_contour_xld（Contours ： ： Algorithm， MaxNumPoints， ClippingEndPoints， Iterations， ClippingFactor ： RowBegin， ColBegin， RowEnd， ColEnd， Nr， Nc， Dist ）

角度測量：angle_ll（ ： ：RowA1，ColumnA1， RowA2， ColumnA2， RowB1， ColumnB1， RowB2， ColumnB2 ： Angle ）

4 VS2019的WinForm窗體設計

4.1 WinForm窗體設計

本文的主要任務是利用機器視覺技術完成對風機葉輪零件尺寸的測量，為了讓測量過程更加直觀，在Visual Studio 2019上用C#編程語言，將Windows窗體應用與HALCON算法相結合，實現對數據庫的調用以及零件選擇、尺寸測量、數據分析以及重置等4個主要功能，窗體中反映被測物圖像處理后的圖像、數據分析表、測量進度以及測量時間等信息。

4.2 MCGS界面調試

首先單擊“零件”按鈕，選擇并確定被測物的圖像；其次單擊“開始測量”按鈕，窗體中的圖像窗口自動顯示并完成HALCON軟件中的圖像處理過程，同時窗體上方的“測量進度”會以進度條的形式反映實際測量進度，“測量時間”后面則會輸出實際測量時間；然后單擊“數據分析”按鈕，數據表則會根據測量得到的測量值與給定的實際值分析計算其絕對誤差和相對誤差，如圖6所示；最后單擊“重置”按鈕，前面所有的操作全部清空，窗體返回至初始狀態。

5 試驗驗證

5.1 試驗過程

利用選好的風機葉輪零件和相機獲取被測物圖像，將被測物圖像輸入到HALCON軟件中，依照設計方案運用實驗法逐步完成測量。本試驗將分為半徑類、直線類和角度類測量，根據各類測量所具備的屬性，有針對性地運用算子。無論是半徑類、直線類還是角度類，其方法都是先邊緣提取再用算子測量。前期地邊緣提取即先灰度化操作獲取灰度圖像，再中值濾波操作消除灰度圖上的噪點，然后閾值分割、連通域、膨脹和減小圖像定義域操作進一步確定待測區域，最后亞像素邊緣提取操作獲取待測區域輪廓。測量前要擬合圓或直線，擬合圓后用生成一個圓的算子可求該圓的半徑值，擬合直線后用求點到點地直線距離的算子可求該線段的長度值，同時，擬合直線后用計算兩直線夾角的算子可求其夾角的角度值。記錄試驗測得的測量值并將其與實際值進行對比分析，得出二者之間的關系。

5.2 試驗結果

絕對誤差計算公式：

相對誤差計算公式：

由表1及圖7可以看出，本文所設計的風機葉輪尺寸測量系統能夠準確地測量出風機葉輪零件各部分尺寸，所涉及的尺寸數據的精度在預計范圍之內，相對誤差皆在4.16%內波動。

6 結語

機器視覺檢測技術依靠其高精度和高速度的優勢，正在漸漸替代存在主觀性和效率低等問題的人工檢測。本文主要以機器視覺技術對風機葉輪零件尺寸進行測量，通過硬件設備的配合來采集便于處理的圖像，然后在主流機器視覺軟件HALCON中處理并分析圖像，利用切實可行的算法高效、準確地獲取其尺寸數據，最后根據所得數據判斷系統的準確度。在這種快速有效的質量檢驗的約束下，風機葉輪的生產工藝和性能會不斷創新和提高，具有一定的現實意義。由于機器視覺檢測技術大大提高了檢測效率，可以對檢測數據進行統計和分析，可以預見，工業4.0時代的產品檢測將越來越趨近于機器視覺技術。

基金項目：湖北省教育廳科學研究計劃指導性項目（B2020271）；教育部產協合作協同育人項目（202002071028）；校級科學研究項目（2021KY01）。

參考文獻：

[1]付興領. 基于Halcon機器視覺的齒輪參數測量系統[J]. 電子世界，2020（2）：3.

[2]高茂源，王好臣，叢志文，等.基于HALCON的機械零件尺寸快速精密測量[J]. 機電工程技術，2020，49（3）：5.

[3]龔渠，張偉，李麗.基于Halcon的撥叉腳端面尺寸測量[J].工具技術，2020，54（09）：86-89.

[4]葛志靜.基于視覺成像的可變直徑孔型參數高精度測量方法[J] .寶鋼技術，2021（03）：74-77.

[5]耿立明，楊威，王迪. HALCON圖像處理在機器視覺中的應用[J]. 電子測試， 2019（1）：2.

[6]洪瑞. 基于機器視覺的圓形工件二維尺寸測量方法研究[D].馬鞍山：安徽工業大學，2017.

[7]侯恩光.基于機器視覺的直齒輪幾何尺寸測量方法[J] .機電技術，2020（06）：27-30+43.