李天建

(福建工程學院，福建 福州 350108)

0 引言

隨著20世紀90年代以來光電、自動化和計算機圖像處理技術(shù)的迅速發(fā)展，機器人視覺已在包括汽車制造業(yè)在內(nèi)的很多工業(yè)部門得到越來越廣泛的應(yīng)用.在一些用于汽車制造業(yè)的專用設(shè)備，如刀具預(yù)調(diào)測量儀中，機器人視覺也已替代了傳統(tǒng)的檢測方式[1].

目前國內(nèi)工業(yè)視覺系統(tǒng)尚處于概念導入期，各行業(yè)在解決了生產(chǎn)自動化的問題以后，已開始將目光轉(zhuǎn)向視覺測量自動化方面[2].在國內(nèi)汽車行業(yè)的應(yīng)用中，如邦納汽車視覺，主要應(yīng)用于汽車密封條涂層視覺檢測，汽車零部件漏裝視覺檢測和汽車零部件表面字符視覺檢測[3]等.

本文通過對機器人視覺和汽車零配件生產(chǎn)工藝的研究，結(jié)合高斯濾波器、閾值分割、Canny算子等圖像處理方法，提出一種新型的汽車零配件表面檢測系統(tǒng)解決方案，并在西門子系列控制器和ifix組態(tài)軟件上實現(xiàn)其功能，旨在提高零配件生產(chǎn)環(huán)節(jié)中的檢測技術(shù).

1 機器人視覺檢測算法分析

1.1 視覺系統(tǒng)檢測系統(tǒng)建模

目前，機器人視覺表面檢測可分為2種方法:①用無缺陷模板與目標圖像進行匹配，該方法適于具有確定幾何構(gòu)形的物體.②在一個滑動窗口中計算一組紋理特征，從整幅圖像中尋找特征值的顯著局部偏差;該方法的難點在于需要提取體現(xiàn)圖像紋理信息的充足的紋理特征，而且用多特征向量表達的紋理維數(shù)很高，這就需要貝葉斯、最大似然、神經(jīng)網(wǎng)絡(luò)等復雜的分類器來比較模型特征和被檢特征[4].根據(jù)汽車零配件生產(chǎn)的實際情況，采用模板匹配法不需要復雜的算法，可以縮短開發(fā)周期.

文中機器人視覺系統(tǒng)模型如圖1所示，通過“培訓”即對零配件建立一個較為完整的模板信息模型，將目標零配件的目標信息模型與模板信息模型進行匹配，根據(jù)不同的“匹配度”對零配件進行質(zhì)量的判斷和分級.

1.2 表面檢測算法分析

為了獲取檢測對象的有效表面圖像并進行識別，需要對目標圖像進行一系列處理.其處理流程如圖2所示.

(1)圖像預(yù)處理:通過資料的查閱和實驗結(jié)果對比，汽車零配件的表面圖像中高斯噪聲的頻率最高，可使用二維高斯濾波器進行預(yù)處理.其中，二維高斯濾波公式可表示為:

圖1 視覺系統(tǒng)檢測算法模型

實際上σ越大其作用域就越寬，平滑的力度就越大，其結(jié)果是圖像越模糊.當σ2=0.5，系統(tǒng)可以得到3×3的濾波效果較好的模板.將含有噪聲的圖像與該模板做卷積后的結(jié)果作為后續(xù)處理的圖像.

圖2 圖像處理流程圖

(2)圖像分割:圖像分割采用閾值分割和邊緣檢測這兩種技術(shù).首先進行邊緣檢測以得到差分的灰度圖來找出物體邊緣，然后使用閾值分割二值化來突出圖像中感興趣的部分.文中采用Canny算子先對原圖像進行高斯平滑處理，再進行微分操作得到梯度圖，采用“非最大抑制”算法尋找圖像中的可能邊緣點，通過雙門限值遞歸尋找圖像邊緣點，得到單像素寬度邊緣圖[5].其算法流程如圖3所示.

圖3 Canny算子流程圖

在零配件的圖像分割中，除了獲得有效邊緣的信息外，還需進行圖片中區(qū)域的信息.利用閾值分割技術(shù)確定圖像中各像素點歸屬，獲得對應(yīng)的二值圖像.閾值分割操作可以被定義為:

這個定義式表示當圖像ROI內(nèi)灰度在所設(shè)定的灰度值范圍內(nèi)，將所選區(qū)域全部點輸送到輸出區(qū)域S內(nèi).

(3)缺陷檢測與特征識別:分塊圖像相減匹配檢測法的實質(zhì)是對小塊像素區(qū)域進行圖像相減模塊匹配，其基本思想如下:將目標圖像和模板圖像劃分成感興趣區(qū)域(ROI，Region Of Interest)和不感興趣區(qū)域，感興趣區(qū)域分為N×N的區(qū)域塊，不感興趣區(qū)域不劃分.檢測過程中，無需對所有的像素全部加入匹配檢測，只需對感興趣區(qū)域進行操作.在感興趣區(qū)，基于模板匹配法選定參考點，將對應(yīng)子區(qū)域與數(shù)據(jù)庫中相應(yīng)模塊圖像相減匹配檢測，進而根據(jù)子區(qū)域的相關(guān)系數(shù)來判斷目標圖像的圖像質(zhì)量是否相似.分塊圖像相減匹配檢測法流程如圖4所示:

圖4 分塊圖像相減匹配檢測法流程

為了得到更準確的檢測結(jié)果可用數(shù)學形態(tài)學方法對瑕疵邊界缺損進行補償.由于篇幅的限制，這里將不做介紹.

2 機器人視覺仿真系統(tǒng)設(shè)計

本文建立以西門子S7－300 PLC為控制核心、西門子視覺傳感器VS120和VS130－2為主要檢測單元的硬件平臺，并通過Profinet、Profibus等總線與ifix組態(tài)軟件開發(fā)的上位監(jiān)控平臺連接.由于篇幅的限制，下面簡要介紹S7－300 PLC部分程序和ifix的組態(tài)界面的開發(fā).

2.1 PLC控制程序設(shè)計

PLC程序的主體結(jié)構(gòu)如圖5所示.系統(tǒng)通過調(diào)用了FC1，F(xiàn)C2和FC3等功能來完成對視覺傳感器VS120和VS130－2的控制、讀取等操作，并實現(xiàn)零配件品質(zhì)分級控制.其中，F(xiàn)C1為VS120的控制程序和零配件的分級程序，F(xiàn)C1中調(diào)用了作為圖像處理算法程序的FB1功能塊和保存控制字和狀態(tài)字的DB1共享數(shù)據(jù)塊，將圖像處理的結(jié)果保存在DB10中，這個處理結(jié)果可以作為上位機組態(tài)分析和報表的重要數(shù)據(jù).

圖5 視覺系統(tǒng)PLC程序主體結(jié)構(gòu)圖

本文使用了視覺傳感器VS120可完成的3種功能中的“正確性判斷”和“完整性判斷”兩種功能.系統(tǒng)將圖像的處理程序封裝在FB1功能塊中可以使FC1方便的調(diào)用功能塊.如圖6所示，F(xiàn)B1塊的I/O地址應(yīng)與VS120硬件組態(tài)設(shè)置一致.因此要做如下設(shè)置:Ladder control和Ladder status都設(shè)為2，LADDER RECEIVE和LADDER SEND都設(shè)為280.同時我們分配了 M301.0－M301.7作為圖像處理結(jié)果的輸出，實現(xiàn)零配件的分級功能.

圖6 FB1功能塊圖

系統(tǒng)可根據(jù)分析的結(jié)果進行自動分級.其具體流程分析如下:在VS120運行狀態(tài)下，通過調(diào)整“TRG”管腳的變量M30.1的脈沖給定來完成的目標圖像讀取.如果目標圖像符合樣本中的圖形，則在“OK”管腳M301.4處輸出脈沖信號;如果不符合則在N_OK處M301.5輸出脈沖，如圖7所示.圖中Q0.0為檢測結(jié)果符合要求的零配件(合格品)的傳輸帶電機，Q0.1為次品時的傳輸電機.且合格與不合格的數(shù)量將自動保存到MW22和MW34中，以便建立報表和繪制零配件的質(zhì)量變化曲線.

2.2 ifix組態(tài)程序設(shè)計

ifix軟件內(nèi)置功能強大的VBA腳本編譯器，能實現(xiàn)復雜工程對軟件的要求.ADO組件集成在Visual Basic 6.0中，對于開發(fā)復雜系統(tǒng)的報表功能，采用ADO技術(shù)訪問ifix歷史數(shù)據(jù)庫實現(xiàn)報表非常靈活[6].同時采用Excel自帶的強大的函數(shù)和處理數(shù)據(jù)的能力，滿足系統(tǒng)對報表的需求.

本文介紹的汽車零配件檢測系統(tǒng)的歷史報表設(shè)計流程如圖8所示.

圖7 零配件分級plc程序

其中，系統(tǒng)讀寫二維碼信息和零件檢測的報表程序編寫(節(jié)選)如下:

圖8 汽車零配件報表設(shè)計流程

圖9 零配件判別圖

圖10 IFIX界面顯示

3 運行調(diào)試及其結(jié)果分析

3.1 機器人視覺仿真系統(tǒng)調(diào)試

文中設(shè)定方形邊框目標檢測的區(qū)域.經(jīng)過處理后的零配件圖像的數(shù)據(jù)如零配件偏轉(zhuǎn)角度，XY軸方向上位置和目標零配件與目標零配件的匹配程度都可以ifix上顯示，并可保存到歷史數(shù)據(jù)庫和Access數(shù)據(jù)庫中.圖9為完整的零配件模板和具有缺陷的零配件經(jīng)過表面檢測后的結(jié)果，這里假設(shè)被紙張掩蓋的零配件為有缺陷的零配件.檢測結(jié)果在ifix界面上顯示相似度只有73.2%，若系統(tǒng)設(shè)定不合格產(chǎn)品的閾值為90%，則判定其不合格產(chǎn)品，判定結(jié)果如圖10所示.

3.2 圖像處理算子對最終結(jié)果的影響

文中選用的高斯濾波器、閾值分割、Canny邊緣檢測等算法都是基于分析各種相似功能的算子.主要影響因素有:①根據(jù)算子對零配件圖像處理要求和特點的滿足度大小來選擇算子，應(yīng)充分考慮各算子之間的銜接和匹配程度，這是影響最終的檢測精度的一個關(guān)鍵因素.②平滑濾波器的選用直接影響Canny算法的結(jié)果.選擇較小的濾波器產(chǎn)生的模糊效果也較少，可以檢測較小、變化明顯的細線.反之選擇較大的濾波器所產(chǎn)生的模糊效果也較多.選用二維高斯濾波，其計算量隨濾波模板寬度成線性增長而不是成平方增長，在一定程度上影響了濾波的質(zhì)量.④在進行閾值分割時，不同的閾值會影響二值化的結(jié)果，導致后續(xù)處理的結(jié)果.⑤在使用分塊圖像相減法獲取圖像的過程中，由于零配件旋轉(zhuǎn)、角度不一致等因素影響檢測區(qū)域的尋找結(jié)果，對于M×N較大的模板，像素點之間的比較會產(chǎn)生跳躍情況，從而無法很好的獲得目標圖像的ROI.

4 結(jié)束語

本文主要針對汽車零配件材料材質(zhì)多樣、樣式和功能復雜等特點，從圖像處理的角度出發(fā)，結(jié)合機器人視覺系統(tǒng)技術(shù)和汽車零配件的檢測工藝，使之滿足工業(yè)生產(chǎn)要求.實驗結(jié)果表明，該系統(tǒng)達到預(yù)期設(shè)計目標.

[1]山東重聯(lián).機器人技術(shù)在汽車制造行業(yè)中的應(yīng)用[Z].重聯(lián)車輛.

[2]王思為，朱明.基于DM642機器視覺系統(tǒng)的設(shè)計與實現(xiàn)[J].微計算機信息，2006:1－1.

[3]邦納機器視覺在汽車行業(yè)的應(yīng)用[EB/OL]http://www.autooo.net/autooo/yibiaoyiqi/news/2011 －05 －29/71849.html.

[4]溫兆麟.機器視覺新技術(shù)在自動表面檢測中的探討[J].廣州航海高等?？茖W校學報，2011，(4):28.

[5]陳宏申，李環(huán).Canny邊緣檢測算法在機器人視覺中的應(yīng)用[J].現(xiàn)代計算機(下半月版)，2011，(11):18.

[6]中國百科網(wǎng).基于ADO技術(shù)的IFIX歷史報表的設(shè)計與實現(xiàn)[EB/OL]http://www.chinabaike.com/z/gyzd/493869.html.