葉　鵬，高興宇

(1.桂林電子科技大學 電子工程與自動化學院，廣西 桂林　541004;2.桂林電子科技大學 機電工程學院，廣西 桂林　541004)

?

基于機器視覺的工業(yè)零件通用檢測平臺

葉鵬1，高興宇2

(1.桂林電子科技大學 電子工程與自動化學院，廣西 桂林541004;2.桂林電子科技大學 機電工程學院，廣西 桂林541004)

針對人工檢測工業(yè)零件效率低的問題，采用機器視覺檢測的方法，開發(fā)了一套完整的高速檢測平臺。該平臺在傳統(tǒng)的圖像調(diào)焦基礎上，采用Variance函數(shù)進行粗調(diào)、Roberts梯度和函數(shù)進行微調(diào)的搜索算法。實驗結(jié)果表明，該平臺平均檢測時間為3.246 s，滿足了工業(yè)實時在線檢測的要求。

零件檢測；機器視覺；調(diào)焦評價函數(shù)

在工業(yè)零件的大批量生產(chǎn)過程中，為了保證成品零件的產(chǎn)品質(zhì)量，提高零件的生產(chǎn)效率，必須對成品零件進行100%在線檢測[1]。然而，隨著工業(yè)零件日趨朝著多樣化的趨勢發(fā)展，其檢測要求以及工藝難度也不斷加大，傳統(tǒng)的人工檢測不僅耗時耗力，而且無法保證檢測的精度和速度。

近些年來，機器視覺檢測技術發(fā)展迅速，越來越多的工業(yè)檢測采用機器視覺檢測方法。俞甫[2]設計一種基于機器視覺的特定領域搜索法檢測磁環(huán)多表面缺陷，解決了人工檢測效率低、精度不高的缺點；田原嫄等[3]提出超分辨率重構(gòu)技術用于零件尺寸非接觸測量；顧勇等[4]利用圖像濾波、二值化和邊緣檢測的方法快速有效地對啤酒瓶進行檢測；劉泉等[5]運用數(shù)學形態(tài)學和模式識別的方法檢測PCB面板的短路缺陷。然而上述檢測方法僅僅用于單個產(chǎn)品的檢測，無法進行通用化，使得檢測成本過高。為此，采用機器視覺的方法，開發(fā)具有自主知識產(chǎn)權的高速通用機器視覺檢測平臺。

1　通用視覺檢測平臺設計方案

所設計的機器視覺平臺是一個通用型的多功能視覺檢測實驗設備，其整體結(jié)構(gòu)圖如圖1所示。被檢測產(chǎn)品通過傳送帶進入檢測區(qū)域，觸發(fā)激光傳感器。當激光傳感器接收到零件到達位置的信號，反饋給PC機，此時PC機發(fā)送采集信號，圖像采集系統(tǒng)對平臺上的零件進行采集，獲取零件的圖像后傳送給PC機，PC機對圖像進行處理分析，發(fā)出聚焦命令，Z軸電機移動，到達合適位置，再反饋給PC機，PC機發(fā)出拍照指令。PC機讀取圖像并進行實時處理，根據(jù)零件檢測要求判斷合格與否，達到自動識別。若發(fā)現(xiàn)次品，PC機向運動控制系統(tǒng)發(fā)出指令，控制系統(tǒng)控制剔除系統(tǒng)的氣動夾持手[6]，當不合格零件到達指定位置時將其從傳送平臺移到不合格區(qū)域。在整個系統(tǒng)平臺上，工業(yè)相機、光源以及傳感器等都可以根據(jù)被檢測物體的大小、形狀和光照方式的不同而做出相應的調(diào)整，實現(xiàn)多功能的通用在線檢測。

圖1　整體結(jié)構(gòu)Fig.1　Overall structure

2　整體平臺硬件設計

如圖2所示，機器視覺檢測平臺整體分為圖像采集系統(tǒng)、控制系統(tǒng)及篩選系統(tǒng)。

圖2　控制系統(tǒng)結(jié)構(gòu)Fig.2　Structure of control system

2.1圖像采集系統(tǒng)

在機器視覺平臺中，合理選擇相應的設備，獲取質(zhì)量好、可清晰反映零件的圖像特征是本系統(tǒng)重要的環(huán)節(jié)之一。圖像采集系統(tǒng)是由工業(yè)相機、鏡頭、光源及圖像處理設備組成。工業(yè)相機采用光學尺寸1/2.5″、分辨率為2592 px×1944 px、2.2 μm×2.2 μm的維視MV-EM500M；鏡頭采用DT系列連續(xù)變倍鏡頭，安裝在垂直于底部的滑臺模組上，俯視平臺，通過步進電機調(diào)節(jié)運行；光源采用AFT-WL系列可調(diào)式LED條形光源，可從任何角度提供斜射照明。計算機處理采集后的圖像數(shù)據(jù)經(jīng)分析計算后將相應的指令發(fā)送給控制系統(tǒng)。

2.2中心控制單元

控制系統(tǒng)主要包括鏡頭調(diào)焦電機、傳送平臺、激光傳感器、光源以及篩選系統(tǒng)。控制系統(tǒng)的控制模式以PC機為平臺、以微控制器為核心協(xié)調(diào)工作。通過PC機控制程序編輯、人機界面管理等功能；微控制器用來管理子程序以及機械本體的運動控制和邏輯控制，支持用戶的開發(fā)和擴展，并具有上、下2級的開放性。

中心控制單元采用STM32f103RCT6[7]為主控芯片，該芯片是一款基于ARM Cortex-M3內(nèi)核的32位處理器，具有功耗控制與眾多外設。其工作頻率為72 MHz，工作電壓為2.0～3.6 V，具有7個16位定時器，2個ADC，13個通信接口，支持USART、SPI、CAN、USB等通信接口，可實現(xiàn)紅外、CAN總線、GPRS等數(shù)據(jù)傳輸，滿足功能需求。該芯片自帶單周期的硬件乘法器，大大提高了運算速度，其代碼密度比普通的32位單片機省30%～45%，比16位單片機省50%。

2.3步進電機與驅(qū)動電路

本系統(tǒng)中鏡頭調(diào)焦和篩選系統(tǒng)采用57系列和84系列的步進電機。步進電機必須有控制器和驅(qū)動器[8]才能工作。如圖3所示，本系統(tǒng)驅(qū)動器采用2HSS86H閉環(huán)步進電機驅(qū)動器。2HSS86H混合式步進伺服驅(qū)動系統(tǒng)是在數(shù)字步進驅(qū)動中融合了伺服控制系統(tǒng)，采用典型的三環(huán)控制方法(位置回路、速度回路以及電流回路)，兼容步進和伺服雙重特點，適合驅(qū)動兩相混合式步進電機，是一款性價比極高的運動控制產(chǎn)品。該驅(qū)動器具有光隔離故障報警輸出接口ALM，且具有接近100%的力矩輸出，其細分設定范圍為2～256，手動撥碼細分為800～40 000。

圖3　步進電機驅(qū)動器示意圖Fig.3　Stepper motor driver

3　系統(tǒng)軟件組成

當被檢測零件通過傳送帶運送到圖像采集區(qū)域時，激光傳感器反饋給中心控制單元，發(fā)送命令給相機進行圖像采集。由于本系統(tǒng)適用于多種零件采集，因此，每種零件第一次采集時都需要進行自動調(diào)焦，使采集的圖像達到最清晰的程度，提高篩選的準確率。

3.1調(diào)焦算法的設計

國內(nèi)外學者提出了多種調(diào)焦函數(shù)[9]，但是不同的調(diào)焦函數(shù)只對1種或者幾種圖像具有良好的效果。其中Variance函數(shù)具有較大的調(diào)焦范圍，適用于大范圍粗調(diào)焦，而Roberts梯度和函數(shù)穩(wěn)定性好，在焦點附近具有較高的靈敏度，適用于小范圍的調(diào)焦。

傳統(tǒng)的單倍全圖搜索系統(tǒng)[10]由于時間過長已無法滿足本平臺的要求?；赗oberts梯度和函數(shù)及Variance函數(shù)的特點，設計了一種粗調(diào)與微調(diào)相結(jié)合的自動調(diào)焦算法。步進電機從初始位置以較大的步長運行，鏡頭每走一步都要記錄當前的位置，并用Variance函數(shù)計算當前的清晰度fn，將后一次采集的清晰度值與前一次采集的清晰度值相比較，直到出現(xiàn)連續(xù)2次前一次小于后一次為止。此時，找出清晰度最大值，并將鏡頭快速調(diào)到最大值相應的位置，粗調(diào)完畢。

步進電機從當前位置以較小的步長正向運行，用Roberts梯度和函數(shù)計算當前清晰度，將后一次采集的清晰度與前一次采集的清晰度比較，若清晰度值增大，則繼續(xù)同方向運行，如清晰度值減小，則反向?qū)ふ?，此時將步長設置為當前步長的0.5倍，即每次尋找到峰值后，步長減半。如此反復，直到清晰度值達到所設定的閾值，調(diào)焦完畢。自動調(diào)焦流程圖如圖4所示。

3.2檢測平臺軟件流程

基于機器視覺的工業(yè)零件通用檢測平臺軟件主要包括參數(shù)設置、圖像采集和圖像處理。初始化系統(tǒng)，配置STM32的USART、內(nèi)部時鐘、中斷和按鍵等外設接口。初始化成功后，被檢測零件通過傳送帶進入檢測區(qū)域，采用Variance函數(shù)及Roberts梯度和函數(shù)進行初次調(diào)焦，到達合適位置進行圖像采集。采用中值濾波和二值化分割[11]的方法，對圖像進行預處理。中值濾波是將區(qū)域內(nèi)所有的像素灰度值排列，取中值后將中心灰度值替換；二值化選取一個分割閾值，將大于閾值的像素認為是白點，小于閾值的為黑點，通過適當?shù)膱D像二值化分割，可以得到特征明顯的圖像，之后進行目標區(qū)域提取，判斷零件是否符合設定的條件。若條件符合，累加器自動累加；若條件不符合，啟動氣動夾持手，將零件夾到指定不合格區(qū)域。軟件流程如圖5所示。

圖4　自動調(diào)焦流程圖Fig.4　Flow chart of automatic focus

圖5　軟件流程Fig.5　Flow chart of software

4　實驗結(jié)果與分析

4.1圖像采集系統(tǒng)實驗驗證

采用Roberts梯度和函數(shù)及Variance函數(shù)，針對同一組圖像進行處理，其中步進電機設置為16細分，采用單步運行的方法，每一步運行0.012 5 mm。圖6為在本系統(tǒng)下對同一目標從同一近端離焦位置到達同一遠端離焦位置采用Roberts梯度和函數(shù)及Variance函數(shù)的調(diào)焦曲線。從圖6(a)和圖6(b)可看出，Roberts梯度和函數(shù)及Variance函數(shù)的曲線平滑，且只有一個極值點，而且峰值點所到達的位置一致，適合本系統(tǒng)調(diào)焦。其中，Variance函數(shù)靈敏度較低，在接近峰值區(qū)域時，有極大的響應值，適合前期的粗調(diào)；而Roberts梯度和函數(shù)在焦點附近有較高的靈敏度，適合后期的微調(diào)。

采用Roberts梯度和函數(shù)及Variance函數(shù)進行本系統(tǒng)的粗調(diào)和微調(diào)，從圖6(c)和圖6(d)可看出，Variance函數(shù)大大縮短了尋找峰值區(qū)域的時間，Roberts梯度和函數(shù)在此區(qū)域內(nèi)準確地尋找到調(diào)焦點。最后應用Variance函數(shù)進行粗調(diào)以及Roberts梯度和函數(shù)進行微調(diào)，從圖6(e)和圖6(f)可看出，全圖調(diào)焦采用的反向變倍法比單倍調(diào)焦法在微調(diào)上大大縮短了調(diào)焦時間。

圖6　調(diào)焦曲線Fig.6　Focusing curve

4.2整機運行實驗

將系統(tǒng)初始化，設定軟硬件參數(shù)，將零件放入傳送帶上進行首次檢測系統(tǒng)自動調(diào)焦。鏡頭位置固定后，對同一零件進行檢測，重復檢測10次，零件送入檢測平臺到離開檢測平臺的時間記為單次檢測時間。通過統(tǒng)計，工業(yè)零件的平均檢測時間為3.246 s，能滿足實時在線檢測的要求。圖7為實驗采集的圖像。從圖7可看出，調(diào)焦過程中圖像由模糊變?yōu)榍逦D8為平臺的軟件界面。

圖7　實驗采集的圖像Fig.7　Collected images in the experiment

圖8　軟件界面Fig.8　Software interface

5　結(jié)束語

針對人工檢測工業(yè)零件效率低的問題，采用機器視覺檢測的方法，開發(fā)了一套完整的高速檢測平臺，實現(xiàn)了對成品零件的100%高速實時在線檢測。在圖像采集階段，提出了粗調(diào)采用Variance函數(shù)、微調(diào)采用Roberts梯度和函數(shù)相結(jié)合的調(diào)焦算法，極大縮短了圖像采集的時間。實驗結(jié)果表明，所提出的優(yōu)化算法提高了檢測效率，整機檢測運行良好?？梢栽诖似脚_上二次開發(fā)，完成更加復雜的機器視覺檢測項目。

[1]伍濟鋼，賓鴻贊.薄片零件尺寸機器視覺檢測系統(tǒng)研究與開發(fā)[J].機床與液壓，2010,38(17):86-88.

[2]俞甫.基于機器視覺的磁環(huán)多表面缺陷檢測系統(tǒng)研究[D].杭州：中國計量學院，2013:1-8.

[3]田原嫄，黃合成，譚慶昌，等.基于機器視覺的零件尺寸測量[J].激光與光電子學進展，2010(1):82-90.

[4]顧勇，何明昕.基于機器視覺的啤酒瓶檢測系統(tǒng)研究[J].計算機工程與設計，2012,33(1):248-253.

[5]劉泉，胡文娟.基于機器視覺的PCB缺陷檢測系統(tǒng)設計與研究[J].電子器件，2007,30(2):550-553.

[6]楊益，鐘以波.串聯(lián)氣缸驅(qū)動的工業(yè)機械手外夾持裝置[J].機床與液壓，2013,41(10):95-96.

[7]李秋雙，原明亭.基于STM32芯片的電能質(zhì)量在線檢測裝置的設計與實現(xiàn)[J].現(xiàn)代電子技術，2012,35(20):180-182.

[8]董曉慶，黃杰賢，張順揚.步進電機驅(qū)動器的關鍵技術研究[J].單片機與嵌入式系統(tǒng)應用，2008(6):14-17.

[9]劉力雙，孫雙花，呂乃光.視覺系統(tǒng)中調(diào)焦函數(shù)的選擇方法研究[J].北京機械工業(yè)學院學報，2008,23(1):1-4.

[10]麻恒闊，魏國強.基于圖像處理自動調(diào)焦方法的穩(wěn)定性研究[J].航空精密制造技術，2007,43(2):33-36.

[11]羅鈞，黃俊.基于機器視覺的二維小尺寸精密測量系統(tǒng)[J].計算機測量與控制，2007,15(1):11-13.

編輯：翁史振

General detection platform for industrial parts based on machine vision

YE Peng1, GAO Xingyu2

(1.School of Electronic Engineering and Automation, Guilin University of Electronic Technology, Guilin 541004, China;2.School of Mechatronic Engineering, Guilin University of Electronic Technology, Guilin 541004, China)

In view of low efficiency of industrial parts, the machine vision inspection method is used to develop a complete set of high speed testing platform. On the basis of traditional image focusing, variance function is adopted for coarse tuning and the search algorithm of Roberts gradient sum function is adopted for fine tuning. The experimental results show that the average test time is 3.246 s in this platform and meets the requirements of industrial real-time online detection.

parts inspection; machine vision; focusing evaluation function

2016-01-07

廣西制造系統(tǒng)與先進制造技術重點實驗室主任基金(桂科能10-046-07-007)；廣西信息實驗科學中心基金(LD13104X)

高興宇(1981-)，男，遼寧鐵嶺人，教授，博士，研究方向為光機電一體化技術、光學系統(tǒng)設計技術等。E-mail:gxy1981@guet.edu.cn

TP391.7

A

1673-808X(2016)03-0226-05

引文格式： 葉鵬，高興宇.基于機器視覺的工業(yè)零件通用檢測平臺[J].桂林電子科技大學學報，2016,36(3):226-230.