張相勝， 王甫姜，鄔 鵬, 潘 豐

(江南大學 輕工過程先進控制教育部重點實驗室,江蘇 無錫 214122)

0 引 言

機器視覺技術(shù)在我國的汽車工業(yè)生產(chǎn)中應(yīng)用普遍。目前，國內(nèi)工廠對安全氣囊表面缺陷的檢測還處于人工肉眼判別階段，而非接觸式測量方法,通過視覺檢測技術(shù)可以有效避免傳統(tǒng)的人工測量方式對工件可能產(chǎn)生的二次傷害，以及傳統(tǒng)方式中只能對產(chǎn)品進行抽檢不夠全面，以及人工檢測疲勞、情緒等的影響。提升了檢測的效率，且可以根據(jù)檢測的要求提升檢測的精度，檢測到人眼無法檢測的缺陷。

氣囊封條的加工包括點膠、絲印、貼裝等步驟，因而會存在污漬、露白、缺損而影響到產(chǎn)品的外觀。為了提升產(chǎn)品檢測的效率，需對氣囊封條進行快速檢測，其次要保證傳送帶在傳輸過程中的穩(wěn)定性以及檢測的精度。本文主要借助MVTec公司研發(fā)的HALCON軟件處理相機采集氣囊封條圖像，運營形態(tài)學、匹配測量、XLD等技術(shù)為氣囊封條表面缺陷檢測的實現(xiàn)提供可靠、穩(wěn)定的保障。

1 機器視覺系統(tǒng)與系統(tǒng)檢測過程

本文視覺系統(tǒng)硬件由編碼器[1]、面陣相機(Basler acA2000—50 gm GigE)、面陣鏡頭、采集卡、光源、工控機，封條貼片傳送帶等組成。軟件采用HALCON12.0和Microsoft Visual Studio 2012混合編程，實現(xiàn)封條表面缺陷檢測。機器視覺系統(tǒng)簡圖如圖1所示。

圖1 機器視覺系統(tǒng)簡圖

2 基于HALCON的氣囊封條缺陷檢測

2.1 圖像采集

圖像采集主要是通過面陣相機正面打光采集氣囊封條表面圖像。通過open_framegrabber可以打開和配置圖像采集設(shè)備[2]會產(chǎn)生較大畸變，影響到圖像檢測的精度。因此，在采集圖像之前，固定好相機的位置之后需要對相機進行標定。截取采集到的氣囊封條部分的圖像，如圖2所示。

圖2 面陣相機采集圖像(部分截圖)

2.2 圖像預(yù)處理

視覺系統(tǒng)采集的圖像為RGB 3通道彩色圖像，為了便于后期對圖像表面缺陷點的檢測，需要將RGB彩色圖像通過rgb_to_gray轉(zhuǎn)換為灰度圖像，將3個顏色分量按照一定的權(quán)重系數(shù)加權(quán)求和，加權(quán)求和數(shù)學模型為

f=w1R+w2G+w3B

(1)

式中w1,w2,w3為權(quán)重系數(shù)，前提是權(quán)重系數(shù)的線性組合效果和原圖像信息能夠不失真表達。根據(jù)國內(nèi)外形態(tài)學大量的測量研究證明(0.299，0.587，0.114)的配置比例剛好滿足系統(tǒng)的檢測要求。

由于工業(yè)現(xiàn)場環(huán)境的多變性，包括光線強度的變化以及室內(nèi)溫度的變化，會對采集到的圖像產(chǎn)生噪聲干擾，噪聲會影響到圖像分割、特征提取精度，導致測量準確度降低，因此需要對圖像進行去噪處理。常用的去噪方法有均值濾波、中值濾波、維納濾波。

1)均值濾波：通常采用鄰域平均法，即由圖像的局部均值代替原先圖像的像素點，假設(shè)有一幅M×N像素大小的圖像gn(i,j)，均值處理之后得到圖像平均像素值Z(i,j)

(2)

式中g(shù)n(i,j)為該幅圖像中第n個位置點的像素值。

2)中值濾波：均值濾波是圖像預(yù)處理中常用的技術(shù)方法，也是常用的非線性濾波方法，在去除圖像噪聲的同時能很好地保護圖像的邊緣。

均值濾波與中值均能夠起到平滑圖像去除噪聲的作用。均值濾波處理速度較快，算法簡單，但是只是微弱地減弱噪聲而且可能會破壞圖像的細節(jié)。中值濾波不僅可以選擇適當?shù)狞c代替原像素點，而且加權(quán)中值濾波還可以很好地改進邊緣信號。如圖3所示。

圖3 濾波處理

2.3 數(shù)學形態(tài)學識別算法

在氣囊封條表面缺陷的檢測過程中,由于傳送帶速度較快時容易引起機械的抖動，從而會導致封條會船在一定程度的偏移。本文主要采用模板匹配[3]實現(xiàn)復雜工業(yè)環(huán)境下的定位與檢測。即從原標準圖像中取出一個較小的圖像模板，將該模板與原圖進行比對，達到設(shè)定的相似度即可確定待檢測封條的位置、方向?；诜鈼l灰度值與基于封條形狀匹配流程均為圖4流程。

圖4 匹配流程

當模板在圖像中滑動時，可以采用基于灰度值的匹配常用的兩種相似度函數(shù)[4]：SAD(模板與圖像差的絕對值的和)或者SSD(模板與圖像之間差的平方和)，即

(3)

式中t(r,c)為模板圖像T行r列c的灰度值，f(r+u,c+v)為待測圖像行為r+u,列為c+v的灰度值。在實際的工業(yè)環(huán)境中會存在諸多變化比如光照，此時圖像的灰度值會受到光照強弱的變化而變化，故需要歸一化相關(guān)系數(shù)，使圖像亮度變化不敏感，具有較強的魯棒性。計算公式為

(4)

歸一化相關(guān)系數(shù)匹配適合物體輕微的變形，以及光照的(線性)變化。

目前工業(yè)上比較多的采用基于形狀的匹配，基于形狀的匹配可以消除物體部分被遮擋與光照不均對系統(tǒng)造成的影響，且可以忽略掉匹配過程中物件的偏位、轉(zhuǎn)動、大小變化等影響。

而對于物件的模板匹配，則可以理解成高級的匹配方法，當物件之間存在偏位時，基于形狀的匹配需要訓練多個模板，一般的工業(yè)產(chǎn)品部件之間的位置距離、方向為固定的數(shù)值關(guān)系，因此,采用基于模板匹配的方法只需要搜索出其中的一個部件便可明確其余部分的搜索方向、距離大小，可以節(jié)約系統(tǒng)處理的時間，速度得到了極大提升。

本文用誤差平方和來衡量原圖與模板區(qū)別。設(shè)f(x,y)為M×N的源圖，h(u,v)為U×V的模板圖像,表達式為

(5)

整理后，可得

(6)

當F(x,y)匹配失敗時，需要歸一化互相關(guān)[5]作為誤差平方和來進行匹配，公式為

(7)

這兩種相似函數(shù)在環(huán)境穩(wěn)定的情況下可以穩(wěn)定匹配出圖像，但當環(huán)境不穩(wěn)定，如過度遮擋與光照過度變化時，相似度函數(shù)計算出來的結(jié)果誤差較大，影響生產(chǎn)過程。

2.4 缺陷檢測

經(jīng)過以上步驟處理，調(diào)用HALCON中對應(yīng)的算子可以檢測到封條表面的污漬、露白、劃痕等點、線缺陷[6]，以及點、線缺陷在圖像中的坐標位置以及面積大小。為了突出顯示缺陷部分，已將缺陷部分放大，如圖5所示。

圖5 檢測結(jié)果

3 結(jié)束語

本文設(shè)計的氣囊封條貼片檢測系統(tǒng)基本實現(xiàn)了快速、精準對氣囊封條表面的缺陷進行檢測，通過HALCON對采集的圖像進行檢測達到對氣囊封條實現(xiàn)零漏檢的目標，實時性和準確性均能滿足客戶對系統(tǒng)的要求，同時可以減少氣囊安全事故，為人們的出行提供了很好的保障。