柯澤豪

（廣東石油化工學(xué)院，廣東 茂名 525000）

每學(xué)期的金工實習(xí)結(jié)束后，鉗工工種都有大量上交的工件用于評價學(xué)生對該工種的技術(shù)掌握情況。傳統(tǒng)的測量就是由老師人工測量并且給定分?jǐn)?shù)，而且需要用各種精密量具才能完成尺寸測量評分。而隨著圖像處理技術(shù)的飛快發(fā)展，視覺測量已經(jīng)在各個領(lǐng)域得到了廣泛的應(yīng)用，尤其在尺寸測量上有著精度高效率高的好處。本文根據(jù)圖1考核件，設(shè)計了一套視覺測量平臺。

圖1 考核件

1 金工測量評分系統(tǒng)設(shè)計

金工測量評分系統(tǒng)由硬件平臺以及軟件系統(tǒng)組成，其工作流程大致如圖2所示。

圖2 測量系統(tǒng)工作流程

1.1 硬件平臺的架構(gòu)

如圖3所示，硬件平臺由工業(yè)相機、鏡頭、光源、圖像采集卡與主機構(gòu)成。其中選用300W像素，分辨率為2048×1536的工業(yè)相機，鏡頭的主要參數(shù)焦距2.8～12mm，靶面尺寸1/2.7。

圖3 視覺硬件平臺

1.2 軟件設(shè)計

在檢測系統(tǒng)中，由于工件在實驗平臺上放置的位置是多變的，人為地放置工件幾乎不存在兩次放置在同一位置，并且實驗室里光線照射不理想。而機器視覺對圖像要求極其苛刻，任何位置的偏差都可能計算出不同的尺寸，導(dǎo)致精度達(dá)不到要求。因此我們重點優(yōu)化了光源系統(tǒng)以及采用了Halcon里的基于形狀的模板匹配來對圖像進(jìn)行處理。

1.2.1 打光的目的及重要性

目的：將被測物體與背景盡量明顯分別，獲得高品質(zhì)、高對比度的圖像。

重要性：直接影響處理精度和速度，甚至系統(tǒng)的成敗。

要明確光源的好壞，直接決定了項目的成敗。軟件不是萬能的，想通過軟件來彌補打光的不足很難。而要對工件進(jìn)行測量，就必須將工件單獨分離出來進(jìn)行處理。好的打光能高效地解決這方面的問題，如圖4，采用的是背面向上光源進(jìn)行打光，工件進(jìn)行打光后，背景幾乎全白，工件幾乎全黑，整體與背景形成高對比度。此時，再對其進(jìn)行閾值分割，得到圖5效果，實現(xiàn)工件與背景的分離，便于后續(xù)進(jìn)行測量。

圖4 打光后

圖5 打光后閾值分割工件

1.2.2 識別定位

在檢測系統(tǒng)中，識別定位是最關(guān)鍵的一環(huán)，因為它可以決定測量計算的尺寸精度。因此我們結(jié)合實驗實際情況考慮，采用了Halcon里面的基于形狀模板匹配來進(jìn)行定位基于形狀的匹配，就是使用目標(biāo)對象的輪廓形狀來描述模板，其原理是提取ROI中的邊緣特征，結(jié)合灰度信息創(chuàng)建模板，并根據(jù)模板的大小和清晰度的要求生成多層級的圖像金字塔模型。接著在圖像金字塔層中自上而下逐層搜索模板圖像，直到搜索到最底層或得到正確的匹配結(jié)果為止，圖6為幾何定位流程。

圖6 幾何定位流程

其中利用算子create_scaled_shape_model（x、y軸等比縮放模板）實現(xiàn)創(chuàng)建模板，然后根據(jù)希望得到的模板輪廓調(diào)整主要參數(shù)，例如金字塔等級、對比度、起始角度，角度范圍、角度步長、優(yōu)化算法、亞像素精度等等。在創(chuàng)建模板之后，利用find_scaled_shape_model（x、y軸等比縮放模板）匹配圖像中的物體，可得到模板匹配中心x、y軸坐標(biāo)以及模板旋轉(zhuǎn)角3個參數(shù)。如圖7所示。

圖7 模板匹配工件

2 實驗過程

基于C#的dotnet3.5以及WinForms平臺編寫出一個軟件，把HALCON對考核件識別測量的視覺算法流程進(jìn)行封裝編寫。隨后把學(xué)生工件放到平臺進(jìn)行實驗，運行結(jié)果如圖8所示。

圖8 軟件運行界面

隨后再利用C#調(diào)用數(shù)據(jù)庫，將數(shù)據(jù)錄入Excel表格中，得到學(xué)生的各個部分的得分詳情，可以取代人工錄入這一煩瑣的步驟，并且避免了人工錄入產(chǎn)生的失誤。

3 實驗結(jié)論

經(jīng)過反復(fù)實驗測試后，評分系統(tǒng)對學(xué)生工件的評分所花費的時間比起人工評定快了3倍，并且其尺寸精度與實際測量的最大誤差在0.05mm，符合評分所允許的最大誤差。也就是說，該評分系統(tǒng)極大地提高了老師對學(xué)生評分的工作效率，可以解放評分老師在這方面的勞動力去做其他的事情。