陳思宇,慕麗,王欣威

(沈陽理工大學(xué)機械工程學(xué)院，遼寧沈陽 110159)

0 前言

隨著科技的進(jìn)步，自動化在人類社會中扮演的角色越來越重要，尤其是在制造業(yè)當(dāng)中。機器視覺技術(shù)應(yīng)運而生。機器視覺技術(shù)的應(yīng)用領(lǐng)域非常廣泛且復(fù)雜，大部分行業(yè)主要是依靠機器視覺技術(shù)作為眼睛和腦袋代替人類進(jìn)入一些工作環(huán)境較為復(fù)雜或者是單一重復(fù)的工作場景中工作，利用其自身自動化程度高的優(yōu)勢，解決人工無法作業(yè)的問題，并且節(jié)省了大量的勞動力，從而提高了生產(chǎn)效率和自動化程度。大部分機器視覺系統(tǒng)主要包括兩部分，一部分是硬件系統(tǒng)的選取，另一部分是軟件系統(tǒng)的設(shè)計。對于現(xiàn)有項目的研究，本文作者主要論述了應(yīng)用機器視覺相關(guān)技術(shù)對含有多條譜線的涂層板邊緣進(jìn)行提取。傳統(tǒng)的譜線提取大多是基于人工識別獲取坐標(biāo)點的方法進(jìn)行，不僅費時而且精度較低。而作者旨在建立一個實時在位檢測系統(tǒng)，縮短整個檢測過程的時間，提高檢測精度。檢測系統(tǒng)包括硬件結(jié)構(gòu)的搭建和軟件系統(tǒng)的編寫和優(yōu)化。系統(tǒng)的總體構(gòu)架如圖1所示。

圖1 系統(tǒng)總體構(gòu)架

1 硬件系統(tǒng)設(shè)計與選取

在機器視覺中硬件系統(tǒng)的選取與搭建尤為重要，甚至直接影響結(jié)果的準(zhǔn)確性。比如相機與鏡頭的選取以及安裝的方式等都與圖像的清晰度有密切的關(guān)系，如果采集到的圖像質(zhì)量不高，即使邊緣提取算法設(shè)計得再精準(zhǔn)，也很難得出較為精準(zhǔn)的答案。因此在機器視覺中硬件設(shè)備的選取是保證檢測結(jié)果準(zhǔn)確的第一步。

1.1 相機

相機是整個在位檢測視覺系統(tǒng)的核心設(shè)備。在此系統(tǒng)中，待檢測的涂層板上面的譜帶區(qū)域大多是彩色分區(qū)，所以應(yīng)首先考慮選用彩色相機，然后根據(jù)待檢測區(qū)域的大小，確定相機的像素大小。其中還應(yīng)根據(jù)經(jīng)驗選擇相機的傳感器尺寸，確定相機的輸出方式及標(biāo)準(zhǔn)(模擬/數(shù)字、速率等)。

綜上考慮，選取?？低暭夹g(shù)有限公司生產(chǎn)的型號為MV-CA050-10GM的面陣相機，其彩色相機使用的是Snoy的IMX264CMOS芯片，圖像質(zhì)量優(yōu)異且具有噪點低、分辨率高、性價比高等特點，在全分辨率下的最高幀率可達(dá)到24.1 fps。

1.2 鏡頭

鏡頭在機器視覺系統(tǒng)中的作用就等同于眼睛在人類視覺系統(tǒng)中的作用。根據(jù)實際的生產(chǎn)環(huán)境合理選擇鏡頭在機器視覺系統(tǒng)中尤為重要。鏡頭的好壞主要影響到采集到的圖像的清晰度以及放大倍數(shù)的高低。其中鏡頭的參數(shù)主要包括鏡頭的分辨率、景深、焦距和光圈等。

除了要根據(jù)以上參數(shù)選取鏡頭外還要考慮相機，相機與鏡頭合理配合，才能最大程度上提高圖像的清晰度。文中選擇的工業(yè)相機接口方式是C-Mount，所以鏡頭的接口要與之相配。工件與相機之間的實際高度大約是500 mm，視野范圍是800 mm×200 mm，因此選取的鏡頭的焦距為12 mm。綜合以上考慮，選取?？低暭夹g(shù)有限公司生產(chǎn)的KF-E系列12 mmFA鏡頭。

1.3 光源

在機械零件視覺檢測中，光源選取也在一定程度上影響成像質(zhì)量的好壞，決定整個檢測系統(tǒng)是否成功。合理的光學(xué)照明系統(tǒng)可以適當(dāng)?shù)赝怀龃龣z測零件中的有用信息，弱化無用信息，從而簡化后續(xù)的圖像預(yù)處理過程，保證成像的穩(wěn)定性，降低邊緣提取算法的復(fù)雜性。

根據(jù)檢測的譜線板上待提取的邊緣特征選用的是面光源，同時為了保證實驗的準(zhǔn)確性，排除一些外在因素的影響，設(shè)計了一個暗箱。暗箱選用黑色不透明鋁塑板，創(chuàng)造一個暗室環(huán)境。同時為了保證光源的穩(wěn)定性，需要將光源搭配光源控制器使用。光源控制器除了保證光源的穩(wěn)定性，還可以對光源的亮度進(jìn)行調(diào)節(jié)。

硬件全部選取完成后就可以進(jìn)行機器視覺系統(tǒng)的搭建，然后對搭建好的硬件系統(tǒng)進(jìn)行調(diào)試，以確保硬件之間不會發(fā)生干涉現(xiàn)象。調(diào)試好的系統(tǒng)如圖2所示。

圖2 硬件系統(tǒng)

2 軟件系統(tǒng)設(shè)計與實現(xiàn)

軟件系統(tǒng)的設(shè)計流程如圖3所示。首先拍取待檢測涂層板，然后對該圖像進(jìn)行標(biāo)定來確定坐標(biāo)系統(tǒng)；接下來對圖像進(jìn)行預(yù)處理，消除圖像中的無關(guān)信息，使關(guān)鍵信息最大化地體現(xiàn)出來；然后提取譜帶的邊緣，得到的坐標(biāo)點發(fā)送到控制器中，進(jìn)行后續(xù)的操作。

圖3 軟件系統(tǒng)流程

2.1 軟件系統(tǒng)設(shè)計

利用LabVIEW和MATLAB兩個軟件進(jìn)行混合編程，主要是利用各自的優(yōu)勢：首先LabVIEW可以與市面上大多數(shù)的工業(yè)設(shè)備進(jìn)行良好的通信，并且其中包含大量的視覺處理函數(shù)，最主要的是它采用的圖形化編程方法更加直觀清晰；而MATLAB包含強大的數(shù)據(jù)庫，可以實現(xiàn)算法上的突破，在精度與速度上具有優(yōu)越性。用LabVIEW中的VA助手將編好的程序?qū)С蒝I程序中可以縮減圖像處理的時間，而且LabVIEW可嵌入MathScript節(jié)點，其語法和函數(shù)與MATLAB非常相似，因此可以在LabVIEW中編寫MATLAB程序，從而通過調(diào)用MATLAB中的程序來提高系統(tǒng)檢測的精度與速度。

2.2 被測對象圖像的獲取

此次的被測對象主要是涂層板。涂層板是一塊長為800 mm、寬為200 mm的鋁型板材，其中展開板上面的白色涂層為硅膠，其上的彩色物質(zhì)是從草藥中提取到的各種成分。實驗?zāi)康闹饕抢脭?shù)控機床對涂層板上同一顏色區(qū)域進(jìn)行刮取與收集。其中涂層板如圖4所示。

圖4 涂層板示意

在實驗過程中，當(dāng)被測對象達(dá)到指定位置后，光源打開，相機拍攝圖片并將拍好的圖片傳輸給計算機進(jìn)行后續(xù)處理。編寫程序框圖，程序編寫主要是運用了隊列的思想，涂層板到位后先打開相機，然后觸發(fā)拍照機制采集涂層板圖像，然后關(guān)閉相機，涂層板進(jìn)入待處理區(qū)。在LabVIEW中進(jìn)行圖像采集程序的編寫，程序框圖如圖5所示。

圖5 圖像采集程序框圖

2.3 圖像標(biāo)定

相機采集到的圖像是以像素尺寸為單位的，與實際的坐標(biāo)尺寸不一致，相機標(biāo)定的目的就是為了將像素坐標(biāo)與真實物理坐標(biāo)相對應(yīng)。需要注意的是標(biāo)定完成之后的系統(tǒng)中被測件與相機的相對位置不可改變。此測試系統(tǒng)選用的標(biāo)定方式為簡單標(biāo)定。

2.4 圖像預(yù)處理

在位檢測系統(tǒng)進(jìn)行完圖像采集以及系統(tǒng)標(biāo)定之后，就可以進(jìn)行圖像分析。但是在實際的采集環(huán)境中不可避免地會受到一些不利影響，例如光照的影響、加工環(huán)境中的灰塵等因素，從而使采集到的圖像不是很理想，有的會摻雜一些無關(guān)信號，有的會缺少圖像中的關(guān)鍵信息，所以對圖像進(jìn)行預(yù)處理至關(guān)重要。圖像的預(yù)處理方法有很多種，例如灰度變換、二值化、圖像均衡化、圖像形態(tài)學(xué)變換、對比度改善等。文中的重點主要是多條譜線邊緣的提取且圖像中的噪聲基本可以忽略不計，所以文中主要用到的預(yù)處理方法是灰度變換和彩色圖像的均衡化。

2.4.1 灰度變換

在圖像的邊緣提取中，大多數(shù)的算法都是基于灰度信息進(jìn)行提取的?；叶茸儞Q主要是過濾掉彩色圖像中包含的彩色信息，選擇自己所需的灰度平面信息。與彩色圖像相比，計算機處理灰度圖片會相對簡單一點。灰度變換主要有3種方法：平均值法、最大值法、加權(quán)平均值法。本文作者對3種方法分別進(jìn)行實驗，得到較為清晰的圖像如圖6所示。

圖6 被測件灰度變換

2.4.2 彩色圖像均衡化

彩色圖像直方圖均衡化處理的中心思想與灰度均衡化大致相似，就是將相機采集到的彩色圖像中的包含彩色信息比較集中的某個部分變成在[0,255]區(qū)間上均勻分布。通過對圖像進(jìn)行非線性拉伸，重新分配圖像像素值，使像素在每個區(qū)間范圍內(nèi)的數(shù)量大致相同。其目的是調(diào)整整幅圖像的對比度，尤其是圖像中的有用數(shù)據(jù)對比度相當(dāng)接近的情況，它能以較小的計算量突出圖像的細(xì)節(jié)。在LabVIEW中主要應(yīng)用IMAQ ColorEqualize函數(shù)來實現(xiàn)此操作過程。經(jīng)過彩色圖像均衡化后的圖像如圖7所示。

圖7 彩色圖像均衡化

對比灰度變換與彩色圖像均衡化后得到的圖片可知：涂層板的灰度變換基本丟失了對比度不強的一部分涂層信息，而彩色圖像均衡化后的圖像增加了整幅圖像的對比度，使要提取的部分更加清晰，所以文中選用的預(yù)處理方法為彩色圖像均衡化。

2.5 圖像邊緣檢測

2.5.1 傳統(tǒng)的邊緣檢測算法

在數(shù)字圖像處理中，邊緣檢測主要是通過尋找圖像中灰度顯著變化的區(qū)域來獲取圖像的邊緣信息，其中主要包括Roberts、Sobel、Prewitt、Laplacian、Canny等方法。Roberts、Prewitt、Sobel算子都屬于一階梯度算子的范疇。它們通過尋找梯度變化最為劇烈的像素區(qū)域，進(jìn)而確定出邊緣區(qū)域的位置所在。而Laplacian算子屬于二階微分算子，其原理是在圖像灰度值的二階微分中搜索零穿越，進(jìn)而確定其邊緣點。應(yīng)用以上算法分別對涂層板進(jìn)行邊緣提取，可得到如圖8所示圖像。通過對比可知傳統(tǒng)的基于灰度信息進(jìn)行邊緣提取的方法基本都丟失了大部分重要信息。

圖8 傳統(tǒng)算法的邊緣提取結(jié)果

2.5.2 基于彩色平面的邊緣檢測算法

傳統(tǒng)的邊緣檢測算法運算量大，實時性差，而且傳統(tǒng)算法主要是基于圖像的灰度信息進(jìn)行處理，文中主要是為了提取彩色區(qū)域的邊緣，因此需要尋找新的適合機器視覺系統(tǒng)的直線檢測算法?！癗I Vision Assistant”是一個可快速實現(xiàn)圖像分析、處理的環(huán)境，編好的程序可導(dǎo)入到LabVIEW程序框圖中?；诓噬矫娴倪吘墮z測算法主要用到的是VA助手里面的邊緣檢測函數(shù)，應(yīng)用此函數(shù)在提取邊緣時搜索的方向不僅僅局限于一維，而是按照其所選取的ROI方向進(jìn)行邊緣檢測，可以是任意圖形，例如直線、曲線、折線、矩形、圓形等。而且此算法不僅可以應(yīng)用于灰度圖像，也同樣適用彩色圖像，最主要的是它可以將提取到的邊緣點信息以坐標(biāo)的形式輸出，便于后續(xù)的處理。在VA助手中編好程序后將其導(dǎo)入到LabVIEW程序框圖中，基于檢測到的邊緣點使用MathScript節(jié)點函數(shù)，通過編寫數(shù)據(jù)插值與曲線擬合的算法來確定最終的目標(biāo)邊緣。提取到的邊緣點坐標(biāo)如圖9所示。

圖9 邊緣點的提取

2.6 基于混合編程的插值與擬合

利用傳統(tǒng)的手動識別輸入坐標(biāo)點的方法進(jìn)行加工時，往往會因為譜線邊緣識別不準(zhǔn)確，從而造成誤刷、漏刷現(xiàn)象。故而提出一種基于插值和擬合的方法來提高邊緣提取的精度，進(jìn)而提高系統(tǒng)的準(zhǔn)確度。插值與擬合的思想與亞像素精度十分類似。在得到邊緣的坐標(biāo)點之后，為了進(jìn)一步提高邊緣的精度，還需要在兩個相鄰數(shù)據(jù)之間增加一些數(shù)據(jù)，這個過程就是插值(此測試系統(tǒng)所用到的插值方法是三次樣條插值法)。然后再基于這些數(shù)據(jù)得到一條光滑的曲線，即圖像的邊緣，這個過程便是擬合(此測試系統(tǒng)主要用到的擬合方法是多項式擬合)。

將提取到的邊緣坐標(biāo)點連接到MathScript節(jié)點的輸入中，在MathScript節(jié)點中編寫三次樣條插值和多項式擬合的程序，然后再以1為起始點，1為步長，175為終止點將坐標(biāo)代入到擬合后的直線當(dāng)中，可得值，然后將值輸入到數(shù)控機床當(dāng)中，數(shù)控機床便可以操控滾刷來刮取涂層板的同一區(qū)域。程序如圖10所示，擬合結(jié)果如圖11所示。

圖10 基本程序框圖

圖11 擬合結(jié)果

3 現(xiàn)場測試

3.1 實驗過程

先將涂層展開板放在傳送帶上，下達(dá)指令后傳送帶開始工作，涂層展開板隨著傳送帶進(jìn)入暗室內(nèi)；到達(dá)位置后接近開關(guān)發(fā)送信號給光源控制器打開光源同時觸發(fā)相機的拍照功能采集圖像，采集到圖像后涂層板進(jìn)入待處理工作區(qū)中，等待加工；在涂層板離開工作位的同時，計算機對采集到的涂層板圖像進(jìn)行圖像處理及譜帶邊緣位置的識別，然后將得到的同一顏色的邊緣坐標(biāo)信息傳輸給控制器，進(jìn)而控制滾刷對譜線中同一區(qū)域進(jìn)行刮取與收集。加工過程如圖12所示。

圖12 加工過程圖

3.2 實驗結(jié)果分析

從檢測精度上來看，在傳統(tǒng)的檢測過程中，主要是利用人眼區(qū)分各個顏色的譜帶的邊緣位置，然后設(shè)置坐標(biāo)系，用直尺量出邊緣的坐標(biāo)點，然后將坐標(biāo)點輸入到控制器中，進(jìn)而控制滾刷按照邊緣進(jìn)行同一區(qū)域的刮取。加工后的圖像如圖13所示。

圖13 傳統(tǒng)加工結(jié)果

按照在位檢測系統(tǒng)得到的坐標(biāo)信息對涂層板進(jìn)行刮取，加工后的圖像如圖14所示。

圖14 基于機器視覺的加工結(jié)果

通過觀察最下方譜帶刮取的效果可發(fā)現(xiàn)：傳統(tǒng)的加工方法有較大的偏差，并且傳統(tǒng)方法走出的軌跡大多是折線，出現(xiàn)了漏刷與錯刷現(xiàn)象；而按照視覺系統(tǒng)提供的位置坐標(biāo)進(jìn)行加工時，由于采用了擬合的方法，軌跡大多為直線，從而提高了滾刷刮取的準(zhǔn)確性，而且整個過程都不需要人工的參與，大大減少了人為因素引起誤差的可能性。

從檢測速度上來看，傳統(tǒng)的人工檢測從識別出坐標(biāo)信息到輸入到控制器當(dāng)中大約需要8 min。而基于機器視覺的在位檢測系統(tǒng)從涂層展開板進(jìn)入暗箱完成圖像采集與處理到得出坐標(biāo)信息輸入到PLC控制器當(dāng)中，此過程時間大約為45 s，所以整個過程的檢測速度滿足實驗的要求。

4 結(jié)論

通過對此系統(tǒng)進(jìn)行現(xiàn)場流水線的加工測試，并與傳統(tǒng)的人工檢測方法進(jìn)行對比，得出基于機器視覺的在位檢測系統(tǒng)無論是在精度上還是速度上都優(yōu)于傳統(tǒng)的檢測方法，因此在實際生產(chǎn)生活中更加適用。通過分析灰度平面與彩色平面對邊緣提取的效果，設(shè)計了彩色邊緣提取方法，同時設(shè)計了基于三次樣條插值和多項式擬合的邊緣檢測算法，從而提高了邊緣點檢測的精度，使機器能準(zhǔn)確識別圖像邊緣，大大減少了人力資源成本。