王占強(qiáng)，薄楠林

（1. 嵩山少林武術(shù)職業(yè)學(xué)院，河南 登封 452470；2. 鄭州商學(xué)院，河南 鄭州 451200）

隨著塑料工業(yè)的發(fā)展，塑料的應(yīng)用范圍越來(lái)越廣。塑料制品生產(chǎn)過(guò)程中，模具的應(yīng)用極為廣泛。塑料加工一般有注塑和吹塑兩種，注塑應(yīng)用更多。在塑料加工過(guò)程中，對(duì)模具及制品進(jìn)行在線檢測(cè)，不僅有利于模具的保護(hù)，更有利于快速剔除次品。計(jì)算機(jī)視覺(jué)技術(shù)在塑料加工檢測(cè)領(lǐng)域、尤其是缺陷檢測(cè)方面具有獨(dú)特優(yōu)勢(shì)［1-2］。本文綜述了近年來(lái)計(jì)算機(jī)視覺(jué)技術(shù)在塑料加工過(guò)程及其他相關(guān)領(lǐng)域檢測(cè)方面的應(yīng)用進(jìn)展。

1 在注塑工藝中的應(yīng)用

1.1 在注塑機(jī)智能控制中的應(yīng)用

廣東科捷龍機(jī)器人有限公司［3］在基于機(jī)器視覺(jué)的注塑機(jī)智能控制器的基礎(chǔ)上，又發(fā)明了基于機(jī)器視覺(jué)的注塑機(jī)智能控制系統(tǒng)［4］，由可與注塑機(jī)連接的主機(jī)控制器、控制單元及視覺(jué)單元組成。視覺(jué)單元在控制單元的控制下獲取合模前的圖像，并將圖像反饋至控制單元進(jìn)行分析；控制單元包括與其連接的檢測(cè)單元；檢測(cè)單元獲取圖像后判斷是否符合合模條件，并將分析結(jié)果反饋回控制單元，控制單元將檢測(cè)結(jié)果傳回主機(jī)控制器。該系統(tǒng)克服了現(xiàn)有注塑系統(tǒng)注塑時(shí)無(wú)法檢測(cè)分析模具的狀況、不能保護(hù)模具及確保產(chǎn)品質(zhì)量的問(wèn)題。東莞市臺(tái)中精機(jī)有限公司［5］公開(kāi)的基于機(jī)器視覺(jué)的雙料注塑機(jī)，由底部有轉(zhuǎn)盤(pán)的料筒，轉(zhuǎn)盤(pán)上裝有合模機(jī)構(gòu)且其兩側(cè)裝有傳感器，轉(zhuǎn)盤(pán)前方工作臺(tái)上裝有工業(yè)攝像機(jī)。引入了工業(yè)攝像機(jī)，實(shí)現(xiàn)了機(jī)器視覺(jué)和傳感器的雙重定位，提高了加工精度和加工效率。

深圳市圣豐模具塑膠有限公司［6］公開(kāi)的基于機(jī)器視覺(jué)的注塑機(jī)模具，核心是內(nèi)部設(shè)置可編程邏輯控制器（PLC）、圖像處理器和存儲(chǔ)器的工業(yè)計(jì)算機(jī)。通過(guò)設(shè)置CCD攝像機(jī)可以實(shí)時(shí)采集模具在合模過(guò)程中的圖像，然后傳輸?shù)絇LC，PLC將采集的圖像再傳輸?shù)綀D像處理器內(nèi)，對(duì)圖像進(jìn)行處理后，通過(guò)PLC傳輸?shù)焦I(yè)計(jì)算機(jī)上的觸控屏進(jìn)行顯示，從而使用者能夠快速、準(zhǔn)確地判斷合模工作發(fā)生前模具中是否有殘留物體，即產(chǎn)品是否脫模，同時(shí)也可檢測(cè)注塑的工件是否完整。寧波匯智恒動(dòng)自動(dòng)化科技有限公司［7］公開(kāi)了由視覺(jué)模塊、矯正模塊、機(jī)器學(xué)習(xí)識(shí)別模塊組成的用于注塑機(jī)的視覺(jué)檢測(cè)和矯正系統(tǒng)。其中，視覺(jué)模塊先采用圖像校正來(lái)減少由拍照位置偏移或者被拍對(duì)象偏移造成的圖像位置不一致帶來(lái)的影響，再對(duì)采集的圖像進(jìn)行系統(tǒng)處理，提升了機(jī)器視覺(jué)處理的精確度。該發(fā)明采用機(jī)械臂并在視覺(jué)模塊和機(jī)器學(xué)習(xí)識(shí)別模塊的輔助下高效率放置無(wú)紡布及螺母的操作，提高了注塑機(jī)的注塑效率。

中國(guó)計(jì)量學(xué)院［8］發(fā)明了基于機(jī)器視覺(jué)的注塑加工監(jiān)控檢測(cè)系統(tǒng)及操作方法，所用工業(yè)相機(jī)通過(guò)USB與設(shè)置4個(gè)輸出端的嵌入式微處理器的輸入端相連。其中，1號(hào)輸出端通過(guò)IO信號(hào)與可調(diào)光源相連；2號(hào)輸出端通過(guò)IO信號(hào)與注塑機(jī)急停開(kāi)關(guān)相連；3號(hào)輸出端與無(wú)線收發(fā)器相連，并將警報(bào)信號(hào)無(wú)線發(fā)至監(jiān)控客戶(hù)端；4號(hào)輸出端與觸控屏相連，顯示當(dāng)前監(jiān)控信息及檢測(cè)結(jié)果。該發(fā)明可以監(jiān)控模具及檢測(cè)部件的磨損情況，當(dāng)發(fā)現(xiàn)模具及部件磨損或異常時(shí)，可觸發(fā)注塑機(jī)急停開(kāi)關(guān)啟動(dòng)，并通過(guò)無(wú)線發(fā)送警報(bào)信號(hào)至監(jiān)控客戶(hù)端，提高了產(chǎn)品合格率，適于工業(yè)應(yīng)用。

1.2 在注塑模具監(jiān)視中的應(yīng)用

浙江工業(yè)大學(xué)［9］公開(kāi)的模具監(jiān)視方法包括：（1）分別采集注塑機(jī)開(kāi)模到位時(shí)和頂針頂出之后的標(biāo)準(zhǔn)模板圖像；（2）當(dāng)注塑機(jī)運(yùn)行至開(kāi)模到位時(shí)，通過(guò)攝像機(jī)對(duì)模具型腔面連續(xù)取像，對(duì)監(jiān)控圖像的當(dāng)前幀做預(yù)處理，為后續(xù)圖像快速配準(zhǔn)做準(zhǔn)備；（3）執(zhí)行基于FAST-9圖像特征快速配準(zhǔn)算法；（4）將配準(zhǔn)之后的當(dāng)前幀與模板圖像做差分；（5）采用Ostu自動(dòng)閾值分割算法實(shí)現(xiàn)圖像的二值化，對(duì)圖像進(jìn)行連續(xù)開(kāi)和閉運(yùn)算；（6）通過(guò)空穴檢測(cè)確定成型產(chǎn)品是否正常，若異常則報(bào)警，否則繼續(xù)等待下一周期的注塑機(jī)工作狀態(tài)信息。該發(fā)明實(shí)時(shí)性良好，魯棒性強(qiáng)；但不具備監(jiān)控加工流程用時(shí)、局部磨損測(cè)量、次品原因統(tǒng)計(jì)分析、無(wú)線報(bào)警等功能。

寧波安信數(shù)控技術(shù)有限公司［10］公開(kāi)的基于機(jī)器視覺(jué)的注塑機(jī)模具保護(hù)系統(tǒng)，由嵌入式芯片的主控板、相機(jī)及近紅外光源等組成，相機(jī)能夠在近紅外光源下采集到注塑機(jī)開(kāi)模后模具內(nèi)的圖像。該系統(tǒng)同時(shí)還可通過(guò)落料對(duì)模具進(jìn)行拍攝，判斷落料是否成功及產(chǎn)品是否合格。但該裝置不具備異常急停、報(bào)警、局部磨損測(cè)量等功能。浙江大學(xué)［11］提供了注塑機(jī)模具圖像監(jiān)測(cè)報(bào)警系統(tǒng)及方法。其中，圖像采集單元的攝像機(jī)通過(guò)USB接口與檢測(cè)單元的數(shù)字信號(hào)處理器（DSP）連接；輸入模塊通過(guò)信號(hào)線與檢測(cè)單元的DSP連接；輸出模塊通過(guò)信號(hào)線輸出數(shù)字信號(hào)到注塑機(jī)和DSP的指示燈；檢測(cè)到產(chǎn)品殘留時(shí)，指示燈報(bào)警，并禁止注塑機(jī)執(zhí)行鎖模動(dòng)作。該發(fā)明適用于各類(lèi)模具，檢測(cè)正確率高；但僅能檢測(cè)脫模是否成功，不具備異常急停、報(bào)警、局部磨損測(cè)量等功能。

廣州中和互聯(lián)網(wǎng)技術(shù)有限公司［12］公開(kāi)了一種注塑機(jī)模具檢測(cè)系統(tǒng)及方法，包括機(jī)器視覺(jué)檢測(cè)平臺(tái)（Ⅰ）、圖像處理單元（Ⅱ）、模具監(jiān)測(cè)模塊（Ⅲ）和模具管理模塊（Ⅳ）。（Ⅰ）對(duì)模具進(jìn)行平行無(wú)影光照射，而后采集模具的圖像信息；（Ⅱ）基于機(jī)器視覺(jué)方法，通過(guò)檢測(cè)模型對(duì)采集的模具圖像信息進(jìn)行識(shí)別分析；（Ⅲ）用于結(jié)合心跳信號(hào)和不合格產(chǎn)品對(duì)模具的工作狀態(tài)進(jìn)行監(jiān)測(cè)，判斷模具是否出現(xiàn)異常；（Ⅳ）在接收到模具異常信號(hào)后分配對(duì)應(yīng)的操作人員對(duì)模具進(jìn)行檢修或者更換模具，提高了維修效率。

1.3 在注塑制品檢測(cè)中的應(yīng)用

泰瑞機(jī)器股份有限公司［13］公開(kāi)的基于機(jī)器視覺(jué)的薄壁注塑機(jī)產(chǎn)品分揀系統(tǒng)，主要由圖像采集裝置及圖像處理裝置（計(jì)算機(jī)）組成。該系統(tǒng)是基于機(jī)器視覺(jué)處理的薄壁注塑產(chǎn)品分揀系統(tǒng)的圖像處理算法，將處理過(guò)的三維圖像轉(zhuǎn)換成二維圖像進(jìn)行比較，將CMOS相機(jī)引入到圖像采集裝置中，實(shí)現(xiàn)了機(jī)器視覺(jué)在注塑制品分揀上的應(yīng)用，提高了制品檢測(cè)的精度和效率。

針對(duì)塑料制品表面質(zhì)量問(wèn)題，龍淑嬪［14］采用快速傅氏變換算法，并與高斯濾波技術(shù)相結(jié)合獲取圖像信息，對(duì)圖像的瑕疵區(qū)域進(jìn)行自動(dòng)檢測(cè)并輸出結(jié)果。結(jié)果表明，該系統(tǒng)可以對(duì)塑料產(chǎn)品表面質(zhì)量實(shí)施快速、精確檢測(cè)，自動(dòng)完成檢測(cè)及分揀任務(wù)。關(guān)日釗等［15］以透明塑料制品的裂痕檢測(cè)為研究對(duì)象，比較了傳統(tǒng)的HOG+SVM機(jī)器學(xué)習(xí)方法與基于Faster R-CNN的深度學(xué)習(xí)法在缺陷識(shí)別與定位上的效果，結(jié)果表明，后者對(duì)缺陷檢出的準(zhǔn)確率為90%，較前者高20%。針對(duì)醫(yī)用塑料瓶生產(chǎn)中存在的瓶口有豁口、瓶口過(guò)薄等現(xiàn)象，岳昊等［16］設(shè)計(jì)了一套基于機(jī)器視覺(jué)的由數(shù)據(jù)采集模塊和檢測(cè)模塊組成的塑料瓶瓶口檢測(cè)系統(tǒng)。其中，數(shù)據(jù)采集模塊采集正常塑料瓶瓶口數(shù)據(jù)并保存，檢測(cè)模塊在檢測(cè)時(shí)讀取數(shù)據(jù)用于檢測(cè)。通過(guò)大量塑料瓶的檢測(cè)驗(yàn)證，該系統(tǒng)對(duì)缺陷瓶口檢測(cè)的準(zhǔn)確率達(dá)99%以上，最高檢測(cè)速率可達(dá)10 個(gè)/s，完全可以滿(mǎn)足工業(yè)生產(chǎn)要求。

2 在微小塑料零件檢測(cè)中的應(yīng)用

2.1 在U型塑料管檢測(cè)中的應(yīng)用

田春等［17］采用計(jì)算機(jī)視覺(jué)技術(shù)，以U型塑料管缺陷檢測(cè)為研究對(duì)象，借助圖像分析不同缺陷的特征，實(shí)現(xiàn)了U型塑料管缺陷的高精度檢測(cè)，在對(duì)10 072支U型塑料吸管的檢測(cè)中，合格品為9 963支，與實(shí)際完全相符；具有5類(lèi)缺陷（長(zhǎng)短相、壓長(zhǎng)相、頭部問(wèn)題、內(nèi)八、黑點(diǎn)）的109支不合格管全部被識(shí)別出來(lái)；檢測(cè)耗時(shí)467 s，每支吸管平均檢測(cè)耗時(shí)0.046 s，達(dá)到了在線檢測(cè)要求。

2.2 在塑料齒輪檢測(cè)中的應(yīng)用

LabVIEW軟件在塑料缺陷檢測(cè)中的應(yīng)用越來(lái)越廣［18-20］。任楷飛等［21］針對(duì)家電、儀器儀表行業(yè)常用的塑料齒輪生產(chǎn)過(guò)程中存在的缺陷問(wèn)題，基于LabVIEW軟件和IAMQ Vision工具包設(shè)計(jì)了塑料齒輪缺齒檢測(cè)系統(tǒng)。該系統(tǒng)將機(jī)器視覺(jué)與虛擬儀器技術(shù)結(jié)合起來(lái)，通過(guò)圖像采集及包括彩色圖像灰度化、中值濾波、閾值化、Canny邊緣檢測(cè)等一系列預(yù)處理程序，借助幾何匹配算法提取齒輪幾何信息，通過(guò)機(jī)器學(xué)習(xí)及模板匹配分?jǐn)?shù)（缺齒程度與匹配分?jǐn)?shù)呈反比）分析，得到檢測(cè)結(jié)果。該系統(tǒng)為齒輪及塑料零件缺陷檢測(cè)提供了新思路。

Zhang Zhenxiang［22］采用圖像識(shí)別技術(shù)對(duì)微小塑料齒輪的質(zhì)量進(jìn)行了檢測(cè)。針對(duì)齒輪缺陷不確定的情況，深入研究了計(jì)算機(jī)視覺(jué)系統(tǒng)的構(gòu)建以及數(shù)字圖像采集、圖像預(yù)處理、圖像分割、亞像素定位等理論、技術(shù)，提出了一種虛擬圓掃描法實(shí)現(xiàn)齒輪齒形檢測(cè)，結(jié)果表明，該方法能夠滿(mǎn)足微小塑料齒輪自動(dòng)檢測(cè)的要求。

2.3 在雨刮支撐塑料帽檢測(cè)中的應(yīng)用

針對(duì)汽車(chē)后雨刮支撐塑料帽等小型零件的缺陷檢測(cè)，陳淳等［23］提出一種基于改進(jìn)的YOLO v3網(wǎng)絡(luò)多目標(biāo)缺陷算法。首先對(duì)特定零件進(jìn)行修正，采用k-means聚類(lèi)算法重新生成邊界框尺寸，使用平均重疊度重新選取目標(biāo)區(qū)域候選邊界框尺寸，加快了目標(biāo)檢測(cè)識(shí)別速度及精度；使用Mish激活函數(shù)強(qiáng)化了網(wǎng)絡(luò)學(xué)習(xí)能力。新方法的目標(biāo)檢測(cè)平均精度為97.89%，檢測(cè)速率為60 ms/張，極大提高了汽車(chē)后雨刮器齒輪連桿機(jī)構(gòu)總成裝配質(zhì)量。

2.4 在塑料包裝檢測(cè)中的應(yīng)用

針對(duì)檢測(cè)系統(tǒng)對(duì)半導(dǎo)體塑料包裝缺陷位置檢測(cè)能力較差的現(xiàn)狀，設(shè)計(jì)了一種基于機(jī)器視覺(jué)的半導(dǎo)體塑料包裝缺陷檢測(cè)系統(tǒng)［24］。根據(jù)機(jī)器視覺(jué)技術(shù)獲取的目標(biāo)圖像，對(duì)圖像進(jìn)行預(yù)處理、分割和特征提取，以識(shí)別和檢測(cè)目標(biāo)圖像，檢測(cè)半導(dǎo)體塑料包裝缺陷。結(jié)果表明，該系統(tǒng)能夠準(zhǔn)確檢測(cè)出半導(dǎo)體塑料包裝中的缺陷以及缺陷的位置，提高了缺陷檢測(cè)效果。Legrand等［25］提出利用機(jī)器視覺(jué)技術(shù)獲取高質(zhì)量的半導(dǎo)體塑料封裝圖像，進(jìn)而提高利用主動(dòng)熱像儀檢測(cè)塑料蓋內(nèi)膠點(diǎn)的真實(shí)機(jī)器視覺(jué)裝置的缺陷定位和檢測(cè)能力的方法。采用ElectroPhysics PV320型紅外相機(jī)，非冷卻BST（［Ba1-xSrx］TiO3）焦陣列，帶寬從2 μm擴(kuò)展到14 μm，研究了表征缺陷的不同參數(shù)和主動(dòng)熱技術(shù)，以獲得對(duì)缺陷現(xiàn)象的綜合評(píng)價(jià)和優(yōu)化。利用噪聲濾波階段、膠熱印提取階段、分割階段等圖像處理工具，開(kāi)發(fā)了一個(gè)自動(dòng)決策系統(tǒng)。將該方法應(yīng)用于測(cè)試樣本集，檢測(cè)所有未上膠的蓋子，未發(fā)生誤分類(lèi)。

3 在其他塑料檢測(cè)中的應(yīng)用

3.1 在吹塑產(chǎn)品檢測(cè)中的應(yīng)用

西安交通大學(xué)［26］公開(kāi)的基于機(jī)器視覺(jué)吹塑產(chǎn)品的在線測(cè)量方法，首先基于機(jī)器視覺(jué)獲取工業(yè)產(chǎn)品的圖像，接著進(jìn)行圖像預(yù)處理，再對(duì)得到的圖像進(jìn)行分割，從而得到其外形亞像素輪廓，基于亞像素輪廓可以實(shí)現(xiàn)相關(guān)橫截面的直徑、高度、圓弧直徑以及圓度的檢測(cè)。該方法提高了產(chǎn)品測(cè)量精度以及生產(chǎn)自動(dòng)化程度。

3.2 在微塑料檢測(cè)中的應(yīng)用

微塑料污染已經(jīng)成為全球關(guān)注的環(huán)境污染問(wèn)題。針對(duì)微塑料顆粒目標(biāo)小、背景影響大、樣本難分離等特點(diǎn)，基于計(jì)算機(jī)視覺(jué)中的目標(biāo)檢測(cè)算法，潘斌輝等［27］利用單目視覺(jué)領(lǐng)域的單點(diǎn)多盒探測(cè)法（SSD），采用位置誤差與置信度誤差相結(jié)合的加權(quán)損失函數(shù)引導(dǎo)網(wǎng)絡(luò)訓(xùn)練，使用SSD網(wǎng)絡(luò)框架提取含有微塑料顆粒物樣本的特征圖像并進(jìn)行識(shí)別。結(jié)果表明，該方法對(duì)微塑料顆粒物檢測(cè)的平均正確率達(dá)89.2%，高于同類(lèi)型其他檢測(cè)算法。與常用的拉曼光譜、傅里葉變換紅外光譜等單一光學(xué)檢測(cè)法相比，計(jì)算機(jī)視覺(jué)檢測(cè)具有用工少、速度快、準(zhǔn)確率高等優(yōu)點(diǎn)。

3.3 在板料塑性檢測(cè)中的應(yīng)用

Xia Jiaping等［28］提出了兩種利用球形壓痕試驗(yàn)預(yù)測(cè)板料塑性各向異性性能的人工神經(jīng)網(wǎng)絡(luò)模型，與常規(guī)拉伸試驗(yàn)相比，最小化了測(cè)量時(shí)間、成本，簡(jiǎn)化了各向異性性能的獲取過(guò)程，可以替代傳統(tǒng)的復(fù)雜無(wú)量綱分析。此外，還進(jìn)一步準(zhǔn)確地預(yù)測(cè)了不同方向的蘭克福系數(shù)。構(gòu)造了一種考慮實(shí)際柔順性的適用于板料的FE球面壓痕模型。為了獲得大量訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)集，利用所建立的有限元模型對(duì)具有1 000個(gè)彈塑性參數(shù)條件的純金屬和合金工程金屬進(jìn)行了模擬，并對(duì)TRIP1180鋼、鋅合金和6063-T6鋁合金3種不同板料進(jìn)行了實(shí)驗(yàn)驗(yàn)證。結(jié)果表明，所提出的神經(jīng)網(wǎng)絡(luò)模型在預(yù)測(cè)不同方向的流量曲線和蘭克福系數(shù)方面可行。

4 結(jié)語(yǔ)

在塑料加工過(guò)程中，計(jì)算機(jī)視覺(jué)技術(shù)在注塑、吹塑、塑料制品缺陷檢測(cè)方面的應(yīng)用不僅提高了塑料加工精度和準(zhǔn)確率，也降低了加工成本，提高了勞動(dòng)生產(chǎn)率。計(jì)算機(jī)軟件和硬件技術(shù)的發(fā)展將使計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)不斷邁向更高的水平。