王羽強，胡開明※，周顯恩，李躍忠

（1.東華理工大學機械與電子工程學院，南昌 330013；2.吉安市電子信息研究院，江西吉安 343099）

0 引言

平板電腦是一種小巧的、便攜的個人電腦，在平板電腦的生產過程中，需要經過一道檢測平板電腦背板上的輔料（圖1）是否齊全的工序。傳統(tǒng)的檢測方法是在一條轉速較慢的流水線上，由幾個人分工分別檢測幾個輔料，這樣的檢測方法需要肉眼長時間盯著產品檢測，難免會造成人為的誤檢，并且因為流水線流動速度不能太快而造成效率低下的后果。隨著計算機技術、圖像處理技術的不斷發(fā)展，越來越多的學者和專家希望通過機器視覺技術來解決一些工業(yè)上的檢測問題。

在國內，采用機器視覺技術進行系統(tǒng)的研究，已經相當成熟。莊碧芬[1]針對提高車聯(lián)識別率的問題，提出了采用基于視頻的虛擬線圈的車輛計數(shù)方法代替?zhèn)鹘y(tǒng)的物理識別檢測方法；黃藝香等[2]針對學校普通教室使用過程中容易發(fā)生教室無人或人數(shù)很少時用電電器仍然工作這一電能浪費的問題，設計了一種基于機器視覺的教室智能控制系統(tǒng)；姬展鴻[3]提出了一種基于機器視覺的大塊異物識別方法用于實現(xiàn)對皮帶煤流中大塊異物的識別與預警；肖劍等[4]針對目前常用的螺紋鋼絲頭人工檢測方法效率低、精度差的問題，提出了一種基于視覺技術的螺紋鋼絲頭檢測方法；王春光等[5]針對人工測量機油冷卻管管口的圓度存在誤差且檢測效率低、無法實時檢測的問題，提出一種基于視覺檢測的機油冷卻管口圓度檢測與分揀方法；宋濤[6]設計了一種基于機器視覺的家庭智能分類垃圾桶；劉德志[7]針對如何對火車輪對軸端標記進行識別錄入的問題，基于機器視覺技術提出了一種針對輪對軸端的熔煉號、鋼種號、單位號、順序號、年月、軸型標記及方位標記等7種類型標記的整體自動識別算法；陸淵章等[8]針對現(xiàn)有算法在解決無人機（UAV）協(xié)同跟蹤過程中的實時視覺跟蹤性能不足等問題,提出了一種基于機器視覺自主檢測和協(xié)同跟蹤算法；楊紅軍等[9]提出了利用機器視覺和氣動機器人的自動化分揀解決方案；馮榆淇等[10]針對傳統(tǒng)大空間建筑火源定位方法存在易受到外界環(huán)境的干擾、火源定位復雜以及不能全方位持續(xù)掃描定位等問題，提出一種基于機器視覺的大空間智能消防水炮；湯義勤等[11]提出一種基于機器視覺的室內無軌巡檢機器人導航系統(tǒng)；茅正沖等[12]針對AGV視覺引導過程中的精確導航與實時監(jiān)控的要求,提出一種基于機器視覺的AGV導航與定位算法；張飛等[13]提出了一種基于機器視覺的紙盒包裝系統(tǒng)；蘭英等[14]設計了一種基于機器視覺的車門鎖閉狀態(tài)安全監(jiān)測系統(tǒng)；張志剛等[15]針對EAN-13商品條碼提出一種運用機器視覺技術進行商品條碼質量檢測的方法；蔣麗麗等[16]設計了一種基于虛擬儀器與機器視覺技術相結合的軛鐵尺寸高精度自動檢測系統(tǒng)用于解決1/2晶體罩繼電器電磁系統(tǒng)中軛鐵零部件尺寸難以測量的問題。

針對人工檢測存在的諸多問題，本文提出一種集輔料漏貼、錯貼檢測為一體的平板背板輔料檢測系統(tǒng)，如圖1所示，采用先進的機器視覺技術，實現(xiàn)檢測過程的全自動化，極大地提高了檢測準確性與效率，確保產品質量得到保證。

圖1 平板背板輔料

1 系統(tǒng)總體方案設計

1.1 系統(tǒng)檢測流程

系統(tǒng)檢測流程如圖2所示。當平板背板從皮帶線上流下來，在經過CCD相機的視野中心時觸發(fā)光纖傳感器，隨后光纖傳感器發(fā)送信號觸使相機進行拍照（hal?con聯(lián)合相機SDK進行采圖），攝取的照片經過圖像處理軟件的分析與處理，計算出檢測的平板背板上的輔料是否存在漏貼或誤貼的情況，若輔料存在誤貼或漏貼，則聲光報警器開始報警，并且控制皮帶線自動停止運行，若輔料齊全且正確貼裝，則顯示OK字樣。

圖2 系統(tǒng)檢測流程

1.2 系統(tǒng)機械結構設計

系統(tǒng)的機械結構如圖3所示，一共由3個單元組成，分別是自動上料單元、圖像攝取單元、中央控制單元。自動上料單元采用傳送帶的方式將產品型號為D01的平板背板送至圖像攝取單元，其中導向條的作用為使平板保持水平，不會發(fā)生旋轉。圖像攝取單元由光纖傳感器和相機、鏡頭、條形光源組成，將光纖傳感器設置在圖像視野的中央，當平板背板運動到光纖傳感器發(fā)出的激光觸發(fā)相機拍一次照，條形光源采用四周打光的方式，保證了攝取的圖像的光照均勻度。中央控制單元主要是工控機、圖像采集卡和一個上位機軟件，圖像采集卡用于相機數(shù)據(jù)傳輸?shù)目刂贫丝?，上位機用于顯示檢測結果以及用戶調整系統(tǒng)各種參數(shù)。

圖3 機械結構

2 視覺檢測系統(tǒng)硬件設計

在機器視覺系統(tǒng)中，硬件一般包括工業(yè)相機、鏡頭、工控機、圖像采集卡、光源和光源。相機鏡頭選取的好壞直接影響所獲得圖像的質量，圖像質量越高，后續(xù)的檢測算法就越容易設計。由于本產品的尺寸為310 mm×180 mm，整體形狀較小，綜合考慮圖像精度和硬件成本，本系統(tǒng)選擇了500萬像素的彩色全局曝光CCD相機、8 mm焦距的鏡頭和4個白色LED條形光源，其中鏡頭距離產品的距離大約為350~400 mm，打光方式采用四周打光。

3 視覺檢測系統(tǒng)圖像處理算法設計

平板背板輔料檢測系統(tǒng)算法設計包括圖像預處理算法和檢測算法設計，其中圖像預處理算法的作用是消除由于工作車間電磁信號、光照干擾、系統(tǒng)內部運行使圖像產生的如高斯噪聲、椒鹽噪聲、泊松噪聲等圖像噪聲，檢測算法用于檢測出指定的位置是否是貼有準確的輔料。

3.1 圖像預處理算法

在圖像的獲取過程中，由于環(huán)境的干擾，圖像總是會存在著失真的現(xiàn)象，表現(xiàn)形式為圖像整體較暗、對比度較弱等，解決圖像失真的方法是增強對比度。在本系統(tǒng)中采集的圖像，其輔料所在的區(qū)域與輔料周圍的區(qū)域灰度較為相似，針對這個情況，可以采用灰度變換的方法來進行對比度的增強。

在圖像的數(shù)字化過程中，由于一些不可避免的因素，如量化噪聲、模擬信號轉數(shù)字信號過程中信號的損失、以及傳輸過程中的信號損耗等因素，會使得到的圖像產生噪聲。圖像的噪聲指的是圖片上存在的一些隨機、離散、孤立的像素點，在視覺上噪聲與它們相鄰像素明顯不同，例如黑色區(qū)域中的白點，白色區(qū)域中的黑點等。為了消除圖像的噪聲對于后期的處理產生的影響，消除噪聲、恢復原始圖像是一項很必要的工作。

由于圖像的噪聲對于后期提取圖像特征和一系列的處理產生很大的影響，因此消除噪聲，恢復原始圖像是一項很必要的工作。消除噪聲，在圖像處理中一般采用濾波法，在本文采用中值濾波法，具體的濾波過程如下：中值濾波是用像素領域內的最大值代替該像素的灰度值，中值濾波首先對模板覆蓋的像素領域內的所有灰度值進行排序，找到領域的中間值，用這個中間值作為中值濾波器的響應。假設3×3中值濾波模板覆蓋的像素灰度值為（2、3、0、10、9、1、7、5、3），排序結果為（0、1、2、3、3、5、7、9、10），中間值為3，則該領域的中值濾波結果為3。中值濾波器使圖像中突出的亮點或暗點更像它周圍的值，以消除孤立的亮點或暗點，從而達到平滑圖像的目的。

3.2 輔料檢測算法

首先，繪制定位到需要檢測的目標區(qū)域，接著再屏蔽掉圖像的其余部分，只顯示圖像選擇的ROI區(qū)域，接著對選擇的ROI區(qū)域進行全局的手動閾值分割，最后對分割后的二值圖像進行連通域分析，根據(jù)檢測區(qū)域的面積特征來判別輔料的有無，隨后根據(jù)連通分量的面積參數(shù)，設定一個面積閾值來進行輔料有無的檢測，當面積參數(shù)大于設定的面積閾值時，則說明該連通分量是需要檢測的輔料。

4 視覺檢測系統(tǒng)軟件設計

本文軟件結合系統(tǒng)的功能需求以及企業(yè)的技術要求，設計了如下的內容：圖像采集功能、缺陷檢測功能、人機交互界面、系統(tǒng)數(shù)據(jù)管理。在Visual Studio開發(fā)環(huán)境，采用C#編程語言、相機SDK、Halcon圖像處理算法庫設計視覺檢測算法；在WinForm框架下結合C#語言設計人機交互界面；采用SQL Server 2019數(shù)據(jù)庫管理系統(tǒng)數(shù)據(jù)，軟件的主界面設計如圖4所示。

圖4 視覺檢測系統(tǒng)軟件設計

整個界面分為5個部分，分別為圖像顯示窗口、圖像采集手動控制欄、狀態(tài)信息顯示窗口、日志顯示窗口、相機參數(shù)設置窗口、產品型號選擇窗口。其中圖像顯示窗口可以顯示當前采集的圖像和處理后的圖像以及處理的結果，當前圖像處理的結果在顯示窗口的右上角顯示，顯示為綠色的OK字樣時代表檢測的當前產品輔料齊全，顯示為紅色的NG字樣時代表檢測的當前產品輔料缺失；圖像采集手動控制欄可以進行中斷采集、檢測狀態(tài)的手動自動切換、復位、自動保存采集的圖片操作；狀態(tài)信息顯示窗口打印當前檢測的圖像的信息和檢測結果；日志顯示窗口用于顯示每天檢測的產品的合格數(shù)與不合格數(shù)，并統(tǒng)計良率；相機參數(shù)顯示窗口用于設置相機的曝光值和光源的亮度；產品型號選擇窗口用于切換產品的型號。

軟件使用時，首先進入用戶身份確認界面，用戶需要填寫正確的賬號和密碼才能登錄成功，或者可以選擇注冊賬號并進行驗證碼身份驗證進行登錄。當用戶需要進行歷史數(shù)據(jù)查詢時，可以打開本系統(tǒng)的數(shù)據(jù)庫查詢檢測的日志和歷史的圖片，圖5所示為系統(tǒng)的運行界面。

圖5 系統(tǒng)運行界面

5 研究結果與分析

根據(jù)系統(tǒng)的設計方案，制造出平板背板輔料檢測系統(tǒng)并在實際的企業(yè)現(xiàn)場進行測試，為了測試本系統(tǒng)性能，本文主要從兩個指標來對系統(tǒng)進行評估，一個是系統(tǒng)的檢測時間，一個是系統(tǒng)的檢測準確率。系統(tǒng)的檢測時間指的是從程序的初始化到輸出最終檢測結果所消耗的時間，系統(tǒng)的檢測準確率指的是檢測結果正確的數(shù)量與檢測的總數(shù)量的比值。利用本系統(tǒng)對300個產品進行測試，其中有150個為OK的產品（即在準確的位置全部貼裝有準確的輔料），150個為NG產品（即在指定區(qū)域存在漏貼或誤貼的現(xiàn)象），在一臺聯(lián)想電腦上進行測試實驗，實驗數(shù)據(jù)如表1所示。

表1 實驗數(shù)據(jù)

實驗表明：采用本文提出的系統(tǒng)，能夠完全滿足企業(yè)現(xiàn)場的檢測功能要求，能夠精確地對每一個輔料的漏貼、錯貼情況進行檢測，平均每個產品的檢測耗時約0.5 s，檢測準確率可達到99.8%，與人工檢測進行對比，平均每個產品的檢測時間大大縮短，并且還可以在產線上24 h不間斷地作業(yè)，極大地提高了企業(yè)的生產效率。

6 結束語

本文基于機器視覺對平板背板輔料檢測系統(tǒng)進行了設計，首先在總體檢測流程上進行了整體方案設計，包括機械結構設計與硬件方案的選型；其次對圖像處理算法進行了設計，包括采用灰度變換增強對比度，中值濾波濾除噪聲的圖像預處理算法和手動閾值分割、連通域分析、面積篩選的圖像檢測算法；然后基于Visual Studio開發(fā)環(huán)境對系統(tǒng)軟件進行了設計，包括調節(jié)相機曝光值、光源亮度、手動自動切換檢測、歷史數(shù)據(jù)保存、合格與不合格以及良率的自動統(tǒng)計；最后在現(xiàn)場采集圖片對整個機器視覺檢測系統(tǒng)進行實驗驗證，結果表明通過本系統(tǒng)，完全可以滿足預期的檢測需求。