邢 娜,孫凱明,費(fèi) 磊,張衛(wèi)雙
(黑龍江省科學(xué)院智能制造研究所,哈爾濱 150090)
機(jī)器視覺是視覺在機(jī)器上的延伸,代替人類視覺檢測和自動判斷尺寸、形狀、顏色等信息特征,為工業(yè)自動化與智能化提供必要的技術(shù)手段。機(jī)器視覺可提高系統(tǒng)的自動化程度和生產(chǎn)柔性,實(shí)現(xiàn)高分辨率精度和速度,從而提高效率,環(huán)境適應(yīng)性強(qiáng),在我國工業(yè)自動化實(shí)現(xiàn)過程中發(fā)揮著重要作用。機(jī)器視覺技術(shù)需要重點(diǎn)構(gòu)建智能識別、智能檢測、智能測量、智能互聯(lián)四大核心能力。本研究面向小型零件制造業(yè),針對用戶定制計(jì)劃靈活、品種多批量小、精度要求高、工序多等特點(diǎn),運(yùn)用多光源自適應(yīng)機(jī)器視覺精密檢測等相關(guān)技術(shù),攻克其核心算法,實(shí)現(xiàn)復(fù)雜零部件的精度檢測。
機(jī)器視覺的技術(shù)原理是通過適宜的多角度光源系統(tǒng)及視覺傳感器獲取被測圖像,由計(jì)算機(jī)及圖像處理設(shè)備提取圖像信息并分析處理,從而實(shí)現(xiàn)檢測和控制。機(jī)器視覺系統(tǒng)綜合了光學(xué)、機(jī)械、計(jì)算機(jī)科學(xué)、模式識別、圖像處理等諸多學(xué)科,以圖像采集技術(shù)為基礎(chǔ),以圖像處理與分析技術(shù)為核心,面向離散制造企業(yè),特別是針對批量小、品種多、產(chǎn)品結(jié)構(gòu)復(fù)雜、產(chǎn)品檢測精度要求高等生產(chǎn)線特點(diǎn)具有較好的應(yīng)用價值。
機(jī)器視覺檢測裝置由光源、相機(jī)、圖像采集卡、控制器等組成,根據(jù)實(shí)際應(yīng)用需求,從多角度、多方位設(shè)置光源和檢測相機(jī),確保所獲取的檢測圖像的完整性和精準(zhǔn)性。圖像采集到的模擬信號被轉(zhuǎn)換為具有像素分布、亮度、顏色等信息的數(shù)字信號,通過圖像處理系統(tǒng)進(jìn)行處理、分析、識別,運(yùn)算提取目標(biāo)特征,根據(jù)獲得的測量結(jié)果和邏輯控制值控制生產(chǎn)線設(shè)備動作[1]。
將機(jī)器視覺系統(tǒng)和運(yùn)動平臺結(jié)合,借助運(yùn)動平臺控制光源和相機(jī)的移動,在垂直和水平方向上調(diào)節(jié)以改變視場范圍,實(shí)現(xiàn)復(fù)雜零件的連續(xù)測量,通過控制運(yùn)動平臺的運(yùn)動來移動視覺系統(tǒng),通過圖像匹配算法實(shí)現(xiàn)多幅圖像的組合測量。視覺系統(tǒng)分別配備高分辨率工業(yè)相機(jī)和普通鏡頭、小視野遠(yuǎn)心鏡頭及雙遠(yuǎn)心鏡頭,實(shí)現(xiàn)不同精度、不同視野的檢測要求[2]。雙遠(yuǎn)心鏡頭具有大景深、小畸變特點(diǎn),適合構(gòu)成高精度視覺測量系統(tǒng)。小視野遠(yuǎn)心鏡頭可以滿足精度在微米級的測量要求。
圖1 硬件系統(tǒng)
光源處于較高位置進(jìn)行大范圍照明時,光照的整體均勻性較好,但當(dāng)光源位置降低時就會因高度差產(chǎn)生明暗對比(如圖2所示)。通過設(shè)計(jì)多光源結(jié)構(gòu),在所需檢測邊緣的適當(dāng)高度設(shè)置細(xì)帶狀照明光源,從水平方向照射,從而在目標(biāo)位置形成鮮明的對比度[3],因此可通過設(shè)計(jì)多光源照明單元,滿足不同材質(zhì)、不同要求的測量需求,提高系統(tǒng)適應(yīng)性。
圖2 多角度、多類型照明
圖3 最佳圖像選擇
圖4 亞像素邊緣提取結(jié)果
圖5 最佳圖像選擇算法
圖6 最佳圖像選擇流程
在不知道如何設(shè)定照明所需條件時,先確定需要測量的具體位置,控制多光源切換即可一邊改變條件一邊自動獲取多張圖像,通過設(shè)計(jì)最佳圖像選擇算法實(shí)現(xiàn)自適應(yīng)檢測。
在被測物圖像采集過程中無法避免各種噪聲的存在,會不同程度影響檢測數(shù)據(jù)和結(jié)果,為了在最大程度保留圖像細(xì)節(jié)特征,盡量抑制圖像噪聲的干擾,需在圖像預(yù)處理中采用圖像濾波技術(shù)。對噪聲的抑制為后續(xù)圖像分析及處理、突出被測物邊緣信息及精細(xì)特征信息等起到了很好的有效性及可靠性作用。一般噪聲來源有兩種:內(nèi)部干擾,包括電源電路、信號通道、電子元器件等干擾因素;外部干擾,包括自然干擾和人為干擾,通常以電磁波的形式產(chǎn)生干擾噪聲。
常見的圖像濾波算法有中值濾波、高斯濾波、雙邊濾波、引導(dǎo)濾波等,其各具優(yōu)缺點(diǎn),需根據(jù)實(shí)際需求使用。采用引導(dǎo)濾波算法,又稱導(dǎo)向?yàn)V波,需基于一張引導(dǎo)圖作為算法自適應(yīng)權(quán)重,實(shí)現(xiàn)圖像邊緣平滑,對圖像增強(qiáng)、圖像摳圖、圖像去霾均有很好的去噪效果。相較于中值濾波方法,具有更快的圖像實(shí)時處理方法;相較于高斯濾波方法,具有更優(yōu)的邊緣細(xì)節(jié)保持作用;相較于雙邊濾波方法,具有更好的保邊去噪效果,且算法復(fù)雜度低,可縮短耗時,克服雙邊濾波光暈偽影現(xiàn)象。引導(dǎo)濾波算法具有更完整的保留圖像邊緣清晰度、邊緣提取更快速準(zhǔn)確等優(yōu)勢,執(zhí)行效率更高。
在機(jī)器視覺中,圖像分辨率的高低直接影響邊緣定位的精確性,分辨率越高,像素越多,定位就越精確。在相機(jī)分辨率不足的情況下,邊緣檢測算法只能判斷邊緣位的像素位,無法精確到更準(zhǔn)確的位置,導(dǎo)致測量結(jié)果不理想,誤差較大無法滿足精度要求。在實(shí)際測量過程中為了更好地提高測量精度,可采用提高硬件性能及軟件算法兩種方式,硬件設(shè)備性能的提升需要以增加成本為代價,通過更換相機(jī)、鏡頭及配套設(shè)施來提高相機(jī)分辨率和光鏡頭的放大倍率。軟件算法方面,通過使用亞像素邊緣提取技術(shù)來提高邊緣點(diǎn)定位精度。亞像素邊緣提取算法的原理是使用細(xì)分算法將圖像像素進(jìn)一步細(xì)分為更小的單位,是一種分辨率小于一個像素的圖像處理技術(shù),相當(dāng)于提高了圖像邊緣區(qū)域的分辨率,從而提高邊緣定位的精度[4]。
矩方法、插值法、擬合法是比較常用的幾種亞像素邊緣檢測算法,采用基于矩方法的亞像素檢測算法,定位精度高,具有旋轉(zhuǎn)不變性,抗噪性能佳。
采用直方圖和多層感知的方法實(shí)現(xiàn)。獲取各光照條件下的零件圖像,再獲取該圖像的直方圖,將直方圖看作特征向量送入多層感知網(wǎng)絡(luò)學(xué)習(xí)并進(jìn)行分類。
小型零件的加工制造屬于離散型生產(chǎn)類型,其生產(chǎn)工序復(fù)雜、產(chǎn)品工藝過程多變,以多品種小批量制造方式較為常見,相應(yīng)增加了對生產(chǎn)、檢測、質(zhì)量管理的復(fù)雜性要求。以離散制造車間柔性生產(chǎn)線為應(yīng)用場景,通過智能網(wǎng)關(guān)實(shí)現(xiàn)視覺邊緣云平臺對視覺檢測系統(tǒng)的控制,構(gòu)建多光源機(jī)器視覺檢測系統(tǒng)。借助視覺平臺的模塊分發(fā)、開發(fā)、訓(xùn)練、需求響應(yīng)處理等功能,實(shí)現(xiàn)傳統(tǒng)機(jī)器視覺與人工智能相結(jié)合的新型柔性機(jī)器視覺檢測系統(tǒng)[5],如圖7所示。
圖7 視覺邊緣云平臺的多光源機(jī)器視覺檢測系統(tǒng)的構(gòu)建
以三坐標(biāo)測量儀測量的實(shí)際值作為標(biāo)準(zhǔn)參考值,經(jīng)過實(shí)驗(yàn)測量比對,構(gòu)建的多光源機(jī)器視覺檢測系統(tǒng)測量誤差為0.03 mm以內(nèi),測量結(jié)果精度高,可實(shí)現(xiàn)小型零件的精密檢測。
本技術(shù)路線充分考慮了機(jī)器視覺檢測系統(tǒng)的靈活性、擴(kuò)展性,既考慮機(jī)器視覺系統(tǒng)的實(shí)時性要求,又利用視覺邊緣云平臺豐富的資源進(jìn)行算法開發(fā)和模型訓(xùn)練,使傳統(tǒng)方法與人工智能檢測方法相結(jié)合。
提出的機(jī)器視覺系統(tǒng)的特征是精度高,適應(yīng)性強(qiáng),當(dāng)系統(tǒng)精度不能達(dá)到要求時可使用三坐標(biāo)測量機(jī)代替運(yùn)動平臺來減小機(jī)械運(yùn)動對機(jī)器視覺系統(tǒng)造成的測量誤差。還可考慮通過CAD圖紙比對方法實(shí)現(xiàn)更精確的圖像匹配,進(jìn)一步優(yōu)化運(yùn)動平臺的誤差。