陳 藝徐春梅 梁 鈴 辜 凡榮雪媛

(1.西南科技大學(xué)制造科學(xué)與工程學(xué)院，四川 綿陽621010；2.西南科技大學(xué)工程訓(xùn)練中心，四川 綿陽 621010）

0 引言

現(xiàn)在，機(jī)器視覺技術(shù)廣泛應(yīng)用于自動生產(chǎn)線，包括現(xiàn)場操作控制和產(chǎn)品測試。使用LabVIEW編程系統(tǒng)[1]將采集到的目標(biāo)圖像進(jìn)行一系列處理可得到被測對象的各個參數(shù)，從而實現(xiàn)各種檢測及控制。實驗以雞蛋作為檢測對象，利用LabVIEW和質(zhì)量檢測軟件系統(tǒng)對雞蛋圖像進(jìn)行實時采集，根據(jù)檢測對象之間所存在的差異，利用圖像學(xué)與計算機(jī)有關(guān)知識，按要求對雞蛋進(jìn)行挑選、分級[2]。

1 系統(tǒng)原理與結(jié)構(gòu)

雞蛋表面質(zhì)量檢測系統(tǒng)分為硬件和軟件部分組成。硬件部分包括：LED照明燈、攝像頭、背景板、計算機(jī)等。軟件部分包括：圖像采集系統(tǒng)、顏色識別系統(tǒng)、參數(shù)運(yùn)算系統(tǒng)等。將雞蛋放置在指定位置，給予特定光線照射，采集一幀雞蛋的圖像，系統(tǒng)對該圖像進(jìn)行識別、處理、分析，并將結(jié)果顯示出來，即可根據(jù)結(jié)果挑選雞蛋[3]。

2 顏色模型的選定

攝像頭采集到的圖像是RGB類型圖像，而基于人的視覺系統(tǒng)的HSL模型是一種圖像處理的理想顏色模型。由于雞蛋的顏色主要為白色或紅色（深淺不同），通過實驗發(fā)現(xiàn)，RGB模型和HSL模型都不適用于雞蛋顏色的識別。而灰度模型是一種基本的顏色模型，實驗表明利用灰度模型來識別雞蛋顏色可達(dá)到預(yù)定效果，因此選用灰度模型。

3 閥值的選定

顏色識別是根據(jù)顏色的差異來辨別場景中的目標(biāo)物體，閥值的選取是決定識別效果的關(guān)鍵?；叶鹊膱D像用G表示，其直方圖用h表示，二者的關(guān)系可表示為：

式中，m是灰度值?；叶戎狈綀D用以分析整張圖像的灰度，它使用圖形來描述圖像中不同灰度等級像素的個數(shù)，運(yùn)用直方圖表示時，其水平坐標(biāo)為灰度等級，垂直坐標(biāo)表示的是該灰度值出現(xiàn)的概率?？梢酝ㄟ^觀察灰度直方圖來分析圖像的質(zhì)量[5]。

利用此方法多次試驗，確定出在室內(nèi)常規(guī)燈光條件下，紅色雞蛋的閥值為60-140，白色雞蛋的閥值為160-255。

4 圖像處理與識別

4.1 圖像預(yù)處理

“二值化”是從0-255這256個灰度值中選取適當(dāng)?shù)拈y值，將結(jié)果置于0或255兩個極端灰度值，從而使圖像呈現(xiàn)出對比明顯的黑白效果。二值化可使圖像不再涉及灰度的多級值，從而使得數(shù)據(jù)的壓縮量變小，處理變得簡單。Labview的二值化公式可以定義為：

式中，m 為灰度值，T 為閥值，T1、T2、T3、T4為自定義選取的閥值。該效果的實現(xiàn)主要通過ExtractSingleColorPlane等功能來實現(xiàn)，如果一個對象具備勻稱劃一的在設(shè)定閥值范圍內(nèi)的灰度值，并且具有另一灰度等級的均勻背景，利用該函數(shù)的閥值選取技術(shù)即可得到分割效果[6]。

“低通濾波”可以消除圖像中的噪聲干擾。通常噪聲是利用積分運(yùn)算來平滑，但是當(dāng)圖像模糊時又需要利用微分運(yùn)算來銳化邊緣和細(xì)節(jié)使其清晰。低通濾波可在平滑噪聲的同時，最大程度地保留邊緣信息和細(xì)節(jié)，使噪聲和邊緣的信息和細(xì)節(jié)達(dá)到一個較為理想的平衡點(diǎn)。

“圖像加強(qiáng)”能夠按需求彰顯出圖像上的一些訊息，并同時減弱或去除一些無關(guān)緊要的訊息。其目標(biāo)為在修改灰度圖像的同時，提高圖像的視覺效果，以供給直觀且清晰并適于分析的圖像。

4.2 圖像分析

分析經(jīng)過預(yù)處理的圖像，首先改進(jìn)目標(biāo)物體（雞蛋）的形狀——填補(bǔ)目標(biāo)物體中的空洞及去掉接觸目標(biāo)物體邊沿的信息不完整的顆粒，然后利用分割目標(biāo)物體而不使其形狀改變。去掉無關(guān)的大、小顆粒后，再過濾掉不感興趣的顆粒，以保留具有良好質(zhì)量形狀的顆粒。最后返回圖像中的顆粒數(shù)，并且得出雞蛋的中心坐標(biāo)值、長軸、短軸等參數(shù)。經(jīng)一系列圖像分析后，系統(tǒng)將實現(xiàn)對雞蛋表面質(zhì)量的檢測與分析。

5 軟件與實驗結(jié)果

本系統(tǒng)是一種簡易的雞蛋表面質(zhì)量檢測系統(tǒng)，圖2-a為啟動程序界面,2-b為蛋形指數(shù)測量界面，2-c為紅白雞蛋識別程序界面。

主程序界面中“分析白雞蛋”和“分析紅雞蛋”可以分別識別白雞蛋和紅雞蛋，并得到它們的中心坐標(biāo)值。還可通過其中的“預(yù)處理后圖像”挑選出蛋殼表面有缺陷（如裂紋、污斑等）的雞蛋。當(dāng)被采集雞蛋個數(shù)為一時，主程序界面中的“雞蛋測量”功能在顯示雞蛋中心坐標(biāo)值的同時，還可計算出該雞蛋的長軸、短軸和蛋形指數(shù)。如圖2。

6 結(jié)論

（1）利用Labview圖形化編程這一特點(diǎn)和其強(qiáng)大的機(jī)器視覺技術(shù)，簡化了程序的研發(fā)并大大縮短了程序開發(fā)的時間。

（2）利用攝影專用的吸光布作為背景，非常有效地解決了背景反光對圖像采集的影響，并且成本較低。

（3）該軟件可根據(jù)環(huán)境的不同（導(dǎo)致光線條件不同）靈活更改閥值，可在不同環(huán)境下工作；攝像頭等外部硬件設(shè)備可靈活更換，可滿足不同的圖像采集要求。

（4）可以準(zhǔn)確地分辨出雞蛋的顏色（白或紅）、蛋殼表面缺陷（裂紋、污斑等）和雞蛋的形狀（蛋形指數(shù)）。

（5）分析得出雞蛋的中心坐標(biāo)，可用于將來的大批量自動化生產(chǎn)加工；而本實驗中測量單一雞蛋的長軸、短軸和蛋形指數(shù)，在將來也可用于大批量測量雞蛋的外形參數(shù)。這些信息為物體顏色分選、形狀大小分級、表面瑕疵識別等后續(xù)研究所用，具有良好的應(yīng)用前景。

［1］吳成東,孫秋野,盛科.LabVIEW虛擬儀器程序設(shè)計及應(yīng)用[M].北京:人民郵電出版社,2008.Wu C D,Sun Q Y,Sheng K.The LabVIEW virtual instrument programming and application [M].Beijing:people’s posts and telecommunications publishing house,2008.

［2］敖勤,徐桂珍.一種基于機(jī)器視覺的柑橘表面質(zhì)量檢測方法[J].科技傳播,2014,4:141-142.Ao Q,Xu G Z.An orange surface quality detection method based on machine vision[J].spreading science and technology,2014,4:141-142.

［3］徐春梅,王春耀,劉躍,等.基于機(jī)器視覺系統(tǒng)的顏色識別[J].機(jī)械設(shè)計與制造,2011,8:257-258.Xu C M,Wang C Y,Liu Y,etal.Color recognition based on machine vision systems[J].mechanical design and manufacturing,2011:257-258.

［4］劉金橋,王春耀,吳金強(qiáng),等.基于LabVIEW和IMAQVision的農(nóng)產(chǎn)品顏色識別研究 [J].農(nóng)機(jī)化研究,2009,3:50-52.Liu J Q,Wang C Y,Wu J G,etal.Based on LabVIEW and IMAQVision color recognition of agricultural research[J].agricultural mechanization research,2009,3:50-52.

［5］雷振山,肖成勇,魏麗,等.LabVIEW高級編程與虛擬儀器工程應(yīng)用[M].北京:中國鐵道出版社,2012.Lei Z S,Xiao C Y,Wei L,etal.LabVIEW high-level programming and virtual instrument engineering application [M].Beijing:China railway publishing house,2012.

［6］基于Labview的圖像采集與處理[EB/OL].(2013-01-31)[2014-12-03].http://wenku.baidu.com/link?url=Kh9mbOuxN4ty08CbWzSIRWnBgx4qkalZY1JsTWro34_da4uiH6U9cwEnVlTF1drG8qt82b2LgrT9hlEg15Vc0uHXs_DcNT5RMCT06U-xqYa.Image acquisition and processing based on Labview[EB/OL].(2013-01-31)[2014-12-03].http://wenku.baidu.com/link?url=Kh9mbOuxN4ty08CbWzSIRWnBgx4qkal ZY1JsTWro34_da4uiH6U9cwEnVlTF1drG8qt82b2LgrT9hlEg15Vc0uHXs_DcNT5 RMCT06U-xqYa.