管小衛(wèi)　丁琳

摘 要：針對(duì)利用人的感覺(jué)器官在工業(yè)生產(chǎn)線(xiàn)檢測(cè)中的不足，提出了一個(gè)基于機(jī)器視覺(jué)的鋸片缺陷檢測(cè)系統(tǒng)。通過(guò)工業(yè)數(shù)碼相機(jī)等硬件采集圖像信息，采用亞像素精度閾值分割等圖像處理算法并借助機(jī)器視覺(jué)庫(kù)Halcon對(duì)采集的原始圖像進(jìn)行處理，最后輸出檢測(cè)結(jié)果，提高了工業(yè)生產(chǎn)線(xiàn)檢測(cè)的效率。

關(guān)鍵詞：機(jī)器視覺(jué)；鋸片；檢測(cè)系統(tǒng)

中圖分類(lèi)號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A

Abstract：Aiming at the shortage of the human sense organs in the industrial production line detection，the paper proposes a machine vision-based defect detection system for workpiece saw blade.The system applies industrial digital cameras to collect images，uses sub-pixel accuracy threshold segmentation as the image processing algorithm，adopts the professional machine vision library，Halcon，to process the original images，and finally outputs the test results.The system actually improves the detection efficiency of the industrial production line.

Keywords：machine vision；saw blade；detection system

1 引言（Introduction）

機(jī)器視覺(jué)工件檢測(cè)系統(tǒng)要求能在生產(chǎn)線(xiàn)上實(shí)時(shí)、準(zhǔn)確地利用一些經(jīng)典的邊緣檢測(cè)算子，比如Sobel算子、Prewitt算子[1]、Laplace算子和Canny算子[2]及其改進(jìn)型的LoG算子[3]等圖像處理算法檢測(cè)出工件上主要的缺陷，然后通過(guò)統(tǒng)計(jì)分析評(píng)價(jià)出產(chǎn)品的質(zhì)量狀況。若采用傳統(tǒng)的人工測(cè)量、計(jì)算、統(tǒng)計(jì)的方法進(jìn)行識(shí)別，其效率極低，且產(chǎn)品質(zhì)量無(wú)法得到有效保證，難以滿(mǎn)足高精度的產(chǎn)品測(cè)量和高效率的生產(chǎn)線(xiàn)需求[4-6]。目前機(jī)器視覺(jué)技術(shù)進(jìn)行工件檢測(cè)，在工業(yè)領(lǐng)域應(yīng)用較廣泛，具有非接觸、無(wú)磨損、高效率等優(yōu)點(diǎn)[7，8]，彌補(bǔ)了人眼檢測(cè)的不足。

本文以鋸片鋸齒兩側(cè)的坡口角度缺陷的檢測(cè)為例，提出了一套基于機(jī)器視覺(jué)的工件檢測(cè)系統(tǒng)。該系統(tǒng)由硬件系統(tǒng)和計(jì)算機(jī)軟件系統(tǒng)兩大部分組成，主要通過(guò)鏡頭、工業(yè)數(shù)碼相機(jī)，圖像采集卡等硬件系統(tǒng)完成圖像的采集，利用亞像素精度閾值圖像分割算法、幾何基元的分割算法、輪廓特征提取算法等圖像處理算法，借助專(zhuān)業(yè)的機(jī)器視覺(jué)庫(kù)Halcon[9，10]，設(shè)計(jì)一個(gè)視覺(jué)檢測(cè)軟件，對(duì)采集的原始圖象進(jìn)行處理并輸出結(jié)果。

2 計(jì)算機(jī)視覺(jué)檢測(cè)系統(tǒng)的構(gòu)成（The composition of

computer vision inspection system）

計(jì)算機(jī)視覺(jué)檢測(cè)系統(tǒng)由硬件和軟件兩大部分構(gòu)成。硬件系統(tǒng)的功能是用于采集原始數(shù)字圖像，主要由光源、光學(xué)系統(tǒng)、CCD相機(jī)、圖像采集卡和控制執(zhí)行模塊等幾部分組成，軟件系統(tǒng)的功能是利用相應(yīng)的圖像處理算法對(duì)采集到的圖像進(jìn)行處理和識(shí)別。如圖1所示。

本文以鋸片缺陷的檢測(cè)為例，應(yīng)根據(jù)系統(tǒng)分辨率和檢測(cè)精度的要求合理地選擇檢測(cè)系統(tǒng)的光源、照明方式、照明環(huán)境、工業(yè)相機(jī)、鏡頭、圖像采集卡等硬件模塊，如表1所示。只有采集到優(yōu)質(zhì)的鋸片檢測(cè)圖像，才能為圖像處理提供保證，提高檢測(cè)效率。

3 圖像處理算法（Image processing algorithm）

機(jī)器視覺(jué)檢測(cè)系統(tǒng)另一重要內(nèi)容是圖像處理算法的設(shè)計(jì)，使用合適的編程語(yǔ)言描述并運(yùn)行，通過(guò)圖像處理達(dá)到鋸片缺陷提取，最終實(shí)現(xiàn)機(jī)器視覺(jué)檢測(cè)系統(tǒng)的應(yīng)用。

首先從采集得到的原始圖像中提取鋸片的輪廓，然后對(duì)輪廓進(jìn)行分離得到鋸齒，利用特征提取法得到鋸齒輪廓，最后計(jì)算出鋸齒的坡口角度。如圖2所示。

3.1 亞像素精度閾值分割算法[11]

若把圖像看成是一個(gè)連續(xù)的函數(shù)，那么圖像邊緣可以定義為若干個(gè)點(diǎn)，這些點(diǎn)的方向?qū)?shù)（即灰度值變化率）在垂直于邊緣的方向上是局部最大的。

為獲取比原始圖像更高的分辨率圖像，可從原始圖像中提取亞像素精度數(shù)據(jù)，亞像素精度數(shù)據(jù)可以通過(guò)亞像素閾值分割或亞像素邊緣提取來(lái)獲得。最簡(jiǎn)單的圖像分割算法是閾值分割算法。閾值分割的操作被定義為：

（1）

式中（r， c）表示某像素的坐標(biāo)，fr，c表示灰度值，gmin和gmax分別表示選擇的最小閾值和最大閾值，該操作表示當(dāng)灰度值滿(mǎn)足式（1）時(shí)，則輸出到區(qū)域S中。閾值分割算法執(zhí)行速度較快，因?yàn)樗鼘?duì)每個(gè)像素僅比較一次。若圖像邊緣比較模糊，則所選的閾值對(duì)定位邊緣有一定的影響。

使用亞像素精度閾值分割算法能得到由一組邊緣控制點(diǎn)形成的輪廓。圖像上的兩個(gè)區(qū)域以該輪廓分界，兩個(gè)區(qū)域的灰度值分別大于和小于gsub，為得到這個(gè)輪廓，可將圖像邊緣周?chē)南袼亍斑B續(xù)”化表示成一個(gè)函數(shù)。其中一個(gè)簡(jiǎn)單方法就是通過(guò)雙線(xiàn)性插值來(lái)處理，以達(dá)到像素細(xì)分的目的[12]。

（2）

通過(guò)重復(fù)選取未被處理的線(xiàn)段和附近的線(xiàn)段，直到形成閉合的輪廓，使用圖像灰度函數(shù)f（r，c）和常量函數(shù)g（r，c）=gsub相交運(yùn)算得到亞像素精度閾值分割的結(jié)果。

3.2 幾何基元的分割和擬合算法

首先，把輪廓?jiǎng)澐譃閳A弧和直線(xiàn)段，分離直線(xiàn)段和相鄰的圓弧形狀之間的間隙，然后計(jì)算出鋸齒的每一側(cè)的方向。通過(guò)起始點(diǎn)和結(jié)束點(diǎn)將其轉(zhuǎn)化為一條直線(xiàn)并計(jì)算這條線(xiàn)的角度。然而，經(jīng)處理的圖像的頂部不一定是非常尖銳的，和理想的鋸齒有一定的差異，導(dǎo)致計(jì)算鋸齒方向錯(cuò)誤。因此，使用最小二乘法進(jìn)行直線(xiàn)擬合，利用輪廓線(xiàn)段上所有的點(diǎn)，這樣可以得到擬合很好的直線(xiàn)。

3.3 圖像特征提取

特征提取是對(duì)原始圖像分割后選出部分輪廓或區(qū)域，從中找出一些特征量。

一個(gè)閉合且不自相交的輪廓其所圍繞的范圍將產(chǎn)生一個(gè)區(qū)域，那么輪廓跟前面提過(guò)的區(qū)域一樣也存在面積。若使用（r1，c1）=（rn，cn）表示一個(gè)閉合的輪廓，R表示輪廓包圍的亞像素精度區(qū)域集合，則階矩（p，q）可定義為：

4 實(shí)驗(yàn)結(jié)果（Experimental result）

（1）獲取圖像輪廓

利用機(jī)器視覺(jué)軟件Halcon實(shí)現(xiàn)鋸片缺陷檢測(cè)的流程和部分代碼，首先提取鋸片圖像亞像素精度的輪廓，本系統(tǒng)選擇的是背光照明，圖像背景為白色，鋸片為黑色，如圖3所示。

（2）圖像輪廓分割

通過(guò)使用前面描述的算法將輪廓分割為線(xiàn)和圓弧，一方面Ramer算法可區(qū)分每個(gè)鋸齒的正面和后面，另一方面可以將相鄰鋸齒之間的空隙圓弧和鋸齒的直線(xiàn)段部分分離，圖4為得到的將原始輪廓分為圓弧和線(xiàn)段后的輪廓結(jié)果，圖5為去掉過(guò)長(zhǎng)和過(guò)短及圓弧后剩下的鋸齒。

（3）計(jì)算鋸齒每側(cè)的方向和夾角

計(jì)算方向較好的方法是利用輪廓線(xiàn)段上所用的點(diǎn)，通過(guò)使用前面介紹的線(xiàn)段擬合的算法得到擬合很好的直線(xiàn)。

（4）結(jié)果分析

以機(jī)器視覺(jué)庫(kù)Halcon為軟件平臺(tái)，將以上算法設(shè)計(jì)成程序并對(duì)鋸齒的角度做計(jì)算。使用F5快捷鍵或單擊軟件界面的“運(yùn)行”按鈕執(zhí)行程序后，可在程序圖形界面窗口中依次顯示工件鋸齒的角度。當(dāng)前窗口顯示的結(jié)果是鋸齒兩側(cè)用紅線(xiàn)標(biāo)記，如圖6所示，精度為0.01°。所有已檢測(cè)的工件鋸齒的結(jié)果可通過(guò)變量窗口的Angles行中依次顯示，當(dāng)前檢測(cè)的鋸齒角度通過(guò)Angle行顯示，測(cè)量單位是弧度，精度為0.000001°，顯示結(jié)果如圖7所示。

5 結(jié)論（Conclusion）

本文針對(duì)鋸片缺陷，運(yùn)用了機(jī)器視覺(jué)檢測(cè)技術(shù)，對(duì)鋸片缺陷檢測(cè)技術(shù)的開(kāi)發(fā)進(jìn)行了一定的嘗試。本文對(duì)系統(tǒng)所使用的亞像素精度閾值分割、幾何基元的分割、輪廓特征提取、線(xiàn)段擬合等圖像處理算法進(jìn)行了描述，最后基于機(jī)器視覺(jué)軟件Halcon搭建了針對(duì)鋸片缺陷檢測(cè)的機(jī)器視覺(jué)軟件平臺(tái)，最終實(shí)現(xiàn)鋸片缺陷檢測(cè)結(jié)果的輸出。

基于機(jī)器視覺(jué)的鋸片缺陷檢測(cè)系統(tǒng)是一個(gè)龐大而復(fù)雜的項(xiàng)目，在本系統(tǒng)中只針對(duì)鋸片尺寸缺陷中鋸齒坡角檢測(cè)進(jìn)行了研究和設(shè)計(jì)，而實(shí)際鋸片尺寸缺陷的種類(lèi)很多，如齒高、齒寬、鋸片厚度等，因此有必要進(jìn)一步研究鋸片其他種類(lèi)缺陷的機(jī)器視覺(jué)檢測(cè)。除此之外，還可根據(jù)實(shí)際情況對(duì)光源和照明方式等圖像采集系統(tǒng)做進(jìn)一步的改進(jìn)。

參考文獻(xiàn)（References）

[1] Prewitt J M S.Object Enhancement and Extraction[C].Picture Processing and Psychopictorics.Academic Press，New York，1970：75-149.

[2] Canny J.A Computational Approach to Edge Detection[J].IEEE Trans. Pattern Analysis and Machine Intelligence，

1986，8（6）：679-698.

[3] Marr D，Hildreth E.Theory of Edge Detection[C].Proceedings of the Royal Society of London.Series B，Biological Sciences，1980，207（1167）：187-217.

[4] 吳新杰，王苗苗，黃國(guó)興.基于粒子濾波和機(jī)器視覺(jué)的圓形零件尺寸測(cè)量[J].機(jī)械設(shè)計(jì)與制造，2012，11：49-51.

[5] 王曉翠，張玉連，麻恒闊.基于圖像處理的零件尺寸測(cè)量系統(tǒng)的研究[J].航空精密制造技術(shù)，2007，06：27-30.

[6] 賀雅琴，李琳.基于機(jī)器視覺(jué)的零件尺寸檢測(cè)的研究[J].煤礦機(jī)械，2010，06：102-104.

[7] 祁曉玲，趙霞霞，靳伍銀.基于機(jī)器視覺(jué)的軸類(lèi)零件幾何尺寸測(cè)量[J].組合機(jī)床與自動(dòng)化加工技術(shù)，2013，01：65-67；73.

[8] 王玉槐，等.薄片工業(yè)件特征在線(xiàn)視覺(jué)檢測(cè)系統(tǒng)研究[J].機(jī)床與液壓，2013，07：97-100.

[9] 章毓晉.機(jī)器視覺(jué)和圖像技術(shù)[J].自動(dòng)化博覽，2009，02：20-25.

[10] 楊少榮，吳迪靖，段德山.機(jī)器視覺(jué)算法與應(yīng)用[Z].北京：清華大學(xué)出版社，2008.

[11] 李景峰，楊麗娜，潘恒.串口通信技術(shù)詳解[Z].北京：機(jī)械工業(yè)出版社，2008.

[12] 關(guān)波，等.刀具輪廓亞像素精度閾值分割算法研究[J].圖學(xué)學(xué)報(bào)，2014，06：950-953.

作者簡(jiǎn)介：

管小衛(wèi)（1981-），男，碩士，講師.研究領(lǐng)域：圖像處理，軟件

工程.

丁 琳（1980-），女，本科，講師.研究領(lǐng)域：物聯(lián)網(wǎng)技術(shù).