任楷飛+孟令軍+顧澤凌

摘 要： 針對(duì)塑料齒輪在生產(chǎn)過程中存在缺陷，而人工檢測(cè)效率與準(zhǔn)確性低。為了滿足檢測(cè)要求，設(shè)計(jì)基于LabVIEW的塑料齒輪缺齒檢測(cè)系統(tǒng)。首先進(jìn)行圖像采集及預(yù)處理，預(yù)處理包括彩色圖像灰度化、中值濾波、閾值化、Canny邊緣檢測(cè)等；然后通過幾何匹配算法提取齒輪的幾何信息，學(xué)習(xí)并保存模板信息，再調(diào)用模板進(jìn)行匹配計(jì)算得到結(jié)果。分?jǐn)?shù)和模板目標(biāo)曲線分?jǐn)?shù)是判斷齒輪缺陷的主要依據(jù)參數(shù)，選用不同缺齒程度的塑料齒輪進(jìn)行實(shí)驗(yàn)發(fā)現(xiàn)，缺齒程度越大，對(duì)應(yīng)的匹配分?jǐn)?shù)越低。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)可以實(shí)現(xiàn)齒輪缺齒檢測(cè)的功能，為缺陷檢測(cè)提供新的思路。

關(guān)鍵詞： LabVIEW； 機(jī)器視覺； 幾何匹配； 塑料齒輪； 缺齒檢測(cè)； Canny邊緣檢測(cè)

中圖分類號(hào)： TN911.23?34； TP319 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2018）04?0088?04

Abstract： In allusion to the problems that there exist defects in the process of plastic gear production， and the manual detection is in low efficiency and accuracy， and to meet detection requirements， a tooth missing detection system for plastic gears based on LabVIEW is designed in this paper. Image acquisition and preprocessing are carried out， with the former including color?image grayscale， median filtering， thresholding， Canny edge detection， and others. The geometry information of gears is extracted by means of the geometrical matching algorithm. The template information is acquired and saved， and then the template is called for matching calculation to obtain results. Fraction and template objective curve fraction are the main parameters for judging gear defects. Plastic gears in different tooth missing degrees were selected to do the experiment. It was found that the greater the degree of tooth missing， the lower the matching score. The experimental results demonstrate that this system can realize the function of tooth missing detection for gears， and provide a new idea for defect detection.

Keywords： LabVIEW； machine vision； geometric matching； plastic gear； tooth missing detection； Canny edge detection

塑料齒輪的成本低廉、耐腐蝕，廣泛運(yùn)用于家電、儀器儀表等領(lǐng)域[1]。由于材料強(qiáng)度低，在生產(chǎn)過程中會(huì)有缺齒、翹曲等缺陷[2]。產(chǎn)品檢測(cè)是自動(dòng)化生成中的重要環(huán)節(jié)，目前塑料齒輪的缺陷檢測(cè)采用人工檢測(cè)，工作難度大、效率低、易漏檢[3]。作為新興的研究領(lǐng)域，隨著計(jì)算機(jī)及人工智能的發(fā)展，機(jī)器視覺的實(shí)用化程度也在不斷提高[4]。目前國(guó)內(nèi)在齒輪缺陷檢測(cè)方面的應(yīng)用有待完善[5]，采用機(jī)器視覺技術(shù)可以解決以上不足，其相較于傳統(tǒng)的人工檢測(cè)可更好地滿足要求。

本文提出一種基于幾何匹配算法的塑料齒輪缺齒檢測(cè)的方法，結(jié)合LabVIEW軟件和IAMQ Vision工具包來實(shí)現(xiàn)。以不同缺齒程度的塑料齒輪進(jìn)行實(shí)驗(yàn)，對(duì)匹配結(jié)果中對(duì)應(yīng)的分?jǐn)?shù)與模板匹配曲線分?jǐn)?shù)進(jìn)行比較，能夠精準(zhǔn)地判別缺齒齒輪，滿足塑料齒輪缺齒檢測(cè)的高效、精確的要求。此外，利用幾何匹配算法的非接觸檢測(cè)方法，可應(yīng)用到其他缺陷檢測(cè)的場(chǎng)合。

1 系統(tǒng)總體設(shè)計(jì)

LabVIEW平臺(tái)上IMAQ Vision提供所需的機(jī)器視覺算法[6]，使用G語言可以降低開發(fā)難度、縮短開發(fā)周期[7]，并可實(shí)現(xiàn)圖像的處理與視覺檢測(cè)等功能。使用CCD對(duì)圖像進(jìn)行采集，將采集的圖像存儲(chǔ)至本地[8]。再?gòu)闹付窂阶x取原始圖像進(jìn)行預(yù)處理，包括彩色圖像灰度轉(zhuǎn)換，中值濾波、組內(nèi)方差閾值化并均衡以及Canny邊緣檢測(cè)。通過設(shè)置邊緣閾值、步長(zhǎng)、提取邊緣點(diǎn)等過程，完成模板學(xué)習(xí)；調(diào)用學(xué)習(xí)的模板信息進(jìn)行幾何匹配，根據(jù)得到的匹配結(jié)果參數(shù)來判定齒輪缺陷情況。塑料齒輪缺齒檢測(cè)系統(tǒng)由圖像采集、圖像預(yù)處理、幾何匹配、缺陷檢測(cè)等模塊構(gòu)成，結(jié)構(gòu)框圖如圖1所示。

2 圖像采集及預(yù)處理

圖像采集過程首先創(chuàng)建會(huì)話句柄選擇攝像頭，打開并配置USB相機(jī)，調(diào)用IMAQ Create.vi為圖像數(shù)據(jù)創(chuàng)建一個(gè)數(shù)據(jù)緩沖區(qū)，讀入一幀圖像并創(chuàng)建輸出圖像顯示，調(diào)用IMAQ Write File.vi，設(shè)置存儲(chǔ)的路徑和圖片格式。讀取指定路徑的圖像進(jìn)行預(yù)處理，可以抑制噪聲和去除干擾信息，使得處理后的圖像更適合機(jī)器視覺系統(tǒng)，預(yù)處理如圖2所示。endprint

彩色圖像信息量大，影響處理速度[9]，首先需要進(jìn)行灰度化處理。從彩色圖像中抽取一個(gè)平面實(shí)現(xiàn)彩色圖像轉(zhuǎn)換為灰度圖像，需要使用抽取單個(gè)顏色平面（IMAQ Extract Single Color Plane）模塊，每個(gè)顏色模式的單一平面均是8位的灰度圖。使用視覺助手抽取不同平面進(jìn)行比較，選取背景與目標(biāo)對(duì)比明顯且均勻的分量。其中，抽取G分量效果最佳，效果如圖2a）所示。

中值濾波是一種統(tǒng)計(jì)排序的非線性濾波器，以像素點(diǎn)（i，j）為中心的領(lǐng)域內(nèi)的中值作為響應(yīng)，可以有效濾除椒鹽噪聲。選用3×3函數(shù)窗，計(jì)算以點(diǎn)[i，j]為中心的函數(shù)窗灰度中值，濾除后效果如圖2b）所示，窗函數(shù)矩陣表示為：

二值化處理可突出目標(biāo)區(qū)域的特征，由于背景與目標(biāo)之間灰度差距明顯，從而實(shí)現(xiàn)了背景與目標(biāo)的分離。選用組內(nèi)方差的算法實(shí)現(xiàn)閾值處理，將灰度圖像轉(zhuǎn)換為二值圖像，效果如圖2c）所示，目標(biāo)區(qū)域值為0，背景區(qū)域的值為1。

均衡函數(shù)是沒有預(yù)定義的查找表（Look Up Table）操作。均衡函數(shù)通過改變像素的灰度值，使其分布在0～255灰度范圍，使得增強(qiáng)圖像對(duì)比度無需使用全部灰度值。均衡范圍轉(zhuǎn)換后的圖像保留均衡范圍內(nèi)細(xì)節(jié)信息，范圍外的區(qū)域被清除，得到黑色背景與白色目標(biāo)區(qū)域，如圖2d）所示。以便進(jìn)行下一步的邊緣檢測(cè)處理。

齒輪缺陷中的缺齒檢測(cè)，邊緣輪廓是有用信息。在邊緣檢測(cè)中，無法同時(shí)滿足噪聲抑制和精確定位，Canny算子可以均衡兩者。Canny邊緣檢測(cè)首先進(jìn)行平滑，再利用一階偏導(dǎo)的有限差分來計(jì)算梯度。然后，通過非極大值抑制找出圖像灰度變化較大的目標(biāo)區(qū)域。一階偏導(dǎo)計(jì)算水平空間P和垂直空間Q如下：

3 幾何匹配技術(shù)

幾何匹配技術(shù)查找模板信息的過程中不受照明變化、幾何變換的影響，即使這些因素發(fā)生變化，幾何匹配仍可返回正確的檢測(cè)結(jié)果。幾何匹配分為學(xué)習(xí)和匹配兩個(gè)過程：學(xué)習(xí)過程提取目標(biāo)幾何信息作為模板并保存；匹配過程則是尋找待測(cè)圖像與模板信息匹配的對(duì)象。

3.1 學(xué)習(xí)與匹配

圖像邊緣是進(jìn)行幾何匹配的基礎(chǔ)，經(jīng)過邊緣檢測(cè)后邊緣點(diǎn)存在不連續(xù)的情況。幾何匹配算法是利用廣義霍夫（Hough）變換實(shí)現(xiàn)曲線的擬合與連接。在未知大小、方向等條件下，定位任意形狀的曲線。學(xué)習(xí)階段提取模板信息，計(jì)算曲線邊緣點(diǎn)的梯度值，選取中心點(diǎn)（xc，yc）為參考點(diǎn)，計(jì)算從圖像邊緣每個(gè)點(diǎn)（xi，yi）到點(diǎn)（xc，yc）的距離ri和沿切線方向角度θi。通過廣義霍夫變換添加模板圖像中曲線的點(diǎn)后，使用R表存儲(chǔ)目標(biāo)形狀的信息。參考點(diǎn)的計(jì)算公式為：

在匹配階段，從待檢測(cè)圖像中提取幾何信息，對(duì)比模板信息進(jìn)行查找匹配。匹配階段分為邊緣點(diǎn)提取、廣義霍夫匹配以及匹配細(xì)化，邊緣點(diǎn)提取并沿著輪廓計(jì)算邊緣點(diǎn)的梯度值。廣義霍夫匹配中需要?jiǎng)?chuàng)建寄存器，存儲(chǔ)待測(cè)圖像的匹配位置，在寄存器中尋找局部峰值以查找最佳匹配。匹配細(xì)化可以改進(jìn)匹配結(jié)果，如增強(qiáng)位置、角度的精度。

3.2 模板信息制作

通過視覺助手進(jìn)行目標(biāo)模板制作，選擇提取模板區(qū)域，設(shè)定邊緣閾值取舍邊緣點(diǎn)，再設(shè)定濾波器尺寸。指定匹配算法需要忽略的區(qū)域，刪除冗余區(qū)域以提高運(yùn)算速度。并刪除不重要的曲線，選擇學(xué)習(xí)最為相關(guān)的結(jié)果曲線。由于匹配目標(biāo)的方向不確定，匹配的角度要設(shè)置在0°～360°范圍內(nèi)，模板大小設(shè)置一個(gè)比例縮放范圍50%～200%。經(jīng)過參數(shù)設(shè)置完成模板信息的創(chuàng)建，再將學(xué)習(xí)完成的模板信息保存到指定路徑以便調(diào)用。

3.3 LabVIEW設(shè)計(jì)

LabVIEW結(jié)合IMAQ Vision 工具包進(jìn)行軟件設(shè)計(jì)與參數(shù)配置，實(shí)現(xiàn)圖像預(yù)處理、幾何匹配、檢測(cè)等高級(jí)視覺功能。前面板實(shí)現(xiàn)人機(jī)交互，包括原始圖像采集與存儲(chǔ)、讀取指定路徑圖像、模板信息顯示、生成匹配結(jié)果等，前面板設(shè)計(jì)如圖3所示。

按照功能要求，在程序面板進(jìn)行參數(shù)設(shè)置和數(shù)據(jù)傳遞，包括實(shí)現(xiàn)在層疊式順序結(jié)構(gòu)下完成圖像采集與指定路徑存取、圖像預(yù)處理、幾何匹配參數(shù)設(shè)置與讀取模板、幾何匹配結(jié)果顯示等功能。通過數(shù)據(jù)流可監(jiān)測(cè)執(zhí)行動(dòng)向，方便功能調(diào)試。程序面板如圖4所示。

4 實(shí)驗(yàn)結(jié)果分析

通過調(diào)用模板信息對(duì)待測(cè)圖像進(jìn)行匹配，生成一個(gè)匹配結(jié)果的數(shù)值表，包括位置、比例、角度、分?jǐn)?shù)、模板目標(biāo)曲線分?jǐn)?shù)等。分?jǐn)?shù)的計(jì)算使用待測(cè)圖像中與模板信息匹配的曲線和特征，模板目標(biāo)分?jǐn)?shù)關(guān)系到模板信息與待測(cè)圖像中匹配區(qū)域的緊密程度，兩者是判斷相似度的重要參數(shù)。若齒輪輪廓與模板特征完美匹配，計(jì)算的分?jǐn)?shù)、模板目標(biāo)曲線分?jǐn)?shù)會(huì)接近1 000分。由此可根據(jù)分值大小準(zhǔn)確地判斷齒輪缺陷程度，匹配結(jié)果如表1所示。

匹配的4個(gè)目標(biāo)位置坐標(biāo)為：目標(biāo)1（547.47，355.62）、目標(biāo)2（1 041.17，353.26）、目標(biāo)3（533.66，862.03）、目標(biāo)4（1 050.12，847.40）。

匹配顯示如圖5所示，左上對(duì)象為目標(biāo)1，分?jǐn)?shù)與模板目標(biāo)匹配分?jǐn)?shù)為999.58和999.58，目標(biāo)1無缺陷。右上角為目標(biāo)2，兩個(gè)分?jǐn)?shù)分別為994.76和986.70，對(duì)應(yīng)的目標(biāo)存在1個(gè)缺齒。左下角為目標(biāo)3，分?jǐn)?shù)與模板目標(biāo)分?jǐn)?shù)分別為990.22和979.18，與模板差異稍大，對(duì)應(yīng)的有2個(gè)缺齒。右下角為目標(biāo)4，分?jǐn)?shù)分別為978.10和946.39，與模板差距較大，相應(yīng)的有3個(gè)缺齒。目標(biāo)2，3，4為有缺齒缺陷的齒輪。

由此表明，缺齒的個(gè)數(shù)越多，缺陷程度越大，對(duì)應(yīng)的分?jǐn)?shù)就越低且與模板差異越大。實(shí)驗(yàn)表明，該系統(tǒng)能夠?qū)崿F(xiàn)缺齒缺陷檢測(cè)，還可以應(yīng)用于不規(guī)則、齒輪變形等外觀的檢測(cè)。

5 結(jié) 語

本文結(jié)合機(jī)器視覺與虛擬儀器技術(shù)，運(yùn)用幾何匹配算法在LabVIEW平臺(tái)下設(shè)計(jì)實(shí)現(xiàn)了齒輪缺齒檢測(cè)系統(tǒng)。以塑料齒輪為例，幾何匹配結(jié)果可以得到圖像中匹配對(duì)象的分?jǐn)?shù)、模板目標(biāo)匹配曲線分?jǐn)?shù)等參數(shù)。通過實(shí)驗(yàn)分析，發(fā)現(xiàn)齒輪缺陷越大，與目標(biāo)模板的差異越大，幾何匹配分?jǐn)?shù)則越小，從而實(shí)現(xiàn)了非接觸齒輪的缺齒檢測(cè)。本系統(tǒng)具有友好的人機(jī)交互界面、方便操作、擴(kuò)展性強(qiáng)，還可根據(jù)實(shí)際生產(chǎn)需求作為質(zhì)量篩選的依據(jù)。同時(shí)，也可以進(jìn)行缺陷產(chǎn)品的剔除，在零件等自動(dòng)化檢測(cè)領(lǐng)域有一定的實(shí)用價(jià)值。endprint

參考文獻(xiàn)

[1] 李光明，孫英爽，黨小娟.基于LabVIEW的幾何匹配方法的設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)工程與設(shè)計(jì)，2016，37（10）：2705?2709.

LI Guangming， SUN Yingshuang， DANG Xiaojuan. Design and implementation of the geometric matching method based on LabVIEW [J]. Computer engineering and design， 2016， 37（10）： 2705?2709.

[2] 張振祥，陳永清，古洪杰.基于LabVIEW的齒輪齒形缺陷檢測(cè)[J].測(cè)控技術(shù)，2010，29（5）：32?35.

ZHANG Zhenxiang， CHEN Yongqing， GU Hongjie. Gear defect detection based on LabVIEW [J]. Measurement & control technology， 2010， 29（5）： 32?35.

[3] 陳曉玉，謝路生，陳文薌，等.基于LabVIEW的工件外徑測(cè)量與顏色識(shí)別軟件系統(tǒng)設(shè)計(jì)[J].實(shí)驗(yàn)室研究與探索，2017，36（4）：114?118.

CHEN Xiaoyu， XIE Lusheng， CHEN Wenxiang， et al. Workpiece diameter measurement and design of color recognition system based on LabVIEW [J]. Research and exploration in laboratory， 2017， 36（4）： 114?118.

[4] 施保華，魏雅慧.一種基于機(jī)器視覺的螺紋缺陷檢測(cè)方法[J].三峽大學(xué)學(xué)報(bào)（自然科學(xué)版），2015，37（2）：64?66.

SHI Baohua， WEI Yahui. A method of detecting thread defects based on machine vision [J]. Journal of China Three Gorges University （Natural sciences）， 2015， 37（2）： 64?66.

[5] 高世平，吳黎明，陳智翔，等.基于LabVIEW的小模數(shù)齒輪在線測(cè)試方法研究[J].艦船電子工程，2013，33（7）：126?128.

GAO Shiping， WU Liming， CHEN Zhixiang， et al. Research of small modulus gear on?line testing method based on LabVIEW [J]. Ship electronic engineering， 2013， 33（7）： 126?128.

[6] 王業(yè)翔，戴曙光.基于LabVIEW的VFD視覺檢測(cè)技術(shù)研究[J].電子科技，2015，28（8）：157?159.

WANG Yexiang， DAI Shuguang. VFD visual detection technology research based on LabVIEW [J]. Electronic science and technology， 2015， 28（8）： 157?159.

[7] 何貞志，陳於學(xué)，邵明輝，等.基于LabVIEW的滾動(dòng)軸承缺陷在線智能檢測(cè)系統(tǒng)[J].儀表技術(shù)與傳感器，2017（7）：72?75.

HE Zhenzhi， CHEN Yuxue， SHAO Minghui， et al. LabVIEW based rolling bearing defect on?line intelligent detection system [J]. Instrument technique and sensor， 2017（7）： 72?75.

[8] 李定珍，王萍.VFD顯示圖像缺陷檢測(cè)技術(shù)研究[J].液晶與顯示，2013，28（1）：138?145.

LI Dingzhen， WANG Ping. VFD display image defect detection technology research [J]. Chinese journal of liquid crystals and displays， 2013， 28（1）： 138?145.

[9] 張鵬飛.基于LabVIEW的PCB電路缺陷檢測(cè)系統(tǒng)的研究與實(shí)現(xiàn)[D].長(zhǎng)春：長(zhǎng)春理工大學(xué)，2013.

ZHANG Pengfei. Research and implementation of LabVIEW based PCB circuit defect detection system [D]. Changchun： Changchun University of Science and Technology， 2013.

[10] 李紅麗，彭文華.基于LabVIEW與ARM微控制器的智能家居控制系統(tǒng)[J].物聯(lián)網(wǎng)技術(shù)，2015，5（9）：80?81.

LI Hongli， PENG Wenhua. Smart home control system based on LabVIEW and ARM microcontroller [J]. Internet of Things technologies， 2015， 5（9）： 80?81.endprint