費成 黃影平 胡興 慈文彥

摘要： 為了提高汽車剎車片的檢測效率和準確性，設計了基于機器視覺的汽車剎車片自動化檢測系統(tǒng)。針對自動化檢測需求搭建了基于可編程邏輯控制器（PLC）的自動化測試平臺，開發(fā)了相應的視覺系統(tǒng)。結合VisionPro和C#語言開發(fā)了檢測軟件，完成了圖像獲取、圖像校準、圖像定位、尺寸測量、缺陷標示、字符識別等任務。實驗結果表明，系統(tǒng)可快速、準確地識別出工件的尺寸、表面缺陷和字符。

關鍵詞：機器視覺； 可編程邏輯控制器（PLC）； 尺寸測量； 缺陷檢測； 字符識別

中圖分類號： TP 23 文獻標志碼： A doi： 10.3969/j.issn.1005 5630.2018.03.014

Abstract：In order to improve the detection efficiency and accuracy of automobile brake pad，an automatic testing system for automobile brake pad based on machine vision is designed.The automation control platform based on programmable logic controller（PLC） is set up to meet the requirements of automatic testing，and the corresponding visual system is developed.At the same time，the detection software is developed combined with VisionPro and C# language.Image acquisition，image calibration，image location，dimension measurement，defect marking and character recognition are completed.The experiments show that the system can quickly and precisely recognize the geometry size，surface defects and text recognition of a brake pad.

Keywords：machine vision； programmable logic controller（PLC）； size measurement； defect detection； text recognition

引 言

剎車片是汽車制動系統(tǒng)中的重要零部件，它是影響汽車剎車性能的關鍵性部件[1]。隨著計算機和圖像處理技術的發(fā)展，基于機器視覺技術檢測工件尺寸、缺陷和字符的方法正逐漸替代人工檢測的方法[2]。機器視覺是通過光學的、非接觸的傳感器自動地獲取和解釋處理一個真實物體的圖像，以獲取所需信息

或用于控制機器運作[3]。在國外，Itoh等[4]開發(fā)了一種基于機器視覺的建筑碎石尺寸精密檢測系統(tǒng)，經過大量實驗，驗證了該系統(tǒng)的測量精度；Meriaudeau[5]開發(fā)了檢測金屬工件表面缺陷的機器視覺裝置，在均勻照明下，利用圖像處理工具可以很方便地檢測出工件的表面缺陷。在國內，Tian等[6]采用超分辨率重構技術消除圖像噪聲，再利用最小二乘回歸亞像素邊緣檢測技術進行邊緣定位及角點提取，最后通過實驗分析了該方法測量工件尺寸的效果；胡琳麗等[7]提出了基于機器視覺的剎車片尺寸自動檢測裝置，利用“比色法”進行標定，采集高精度標準件圖像，計算標準件圖像中像素與長度之間的關系，再在相同條件下測量剎車片尺寸；曾強等[8]設計了一種基于機器視覺技術的剎車片輪廓缺陷檢測方法，創(chuàng)建匹配模板實現(xiàn)對圖像的快速對準，再利用差影法檢測輪廓缺陷；馬艷寧等[9]基于Halcon字符檢測算法確定了剎車片字符合適的分割方法和最佳閾值，測試圖像達到了96%的識別率。上述研究中大多闡述了圖像處理的方法，并未對機器視覺測試系統(tǒng)穩(wěn)定性作出有效說明。本文論述了基于機器視覺的汽車剎車片自動化檢測系統(tǒng)的設計與實現(xiàn)，實驗表明該系統(tǒng)穩(wěn)定可靠，具有實際應用價值。

1 檢測要求及系統(tǒng)整體框架

1.1 被測工件及測量要求

剎車片在制造過程中需進行嚴格的檢測，檢測內容包括尺寸測量、表面缺陷檢測、字符識別，如圖1所示。在尺寸測量中，尺寸及公差為130±0.2 mm。在缺陷檢測中，缺陷最小尺寸不小于0.5 mm，面積不小于4 mm2。在字符識別中，字符筆畫寬度約為0.1 mm以上。被測工件及測量要求如圖1所示。

1.2 系統(tǒng)架構

自動檢測系統(tǒng)由可編程邏輯控制器（PLC）控制柜、測試平臺、主機三部分組成。PLC控制柜包括可編程控制器、變頻器、光源控制器等；測試平臺包括工業(yè)相機、電機、旋轉平臺、光電傳感器、LED光源等；主機包括工業(yè)控制計算機與顯示器。系統(tǒng)上電后，測試工件放在旋轉平臺上，平臺勻速轉動，雙工位分別檢測尺寸信息和缺陷、字符信息。當檢測工位上的位置傳感器檢測到工件時，打開光源并觸發(fā)相機拍照，將采集的圖像傳送至上位機，利用專業(yè)的圖像處理軟件分析處理圖像，給出檢測結果，并通過指示燈顏色顯示是否通過，系統(tǒng)配置如圖2所示。

1.3 控制系統(tǒng)

可編程邏輯控制器（PLC）是一種專用于工業(yè)控制的計算機，工作穩(wěn)定可靠，使用方便，編程簡單。本系統(tǒng)選用歐姆龍CP1E N30DT A型可編程控制器。系統(tǒng)上電后，將檢測工件放于旋轉平臺上，PLC與變頻器采用RS 485協(xié)議進行通信，通過PLC編程控制電機啟停與轉速。當待測工件旋轉至檢測工位時，光電傳感器反饋脈沖信號給PLC，PLC接通光源控制器電源開關，打開光源，同時PLC通過硬件接線觸發(fā)相機采集圖像。相機與主機通過TCP/IP協(xié)議進行通信，交換數(shù)據(jù)。主機運用圖像處理軟件對圖像進行分析處理，并將分析結果通過RS 232協(xié)議發(fā)送給PLC，發(fā)送字符“1”、“2”、“3”、“4”分別對應相機1 OK與NG、相機2 OK與NG。PLC控制信號如表1所示。

剎車片長度為155 mm，剎車片到鏡頭之間的距離為106 mm，CCD尺寸大小為8.8 mm，利用式（2）計算得到本實驗所需鏡頭焦距f為6 mm。

系統(tǒng)在檢測剎車片尺寸和缺陷、字符時，分別選用了LED面光源底部照明方式和條形光源側向照明方式，以此產生較強的對比度，突出被測物表面和輪廓細節(jié)。

本系統(tǒng)選用美國康耐視公司的VisionPro軟件，這是一套基于PC架構的視覺系統(tǒng)軟件開發(fā)包，主要應用于復雜的機器視覺領域，它集成了用于定位、檢測、識別和通訊等任務的工具庫，本文在VS2010平臺上基于C#、VisionPro開發(fā)了剎車片檢測系統(tǒng)。檢測系統(tǒng)交互界面如圖3所示。

2 算法設計

2.1 圖像畸變校準

通過式（6）和式（7）可以得出畸變系數(shù)（aij，bij）的值，從而獲得其他像素點的變換坐標。

相機采集黑白網(wǎng)格模板圖，利用VisionPro中的CalibCheckboard工具對相機進行非線性校準，校準后的結果如圖4所示。

2.2 模式匹配定位

測試時，所有圖像處理工具是以圖像的原點為參考對象進行定位的，然而工件放置的位置存在一定差異，這將導致初始的圖像處理工具定位錯誤。所以要確定一個隨圖像變化的原點，才可正確定位并保證后續(xù)圖像處理工具正常使用。本文使用CogPMAlign模型定位工具中的PatMax算法，該算法可實現(xiàn)圖像模式快速匹配。PatMax從采集的圖像中提取模式，模式是幾何特征和特征之間的空間關系的集合，其中每個特征是不同灰度值的兩個區(qū)域之間邊界上點的集合。構成圖案的特征可以有不同的尺寸，從幾個像素尺寸到多達上百個像素尺寸。PatMax算法使用大的特征快速地在運行圖像中找到近似的圖案匹配，而小的特征精確地確定圖案的位置，這樣可準確而又快速地在連續(xù)輸入圖像中搜索樣板并進行模型匹配。圖像模式匹配定位示意圖如圖5所示。

2.3 尺寸測量

對匹配好的圖像進行尺寸測量，需先用標準件對測量系統(tǒng)進行標定，求出圖像像素坐標到圖像物理坐標的轉換關系，然后再利用卡尺工具測量尺寸。Caliper工具使用投影區(qū)域來產生包含感興趣邊緣的圖像部分的一維表示，利用濾波器運算符卷積一維投影圖像來執(zhí)行濾波，既增加了感興趣邊緣的強度，同時降低了圖像噪聲。將Caliper工具測得的兩個邊緣的坐標值傳送給DistancePointPoint尺寸數(shù)值顯示工具，此尺寸值即物理坐標系下的距離，操作流程如圖6所示。

2.4 缺陷檢測

首先，對校正后的圖像進行中值濾波處理，中值濾波[11]的原理是用像素點鄰域灰度值的中值來代替該像素點的灰度值，以便減少圖像噪音在輸入圖像中的影響，它不是簡單的取均值，所以產生的模糊比較少，這樣既能消除噪聲又能較好地保持圖像的細節(jié)。其次，將輸入圖像與濾波后的圖像作代數(shù)運算，將兩幅圖像對應的存儲矩形點列上的灰度值進行減法運算，灰度值相同部分變成了黑點，缺陷部位由于光線折射影響，此區(qū)域灰度值較大，相減后，灰度值不為0。最后，采用Blob分析算法搜索圖像中的斑點，即為缺陷部位。Blob算法基于灰度閾值對圖像進行分割，將圖像分割成斑點像素與背景像素，接著對其進行腐蝕和膨脹，再執(zhí)行連通性分析將斑點像素組裝成連接的斑點組，最后對斑點組區(qū)域進行面積、周長、質心坐標等特征量計算。缺陷檢測操作流程如圖7所示。

2.5 字符識別

剎車片中需要檢測的字符包括0～9、a～z和A～Z等，以字符0～9為例，具體算法流程如下：

（1） 在檢測字符時，必須先建立一個標準字符庫，作為以后檢測時的模板，調用函數(shù)OCRMax工具訓練字符，通過訓練分割出的字符得到字符庫。

（2） 有了字符模板庫后，在檢測字符時，只需將檢測到的字符與模板庫進行比對即可，字符檢測操作流程如圖8所示。

3 實驗結果

首先驗證測試系統(tǒng)的示值穩(wěn)定性。將工件放置在測量工位上，保持位置不動，對其進行100次重復測量，計算出測量值的標準偏差為0.01 mm。這個實驗結果說明測試系統(tǒng)示值穩(wěn)定，且示值穩(wěn)定性足以滿足對工件130 mm±0.2 mm尺寸的公差要求。

實際測量中，由于光照環(huán)境和圖像處理工具定位等因素，工件的擺放位置對測量結果具有一定程度的影響。同一工件，隨機擺放20次，進行靜態(tài)測量，計算出測量值標準偏差為0.03 mm，測量結果如表2所示?？刂破脚_的轉速對測量結果也有影響，在不同轉速下對同一工件重復20次測量，得到測量值標準偏差隨平臺轉速變化的關系見圖9，由圖可知測量值標準偏差隨平臺轉速的增大而增大。當轉速達到12件/min時，系統(tǒng)的測量值標準偏差達到0.017 mm。依據(jù)工件130 mm±0.2 mm尺寸公差的測量要求，選擇轉速等于12件/min，可以保證測量準確性。

圖10顯示了處理后的圖像，圖中準確地標識出剎車片的表面缺陷，因此該方法可以有效檢測表面缺陷。圖11為剎車片表面字符檢測結果，從圖可以看出，此方法準確地識別了剎車片表面的字符，且穩(wěn)定可靠。

實驗發(fā)現(xiàn)，在圖像處理中運用灰度形態(tài)學可以很好地解決外界噪聲的干擾，提高測量精度。環(huán)境照明光線會影響系統(tǒng)性能，在日光燈開啟狀態(tài)下采集圖像時會因頻閃引進不必要的噪聲，所以在測試時可關閉房間照明，并調節(jié)相機光圈，增大進光量。在實驗中，要保證一致的測試條件，包括環(huán)境光照、相機高度、光圈進光量、旋轉速度、光源亮度等，以使各次實驗數(shù)據(jù)具有可比性。

4 結 論

本文設計了基于機器視覺的汽車零部件自動檢測系統(tǒng)，包括控制系統(tǒng)設計，視覺系統(tǒng)設計，算法處理分析。檢測過程中，剎車片放置旋轉平臺上，旋轉至相應工位觸發(fā)工業(yè)相機自動采集剎車片圖像，將采集圖像傳送至上位機，上位機對采集圖像進行校準、標定、尺寸測量、缺陷測量和字符檢測處理，并對測試結果分析判斷，確定產品是否合格。結果顯示，系統(tǒng)可以高效、準確、穩(wěn)定地檢測出剎車片的尺寸大小、表面缺陷和字符，本研究豐富了機器視覺在汽車零部件檢測方面的應用。

參考文獻：

[1] 徐涵秋，劉華，謝鴻.“剎車片”小常識[J].四川農業(yè)與農機，2007（6）：28 30.

[2] 左東祥，陳曉榮.基于HALCON的剎車片尺寸和表面缺陷檢測系統(tǒng)[J].電子科技，2016，29（11）：78 80.

[3] 穆向陽，張?zhí)?機器視覺系統(tǒng)的設計[J].西安石油大學學報（自然科學版），2007，22（6）：104 109.

[4] ITOH H，MATSUO K，OIDA A，et al.Aggregate size measurement by machine vision[J].Journal of Terramechanics，2008，45（4）：137 145.

[5] MERIAUDEAU F，LAVALLEE L，F(xiàn)AUVET E.Machine vision prototype for defect detection on metallic tubes[C]∥Proceedings of SPIE 4664，Machine Vision Applications in Industrial Inspection X.San Jose，California，United States：SPIE.

[6] TIAN Y Y，HUANG H C，TAN Q C，et al.Size measurement of parts based on machine vision[J].Laser & Optoelectronics Progress，2010，47（1）：011501.

[7] 胡琳麗，徐志玲，張新娜，等.剎車片尺寸自動檢測裝置設計[J].中國計量學院學報，2017，28（1）：45 50.

[8] 曾強，孫堅.基于HALCON的剎車片輪廓缺陷檢測方法研究[J].煤礦機械，2016，37（8）：143 146.

[9] 馬艷寧，陳曉榮，張運濤.基于Halcon的剎車片字符檢測算法研究[J].電子科技，2016，29（10）：101 103.

[10] 劉振宇，李中生，馮柏潤，等.機器視覺在工業(yè)生產線上的應用實現(xiàn)[J].微型機與應用，2013，32（17）：27 30.

[11] 趙高長，張磊，武風波.改進的中值濾波算法在圖像去噪中的應用[J].應用光學，2011，32（4）：678 682.

（編輯：劉鐵英）