郭永平，劉淑娟

（1.寶雞文理學院計算機學院，陜西寶雞721016；2.寶雞文理學院圖書館，陜西寶雞721016）

基于機器視覺的產品缺陷檢測系統(tǒng)是使用計算機攝取圖像模擬人的視覺功能用來處理真實物體的圖像。通過分析圖像獲得所需信息，進而控制機器運動裝置，實現(xiàn)產品質量檢測的應用系統(tǒng)。一個完整的基于機器視覺的缺陷檢測系統(tǒng)是由光學系統(tǒng)、圖像采集單元、圖像處理單元、執(zhí)行機構及人機界面等眾多功能模塊共同組成，所有功能模塊相輔相成，缺一不可。如果將光學系統(tǒng)和圖像采集模塊比作人體的眼睛，下位機分揀等執(zhí)行機構比作手臂，那么以數(shù)字圖像技術為主體的軟件處理模塊就是系統(tǒng)的大腦，是分析和指揮系統(tǒng)，是開發(fā)缺陷檢測系統(tǒng)的核心[1-2]。

缺陷檢測軟件處理模塊首先將被攝取目標轉換成圖像信號，傳送給專用的圖像處理系統(tǒng)，根據(jù)像素分布和亮度、顏色等信息，轉變成數(shù)字化信號；再由圖像系統(tǒng)對這些信號進行各種運算來抽取目標的特征，進而根據(jù)判別的結果來控制現(xiàn)場的設備動作[3]。近年來，隨著中國工業(yè)4.0版本的推出，智能制造風生水起，引發(fā)了一場技術和產業(yè)革命，基于機器視覺的各種系統(tǒng)廣泛的應用在測量、運動控制、物流篩選、農產品優(yōu)選等各個領域，工業(yè)生產過程中的質量檢測尤為廣泛[4]。

但對位于制造業(yè)末端的零部件制造中小代工企業(yè)來說，如何檢測多種規(guī)格不同、形狀各異的零件，降低基于機器視覺的產品缺陷檢測系統(tǒng)的使用成本，是破解自動檢測系統(tǒng)在這些企業(yè)普及的關鍵。在檢測系統(tǒng)中由于檢測標的物的形狀、運動過程、照明和檢驗要求不同，尚未有具備通用能力的單一算法，不同的標的物圖像處理過程基本是一事一議，不同的標的物都需要開發(fā)處理過程不同檢測處理模塊[5]。中小代工企業(yè)的產品是根據(jù)客戶訂單，生產多種規(guī)格不同、形狀各異的零件，不同的產品需要進行相應的投資改造，使用成本過高。為此，本文提出了機器視覺系統(tǒng)中軟件一種新的設計方案，通過軟件配置組合不同的圖像處理算法，完成多種零部件的缺陷檢測，降低開發(fā)成本和使用成本。

1 需求分析

1.1 缺陷檢測過程

缺陷檢測系統(tǒng)的軟件模塊是據(jù)外媒觸發(fā)信號進行圖像采集，繼而完成圖像的畸形校正，增強、分割、提取分析、測量，融合處理判定，將判定結果傳送至下位機，由下位機執(zhí)行分揀。一個典型的檢測執(zhí)行過程如圖1所示。

圖1 機器視覺程序整體執(zhí)行流程圖

1.2 軟件模塊功能需求

軟件模塊包括參數(shù)設置、圖像處理與特征提取、綜合判定和人機交互等功能模塊[2]。

1.2.1 參數(shù)設置

為了保障程序高效、準確地執(zhí)行檢測任務，設置相關的相機參數(shù)、閾值及為了減少運算量而進行的劃分感興趣區(qū)域（Region Of Interest，ROI）設置。

1.2.2 圖像處理與特征提取

根據(jù)選定的算法、閾值等參數(shù)，進行圖像校正，增強、分割、特征提取、測量等過程[6-8]。

1.2.3 綜合判定

融合各部位的處理結果進行判定，將處理指令傳送至下位機進行分揀操作。

1.2.4 人機交互

進行檢測監(jiān)控和檢測結果的統(tǒng)計分析等內容。

1.3 當前主流缺陷檢測模塊的設計方法

目前市場上缺陷檢測系統(tǒng)的軟件模塊大部分是針對某一檢測標的進行的定制化開發(fā)。功能上包括設置模塊和檢測模塊兩部分，前者完成相機標定，相機參數(shù)設置、ROI及各種閾值設置等[9-12]；后者執(zhí)行根據(jù)閾值設置和選定算法進行圖像分析處理，完成檢測任務。這種設計方式優(yōu)點是程序執(zhí)行效率高，對某一具體產品的檢測有很好的應用效果。同時，這種設計存在很多問題，描述如下。

1.3.1 通用性差

無論是設置模塊，還是檢測模塊，均為執(zhí)行具體的檢測標的物展開的，是經過分析檢測環(huán)境條件和檢測需求而展開的，采用的算法是以硬編碼的形式固化到檢測程序中，當檢測需求發(fā)生變化時，必須更改原有代碼來完成擴展操作，違背了軟件開發(fā)的開閉原則。

1.3.2 擴展困難

設置模式和檢測模式的應用場景不同，將二者集成到一套軟件中，使得二者緊密耦合，擴展設置模式時，必須連同檢測模塊進行修改，增加了擴展難度和測試成本。如：設置模塊增加機器學習功能時，只是要取得和記錄缺陷的特征信息，代碼和檢測模塊無關，但集成測試時需要連同檢測模塊一起做功能測試。

1.3.3 實施難度大

算法選擇、參數(shù)設置和閾值率定、ROI設置，通常依賴于實施人員的經驗和水平，實施人員缺乏必要的分析實施工具。

1.3.4 處理算法改造困難，使用成本高

這些軟件大部分選用HALCON、VISIONPRO商業(yè)的算法庫算法包，無法對其內部的算法進行改造，不利用對圖像處理算法庫進行擴展。同時采用定制開發(fā)和商業(yè)算法庫，造價高，不利于小企業(yè)推廣使用。

2 系統(tǒng)設計

2.1 設計目標

設計一種針對空洞、褶皺、劃痕、斑點、顏色等缺陷檢測的在線檢測軟件（以下簡稱檢測程序），使其能夠動態(tài)的按照配置文件設定的執(zhí)行步驟和處理算法進行執(zhí)行處理，完成缺陷的檢測過程，滿足不同標的物的檢測需求。此種方式的設計使得檢測程序職責單一化，并使得檢測程序依賴于算法接口，而非具體的算法，具體的算法通過類的反射技術，在運行時根據(jù)配置文件進行創(chuàng)建[13-14]。同時增加用于現(xiàn)場分析實驗工具（以下簡稱實驗程序），使實施人員能夠根據(jù)檢測要求，完成參數(shù)、閾值率定、ROI設置，圖像處理算法優(yōu)選等，并將設置的結果按照檢測項目進行持久化存儲。經過分離設計后實驗程序不再是檢測程序附屬的設置模塊，而是成為運行維護人員用于比較分析的實驗工具，同時，檢測程序職責也進行單一化處理，降低了維護成本。

2.2 架構設計

試驗程序將每種標的物的檢測定義為一個檢測項目，其后專注此項目各種參數(shù)、閾值率定、ROI設置和圖像算法優(yōu)選，將最終的結果持久化存儲[15]。檢測程序讀取配置文件（CONFIG）中的項目信息，由持久化存儲提取該項目的存儲設置信息，匹配執(zhí)行相應算法，生成實例執(zhí)行檢測過程，并將檢測結果進行輸出。系統(tǒng)設計架構如圖2所示。

圖2 實驗平臺和檢測平臺工作示意圖

以下設計要點，是檢測程序正確執(zhí)行的保障。

一種檢測標的為一個檢測項目，閾值、參數(shù)、ROI、算法優(yōu)選等結果均是針對指定的項目展開。標的物發(fā)生變化時，只需在實驗平臺新建一個項目，將設置的結果存儲到數(shù)據(jù)庫中。

將圖像處理算法按照圖像矯正、二值化、濾波、邊緣提取、梯度、分割、提取等進行分類封裝，將不同的算法封裝成具有相同接口的具體類，便于動態(tài)調用。

檢測程序采用設計模式中的策略模式和工廠模式，利用類的反射技術完成設置部分實例的創(chuàng)建，實現(xiàn)對不同算法的可配置化動態(tài)利用。

試驗程序和檢測程序圖像處理算法使用同一的算法庫的算法，確保執(zhí)行的正確性。

2.3 算法庫的選擇

OPENCV（Open Source Computer Vision Library），是Intel公司面向應用程序開發(fā)者開發(fā)的計算機視覺庫，實現(xiàn)了圖像處理、計算機視覺、機器學習方面很多通用算法，輕量級而且高效。它提供了python、C++、Mat Lab等語言的接口，極大地方便了實時的圖像處理、計算機視覺以及模式識別程序的二次開發(fā)[16-17]。Open CV的絕大部分模塊遵循較寬松的BSD協(xié)議。即對商業(yè)應用較為友好，允許在商業(yè)軟件中使用甚至修改遵循該協(xié)議的代碼或庫，而商業(yè)軟件本身代碼無須開源，即允許閉源商業(yè)化應用，僅要求保留原有開源版權聲明[2]。OpenCV可以對其內部的算法進行改造，利于形成自己獨立的視覺應用算法庫，因此選擇OpenCV。

2.4 設計優(yōu)勢

將傳統(tǒng)的檢測程序中的檢測運行模式和設置運行模式進行分離，使得獨立出來的試驗程序擴展性增強，如：提供圖像處理算法對比和優(yōu)選，增加機器學習等功能。檢測程序職能單一化，程序結構更加明晰。同時降低了二者之間的耦合度，試驗程序和檢測程序獨立開發(fā)，互不影響，降低了維護和測試成本，提高了軟件復用度。

3 系統(tǒng)實現(xiàn)

3.1 開發(fā)平臺選擇

實驗程序開發(fā)：實驗程序對實時性要求不高，同時考慮后續(xù)機器學習的擴展性及開發(fā)成本，開發(fā)語言選擇python3.4，交互界面選擇wxPython。

檢測程序開發(fā)：采集過程不能影響原有生產線的工作效率，選擇VS2012中的C++。

數(shù)據(jù)庫選擇：持久化存儲選用SQLLite3，主要用來存儲配置信息和檢測結果信息，數(shù)據(jù)量不大，而SQLite是一款輕型的嵌入式數(shù)據(jù)庫，具有占用資源低、運行速度快等特點，可以直接打包到安裝文件中，因此選擇SQLite。

3.2 試驗程序功能設計

試驗程序對每種標的物分別創(chuàng)建一個項目，在項目管理的基礎上，進行相機參數(shù)設置及相機標定系數(shù)計算、ROI的設置；處理算法優(yōu)選、閾值設置、機器學習等功能。功能上主要由項目管理、參數(shù)設置、算法優(yōu)選和機器訓練等模塊。如圖3所示。

圖3 配置程序功能組成及關系圖

3.2.1 項目管理

針對不同的檢測需求，即不同的零部件，設置為一個項目，記錄項目名稱、零部件的規(guī)格參數(shù)、檢驗要求、標準圖像等信息。項目管理內容包括相機標定、相機參數(shù)設置、ROI設置、檢測流程設置、詳細參數(shù)設置等。

3.2.2 項目參數(shù)設置

設置相機曝光度、分辨率等，同大部分檢測程序相機參數(shù)設定；使用方框、圓、橢圓、不規(guī)則多邊形等方式勾勒出需要處理的區(qū)域，完成ROI的設置。

3.2.3 圖像分析算法優(yōu)選

對于某一類問題的圖像處理算法很多，但每種算法均具有一定的使用條件和場景，本模塊給系統(tǒng)維護人員提供了一系列篩選工具，在根據(jù)需求的基礎上，實施人員需要仔細甄別和優(yōu)選，對圖像處理算法進行優(yōu)選組合，提高檢測精度。如：二值化處理算法中，封裝了簡單閾值、自適應閾值、Otsus二值化等方法，用戶可以根據(jù)圖像分析工具，查看處理結果，率定閾值和方法選擇。目前可供選擇的算法如表1所示。

3.2.4 機器學習

利用OPENCV提供的機器學習算法及python中numpy和scipy類庫提供的強大計算功能，使用一組樣本訓練機器，記錄缺陷的特征值，使檢測程序在分析判斷時更準確，減少誤檢和漏檢幾率。

表1 系統(tǒng)內置算法一覽表

3.3 檢測程序的功能設計

檢測程序用于實際檢測，按照設置程序設置內容，執(zhí)行檢測任務，記錄檢測信息以及檢測信息的統(tǒng)計輸出等，功能包括系統(tǒng)自檢、檢測監(jiān)控和統(tǒng)計分析3部分，功能框圖如圖4所示。

圖4 檢測程序結構及功能框圖

3.3.1 系統(tǒng)自測

檢測前的準備工作，系統(tǒng)對檢測生產線上的軟硬件設備進行檢測，確認所有指定的相機已經開啟。

3.3.2 檢測監(jiān)控

包括圖像采集顯示和檢測結果展示。前者是相機在對生產線上進行圖像采集的同時，需將采集的圖像一并清晰顯示在軟件界面上，以便使用者觀察當前采集狀態(tài)；后者是系統(tǒng)后臺對圖像進行運算處理，在準確處理的基礎上，將實時檢測結果統(tǒng)計信息反饋在軟件界面上，以便使用者了解當前處理信息。

3.3.3 統(tǒng)計分析

在系統(tǒng)運行過程中，需每次對標的處理結果進行保存，并以報表的形式反饋給使用人員，以方便使用人員日后對檢測結果進行分析核查。

4 結束語

利用PYTHON、C++和OPENCV及軟件模式等技術設計的用于中小代工企業(yè)產品缺陷檢測程序，有效地降低了程序開發(fā)難度，破解了機器視覺系統(tǒng)軟件開發(fā)過程中“一事一議”帶來的高成本問題。為中小代工企業(yè)普及自動化檢測系統(tǒng)，進行生產技術改造，提高生產的柔性和自動化程度，具有一定的現(xiàn)實意義。同時試驗程序對大型機器視覺檢測系統(tǒng)的調研、實施和改造提供了強有力的支持。