韓茜茜　耿世勇　路向陽

摘 要：隨著機器視覺技術(shù)的不斷發(fā)展以及工業(yè)智能化水平的不斷提高，將機器視覺應(yīng)用于尺寸測量中成為尺寸測量的發(fā)展趨勢。本文首先闡述了機器視覺的特點及方法研究，介紹了機器視覺尺寸測量系統(tǒng)的硬件部分主要由計算機、光源、圖像傳感器、鏡頭以及被測對象等組成，軟件部分主要由圖像預(yù)處理、圖像濾波、邊緣檢測等圖像處理算法組成，然后分析了國內(nèi)外的研究現(xiàn)狀以及機器視覺測量技術(shù)的發(fā)展趨勢，指出從軟件算法入手，不斷開發(fā)更優(yōu)的圖像處理算法，使圖像處理及分析每個流程所涉及的算法的準(zhǔn)確性及魯棒性更高。

關(guān)鍵詞：機器視覺;尺寸測量;研究現(xiàn)狀;測量精度

中圖分類號：TP391.41 文獻(xiàn)標(biāo)識碼：A 文章編號：1003-5168（2019）05-0008-03

Abstract： With the continuous development of machine vision technology and the continuous improvement of industrial intelligence level， the application of machine vision in dimension measurement has become the development trend of dimension measurement. Firstly， this paper expounded the characteristics and methods of machine vision， introduced that the hardware part of machine vision size measurement system was mainly composed of computer， light source， image sensor， lens and the object under test， and the software part was mainly composed of image preprocessing， image filtering， edge detection and other image processing algorithms. Then， it analysed the research status at home and abroad and machine vision. The development trend of perceptual measurement technology was pointed out. Beginning with software algorithms， better image processing algorithms were constantly developed to improve the accuracy and robustness of the algorithms involved in image processing and analysis of each process.

Keywords： machine vision;dimension measurement;research status;measurement accuracy

機器視覺是指通過計算機來模擬人的視覺功能。傳統(tǒng)的尺寸測量方法，如需要人工操作的游標(biāo)卡尺、千分尺、量規(guī)的測量方法，測量精度低、效率低，不適合工業(yè)生產(chǎn)中大批量測量;三坐標(biāo)測量機具有測量精度高、效率高的優(yōu)點，但由于需要接觸被測對象，這種接觸性的測量可能會損傷被測對象;超聲波測量法適用的測量環(huán)境局限性大，空氣溫濕度對其靈敏度影響較大。將機器視覺[1-2]應(yīng)用于尺寸測量中，具有非接觸性、測量效率高的特點，同時可實現(xiàn)在線高精度測量，因此機器視覺技術(shù)在尺寸測量中的應(yīng)用越來越廣泛。

1 機器視覺測量技術(shù)方法研究

基于機器視覺的尺寸測量系統(tǒng)由硬件系統(tǒng)和軟件系統(tǒng)構(gòu)成，硬件系統(tǒng)主要包括光源、圖像傳感器、鏡頭、PC機以及其他相關(guān)硬件設(shè)備。

硬件系統(tǒng)中的光源是機器視覺尺寸測量的硬件部分中需要考慮的第一個重要因素，光源的選擇會直接影響所采集被測量對象的圖像質(zhì)量，從而對輸入數(shù)據(jù)信息的可靠性造成影響。此外，對于不同尺寸測量情況，機器視覺測量系統(tǒng)中光源的照明方式也是不同的。其中，前向照明適用于被測物體對表面缺陷和細(xì)節(jié)特征要求高的情況;背向照明可以照明被測量對象的整體輪廓;同軸照明則適用于反射程度高的物體。圖像傳感器主要分為電荷耦合器件圖像傳感器（CCD）和互補金屬氧化物圖像傳感器（CMOS）兩種。

通過硬件系統(tǒng)實現(xiàn)對被測對象的圖像采集后，需要通過軟件系統(tǒng)對采集到的圖像進行處理，并測量被測對象尺寸。其中，首先需要通過圖像預(yù)處理提取出感興趣的區(qū)域，然后對提取出的圖像進行濾波去噪、灰度變換、邊緣檢測。圖像處理算法對尺寸測量的精度有著至關(guān)重要的影響。

2 國內(nèi)外研究現(xiàn)狀與應(yīng)用

萬子平[3]應(yīng)用機器視覺技術(shù)來測量零件輪廓的尺寸，系統(tǒng)選用LED進行背光式照明來更好地將目標(biāo)信息與背景信息進行分離，鏡頭選用的是畸變率低的雙遠(yuǎn)心鏡頭;系統(tǒng)的軟件基于LabVIEW進行開發(fā)，并改進了傳統(tǒng)的Canny算法，以提高測量精度。此系統(tǒng)可以在工件任意放置的情況下實現(xiàn)目標(biāo)尺寸的測量。為實現(xiàn)塑料螺母尺寸高精度檢測，仲月嬌等[4]應(yīng)用基于非下采樣輪廓波的亞像素角點提取算法確定塑料螺母對邊長和對角長亞像素距離，結(jié)合實際尺寸得到精準(zhǔn)像素當(dāng)量值，并建立塑料螺母直徑與像素當(dāng)量數(shù)學(xué)關(guān)系，解決了塑料螺母對邊和對角尺寸測量精度問題。應(yīng)用擬合后數(shù)據(jù)對4種不同尺寸螺母進行檢測試驗。吳智峰等[5]主要介紹使用機器視覺非接觸測量外螺紋尺寸系統(tǒng)，測量礦山鉆孔所用的鉆桿接頭外螺紋加工尺寸，以及如何通過定制化的工裝夾具來實現(xiàn)接頭的定位旋轉(zhuǎn)拍照采圖，從而實現(xiàn)對礦山鉆孔所用鉆桿接頭加工完后自動檢驗接頭尺寸的技術(shù)。本視覺檢測系統(tǒng)主要是由工業(yè)相機、高倍遠(yuǎn)心鏡頭、平面光源及機器視覺軟件平臺組成。隨著竹材加工過程的自動化程度不斷提高，韓偉聰[6]將機器視覺技術(shù)應(yīng)用于竹材尺寸測量過程中，對于硬件系統(tǒng)采集到的圖像，軟件系統(tǒng)首先通過選擇式掩模平滑法去除噪聲，并很好地將被測目標(biāo)的邊緣信息保留下來，然后選用Sobel邊緣檢測算子進行邊緣檢測，最后采用基于像素點間距的方法來獲取所需測量的竹材內(nèi)外輪廓的厚度以及內(nèi)周長。戴知圣[7]針對一款手機U盤芯片的二維尺寸的測量問題，提出運用圖像處理的方法，實現(xiàn)手機U盤芯片長度和偏角的非接觸式測量;通過COMS工業(yè)相機采集到U盤芯片的背光圖像，在邊緣檢測的基礎(chǔ)上，用Hough變換檢測和定位U盤芯片邊緣直線;針對在一條邊上Hough變換對應(yīng)檢測到多條直線的情況，提出采用直線參數(shù)平均法擬合邊緣直線，從而獲得較精準(zhǔn)的邊緣位置。Mollazade[8]將機器視覺技術(shù)應(yīng)用于土壤含水量的測量中，此應(yīng)用僅僅通過采集一張被測對象的圖像，然后通過軟件系統(tǒng)的圖像處理算法就可以實現(xiàn)土壤含水量高效率的非接觸性測量。測量系統(tǒng)的試驗結(jié)果表明，對于一般模型的被測對象，結(jié)果的平均絕對誤差為1.1%;對于某些特殊模型的測量結(jié)果，平均絕對誤差為0.3%?？梢?，機器視覺技術(shù)對土壤含水量測量具有較大的意義，而且可實現(xiàn)在線測量。激光成型工藝因快速、穩(wěn)定性好、消耗成本低的特點，成為制造業(yè)中一項有前途的技術(shù)，激光成型后變形面的3D輪廓畸變量的測量在學(xué)術(shù)研究中有著極其重要的意義。Kovacevic[9]應(yīng)用機器視覺技術(shù)對此畸變量進行測量，此測量系統(tǒng)實現(xiàn)垂直位移的測量精度達(dá)到0.03mm，橫向收縮的測量精度達(dá)到0.012 5mm。試驗結(jié)果表明，機器視覺技術(shù)可應(yīng)用于大多數(shù)的激光成型工藝中。針對機械工具中裂紋形狀的不規(guī)則性，傳統(tǒng)的測量方法已不能實現(xiàn)裂紋尺寸的高精度測量，K. Khalili[10]將機器視覺技術(shù)應(yīng)用于裂紋幾何參數(shù)的測量中，硬件部分采集圖像后，對圖像進行二值化和濾波，最終得出裂紋的長度和半徑。試驗表明，此應(yīng)用是可靠的，適用于任何裂紋尺寸的測量。對于電極尖端位移的測量，Primoz Podrzaj[11]提出一種新穎的測量方法，即用一個包含光照系統(tǒng)、CCD相機、圖像分析處理算法的機器視覺測量系統(tǒng)，該方法的測量結(jié)果具有較高的精確性。在機床中，主軸旋轉(zhuǎn)的精確度是一個很重要的因素，直接影響機床加工工件的尺寸精度。C. Kavitha[12]通過使用包含CMOS相機和圖像處理算法的機器視覺測量系統(tǒng)，來測量車床主軸的徑向誤差。在主軸旋轉(zhuǎn)過程中，通過相機采集一系列圖像，通過霍夫變換來找到圓心，并通過最小二乘法來擬合曲線。此系統(tǒng)適用于不同轉(zhuǎn)速。

3 機器視覺測量技術(shù)的發(fā)展趨勢

隨著自動化水平不斷提高，機器視覺在尺寸測量領(lǐng)域的應(yīng)用會越來越廣泛，必將會成為日后測量領(lǐng)域的主要趨勢。隨著工業(yè)水平的不斷提高，對測量精度的要求也會不斷提高。對機器視覺技術(shù)在尺寸測量方面的應(yīng)用來說，提高測量精度主要從兩個方面入手：硬件系統(tǒng)和軟件系統(tǒng)。硬件系統(tǒng)方面，提高測量精度可以選取像素更高的鏡頭，但其成本較高。由此，可以考慮從軟件算法入手來提高測量精度，如研究更好的圖像去除噪聲、圖像邊緣檢測、亞像素邊緣檢測算法等。因此，加強對高效、高精度、高魯棒性、高實時性的圖像處理算法的研究將變得越來越重要。雖然目前國內(nèi)外研究人員正在不斷提出新的算法，但大多數(shù)仍處于實驗階段。實際應(yīng)用現(xiàn)場情況復(fù)雜多變，因此，從軟件算法入手來提高機器視覺測量的精度仍然是關(guān)鍵。

4 結(jié)語

機器視覺以其高精度、高效率、非接觸性、實時測量的優(yōu)點，在尺寸測量領(lǐng)域的應(yīng)用越來越廣泛。隨著人工智能及工業(yè)化水平的不斷提升，所需測量的數(shù)據(jù)逐漸多樣性，對機器視覺測量技術(shù)的要求越來越高，而機器視覺技術(shù)本身是涉及多個學(xué)科理論的技術(shù)，因此，仍需進一步研究機器視覺技術(shù)，以滿足自動化、智能化測量的要求。

參考文獻(xiàn)：

[1]卞正崗.機器視覺技術(shù)的發(fā)展[J].中國儀器儀表，2015（6）：40-43.

[2]陳英.機器視覺技術(shù)的發(fā)展現(xiàn)狀與應(yīng)用動態(tài)研究[J].無線互聯(lián)科技，2018（19）：147-148.

[3]萬子平，馬麗莎，陳明.機器視覺的零件輪廓尺寸測量系統(tǒng)設(shè)計[J].單片機與嵌入式系統(tǒng)應(yīng)用，2017（12）：32-34.

[4]仲月嬌，張新敏，徐陽.基于機器視覺塑料螺母尺寸測量方法研究[J].機械工程師，2019（3）：37-39.

[5]吳智峰，柴鑫，王亞波.基于機器視覺非接觸測量外螺紋尺寸系統(tǒng)[J].煤礦機械，2018（8）：171-172.

[6]韓偉聰，鮑光海.基于機器視覺的竹材尺寸測量系統(tǒng)設(shè)計[J].中國測試，2016（7）：74-78.

[7]戴知圣，潘晴，鐘小蕓.基于機器視覺的工件尺寸和角度的測量[J].計算機測量與控制，2016（2）：27-41.

[8] Mollazade， Kaveh H， Reza P R， et al. Development of a novel machine vision procedure for rapid and non-contact measurement of soil moisture content [J]. Measurement，2018（121）：179-189.

[9] Kovacevic， Radovan Ding， Yaoyu Zhang， et al. A laser-based machine vision measurement system for laser forming [J]. Measurement，2016（82）：345-354.

[10] Khalili K， Vahidnia M. Improving the Accuracy of Crack Length Measurement Using Machine Vision [J]. Procedia Technology， 2015（19）：48-55.

[11] Primoz Podrzaj， Samo Simoncic. A machine vision-based electrode displacement measurement [J]. Welding in the World： Journal of the International Institute of Welding，2014（1）：93-99.

[12] C. Kavitha， S. Denis Ashok. A New Approach to Spindle Radial Error Evaluation Using a Machine Vision System [J]. Metrology and Measurement Systems，2017（1）：201-219.