徐羊　劉磊

摘要：無(wú)損檢測(cè)技術(shù)在一定程度上反映了一個(gè)國(guó)家的工業(yè)發(fā)展水平，其可應(yīng)用于原材料、中間工藝環(huán)節(jié)以及最終產(chǎn)成品的質(zhì)量檢測(cè)中，可對(duì)產(chǎn)品質(zhì)量進(jìn)行全程跟蹤檢測(cè)，確保產(chǎn)品生產(chǎn)質(zhì)量。將機(jī)器視覺(jué)智能機(jī)器人應(yīng)用于無(wú)損檢測(cè)系統(tǒng)中，可有效提高生產(chǎn)的靈活性和自動(dòng)化程度，促進(jìn)無(wú)損檢測(cè)技術(shù)水平的進(jìn)一步提升。文章首先闡述了機(jī)器視覺(jué)智能機(jī)器人無(wú)損檢測(cè)系統(tǒng)的硬件設(shè)計(jì)，然后對(duì)機(jī)器視覺(jué)智能機(jī)器人無(wú)損檢測(cè)系統(tǒng)的軟件及控制方式和智能技術(shù)進(jìn)行分析，為促進(jìn)我國(guó)工業(yè)發(fā)展水平的進(jìn)一步提升提供參考依據(jù)。

關(guān)鍵詞：機(jī)器視覺(jué);智能機(jī)器人;無(wú)損檢測(cè);圖像

中圖分類(lèi)號(hào)：TP311? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2022）08-0076-02

無(wú)損檢測(cè)是指在不損壞試件或不影響被檢測(cè)對(duì)象使用性能的前提下，通過(guò)物理或者化學(xué)方法，借助現(xiàn)代化的技術(shù)和設(shè)備器材，對(duì)試件內(nèi)部及表面的結(jié)構(gòu)、性質(zhì)、狀態(tài)及缺陷的類(lèi)型、性質(zhì)、數(shù)量、形狀、位置、尺寸、分布等進(jìn)行檢查和測(cè)試的方法。無(wú)損檢測(cè)是我國(guó)工業(yè)發(fā)展中必不可少的有效工具，在冶金、電力、石油化工、船舶等領(lǐng)域得到了廣泛的應(yīng)用。視覺(jué)機(jī)器作為人工智能的一個(gè)分支，主要是利用機(jī)器來(lái)代替人眼進(jìn)行測(cè)量和判斷，將被攝取目標(biāo)轉(zhuǎn)換成圖像信號(hào)后傳送給專(zhuān)用的圖像處理系統(tǒng)，再根據(jù)像素分布的亮度、顏色等信息將其轉(zhuǎn)變?yōu)閿?shù)字化信號(hào)，最后由圖像系統(tǒng)對(duì)這些信號(hào)進(jìn)行處理和分析得到判別結(jié)果。機(jī)器視覺(jué)智能機(jī)器人是將機(jī)器視覺(jué)和智能機(jī)器人相結(jié)合。將機(jī)器視覺(jué)智能機(jī)器人應(yīng)用于無(wú)損檢測(cè)系統(tǒng)中，在大批量重復(fù)性的工業(yè)生產(chǎn)檢測(cè)中，可有效提升生產(chǎn)的柔性和自動(dòng)化程度。機(jī)器視覺(jué)智能機(jī)器人無(wú)損檢測(cè)系統(tǒng)在工業(yè)生產(chǎn)中的應(yīng)用，不僅提升了生產(chǎn)效率和安全性，還提升了檢測(cè)的精準(zhǔn)度，對(duì)于產(chǎn)品質(zhì)量控制具有重要意義。

1 基于機(jī)器視覺(jué)智能機(jī)器人無(wú)損檢測(cè)系統(tǒng)的硬件設(shè)計(jì)

較為典型的工業(yè)機(jī)器視覺(jué)系統(tǒng)主要包括光源、鏡頭、相機(jī)、圖像處理單元、監(jiān)視器、輸入輸出單元等，機(jī)器視覺(jué)智能機(jī)器人無(wú)損檢測(cè)系統(tǒng)的硬件組成部分可根據(jù)實(shí)際檢測(cè)需求合理布置，下面僅對(duì)圖像傳感器、高速CCD相機(jī)和光源進(jìn)行分析。

1.1 圖像傳感器

圖像傳感器又稱(chēng)為感光器件，是工業(yè)攝像機(jī)的核心組件，其主要功能就是將光學(xué)圖像轉(zhuǎn)換成電子信號(hào)的設(shè)備，圖像傳感器的性能直接影響到后續(xù)環(huán)節(jié)中對(duì)圖像處理與解析的難易程度。圖像傳感器主要有CCD和CMOS兩種，綜合各種參數(shù)、工藝和性能，CCD在工業(yè)生產(chǎn)中的應(yīng)用較為廣泛。CCD傳感器的優(yōu)點(diǎn)較多，在機(jī)器視覺(jué)智能機(jī)器人無(wú)損檢測(cè)系統(tǒng)中應(yīng)用可發(fā)揮較大的作用，主要優(yōu)點(diǎn)如下。CCD傳感器的解析度較高，能夠感測(cè)及識(shí)別較為精細(xì)的物體，攝像品質(zhì)較高;可偵測(cè)到較低光度的入射光，訊號(hào)不會(huì)被覆蓋，敏感度高，受天候影響較小。能夠很低地讀出雜訊和暗電流雜訊，信噪比較高;在系統(tǒng)環(huán)境較為復(fù)雜的情況下，能夠同時(shí)偵測(cè)及分辨強(qiáng)光和弱光，所以不會(huì)受到亮度對(duì)信號(hào)的影響;此外，CCD傳感器還有良好的線性特性曲線，高光子轉(zhuǎn)換效率，大面積感光，光譜響應(yīng)廣，低影像失真，體系小、重量輕，低耗電，可大批量生產(chǎn)，易保養(yǎng)等優(yōu)點(diǎn)，這些都可為視覺(jué)識(shí)別無(wú)損檢測(cè)系統(tǒng)的高效運(yùn)行提供重要的技術(shù)支持。

1.2 CCD相機(jī)

相機(jī)是工業(yè)機(jī)器視覺(jué)系統(tǒng)中重要的部件，其主要功能是圖像采集，為了保證圖像采集的質(zhì)量，需要選擇適宜的相機(jī)。圖像傳感器是相機(jī)采集圖像的核心組件，所以相機(jī)的工作效率和質(zhì)量主要取決于傳感器。較為常見(jiàn)的傳感器主要有CMOS圖像傳感器、線陣或面陣CCD圖像傳感器，其中CMOS傳感器的成本較低，合成度較高，工藝程序也相對(duì)較為簡(jiǎn)單，但是在信號(hào)刺激和噪音處理方面相對(duì)薄弱，不太適用于環(huán)境較為復(fù)雜的工業(yè)生產(chǎn)中。所以線陣或面陣CCD相機(jī)在工業(yè)機(jī)器視覺(jué)系統(tǒng)中應(yīng)用較為廣泛。

1.3 光源設(shè)計(jì)

工業(yè)視頻相機(jī)在工作過(guò)程中，由于曝光時(shí)間和被檢測(cè)器件之間的速度存在一定的差距，或者檢測(cè)環(huán)境照度較小，都會(huì)影響到檢測(cè)的精準(zhǔn)度。在檢測(cè)環(huán)境中設(shè)計(jì)相應(yīng)的光源，可有效提升圖像采集的質(zhì)量。在機(jī)器視覺(jué)智能機(jī)器人無(wú)損檢測(cè)系統(tǒng)中較為常用的照明系統(tǒng)主要有環(huán)形光源正面照射和平行光源背面照射，因?yàn)槊糠N光源都有各自的優(yōu)缺點(diǎn)，所以應(yīng)該根據(jù)不同的應(yīng)用場(chǎng)景選擇使用。環(huán)形光源可通過(guò)其結(jié)構(gòu)設(shè)計(jì)實(shí)現(xiàn)高亮度和高均勻性的擴(kuò)散照明，能夠從不同角度提供不同顏色的照射，在檢測(cè)領(lǐng)域的通用性較強(qiáng)。環(huán)形光源一般放置在被檢測(cè)零件的正前方，光源照射到被檢測(cè)器件上，然后CCD相機(jī)接收反射光源并成像。環(huán)形光源占用空間小、安裝成本低，照射角度和光源顏色可根據(jù)實(shí)際需要進(jìn)行定制，能夠有效突出被檢測(cè)器件的表面輪廓，在器件表面缺陷、符號(hào)以及特殊構(gòu)造檢測(cè)中有較好的效果。但是對(duì)于尺寸較小的圓柱或者方形零件，環(huán)形光源檢測(cè)精度相對(duì)較低，在突出零件表面輪廓特征時(shí)，容易受到非檢測(cè)對(duì)象的干擾。平行光源一般采用背光照射，光源與CCD相機(jī)沿零件所在位置對(duì)稱(chēng)放置，相機(jī)可直接接收光源光線。平行光源在應(yīng)用中也會(huì)受到檢測(cè)環(huán)境、檢測(cè)對(duì)象等因素的影響，有一定的優(yōu)缺點(diǎn)。所以在實(shí)際使用中，還需要根據(jù)實(shí)際需求選擇適宜的光源。

2 基于機(jī)器視覺(jué)智能機(jī)器人無(wú)損檢測(cè)系統(tǒng)的軟件設(shè)計(jì)

2.1圖像預(yù)處理

機(jī)器視覺(jué)智能機(jī)器人無(wú)損檢測(cè)系統(tǒng)在圖像采集過(guò)程中，受到拍攝環(huán)境以及相機(jī)自身性能的影響，圖像質(zhì)量不利于特征提取和分類(lèi)，所以需要對(duì)圖像進(jìn)行預(yù)處理，主要包括圖像增強(qiáng)、圖像濾波以及圖像閾值分割等處理過(guò)程。圖像增強(qiáng)一般會(huì)采用灰度增強(qiáng)算法，將圖像中的目標(biāo)區(qū)域相對(duì)背景區(qū)域有明顯的對(duì)比，可在一定程度上提升圖片質(zhì)量，在實(shí)際應(yīng)用中，應(yīng)該在不改變?cè)瓐D背景和目標(biāo)灰度特性的條件下，經(jīng)過(guò)多種算法的對(duì)比采用最優(yōu)算法。圖像濾波主要是對(duì)圖像中的噪聲進(jìn)行處理，以提升最終識(shí)別結(jié)果的精度。因?yàn)閳D像噪聲種類(lèi)較多，所以應(yīng)該根據(jù)實(shí)際需求選擇適宜的算法，既能夠高效抑制噪聲點(diǎn)，又能夠確保圖像的完整性。圖像閾值分割主要是設(shè)定一個(gè)或者多個(gè)閾值，然后將圖像中各個(gè)像素點(diǎn)的灰度值與所對(duì)應(yīng)的閾值進(jìn)行比較，根據(jù)比較結(jié)果對(duì)圖像中的像素點(diǎn)二值化，從而將缺陷從背景中分割出來(lái)。

2.2缺陷特征的提取和選擇

特征提取作為圖像處理的重要環(huán)節(jié)，直接關(guān)系到對(duì)工件表面缺陷的識(shí)別和分類(lèi)。在采集到的圖像中常會(huì)存在一些特殊的信息，利用這些信息可與其他圖像進(jìn)行區(qū)別。圖像的特征種類(lèi)較多，所以一般都會(huì)選擇合適的特征進(jìn)行提取，在工件圖像的缺陷特征提取時(shí)，一般會(huì)選擇形狀、灰度、紋理作為特征提取的要素，三者之間相互補(bǔ)充，可以與其他特征要素有效區(qū)分。缺陷特征提取應(yīng)該遵循一定的標(biāo)準(zhǔn)才能夠保證分類(lèi)的精準(zhǔn)性，不同工件缺陷的特征值應(yīng)盡量保持較大的差異性，利用一組量化型數(shù)值能夠明顯區(qū)分缺陷的類(lèi)型，各個(gè)類(lèi)型的特征之間應(yīng)該互不相關(guān)，最終得到的缺陷特征要便于匯總和儲(chǔ)存。

2.3 表面缺陷檢測(cè)與辨識(shí)

對(duì)疑似缺陷的圖像進(jìn)行順序掃描，以掃描點(diǎn)為中心利用高斯模板確定動(dòng)態(tài)閾值范圍，然后對(duì)疑似缺陷圖像進(jìn)行檢測(cè)和評(píng)判，最終將確認(rèn)的缺陷圖像輸入缺陷單元標(biāo)記庫(kù)中。將所有疑似缺陷圖像全部掃描后再逐個(gè)排除缺陷。在以上環(huán)節(jié)中，構(gòu)建常見(jiàn)缺陷庫(kù)是關(guān)鍵工作。主要是將已經(jīng)確認(rèn)的缺陷進(jìn)行采樣后，再對(duì)圖像的分辨率、尺寸、參照線具體采樣，將常見(jiàn)缺陷的特征具象化后確認(rèn)缺陷的類(lèi)別。缺陷庫(kù)構(gòu)建完成后，將缺陷圖像輸入數(shù)據(jù)庫(kù)中與缺陷類(lèi)別進(jìn)行匹配，如果實(shí)時(shí)采集的圖像與具象化后的缺陷特征相似度超過(guò)閾值時(shí)，可初步判斷采集的圖像具備該缺陷，該圖像即儲(chǔ)存在缺陷類(lèi)別目錄中，然后再對(duì)目錄中的缺陷進(jìn)行下一步缺陷識(shí)別，最終實(shí)現(xiàn)缺陷類(lèi)型的識(shí)別檢測(cè)。

3 機(jī)器視覺(jué)智能機(jī)器人無(wú)損檢測(cè)系統(tǒng)的控制方式與智能控制技術(shù)

3.1 控制系統(tǒng)工作方式

控制系統(tǒng)是機(jī)器視覺(jué)智能機(jī)器人無(wú)損檢測(cè)系統(tǒng)的重要組成部分，檢測(cè)系統(tǒng)中各個(gè)部件的運(yùn)動(dòng)都需要通過(guò)控制系統(tǒng)來(lái)實(shí)現(xiàn)。機(jī)器人系統(tǒng)的運(yùn)動(dòng)較為靈活，不僅能夠?qū)崿F(xiàn)XYZ軸的直線操作，還能夠?qū)崿F(xiàn)圓弧、橢圓弧、螺旋曲線等插補(bǔ)操作，利用計(jì)算機(jī)編程能夠?qū)π螤钶^為復(fù)雜的零件進(jìn)行檢測(cè)，有效提升檢測(cè)的效率和精準(zhǔn)度。機(jī)器視覺(jué)智能機(jī)器人系統(tǒng)的工作方式為通過(guò)高級(jí)語(yǔ)言向運(yùn)動(dòng)控制卡發(fā)送命令以實(shí)現(xiàn)多軸插補(bǔ)運(yùn)動(dòng)或者各軸獨(dú)立運(yùn)動(dòng)，控制卡通過(guò)模擬量電壓驅(qū)動(dòng)伺服放大器，伺服放大器再驅(qū)動(dòng)電機(jī)實(shí)現(xiàn)指定脈沖的旋轉(zhuǎn)運(yùn)動(dòng)，電機(jī)軸端的旋轉(zhuǎn)編碼器再將實(shí)時(shí)位置反饋到控制卡，最終實(shí)現(xiàn)負(fù)反饋的閉環(huán)控制。機(jī)器人的運(yùn)動(dòng)軌跡一般是通過(guò)編程的方式實(shí)現(xiàn)，在沒(méi)有運(yùn)動(dòng)軌跡的情況下，可以利用機(jī)器人的示教功能，先通過(guò)手動(dòng)的方式控制機(jī)器人將檢測(cè)位置運(yùn)行一遍，然后機(jī)器人可精準(zhǔn)重復(fù)運(yùn)行軌跡，以實(shí)現(xiàn)檢測(cè)運(yùn)行。

3.2智能控制技術(shù)

無(wú)損檢測(cè)技術(shù)的應(yīng)用范圍較廣，可在原材料、中間工藝環(huán)節(jié)以及產(chǎn)成品中進(jìn)行質(zhì)量檢測(cè)，且每個(gè)環(huán)節(jié)中被檢測(cè)工件的形狀種類(lèi)都較多。在檢測(cè)過(guò)程中，需要利用機(jī)器人的示教功能進(jìn)行軌跡確定，被檢工件的種類(lèi)越多，示教次數(shù)也會(huì)有所增加，由此會(huì)影響到檢測(cè)效率。利用神經(jīng)模糊算法對(duì)工件外形圖像進(jìn)行分類(lèi)，能夠有效減少示教次數(shù)，從而提升檢測(cè)效率。首先將精確的輸入量轉(zhuǎn)化成模糊變量，在輸入量中會(huì)設(shè)置相應(yīng)的屬性，然后對(duì)于每個(gè)輸入量都可以與一個(gè)或者多個(gè)模糊量發(fā)生關(guān)聯(lián)。經(jīng)過(guò)模糊化后，利用IF...THEN...規(guī)則建立規(guī)則庫(kù)，最后再將模糊量轉(zhuǎn)化為精確量。在檢測(cè)工件時(shí)，先用ANFIS將結(jié)構(gòu)類(lèi)似的工件機(jī)進(jìn)行匹配，結(jié)構(gòu)類(lèi)似的工件在檢測(cè)方法和檢測(cè)點(diǎn)也比較相似，所以可大大減少示教過(guò)程，通過(guò)調(diào)用歷史檢測(cè)路徑和檢測(cè)點(diǎn)即可完成檢測(cè)，實(shí)現(xiàn)智能檢測(cè)。

4 結(jié)語(yǔ)

工業(yè)生產(chǎn)是我國(guó)經(jīng)濟(jì)發(fā)展的支柱性產(chǎn)業(yè)，在我國(guó)向制造強(qiáng)國(guó)方向發(fā)展的時(shí)代背景下，對(duì)工業(yè)生產(chǎn)的效率和產(chǎn)品質(zhì)量有了更高的要求。無(wú)損檢測(cè)作為工業(yè)生產(chǎn)的重要環(huán)節(jié)，檢測(cè)技術(shù)水平直接關(guān)系到產(chǎn)品的生產(chǎn)質(zhì)量。傳統(tǒng)的檢測(cè)方式不僅檢測(cè)效率低，檢測(cè)精度差，而且在較為復(fù)雜和危險(xiǎn)的環(huán)境中，還不利于檢測(cè)工作的進(jìn)行。機(jī)器視覺(jué)智能機(jī)器人無(wú)損檢測(cè)系統(tǒng)在工業(yè)生產(chǎn)中的應(yīng)用，有效提升了檢測(cè)效率。無(wú)損檢測(cè)技術(shù)的非破壞性、全面性、全程性的特點(diǎn)，與機(jī)器視覺(jué)智能機(jī)器人的自動(dòng)化、柔性化、高效性相結(jié)合，大幅提升了無(wú)損檢測(cè)系統(tǒng)的技術(shù)水平。隨著我國(guó)人工智能技術(shù)、網(wǎng)絡(luò)技術(shù)、檢測(cè)技術(shù)的發(fā)展，無(wú)損檢測(cè)技術(shù)還會(huì)不斷完善，檢測(cè)效率和精度會(huì)進(jìn)一步提升，為促進(jìn)我國(guó)工業(yè)生產(chǎn)的可持續(xù)發(fā)展創(chuàng)造有利條件。

參考文獻(xiàn)：

[1] 金懷國(guó)，夏荒生，曾雄偉.基于機(jī)器視覺(jué)技術(shù)的雪茄煙質(zhì)量檢測(cè)裝置設(shè)計(jì)[J].安徽電子信息職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2020，19（4）：7-11.

[2] 魏東辰，嚴(yán)小軍，惠宏超.基于目標(biāo)紋理的機(jī)器視覺(jué)轉(zhuǎn)角檢測(cè)方法[J].導(dǎo)航與控制，2020，19（3）：86-94.

[3] 鐘宇，徐燕，劉德祥，等.基于計(jì)算機(jī)視覺(jué)和機(jī)器學(xué)習(xí)的真?zhèn)尉頍煱b鑒別[J].煙草科技，2020，53（5）：83-92.

[4] 閆俊紅，何家明，李忠虎.基于圖像處理的鋼板缺陷檢測(cè)方法[J].光電技術(shù)應(yīng)用，2019，34（3）：12-15，39.

[5] 王宇，吳智恒，鄧志文，等.基于機(jī)器視覺(jué)的金屬零件表面缺陷檢測(cè)系統(tǒng)[J].機(jī)械工程與自動(dòng)化，2018（4）：210-211，214.

[6] 程翔，王美玲，王廣偉.基于機(jī)器視覺(jué)的汽車(chē)非標(biāo)零部產(chǎn)品檢測(cè)技術(shù)研究[J].經(jīng)濟(jì)技術(shù)協(xié)作信息，2019（14）：90.

[7] 胡浩，李俊峰，沈軍民.基于機(jī)器視覺(jué)的小磁瓦表面微缺陷檢測(cè)方法研究[J].機(jī)電工程，2019，36（2）：117-123，184.

[8] 賀可太，張茜.基于機(jī)器視覺(jué)的熔融沉積成型幾何質(zhì)量在線檢測(cè)方法[J].現(xiàn)代制造工程，2019（5）：18-23，28.

【通聯(lián)編輯：光文玲】