基于机器视觉的自动检测技术研究

龙源期刊网

基于机器视觉的零部件尺寸检测技术

作者：鄢国林 付军 杨亚宁

来源：《科技创新与应用》2013年第32期

摘 要：在工业生产中，基于零部件尺寸的几何特征和面阵式CCD获取的零部件图像，利用基于HALCON软件的数字图像处理技术，采用灰度变换、高斯滤波、降噪、标定等一系列的图像分析处理技术实现了对零部件尺寸进行精确检测。并开发设计了一种自动检测及分拣系统，实现了对零部件的精确检测。经过大量的实验结果表明，在误差允许范围内采用机器视觉的检测方法可以实现对零部件尺寸基本参数快速准确的测量并能稳定的实现自动化生产。

关键词：机器视觉；图像处理；零部件尺寸

引言

目前，在新兴市场经济和新型技术不断崛起的背景下，生产出高品质且价格低廉的产品是企业发展的急切需求，然而近些年来在国内现有生产条件下生产出的产品存在着很大的问题。传统意义上的生产需要设备处于时常工作状态以便于随时检测，然而这样的工作方式导致了设备在一定的时间内出现设备闲置的现象，大大的浪费了生产资源并无法实现可靠的自动化生产；还有一个更为重要的原因在于工业生产线上生产出的产品，对于其尺寸精度的测量人们大多数都通过自己的主观意识或者粗浅的测试方法去判别零部件尺寸是否合格，这样的判断方式检测出的精度根本满足不了客户的需求。基于上述诸多问题的提出，一种基于机器视觉的检测方法应运而生，此概念的提出为生产加工业实现自动化、智能化带来了空前的变革。随着机器视觉的应用，机器视觉的应用大大的提高了产品的质量、降低了人口红利并能在一定程度上降低生产成本，带动生产加工业走向自动化、智能化的道路[1]。

1 系统的整体结构

本研究是基于工业生产线上对不同零部件尺寸的检测，机器视觉的零部件尺寸检测主要分为图像采集、图像分析处理、显示结果及控制三个部分。系统主要由计算机主机、工业相机、LED光源和光电传感器、PLC可编程控制器以及单片机控制器、暗箱等。其工作过程是：首先初始化设备并自检设备，然后计算机主机通过软件驱动工业相机（面阵式CCD传感器），但是工业相机在此时只是处于一个等待采集图像信号的状态，当光电传感器没有检测到物体时，此时工业相机继续等待采集图像信号；当光电传感器检测到产品经过时，打开LED光源并触发工业相机采集零部件数字图像信号，然后关闭LED光源，单片机控制器经过USB串口通信方式将数据传输给计算机主机进行图像处理，图像处理后判断物体是否合格，不合格就放入不合格产品收集箱，合格就检测下一个产品。

文章编号：１００１－９９４４（２０１２）０２—００５７—０４　

基于机器视觉的透明瓶装液体液位自动检测　

黄　玲，张叶林，胡　波，马兆敏　

（广西Ｘ－学院电子信息与控制Ｘ－程系，柳州５４５００６）　

摘要：瓶装液体液位高度自动检测能大幅提高产品检测效率。文中介绍了一种带标杆的透　明瓶装液体液位检测系统，利用了液体折射原理，图像中瓶身后的标杆在液面处会出现虚　拟的断开现象，通过图像处理确定标杆断开的位置从而得到液位高度。７２幅液位图像的实　验结果表明，该系统稳定性好，检测准确率较高，用于透明瓶装液体液位自动检测中是可　行及有效的。　关键词：机器视觉；液位检测；标杆；折射；图像分割　中图分类号：ＴＰ３９１　文献标志码：Ａ　

Ａｕｔｏｍａｔｉｃ　Ｄｅｔｅｃｔｉｏｎ　ｏｆ　Ｌｉｑｕｉｄ　Ｌｅｖｅｌ　ｉｎ　Ｔｒａｎｓｐａｒｅｎｔ　Ｂｏｔｔｌｅ　Ｂａｓｅｄ　ｏｎ　Ｍａｃｈｉｎｅ　Ｖｉｓｉｏｎ　

ＨＵＡＮＧ　Ｌｉｎｇ，ＺＨＡＮＧ　Ｙｅ—ｌｉｎ，ＨＵ　Ｂｏ，ＭＡ　Ｚｈａｏ．ｒａｉｎ　

（Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｅｌｅｃｔｒｏｎｉｃ　Ｉｎｔｏｒｍａｔｉｏｎ　ａｎｄ　Ｃｏｎｔｒｏｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｇｕａｎｇｘｉ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ，Ｌｉｕｚｈｏｕ　５４５００６，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｔｈｅ　ａｕｔｏｍａｔｉｃ　ｄｅｔｅｃｔｉｏｎ　ｏｆ　ｌｉｑｕｉｄ　ｌｅｖｅｌ　ｉｎ　ｔｒａｎｓｐａｒｅｎｔ　ｂｏｔｔｌｅ　ｃａｎ　ｉｍｐｒｏｖｅ　ｄｅｔｅｃｔｉｏｎ　ｅｆｆｉｃｉｅｎｃｙ　ｇｒｅａｔｌｙ．Ａ　ｎｅｗ　ｋｉｎｄ　ｏｆ　ｌｉｑｕｉｄ　ｌｅｖｅｌ　ｄｅｔｅｃｔｉｎｇ　ｓｙｓｔｅｍ　ｗｉｔｈ　ａ　ｆｉｅｌｄ　ｒｏｄ　ｗａｓ　ｐｒｏｐｏｓｅｄ　ｗｈｉｃｈ　ｗａｓ　ｂａｓｅｄ　ｏｎ　ｍａｃｈｉｎｅ　ｖｉｓｉｏｎ　ｉｎ　ｔｈｅ　ｐａｐｅｒ．　Ｄｕｅ　ｔｏ　ｔｈｅ　ｒｅｆｒａｃｔｉｏｎ　ｖｉｒｔｕａｌ　ｐｈｅｎｏｍｅｎｏｎ　ｉｎ　ｌｉｑｕｉｄ　ｔｈｅ　ｆｉｌｅｄ　ｒｏｄ　ｂｅｈｉｎｄ　ｔｈｅ　ｂｏｔｔｌｅ　ｓｅｅｍｓ　ｔｏ　ｂｅ　ｂｒｏｋｅｎ　ａｔ　ｔｈｅ　ｌｉｑｕｉｄ　ｓｕｒｆａｃｅ．Ｓｏ　ｔｈｅ　ｌｉｑｕｉｄ　ｌｅｖｅｌ　ｃａｎ　ｂｅ　ｏｂｔａｉｎｅｄ　ｔｈｒｏｕｇｈ　ｆｉｎｄｉｎｇ　ｔｈｅ　ｐｏｓｉｔｉｏｎ　ｏｆ　ｔｈｅ　ｒｏｄ　ｂｒｏｋｅｎ　ｂｙ　ｉｍａｇｅ　ｐｒｏｃｅｓｓｉｎｇ　ｔｅｃｈｎｏｌｏｇｙ．Ｔｈｅ　ｒｅｓｕｌｔｓ　ｏｆ　７２　ｉｍａｇｅｓ　ｏｆ　ｌｉｑｕｉｄ　ｌｅｖｅｌ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ｓｙｓｔｅｍ　ｈａｓ　ｂｅｔｔｅｒ　ｓｔａｂｉｌｉｔｙ　ａｎｄ　ｈｉｇｈ　ｄｅｔｅｃｔｉｏｎ　ａｃ—　ｃｕｒａｃｙ．Ｉｔ　ｉｓ　ｐｒａｃｔｉｃａｂｌｅ　ｉｎ　ａｕｔｏｍａｔｉｃ　ｄｅｔｅｃｔｉｏｎ　ｏｆ　ｌｉｑｕｉｄ　ｌｅｖｅｌ　ｉｎ　ｔｒａｎｓｐａｒｅｎｔ　ｂｏｔｔｌｅｓ．　Ｋｅｙ　ｗｏｒｄｓ：ｍａｃｈｉｎｅ　ｖｉｓｉｏｎ；ｌｉｑｕｉｄ　ｌｅｖｅｌ　ｄｅｔｅｃｔｉｏｎ；ｆｉｌｅｄ　ｒｏｄ；ｒｅｆｒａｃｔｉｏｎ；ｉｍａｇｅ　ｓｅｇｍｅｎｔａｔｉｏｎ　

基于机器视觉的检测系统

视觉系统可以快速、准确和高可重复性地自动完成诸如部件测量和检查的工作，这样就可以帮助制造商提高产品质量和生产力。视觉系统在制造过程中的每一步都可以生成有价值的监测数据，这同时也可以帮助控制工程师扩展过程诊断的功能。

非接触式测量更加快捷

机器视觉在质量控制上最普遍的应用就是测量。Cognex公司的In-Sight系列视觉传感器的市场销售部经理Bryan Boatner说，由于视觉系统测量部件特有的可以达到千分之一英寸的精度，使得它可以适用于很多从前需要采用接触式测量方法的应用场合。

他说道：“制造商采用基于视觉的测量是有诸多原因的。速度是主要的一点。采用接触式测量，难以跟上高吞吐量的流水线的步伐，因此，传统地测量一般都是在产品抽检时完成。”相对应地，机器视觉系统就可以跟上上述生产流水线的步伐，每分钟可以完成上千次的测量，而且机器视觉系统还可以嵌入流水线系统中进行100%的监测。

消除了物理接触，基于视觉的测量就可以“避免对零件的损伤并减少了对机械测量表面磨损和划痕的维护。最终，视觉系统可以测量某些不能用接触式方法测量的零件。”Boatner说道。

Matrox Imaging公司的图像软件小组组长Arnaud Lina，赞同道：机器视觉为物理计量学提供了很多新的可能，如物体的精确测量。Dalsa公司数码图像小组的集成产品开发战略发展部主任Ben Dawson介绍了一些要点，有助于组建机器视觉测量系统以及一些其他的应用。

[align=center]

图1：一些简单的工具－例如一把直尺、一台分光镜以及2 倍的长焦镜头－

能够帮助提高设置机器视觉的速度，DMCInc 公司的Ken Brey说。[/align]

诊断功能

Boatner说：除了测量，机器视觉还能为诊断提供一个有效数据采集工具，这些工具可以进行过程度量和分析数据走势。视觉系统可以为监控操作提供实时的图像，也可以将数字图像按时间标记存档，便于后期检索。

基于机器视觉的智能制造缺陷检测实验报告

一、实验背景

随着制造业的快速发展，产品质量的把控变得越发重要。传统的人工检测方式不仅效率低下，而且容易受到主观因素的影响，导致检测结果的准确性和稳定性不足。机器视觉技术作为一种非接触式、高精度、高速度的检测手段，逐渐在智能制造领域得到广泛应用。本实验旨在研究基于机器视觉的智能制造缺陷检测方法，提高产品质量检测的效率和准确性。

二、实验目的

1、 探究机器视觉技术在智能制造缺陷检测中的应用效果。

2、 对比不同机器视觉算法对缺陷检测的准确性和效率。

3、 分析影响机器视觉缺陷检测的因素，并提出优化方案。

三、实验设备与材料

1、 工业相机：选用分辨率为_____像素的高速工业相机，用于采集产品图像。

2、 光源：采用均匀分布的白色 LED 光源，确保产品表面光照均匀。

3、 计算机：配置高性能 CPU 和 GPU 的计算机，用于图像处理和算法运算。 4、 检测对象：选取_____产品作为检测样本，这些产品具有不同类型和程度的缺陷。

四、实验方法与步骤

1、 图像采集

调整工业相机的位置、焦距和光圈，确保能够清晰地拍摄到产品的全貌和细节。

控制光源的亮度和角度，使产品表面的光照条件符合要求。

对每个检测对象进行多角度、多批次的图像采集，以获取丰富的样本数据。

2、 图像处理

对采集到的图像进行灰度化处理，减少数据量，提高处理速度。

采用滤波算法去除图像中的噪声，提高图像的质量。

通过图像增强算法，突出产品的特征和缺陷信息。

3、 缺陷检测算法

选用了几种常见的机器视觉算法，如阈值分割法、边缘检测法和形态学处理法。

对每种算法进行参数调整和优化，以适应不同类型的缺陷检测。

4、 结果评估 将检测结果与人工检测结果进行对比，计算检测的准确率和漏检率。

记录每种算法的处理时间，评估其检测效率。

五、实验结果与分析

1、 不同算法的检测效果

阈值分割法对于对比度明显的缺陷检测效果较好，但对于复杂的缺陷形态容易出现误判。