下载文档原格式
基于机器视觉的自动化品质检测系统设计自动化品质检测系统是现代工业生产中不可缺少的重要组成部分。
随着科技的发展和工业水平的提高，传统的人工品质检测方式已经无法满足生产的需求，因此基于机器视觉的自动化品质检测系统应运而生。
本文将探讨基于机器视觉的自动化品质检测系统的设计。
首先，基于机器视觉的自动化品质检测系统需要包括图像获取和处理两大核心模块。
图像获取模块采用高性能的工业相机，通过镜头采集产品的视觉信息并将其转换为数字信号，以便后续处理。
同时，在图像采集过程中需要注意光照和环境的干扰因素，选择合适的拍摄角度和光源以保证图像质量。
图像处理模块是基于机器视觉技术的核心模块，其主要任务是对采集到的图像进行处理和分析，以实现自动化的品质检测功能。
首先，图像处理过程中需要进行图像预处理，包括去噪、滤波、调整对比度等操作，以提高图像质量和减少噪声的影响。
其次，利用图像处理算法对图像进行特征提取，如边缘检测、轮廓提取等，以获得产品的形状和结构信息。
最后，利用机器学习和模式识别的方法进行图像分类和判定，判断产品的合格与否。
为了确保系统的准确性和可靠性，基于机器视觉的自动化品质检测系统在设计中还需要考虑以下几个方面。
首先，需要建立一个完整的产品缺陷数据库，包含各种常见的缺陷类型和缺陷特征。
通过对比实时采集到的图像与缺陷数据库中的样本进行比对，可以快速准确地判断产品是否存在缺陷。
其次，针对特定产品的特殊要求，可以设计相应的检测算法和模型，以提高系统的检测精度和效率。
此外，还需要考虑图像处理算法的实时性和可扩展性，使系统能够适应不同工况和不同产品的品质检测需求。
在实际应用中，基于机器视觉的自动化品质检测系统还可以与其他自动化设备相结合，实现自动化生产线上的品质检测，如与机器人、自动输送带等设备的联动。
通过实时监控和分析产品的品质信息，可以及时发现和解决生产过程中出现的问题，提高产品的整体质量和生产效率。
值得一提的是，基于机器视觉的自动化品质检测系统在实际应用中还存在一些挑战和难点。
基于机器视觉的自动检测系统设计与实现一、引言随着工业化生产的普及，自动化驱动生产方式已成为社会发展的趋势。
基于机器视觉的自动检测系统因其高效、可靠、灵敏等优点，逐渐成为自动检测的热门研究方向。
本文旨在介绍一个基于机器视觉的自动检测系统的设计与实现过程。
二、自动检测系统的设计与实现1.系统结构设计本系统采用了传统的客户端/服务器结构。
客户端（PC）用于控制和数据处理，而服务器（嵌入式系统）用于采集和处理实时图像数据。
2.硬件准备使用嵌入式计算平台和相机模块，本系统需要使用USB接口进行连接。
采用嵌入式计算平台是为了提高系统运行效率和稳定性，而相机模块则实现了对物品的高清拍摄。
3.图像采集系统需要采集图像数据，包括颜色、形状、大小等。
采集的图像数据会发送到PC客户端进行后续处理。
4.特征提取系统会根据物品的特征，如颜色、纹理、边缘等进行特征提取。
特征提取是实现自动检测的重要一步，提取特征的正确性影响着后续检测的准确性。
5.物品匹配系统会将特征信息与预设的模型进行匹配。
匹配成功表示物品通过了检测，匹配失败表示物品未通过检测。
6.结果反馈系统会将检测结果反馈给PC客户端。
系统会告知用户是否通过检测，检测时间等信息。
三、实验结果本文设计的自动检测系统的实验结果表明，系统具有很好的稳定性和实用性。
在涉及到大批量物品检测时，系统的速度也非常快，可适应不同尺寸、颜色和形状的物品。
同时，该系统能够自动分辨异常物品，充分实现了自动检测的功能。
四、总结与展望本文介绍了一个基于机器视觉的自动检测系统的设计与实现过程。
通过实验结果表明，本系统具有高效、可靠、灵敏等特点。
但是，由于技术的限制，系统仍有一定的改进空间。
未来，我们将继续不断优化理论模型和算法，不断完善软硬件配置，致力于打造更加智能和高效的自动检测系统。
基于plc的三色警示灯控制的设计与实现基于PLC的三色警示灯控制的设计与实现摘要：本文介绍了基于PLC的三色警示灯控制系统的设计与实现。
通过使用PLC作为控制器，结合适当的传感器和执行器，实现了三色警示灯的控制和状态监测。
系统能够根据不同的输入信号，控制三色灯的亮灭和颜色切换，以便及时警示操作人员或其他相关人员。
1. 引言在工业生产和其他领域中，警示灯起着非常重要的作用。
通过警示灯，可以及时向操作人员或其他相关人员传递重要的信息，以确保工作的安全和顺利进行。
基于PLC的控制系统因其可编程性和灵活性而成为一种常见的控制方案。
2. 系统设计基于PLC的三色警示灯控制系统主要由以下组成部分构成：2.1 PLC控制器：作为系统的核心控制单元，负责接收输入信号并根据预设的逻辑进行控制输出。
2.2 传感器：用于检测需要监测的信号，如温度、压力等。
传感器将信号转换为PLC可以识别的电信号。
2.3 执行器：用于控制警示灯的亮灭和颜色切换。
执行器接收PLC 的控制信号，并根据信号的不同来调节灯的状态。
3. 系统实现系统的实现主要包括以下几个步骤：3.1 搭建硬件平台：将PLC控制器、传感器和执行器等硬件组件连接在一起，并进行适当的配置和设置。
3.2 编写PLC程序：根据系统的需求，编写PLC程序，包括输入信号的监测、逻辑判断和输出控制等。
3.3 调试和测试：对系统进行调试和测试，确保系统能够正常工作，并满足设计要求。
3.4 系统应用：将系统应用于实际场景中，根据需要对程序进行调整和优化，以满足实际需求。
4. 系统功能基于PLC的三色警示灯控制系统具有以下功能：4.1 输入信号监测：系统能够监测不同的输入信号，如温度、压力等。
4.2 逻辑判断：系统能够根据输入信号的不同，进行逻辑判断，并产生相应的输出信号。
4.3 输出控制：系统能够控制三色警示灯的亮灭和颜色切换，以便及时警示操作人员和其他相关人员。
4.4 状态监测：系统能够监测警示灯的状态，并及时反馈给操作人员，以确保系统正常工作。
机械视觉机械手PLC控制系统的设计简介本文档旨在介绍机械视觉机械手PLC控制系统的设计。
该系统结合了机械视觉技术和PLC控制技术，实现了高效准确的机械操作。
以下将对系统的原理、设计要点和应用场景进行详细阐述。
原理机械视觉机械手PLC控制系统的基本原理是通过机械视觉技术实时获取图像信息，对图像进行处理和分析，然后将处理结果传递给PLC控制器，实现对机械手的精确控制。
系统通过识别和定位目标物体，计算出适当的机械操作参数，并将其反馈给PLC控制器，从而驱动机械手执行相应的操作。
设计要点在设计机械视觉机械手PLC控制系统时，需要注意以下几个要点：1. 视觉传感器选择：选择适合的机械视觉传感器，能够满足系统对图像获取和处理的需求。
常见的视觉传感器包括CCD摄像头、CMOS摄像头等。
2. 图像处理算法：针对不同的应用场景，选择合适的图像处理算法。
常用的算法包括边缘提取、目标识别、图像匹配等。
3. 系统集成：将机械视觉系统与PLC控制器进行无缝集成。
确保数据的准确传输和实时响应，以实现精确的机械操作。
4. 系统调试和优化：在系统完成初步搭建后，进行调试和优化工作。
通过对系统运行过程的监测和数据分析，不断优化算法和参数，提高系统的稳定性和性能。
应用场景机械视觉机械手PLC控制系统的设计在许多领域都有广泛的应用，包括但不限于以下几个方面：1. 工业自动化：机械视觉机械手PLC控制系统可以应用于自动化生产线上的物料分拣、装配和检测等操作，提高生产效率和产品质量。
2. 仓储物流：系统可以用于仓储物料的归类、堆垛和搬运等工作，减少人工操作，提高物流效率。
3. 医疗领域：系统可用于医疗器械的装配和精确定位，保证手术和治疗的安全和精准度。
4. 机器人技术：机械视觉机械手PLC控制系统是机器人技术的重要组成部分，可以应用于各种机器人操作，如抓取、放置、装配等。
总结机械视觉机械手PLC控制系统的设计通过结合机械视觉技术和PLC控制技术，实现了高效准确的机械操作。
基于机器视觉的自动检测系统设计近年来，随着人工智能和机器学习技术的快速发展，基于机器视觉的自动检测系统在各个领域得到了广泛应用。
无论是在工业生产中的缺陷检测、医疗诊断中的病变检测，还是在交通安全中的违规行为监控，机器视觉系统已经成为一种非常重要的技术手段。
本文将从系统的设计、关键技术和应用案例等方面，探讨基于机器视觉的自动检测系统。
一、系统设计基于机器视觉的自动检测系统设计主要包括硬件设备、图像采集、图像处理和决策判断等几个方面。
1. 硬件设备硬件设备是机器视觉系统的基础，其中包括摄像头、传感器、光源等。
摄像头负责图像的采集，选择合适的摄像头可以提高图像质量和系统的稳定性。
传感器负责采集其他环境信息，如温度、湿度等。
光源则提供适当的照明条件，确保图像清晰度和准确性。
2. 图像采集图像采集是机器视觉系统的第一步，也是最关键的一步。
图像采集可以通过单张图像或者连续图像进行，也可以通过不同角度和视角对目标进行多角度采集。
采集到的图像需要具备一定的分辨率和色彩准确度。
3. 图像处理在图像采集之后，需要对采集到的图像进行处理，以提取目标的有效信息。
图像处理包括图像分割、特征提取、滤波处理等。
图像分割用于将目标从背景中分离出来，特征提取则用于提取目标的特征，如形状、颜色、纹理等。
滤波处理则是对图像进行去噪和增强。
4. 决策判断在图像处理完成之后，需要进行决策判断，以确定目标是否符合预定的标准。
决策判断通常使用分类、识别和检测等技术。
分类用于将目标划分到不同的类别，识别则是对目标进行识别，检测则是寻找目标的位置。
二、关键技术在基于机器视觉的自动检测系统中，有几个关键技术是不可或缺的。
1. 图像处理技术图像处理技术可以说是机器视觉系统的核心技术之一。
它包括图像增强、图像分割、特征提取、目标识别和目标检测等。
这些技术的优化和改进可以大大提升系统的性能和准确性。
2. 特征提取技术特征提取技术主要用于将目标从图像中提取出来，并对其进行描述。
基于机器视觉的智能检测系统设计和实现近年来，随着计算机技术的快速发展和人工智能的兴起，越来越多的智能化检测系统应运而生。
其中，基于机器视觉的智能检测系统得到了广泛应用和发展。
本文将探讨基于机器视觉的智能检测系统的设计和实现。
一、机器视觉基础知识首先，我们需要了解机器视觉的一些基础知识。
机器视觉是利用计算机和相关设备对图像信息进行处理和分析的一种技术。
它包括图像采集、预处理、特征提取、图像识别等多个方面，它可以帮助人们将图像信息转化成数字信号，高效地完成一系列自动化任务。
二、智能检测系统的功能智能检测系统通常涵盖了图像检测、图像识别、图像处理等多个功能。
其中，图像检测是系统最基本的功能，主要是通过拍摄、采集等方式，获得需要检测的目标图像。
接下来，系统需要对图像进行识别和处理，根据不同的需求，检测系统可以实现无人巡检、目标追踪、异常识别等多种功能。
三、基于机器视觉的智能检测系统设计基于机器视觉的智能检测系统设计需要从以下几个方面考虑：1. 系统硬件设计系统硬件设计是智能检测系统的基础。
在硬件设计中，需要考虑的因素包括电源设计、传感器选择、数据处理器等等。
对于传感器的选择，应根据所需检测的对象进行选择，比如颜色传感器、运动传感器、距离传感器等等。
2. 系统软件设计系统软件是智能检测系统的重要组成部分。
在软件设计中，需要考虑的因素包括图像采集软件、图像识别软件、图像处理软件等等。
对于图像识别软件，我们可以借助机器学习等技术进行设计，以提高智能检测系统的准确率和智能化程度。
3. 系统网络连接设计在智能检测系统中，网络连接设计是非常重要的一部分。
通过网络连接，我们可以实现实时检测和信息传输。
对于系统的网络连接设计，我们应考虑网络连接的稳定性和安全性，以保证系统的正常运转和数据的保护。
四、基于机器视觉的智能检测系统实现基于机器视觉的智能检测系统的实现需要从以下几个方面考虑：1. 数据采集在实现智能检测系统之前，我们需要进行数据采集和处理。
农业技术与装备AGRICULTURAL TECHNOLOGY&EQUIPMENT Vol.367No.07__ JUL.202025文章编号:1673-887X(2020)07-0025-02基于PLC的灯光控制系统的设计王蕊，张孝元(山西农业大学信息学院，山西晋中030800)摘要文章以上海东方明珠塔的灯光模型为研究对象,并选择西门子PLC进行该控制系统研究。
做出了3套灯光动感变换方案,并对该灯光控制系统完成了硬件配置和软件设计,最后利用清华大学科教仪器厂实验箱中东方明珠灯光系统模型进行了调试与修改。
该设计对现有灯光控制系统的诸多特点进行了改善，提升了该控制系统灵活性与稳定性。
关键词灯光系统;PLC;自动控制中图分类号U463.65文献标志码A doi:10.3969/j.issn.1673-887X.2020.07.009 Design of Lighting Control System Based on PLCWang Rui,Zhang Xiaoyuan(College of Information,Shanxi Agricultural University,Taigu030800,Shanxi,China)Abstract:This article takes the lighting model of Shanghai Oriental Pearl Tower as the research object,and selects S7-200series PLC to study the lighting system.In this paper,three sets of lighting dynamic transformation schemes are made and the hardware configuration and software design of the lighting control system are completed.Finally,the Oriental Pearl Lighting System model in the experimental box of the Science and Education Instrument Factory of Tsinghua University is used for debugging and modification.This design improves many shortcomings of the previous lighting control system and improves the stability of the control system.Key words:lighting system,PLC,automatic control动感灯光是一种观赏新娱乐设施,它可通过人工设计出花样繁多、变化多端的用于不同场合的动感效果。
基于PLC的智能照明控制系统设计PLC（可编程逻辑控制器）是一种用于自动化控制系统的重要设备，它具有高可靠性、高稳定性和强大的逻辑处理能力。
随着科技的不断发展，智能化照明系统逐渐成为现代建筑中不可或缺的一部分。
本文将探讨基于PLC的智能照明控制系统设计，重点关注其原理、功能和应用。
首先，我们将介绍智能照明控制系统的基本原理。
智能照明控制系统是一种通过感应器、传感器和PLC等设备实现对照明设备进行自动化管理和控制的技术。
它可以根据环境条件、人员活动等因素实时调整灯光亮度和颜色，以提供舒适、节能且环保的照明效果。
其次，我们将详细介绍基于PLC的智能照明控制系统设计中所涉及到的关键技术和功能。
首先是传感器技术，通过使用光强传感器、温度传感器等设备可以实时检测环境条件，并将数据反馈给PLC进行处理。
其次是通信技术，在现代建筑中往往需要对多个灯光设备进行集中控制，因此需要使用网络通信技术将PLC与各个灯光设备连接起来，实现统一控制。
此外，还需要考虑灯光控制算法的设计，通过合理的算法可以实现灯光的自动调节和优化。
接下来，我们将探讨基于PLC的智能照明控制系统设计在实际应用中的优势和挑战。
首先是节能和环保方面的优势。
通过智能照明系统可以根据环境条件自动调节灯光亮度和颜色，避免了不必要的能源浪费。
其次是提高使用者舒适度和便利性方面的优势。
通过智能照明系统可以根据人员活动实时调整灯光亮度和颜色，提供更加舒适、个性化的照明效果。
然而，在基于PLC的智能照明控制系统设计中也存在一些挑战。
首先是系统稳定性方面的挑战。
由于智能照明系统通常需要连接多个设备进行集中控制，在通信过程中可能会出现延迟、数据丢失等问题，从而影响整个系统稳定性。
其次是成本方面的挑战。
智能照明系统需要使用多个传感器、PLC等设备，增加了系统的成本。
因此，如何在保证系统性能的前提下降低成本是一个需要解决的问题。
最后，我们将展望基于PLC的智能照明控制系统设计在未来的发展趋势。
基于机器视觉的自动检测系统设计与实现自动检测系统已经成为了很多领域中不可或缺的一部分。
其中基于机器视觉的自动检测系统能够利用计算机、摄像头等设备将图像信号数字化，然后进行算法处理，最终达到自动分析的效果。
本文主要是从系统设计与实现的角度，探讨基于机器视觉的自动检测系统。
一、系统设计方案1. 系统需求分析首先，我们需要了解被检测对象及其相关特征，以及检测的环境和条件。
在这个基础上，我们需要确定检测的目的是什么，确定合理的检测方法，并且对检测结果进行合理的统计分析和处理。
例如，要检测工厂中的产品质量，我们需要了解产品的尺寸、外形、颜色等特征，同时要根据工厂生产线的情况对检测的速度、准确度等要求进行分析，以此确定检测方案的设计。
2. 系统硬件设计硬件系统是自动检测系统的基础，主要包括计算机、相机、照明、机械组件等部分。
其中，相机的选择和安装位置是非常关键的，它会影响到成像质量、识别准确率等方面。
在硬件设计方面，还需要根据实际情况选择合适的机械组件，例如运输带、传送带、机器手臂等，以此实现物体的自动识别、取放等操作。
3. 系统软件设计软件设计是自动检测系统的核心，通过算法设计和编程来实现图像处理、识别、检测、分析等功能。
在软件设计方面，需要考虑以下几个方面：(1) 图像处理图像处理的目的是提取影像中物体的特征，包括色彩、纹理、形状等。
常用的图像处理方法有：图像增强、去噪、滤波、分割、特征提取等。
例如，我们可以通过阈值分割方法将目标物体与背景分离出来；通过直方图均衡化改善图像的对比度等。
(2) 物体识别物体识别是自动检测系统中最关键的一个环节，常用的识别方法有：模板匹配、特征匹配、形状匹配等。
例如，在工厂中，我们可以通过相机拍摄到产品的图像，在对其进行处理和识别后，实现对产品大小、重量、质量等方面的自动检测。
(3) 检测算法选择不同的检测对象和环境，需要选择不同的检测算法。
常用的检测算法有：形状分析、颜色分析、边缘检测、光度学分析等。
基于视觉的PLC外观及指示灯状态检测系统设计张文慧;潘丰【摘要】文中设计了基于机器视觉的P LC外观及指示灯状态检测系统,并利用机器视觉引导UR机器人抓取产品上料,提高了系统的自动化程度.采用视觉软件VisionPro设计视觉处理程序,使用语言对视觉处理程序进行二次开发并设计上位机界面.实际应用结果表明,该视觉检测系统漏报率为0,误报率为0.5％,检测时间小于15 s,满足测试要求.【期刊名称】《仪表技术与传感器》【年(卷),期】2018(000)009【总页数】6页(P55-60)【关键词】机器视觉;指示灯状态检测;机器人;VisionPro;【作者】张文慧;潘丰【作者单位】江南大学,轻工过程先进控制教育部重点实验室,江苏无锡 214122;江南大学,轻工过程先进控制教育部重点实验室,江苏无锡 214122【正文语种】中文【中图分类】TP2740 引言在生产PLC的过程中，易发生外观有缺陷或内部电路虚焊、漏焊导致的指示灯亮灭不正常的问题，如果不能及时检测返工，会给后续使用留下隐患。
机器视觉系统的特点是提高生产的柔性和自动化程度。
在一些不适合人工作业的危险环境或大批量工业生产过程中，常用机器视觉来替代人工视觉。
本文设计了基于机器视觉的PLC外观及指示灯状态检测系统，并使用机器人基于视觉定位实现产品自动上料。
首先，对传送带上的到位产品取像，根据一定的图像处理技术计算产品的位置坐标和角度偏移量，引导机器人到正确的位置抓取产品；上料完成后，采集PLC指示灯不同状态时的几组图像，使用相应的图像处理技术检测PLC表面相关部件的有无，以及指示灯亮灭是否正常，记录相关检测数据。
1 检测内容及系统总体结构设计1.1 检测内容需要检测的PLC分为24输入16输出、36输入24输出等不同规格,检测内容为：(1)检测有无：产品表面二维码、侧面标签、盖板、端子；(2)检测指示灯状态：输入指示灯、状态指示灯、输出指示灯亮灭是否正常。
㊀２０１８年㊀第９期仪表技术与传感器Ｉｎｓｔｒｕｍｅｎｔ㊀Ｔｅｃｈｎｉｑｕｅ㊀ａｎｄ㊀Ｓｅｎｓｏｒ２０１８㊀Ｎｏ．９㊀收稿日期：２０１７－０７－１７基于视觉的ＰＬＣ外观及指示灯状态检测系统设计张文慧，潘㊀丰（江南大学，轻工过程先进控制教育部重点实验室，江苏无锡㊀２１４１２２）㊀㊀摘要：文中设计了基于机器视觉的ＰＬＣ外观及指示灯状态检测系统，并利用机器视觉引导ＵＲ机器人抓取产品上料，提高了系统的自动化程度㊂采用视觉软件ＶｉｓｉｏｎＰｒｏ设计视觉处理程序，使用ＶＢ．ＮＥＴ语言对视觉处理程序进行二次开发并设计上位机界面㊂实际应用结果表明，该视觉检测系统漏报率为０，误报率为０．５％，检测时间小于１５ｓ，满足测试要求㊂关键词：机器视觉；指示灯状态检测；机器人；ＶｉｓｉｏｎＰｒｏ；ＶＢ．ＮＥＴ中图分类号：ＴＰ２７４㊀㊀㊀文献标识码：Ａ㊀㊀㊀文章编号：１００２－１８４１（２０１８）０８－００５５－０６ＤｅｔｅｃｔｉｏｎＳｙｓｔｅｍＤｅｓｉｇｎｆｏｒＡｐｐｅａｒａｎｃｅａｎｄＩｎｄｉｃａｔｏｒＬａｍｐＳｔａｔｕｓｏｆＰＬＣＵｓｉｎｇＶｉｓｉｏｎＺＨＡＮＧＷｅｎ⁃ｈｕｉ，ＰＡＮＦｅｎｇ（ＪｉａｎｇｎａｎＵｎｉｖｅｒｓｉｔｙ，ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＡｄｖａｎｃｅｄＰｒｏｃｅｓｓＣｏｎｔｒｏｌｆｏｒＬｉｇｈｔＩｎｄｕｓｔｒｙ，ＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎ，Ｗｕｘｉ２１４１２２，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＴｈｉｓｐａｐｅｒｄｅｓｉｇｎｅｄＰＬＣａｐｐｅａｒａｎｃｅａｎｄｉｎｄｉｃａｔｏｒｌａｍｐｓｔａｔｕｓｄｅｔｅｃｔｉｏｎｓｙｓｔｅｍｂａｓｅｄｏｎｍａｃｈｉｎｅｖｉｓｉｏｎ，ａｎｄｕｓｅｄｍａｃｈｉｎｅｖｉｓｉｏｎｔｏｇｕｉｄｅｔｈｅｒｏｂｏｔｔｏｃａｔｃｈｔｈｅｐｒｏｄｕｃｔｔｏｆｅｅｄ，ｉｍｐｒｏｖｅｄｔｈｅａｕｔｏｍａｔｉｏｎｄｅｇｒｅｅｏｆｔｈｅｓｙｓｔｅｍ．Ｔｈｉｓｐａｐｅｒｄｅ⁃ｓｉｇｎｖｉｓｕａｌｓｅｎｓｅｐｒｏｃｅｓｓｉｎｇｐｒｏｇｒａｍｉｎｖｉｓｕａｌｓｅｎｓｅｓｏｆｔｗａｒｅＶｉｓｉｏｎＰｒｏ，ｕｓｅＶＢ．ＮＥＴｌａｎｇｕａｇｅｔｏｃｏｎｄｕｃｔｓｅｃｏｎｄａｒｙｄｅｖｅｌｏｐｍｅｎｔｏｆｔｈｅｖｉｓｕａｌｓｅｎｓｅｐｒｏｃｅｓｓｉｎｇｐｒｏｇｒａｍａｎｄｄｅｓｉｇｎｕｐｐｅｒｍｏｎｉｔｏｒｉｎｔｅｒｆａｃｅ．Ｔｈｅａｃｔｕａｌａｐｐｌｉｃａｔｉｏｎｒｅｓｕｌｔｓｈｏｗｓｔｈａｔｔｈｅｍｉｓｄｉａｇｎｏ⁃ｓｉｓｒａｔｅｏｆｔｈｅｖｉｓｉｏｎｓｙｓｔｅｍｉｓ０．５％，ｗｈｏｓｅｍｉｓｓｉｎｇｒｅｐｏｒｔｒａｔｅｉｓｚｅｒｏ，ａｎｄｗｉｔｈｌｅｓｓｔｈａｎ１５ｓｄｅｔｅｃｔｉｏｎｔｉｍｅ．Ｔｈｉｓｍｅｅｔｓｔｈｅｎｅｅｄｓｏｆｔｈｅｔｅｓｔ．Ｋｅｙｗｏｒｄｓ：ｍａｃｈｉｎｅｖｉｓｉｏｎ；ｉｎｄｉｃａｔｏｒｌａｍｐｓｔａｔｕｓｄｅｔｅｃｔｉｏｎ；ｒｏｂｏｔ；ＶｉｓｉｏｎＰｒｏ；ＶＢ．ＮＥＴ０㊀引言在生产ＰＬＣ的过程中，易发生外观有缺陷或内部电路虚焊㊁漏焊导致的指示灯亮灭不正常的问题，如果不能及时检测返工，会给后续使用留下隐患㊂机器视觉系统的特点是提高生产的柔性和自动化程度㊂在一些不适合人工作业的危险环境或大批量工业生产过程中，常用机器视觉来替代人工视觉㊂本文设计了基于机器视觉的ＰＬＣ外观及指示灯状态检测系统，并使用机器人基于视觉定位实现产品自动上料㊂首先，对传送带上的到位产品取像，根据一定的图像处理技术计算产品的位置坐标和角度偏移量，引导机器人到正确的位置抓取产品；上料完成后，采集ＰＬＣ指示灯不同状态时的几组图像，使用相应的图像处理技术检测ＰＬＣ表面相关部件的有无，以及指示灯亮灭是否正常，记录相关检测数据㊂１㊀检测内容及系统总体结构设计１．１㊀检测内容需要检测的ＰＬＣ分为２４输入１６输出㊁３６输入２４输出等不同规格，检测内容为：（１）检测有无：产品表面二维码㊁侧面标签㊁盖板㊁端子；（２）检测指示灯状态：输入指示灯㊁状态指示灯㊁输出指示灯亮灭是否正常㊂如图１所示，以２４输入１６输出的ＰＬＣ示例说明（以下均以此型号示例，其他型号的检测内容及原理相同）㊂为保证各零件特征集中到一张图像上体现，在产品左侧增设一个４５ʎ斜放的镜面，使侧面标签图像显示在同一检测平面㊂项目要求该系统的检测误报率小于０．５％，漏报率为０，单个检测周期小于１５ｓ㊂１．２㊀系统结构设计ＰＬＣ外观及指示灯状态检测系统的总体结构设计如图２所示，检测系统共分为３部分：机器人上料部分主要由ＵＲ３机械臂㊁机械臂控制柜以及Ｂ区的相机㊁镜头㊁光源等构成；视觉检测部分主要由Ａ区的相机㊁镜头㊁光源㊁探针等构成；上位机监控部分主要由工控机及其配件构成㊂㊀㊀㊀㊀㊀５６㊀ＩｎｓｔｒｕｍｅｎｔＴｅｃｈｎｉｑｕｅａｎｄＳｅｎｓｏｒＳｅｐ．２０１８㊀图１㊀２４输入１６输出的ＰＬＣ检测内容示例图图２㊀系统总体结构图相机通过千兆工业网线与安插在工控机ＰＣＩ插槽中的图像采集卡相连，探针与安插在工控机插槽中ＩＯ卡的输出点相连，机器人控制柜与工控机通过网线连接㊂ＰＬＣ到达上料位置后触发接近传感器，传送带停止运转，Ｂ区相机２采集图像，机器人根据视觉处理结果到达对应位置准确抓取产品完成上料㊂在Ａ区检测环节中，相机１对产品进行多次图像采集，图像通过图像采集卡传送给上位机进行视觉检测，是否合格信息显示在上位机界面，机器人抓取产品下料，完成检测㊂１．３㊀开发环境介绍ＰＬＣ外观及指示灯状态检测系统视觉检测算法的设计需保证可靠㊁高效和稳定㊂本系统选用Ｖｉｓｉｏｎ⁃Ｐｒｏ视觉软件，其是一套基于ＰＣ架构的视觉系统软件开发包，主要应用于复杂的机器视觉领域㊂它集成了用于定位㊁检测㊁识别和通讯等任务的工具库，可用Ｃ＃㊁ＶＢ和ＶＣ等语言进行二次开发㊂ＶｉｓｉｏｎＰｒｏ简化了视觉系统与其他主控制程序的融合处理，可实现高性能的视觉系统开发［１］㊂本系统基于ＶｉｓｉｏｎＰｒｏ视觉软件，使用ＶＢ．ＮＥＴ语言进行二次开发，既可保证系统的可靠运行，又可以缩短开发周期，降低时间成本㊂１．４㊀硬件选型１．４．１㊀工业相机工业相机根据感光元件分为ＣＣＤ相机和ＣＭＯＳ相机㊂ＣＭＯＳ技术将传感器阵列㊁信号处理电路㊁模／数转换器以及全数字接口电路等集成在一起，提高了相机的集成度与设计的灵活性［２］，性价比较高，系统采用ＣＭＯＳ相机㊂根据系统所需的视野大小为３６５ｍｍˑ２７３ｍｍ㊁数据通讯方式为以太网通讯以及镜头接口类型和图像传输速率等要求，选用ａｃＡ２５００－１４ｇｍ黑白工业相机，其主要参数如表１所示，（１ｉｎｃｈ＝２．５４ｃｍ）㊂表１㊀工业相机主要参数型号靶面尺寸／ｉｎｃｈ分辨率帧速率／（ｆ㊃ｓ－１）接口镜头接口ａｃＡ２５００－１４ｇｍ１／２．５２５９２ˑ１９４４１４ＧＩＧＥＣ⁃Ｍｏｕｎｔ１．４．２㊀镜头选用镜头应考虑以下因素：（１）镜头的传感器尺寸应等于或大于相机的靶面尺寸，避免发生 隧道效应 ，提高图像质量和分辨率㊂（２）选择合适的焦距㊂焦距可由式（１）近似估算：ｆ＝ＷＤ㊃ｌＬ（１）式中：ｆ为镜头焦距；ＷＤ为物体检测面到相机镜头的垂直距离，ＷＤ＝５００ｍｍ；ｌ为相机感光芯片长度，ｌ＝５．７０ｍｍ；Ｌ为相机视野长度，Ｌ＝３６５ｍｍ㊂由此计算出近似焦距为７．８１ｍｍ，可选用８ｍｍ焦距的镜头㊂（３）选择光圈类型㊂对于光线变化较大的检测环境，应选用自动光圈镜头㊂本系统检测空间密闭，不受外界环境光影响，因此可选用手动光圈镜头㊂综合考虑，选用Ｍ１１８ＦＭ０８型号的工业镜头㊂其主要参数如表２所示㊂表２㊀镜头主要参数型号传感器规格光圈范围焦距／ｍｍ接口类型Ｍ１１８ＦＭ０８１／１．８１．４ １６８Ｃ１．４．３㊀光源打光设计是机器视觉系统检测成功的关键，合适的光源应尽可能地突出被测物的特征量，提高图像的对比度；要具备稳定性，即被测物位置的变化不会影响图像的效果；同时还要考虑光源的发光效率和使用寿命㊂本系统选择条形光源：（１）２个ＯＰＴ－ＬＩ９０２２型号㊁２个ＯＰＴ－ＬＩ２３０３４型号的条形光源构成适合产品轮廓的矩形光源组，安装于产品正上方，垂直光照射，避免产生阴影，增强图像对比度㊂㊀㊀㊀㊀㊀第９期张文慧等：基于视觉的ＰＬＣ外观及指示灯状态检测系统设计５７㊀㊀（２）适应待测产品几种型号的不同尺寸需求㊂（３）ＬＥＤ光源具有响应速度快㊁稳定性高㊁寿命长等优点㊂１．４．４㊀机器人上料部分采用机器人结合视觉处理的方式进行自动上料，可极大提高系统的自动化程度㊂根据待测产品自重㊁通信方式㊁系统精度要求等，上料机器人选用ＵＲ３串联机器人，最大负载３ｋｇ，具有成本低㊁操作简单㊁部署灵活㊁能实现人机协作等特点㊂其主要参数如表３所示㊂表３㊀ＵＲ３机器人主要参数精度／ｍｍ最大负载／ｋｇ功率／Ｗ关节运动范围工作半径／ｍｍʃ０．１３１５０ʃ３６０ʎ（末端关节无限旋转）５００２㊀机器人上料方案设计机器人在实际工业应用中对于工件位置固定或者位置精度要求不高的情况，多采用定点示教或者离线编程的方式来控制机器人执行预定的指令动作［３］，但该方式无法适应产品位置变化或型号变化的场景，使用机器视觉技术引导机器人动作可有效解决此类问题［４］㊂传送带上ＰＬＣ的来料位置不固定，因此，本系统设计基于视觉定位的机器人上料方案，使机器人能够根据来料位置变化灵活地调整抓取姿势，极大地提高了机器人的柔韧性㊂２．１㊀坐标系的转换相机采集的图像是基于图像像素坐标系，而机器人是基于自身的基座坐标系，要实现视觉对机器人的引导作用就必须进行坐标系的转换，首先通过相机标定完成图像坐标系到世界坐标系的转换，再进行手眼标定完成世界坐标系到机器人基座坐标系的转换㊂视觉定位是基于二维平面的，因此，只考虑二维Ｘ－Ｙ坐标系的转换㊂２．１．１㊀相机标定为了提高视觉定位的精确度，需要进行非线性标定，对采集的图像进行畸变校正，使用ＶｉｓｉｏｎＰｒｏ软件中的ＣｏｇＣａｌｉｂＣｈｅｃｋｅｒＢｏａｒｄＴｏｏｌ工具进行标定，选取网格大小为５ｍｍˑ５ｍｍ的棋盘格标定板，将图像坐标系转换到标定板的世界坐标系㊂将标定板放置在产品取像平面㊁相机视野内，相机２采集图像，使用ＣｏｇＣａｌｉｂＣｈｅｃｋｅｒＢｏａｒｄＴｏｏｌ工具对图像标定，各参数设置：校正模式为非线性，校正板的块尺寸Ｘ㊁Ｙ都为５，特征搜寻器选择 详尽棋盘格 ㊂计算校正后，得到点结果如图３所示㊂转换结果的ＲＭＳ误差为１．４４２６５，在标定合格范围内㊂图３㊀部分点结果２．１．２㊀手眼标定经过上述处理后的标定板图像作为ＣｏｇＣａｌｉｂ⁃ＰｏｉｎｔＴｏＰｏｉｎｔＴｏｏｌ工具的输入图像，配合机器人使用九点法完成手眼标定，将世界坐标系转换到机器人的基座坐标系，从而实现坐标系的统一㊂如图４所示，在ＣｏｇＣａｌｉｂＰｏｉｎｔＴｏＰｏｉｎｔＴｏｏｌ工具中拖动９个特征点的位置，可自动得到其各自在世界坐标系中的Ｘ㊁Ｙ坐标，即图３中的未校正Ｘ㊁未校正Ｙ㊂需要注意的是，９个特征点的选取应尽可能分散，有利于保证坐标系转换的精度㊂图４㊀９个特征点的选取让机器人基于自身基座坐标系移动ＴＣＰ中点至第１个点，记录基座坐标系下的该点坐标，即原始的已校正Ｘ㊁Ｙ，同理依次获取９个点的基座坐标系坐标，填入图５的表格中㊂计算校正后，转换结果的ＲＭＳ误差为０．１１６８６２，标定结果良好㊂图５㊀９个特征点基于２种坐标系下的坐标２．２㊀视觉定位２．２．１㊀图像采集使用ＣｏｇＡｃｑＦｉｆｏＴｏｏｌ工具采集图像，此时图像基于图像坐标系，使用上述方法进行坐标系转换，使视㊀㊀㊀㊀㊀５８㊀ＩｎｓｔｒｕｍｅｎｔＴｅｃｈｎｉｑｕｅａｎｄＳｅｎｓｏｒＳｅｐ．２０１８㊀觉处理得到的坐标值可以直接为机器人所用㊂２．２．２㊀定位原理首先，确定ＰＬＣ来料的标准位置即偏移量为零的位置（如图６中Ｍ位置所示），并记录机器人正好能准确抓取到标准位置时机器人ＴＣＰ中心的坐标值㊂采集标准位置图像，使用ＣｏｇＰＭＡｌｉｇｎＴｏｏｌ工具选取虚线框中的特征模板进行离线训练，将训练区域原点坐标系的中心原点Ｏ拖动至对准机器人ＴＣＰ中心的坐标值，保存训练模板㊂对新的来料位置（如图６中Ｎ位置所示）采集图像，对图像进行模板匹配，得到３个结果项，即Ｎ位置的中心原点Ｏ坐标Ｘ㊁Ｙ，以及Ｎ位置相对于Ｍ标准位置的角度偏移量Ｒ㊂使用ＶＢ．ＮＥＴ脚本语言获取这３个结果信息发送给机器人，机器人调整位姿准确抓取产品㊂图６㊀模板匹配选取的特征区域及定位原理图２．３㊀通讯方式机器人能够准确抓取产品上料的前提是机器人控制器与上位机建立通信，进行数据交换㊂为了使机器人具有编程开发的灵活性和应用的广泛性，ＵＲ机器人配备开放的通讯设置及丰富的网络端口用于与外部设备的数据交互㊂支持的通讯方式主要有２种：ＴＣＰ／ＩＰＳｏｃｋｅｔ通讯和ＭｏｄｂｕｓＴＣＰ通讯㊂为了加快数据传输速度，保证上料周期和时间，选用ＴＣＰ／ＩＰＳｏｃｋ⁃ｅｔ通讯方式，上位机作为服务器，机器人控制器作为客户端㊂２．３．１㊀上位机服务器服务器端使用ＶＢ．ＮＥＴ语言编写Ｓｏｃｋｅｔ通讯的核心步骤：（１）监听客户端ｐｏｒｔ＝３００１ 定义端口号ｔｐｌｉｅｎｔ＝ＮｅｗＳｙｓｔｅｍ．Ｎｅｔ．Ｓｏｃｋｅｔｓ．ＴｃｐＬｉｓｔｅｎｅｒ（ＩＰＡｄｄｒｅｓｓ．Ａｎｙ，ｐｏｒｔ） 实例初始化指定的ｐｏｒｔ端口㊁ＩＰＡｄｒｅｓｓ网段的客户端侦听类ｔｐｌｉｅｎｔ．Ｓｔａｒｔ（） 监听通过ｐｏｒｔ端口请求连接的ＩＰＡｄｒｅｓｓ网段内的客户端（２）建立连接ｔｃＣｌｉｅｎｔ＝ｔｐｌｉｅｎｔ．ＡｃｃｅｐｔＴｃｐＣｌｉｅｎｔ（） 接受客户端连接，之后就指定客户端为ＵＲ机器人（３）发送信息ｎｓｔｒｅａｍ＝ｔｃＣｌｉｅｎｔ．ＧｅｔＳｔｒｅａｍ（） 返回用于发送和接收数据ＵＲ客户端的ＮｅｔｗｏｒｋＳｔｒｅａｍｓｗｒｉｔｅｒ＝ＮｅｗＳｔｒｅａｍＷｒｉｔｅｒ（ｎｓｔｒｅａｍ） 新实例初始化一种流，用于字节的输入输出ｘ＝ｇＴｏｏｌＢｌｏｃｋ１．Ｏｕｔｐｕｔｓ（ᵡＧｅｔＰｏｓｅ＿Ｘᵡ）．Ｖａｌｕｅｙ＝ｇＴｏｏｌＢｌｏｃｋ１．Ｏｕｔｐｕｔｓ（ᵡＧｅｔＰｏｓｅ＿Ｙᵡ）．Ｖａｌｕｅｒ＝ｇＴｏｏｌＢｌｏｃｋ１．Ｏｕｔｐｕｔｓ（ᵡＧｅｔＰｏｓｅ＿Ｒᵡ）．Ｖａｌｕｅ∗１８０／πＰｏｓｅｄａｔｅ＝ᵡ（ᵡ＆ｘ＆ᵡ，ᵡ＆ｙ＆ᵡ，ᵡ＆ｒ＆ᵡ）ᵡｓｗｒｉｔｅｒ．Ｗｒｉｔｅ（Ｐｏｓｅｄａｔｅ） 将信息写入流ｓｗｒｉｔｅｒ．Ｆｌｕｓｈ（） 清理当前编写器的所有缓冲区，并使所有缓冲数据写入基础流２．３．２㊀机器人客户端ＵＲ机器人使用的ＵＲｓｃｒｉｐｔ编程语言，包含多种已集成封装好的脚本函数，可直接在机器人示教器中编程时书写调用㊂（１）打开Ｓｏｃｋｅｔ通讯ｃｏｎｎ＝ｓｏｃｋｅｔ＿ｏｐｅｎ（ᵡａｄｄｒｅｓｓᵡ，ｐｏｒｔ）其中ａｄｄｒｅｓｓ填入服务器的ＩＰ地址，ｐｏｒｔ填入通讯的端口号㊂此脚本函数返回值为布尔型，可通过判断ｃｏｎｎ是否为ＴＲＵＥ来检测是否通讯成功㊂（２）接收数据ｄ＝ｓｏｃｋｅｔ＿ｒｅａｄ＿ａｓｃｉｉ＿ｆｌｏａｔ（４）此脚本函数用作客户端接收来自服务器的３个浮点型数据，其中ｄ［０］＝３，表示接收的数据个数，ｄ［１］ｄ［３］为视觉处理得出的产品坐标值及角度偏移值，可分别赋值给Ｘ㊁Ｙ㊁ｄＺ㊂Ｘ＝ｄ［１］，Ｙ＝ｄ［２］，ｄＺ＝ｄ［３］㊂（３）机器人获取新位姿Ｐ＝ｐ［Ｘ，Ｙ，ｚ，ｄｘ，ｄｙ，ｄＺ］脚本函数ｐ［ｘ，ｙ，ｚ，ｄｘ，ｄｙ，ｄｚ］由３个坐标值和３个角度值确定机器人的一种位姿，保持初始位姿的ｚ㊁ｄｘ㊁ｄｙ不变，结合获取的新位置的Ｘ㊁Ｙ坐标及Ｚ轴旋转角度得到新的上料位置，赋给Ｐ㊂（４）运动至准确位置上料调用直线运动脚本函数ＭｏｖｅＬ，将运动的目标路点类型设置为 可变路点 ，具体内容设置为Ｐ，则机器人可运动至上料位置的正上方，再通过改变Ｚ轴坐标值即可准确抓取到产品㊂㊀㊀㊀㊀㊀第９期张文慧等：基于视觉的ＰＬＣ外观及指示灯状态检测系统设计５９㊀㊀３㊀检测系统视觉软件设计３．１㊀图像采集使用ＣｏｇＡｃｑＦｉｆｏＴｏｏｌ工具进行图像采集，每次检测过程都包含多次图像采集，通过设置取像的曝光时间㊁亮度及对比度等参数保证图像效果㊂３．２㊀图像匹配在实际的系统中，不能通过机构保证产品每次放置的检测位置完全相同，需要借助视觉进行图像匹配和定位来实现㊂图像匹配的方式分为基于灰度和基于几何特征两种，其中，基于几何特征的匹配方法抗干扰能力较强，在光照变化或图像发生部分遮挡的情况下也可发挥作用㊂因此，使用ＣｏｇＰＭＡｌｉｇｎＴｏｏｌ工具在产品图像中选取唯一的且不具有对称性的几何特征训练成标准模板保存，然后在后续的待检测图像中搜索并匹配相似特征㊂由于盖板及端子等零部件是待检测项，可能会缺失，不能作为稳定的特征被使用㊂如图７所示，选取稳定的特征边框作为模板，并在适当位置上定位原点㊂将图像中无关区域进行掩膜可提高匹配速率，节约检测时间㊂图７㊀选取几何特征训练模板ＣｏｇＰＭＡｌｉｇｎＴｏｏｌ通过图像匹配找到产品，将其输出结果传递给ＣｏｇＦｉｘｔｕｒｅＴｏｏｌ工具的输入项，建立坐标系，确定图像模板与其他视觉检测工具的检测区域的相对坐标关系㊂３．３㊀检测零部件有无３．３．１㊀检测端子有无Ｂｌｏｂ算法（斑点分析法），是一种对图像中相同像素的连通域进行分析的技术，该连通域称为Ｂｌｏｂ［５］㊂Ｂｌｏｂ算法就是找出图像中的连通域，并确定其数量㊁大小㊁面积和位置等信息的一种方法㊂２４输入１６输出的ＰＬＣ共有６排端子排，对比图８与图９发现，合理调试打光可使端子排上的螺丝头形成亮斑，而端子排缺失时ｐｉｎ针形成的亮斑面积远远小于螺丝头的亮斑面积㊂使用６个ＣｏｇＢｌｏｂＴｏｏｌ工具分别检测６个端子排，根据得到亮斑的数量㊁大小㊁面积等信息判断端子有无㊂通过多次调试确定ＣｏｇＢｌｏｂＴｏｏｌ工具的参数设置：模式为硬阈值（固定），极性为黑底白点，阈值为１８０，最小面积为８０像素㊂图８㊀ＰＬＣ端子排缺失图９㊀ＰＬＣ端子排安装完整３．３．２㊀检测盖板等有无系统需要检测３种盖板㊁二维码及侧面标签的有无㊂在打光稳定㊁图像灰度值稳定的前提下，使用ＣｏｇＨｉｓｔｏｇｒａｍＴｏｏｌ工具统计图像中指定区域的灰度值，可得到灰度值的最大值㊁最小值㊁平均值，再使用Ｃｏｇ⁃ＤａｔａＡｎａｌｙｓｉｓＴｏｏｌ工具的统计结果功能来选取用于检测区分产品合格与否的参数值㊂例如，检测盖板１，先选取ＣｏｇＨｉｓｔｏｇｒａｍＴｏｏｌ工具检测得到的盖板１区域灰度最大值来测试㊂检测１０００个合格品得到一组结果数据（平均值㊁标准差㊁最大值㊁最小值），再检测１０００个盖板１缺失的不合格品得到一组结果数据㊂两组数据对比，若数据范围没有重叠则灰度最大值能用于稳定地检测区分盖板１的有无；若数据范围有重叠则灰度最大值不可用，同理再分别测试灰度平均值㊁最小值等参数，直到得到可用于稳定检测的参数㊂其他部分检测参数值的选取原理相同㊂３．３．３㊀结果判断以上检测完成后，图像匹配得分㊁各端子排亮斑数量㊁各盖板的灰度值以及二维码和侧面标签的灰度值数据将汇总到ＣｏｇＤａｔａＡｎａｌｙｓｉｓＴｏｏｌ工具进行结果判断㊂如图１０所示，根据具体需求设置各检测参数的拒绝下限或者拒绝上限㊂例如，图像匹配工具的得分，设置拒绝下限为０．９，如果匹配得分低于０．９则视为图像匹配失败㊂㊀㊀㊀㊀㊀６０㊀ＩｎｓｔｒｕｍｅｎｔＴｅｃｈｎｉｑｕｅａｎｄＳｅｎｓｏｒＳｅｐ．２０１８㊀图１０㊀ＣｏｇＤａｔａＡｎａｌｙｓｉｓＴｏｏｌ工具中各检测项参数设置３．４㊀检测指示灯状态检测指示灯状态用到ＣｏｇＢｌｏｂＴｏｏｌ斑点分析工具，各参数设置：模式为硬阈值（固定），极性为黑底白点，阈值为８０，最小面积为１００像素㊂经过上述盖板有无等检测后，控制机械结构动作，为ＰＬＣ插入ＳＤ卡，并且使连接电源的探针接到ＰＬＣ的电源端子，连接上位机Ｉ／Ｏ卡输出点的探针接到ＰＬＣ的输入点，连接上位机ＲＳ４８５接口的探针接到ＰＬＣ的ＲＳ４８５信号点㊂给ＰＬＣ上电，关掉光源，进行以下检测：（１）采集图像，检测电源灯ＰＷＲ是否正常亮，其他所有指示灯是否正常灭；（２）上位机通过ＲＳ４８５协议给ＰＬＣ发送０ｘＢＢ，收到ＰＬＣ发回的０ｘＢＢ后，再发送０ｘ３５，此时只点亮了系统指示灯（ＰＷＲ㊁ＲＵＮ㊁ＥＲＲ㊁ＳＯ㊁ＳＬ），采集图像，检测系统指示灯是否正常亮；（３）上位机通过ＲＳ４８５协议给ＰＬＣ发送０ｘ２２，此时只点亮了输出指示灯的奇数位灯，采集图像，检测输出指示灯是否是奇数位灯亮，偶数位灯灭；（４）上位机通过ＲＳ４８５协议给ＰＬＣ发送０ｘ２３，此时只点亮了输出指示灯的偶数位灯，采集图像，检测输出指示灯是否是偶数位灯亮，奇数位灯灭；（５）上位机通过Ｉ／Ｏ卡给连接输入指示灯奇数位灯的探针信号，此时只点亮了输入指示灯的奇数位灯，采集图像，检测输入指示灯是否是奇数位灯亮，偶数位灯灭；（６）上位机通过Ｉ／Ｏ卡给连接输入指示灯偶数位灯的探针信号，此时只点亮了输入指示灯的偶数位灯，采集图像，检测输入指示灯是否是偶数位灯亮，奇数位灯灭；（７）每个指示灯对应使用一个ＣｏｇｎｅｘＢｌｏｂＴｏｏｌ工具，将结果用二进制位数表示， １ 代表合格， ０ 代表不合格，以上各步骤的检测结果由上位机接收处理㊂设计奇位偶位灯分别检测的原因如下：（１）面板上各指示灯的位置很接近，同时检测所有灯会彼此干扰检测结果；（２）不同时点亮相邻指示灯，可避免漏检相邻引脚间有短路或者桥连的情况㊂图１１是只点亮输出指示灯偶数位灯时采集的图像㊂图１１㊀输出指示灯偶数位灯正常亮４㊀系统测试为了测试该系统的漏报率和误报率，对３０００个产品进行测试㊂结果显示，产品中盖板㊁端子排㊁二维码及侧面标签缺失的不良品，以及指示灯状态亮灭不正常的不良品都能被检测出来，系统的漏报率为０，将合格品检测为不良品的误报率为０．５％，单次检测时间小于１５ｓ，满足测试要求㊂５㊀结束语本系统使用ＶｉｓｉｏｎＰｒｏ视觉检测软件结合ＶＢ．ＮＥＴ语言对其进行二次开发，实现了对产品的稳定检测，并且ＶＢ．ＮＥＴ编写的上位机界面开放了相关视觉参数，客户可根据实际情况进行调整以适应灵活多变的生产线，检测数据由上位机保存，可实现产品追溯㊂该视觉检测系统已经成功应用于某电气公司的ＰＬＣ生产线上，能够稳定地完成ＰＬＣ生产的最后一道检测工序，提高了生产线的自动化程度，扩展了机器视觉在ＰＬＣ成品检测方面的应用研究㊂参考文献：［１］㊀威洛斯，焦宗夏．基于ＶｉｓｉｏｎＰｒｏ的焊膏印刷机视觉定位系统［Ｃ］．第十二届中国体视学与图像分析学术年会论文集，２００８：５３３－５３９．［２］㊀王旭东，叶玉堂．ＣＭＯＳ与ＣＣＤ图像传感器的比较研究和发展趋势［Ｊ］．电子设计工程，２０１０，１８（１１）：１７８－１８１．［３］㊀翟敬梅，董鹏飞，张铁．基于视觉引导的工业机器人定位抓取系统设计［Ｊ］．机械设计与研究，２０１４，３０（５）：４５－４９．［４］㊀廖晓波，李众立，廖璇．砖窑卸垛机器人视觉定位系统研究［Ｊ］．控制工程，２０１３，２０（４）：６５０－６５４．［５］㊀张二虎，冯江．Ｂｌｏｂ分析中基于游程链的连通区域标记［Ｊ］．应用科学学报，２００８，２６（５）：５３６－５４０．作者简介：张文慧（１９９３ ），硕士，研究方向为控制工程及应用㊂Ｅ⁃ｍａｉｌ：７５７７２２４８７＠ｑｑ．ｃｏｍ潘丰（１９６３ ），教授，博士，研究方向为工业过程优化控制㊂Ｅ⁃ｍａｉｌ：ｐａｎ＿ｆｅｎｇ＿６３＠１６３．ｃｏｍ。
