机器视觉系统之图像处理技术解析 开发了用于显微视觉对准装配的自动聚焦系统.系统采用基于图像空 域分析的聚焦方式.首先通过对比,选择计算量的y向一阶差分算子作为系统的聚焦测度;然后通过合理选择聚焦窗口,优化了聚焦效果;后提出一种不同于 通常爬山法的自动聚焦策略,实现该方法的核心是建立聚焦函数与离焦量之间的函数关系,本系统采用3次样条插值估算未测聚焦函数值的办法构建了这种函数关 系.应用结果表明该系统自动聚焦的准确性与实时性满足要求. 在机器视觉系统中,视觉信息的处理技术一般依赖于图像处理方法,通常它包括数据编码、图像增强、图像传输和数据平滑、边缘锐化、图像分割、图像的特征抽取、图像识别与理解等相关内容。通过这些图像处理后,输出图像的质量有了相当程度的改善,这不仅改善了图像的视觉效果,而且有利于计算机对图像进行分析,处理和识别。 机器视觉的系统图像增强,图像的增强是用来调整图像的对比度,饱和度等质量指标,突出图像中的重要细节,从而改善图像的质量和视觉效果,通常我们采用灰度直方图修改技术进行图像增强,从多方面多角度增强图像的实现效果和显示质量,反映图像质量的工具叫做灰度直方图,这是一种表示一幅图像灰度分布情况的统计特性图表,其所表示的参数与对比度紧密相连,也是反应图片质量的重要指标。 一般情况下,在技术机表示的一幅二维素字矩阵,其矩阵中的元素是处在相应坐标位置的图像灰度值,这个灰度值是离散化的整数。一般取0,1,等等,这些离散的数据。 有人可能想知道为什么是一串离散的数字,实际上这是由于计算机中的一个字节所表示的数值范围通常在0~255之间,另外,我们的人眼肉眼也只能分辨32个左右的灰度级,所以,用一个字节表示灰度即可,也是非常适合用来表示图像质量。 但是,从直方图仅能统计某及灰度像素出现的概率上看,用直方图反映图像质量,显示不出该像素在图像中的二维坐标。正因如此,不一样的图像就有非常大的可能性,也就是具有相同的直方图,二通过灰度直方图形状,就能判断出该图像的清晰度和黑白对比度,这就是机器视觉系统中图片处理技术,以及反映图片质量的灰度直方图。 弹簧自动识别检测系统 基于机器视觉检测,高效、可靠的弹簧自动检测系统,能够代替操作人员繁琐的劳动。该系统在实现准确识别缺陷与测量尺寸的同时,还应满足实时性、可靠性、便于维护等要求。 弹簧表面质量检测是弹簧加工的重要环节。检测时,人们通过各种试验方法对弹簧的性能进行测定,从而把弹簧的质量定量数值化,为企业的质量管理与追踪提供正确的评定依据。弹簧的成品检验主要包括对弹簧的外观检测、尺寸检测、负荷检测等内容,这里我们主要完成对弹簧的外观检测和尺寸检测(包括弹簧长度、线径、线径间距和有效圈数)。 国内现有的弹簧检测方法一般是人工用游标卡尺等工具目测,这种方法不仅效率低,而且误差大。有些公司也从国外进口设备进行弹簧自动检测,这一方面大大增加了生产成本,另一方面设备的维护也很困难。针对以上不足,自主开发基于机器视觉的弹簧自动检测系统具有十分重要的意义。 该系统主要基于LabVIEW图形编程环境进行开发,界面简洁友好,方便检测人员操作。对于同一规格的弹簧,系统在得到弹簧的所有数据后与对应标准值进行比对,对弹簧进行分类。实验结果表明,相比传统的人工检测方法,该方法检测速度快,精度更高,可靠性。 一. 弹簧检测平台硬件构成 1.1检测系统的组成部分 弹簧自动检测系统的硬件构成::弹簧水平置于白色旋转轴上,由马达驱动轴转动。PLC除了负责发出脉冲驱动马达旋转外,也将此脉冲作为外部触发信号接入图像采集卡,以保证采集到等比例的图像。相机采用线阵相机系列图像采集卡一起完成图像的采集工作。相机采集完一帧弹簧的展开图后,经图像采集卡送入计算机进行处理。计算机主要完成硬件的配置及初始化、图像处理、数据分析与保存等功能。经图像处理得到弹簧表面缺陷和尺寸的关键参数后,计算机将其与对应规格的弹簧标准库信息进行比对,以标识不合格弹簧。 1.2线阵相机与采集卡的配合 线阵相机的取像原理与面阵不同,它每次只采集一行图像,只有在镜头与被拍摄物体之间存在相对运动时才能采完一帧完整的二维影像。图2中,纵向为线阵传感器的方向,其分辨率由线阵CCD决定;横向表示相机的扫描方向,其分辨率由步进电机的步距决定。电机运动速度过大,图像会被压缩;速度太小,图像则会被拉伸。 二. 弹簧检测部分的关键模块 弹簧自动检测系统的软件部分采用NI公司的LabVIEW图形编程语言开发。LabVIEW直观的图标操作、高效的多线程并行处理以及方便的模块化特性使得程序的开发周期大大缩短,程序执行效率高且扩展能力强,便于随时查错和修改。弹簧检测部分,程序主要由几个功能模块组成:弹簧标准库更新、图像采集、图像处理以及数据分析处理模块。 颗粒过滤与分析 对剩下的ROI部分用阈值法二值化,得到包含表面缺陷和噪声的二值图像。经腐蚀膨胀后,用Particle Filter函数过滤掉可疑微小颗粒,即得到弹簧表面缺陷的图像。利用Particle Analysis函数得到颗粒的面积大小,经标定信息换算得到表面缺陷的实际面积。Particle Analysis函数提供了近百种颗粒参数的结果,包括颗粒的个数、周长、方向等等。 数据分析与测试结果 主程序主要实现弹簧的检测、历史数据查询及标准库更新的功能。为了方便检测人员操作,界面设计尽量简单。为了测试算法的稳定性与准确性,我们用一组10个表面带缺陷的弹簧进行检测。结果表明,弹簧尺寸的检测精度完全符合要求,偏差基本在±0.2mm以内,对同一个弹簧重复检测的准确。 三. 结论 在弹簧的质量检测过程中引入机器视觉,和原人工检测系统相比,其优势体现在: 1、检测精度高。人工检测弹簧的要求误差为±0.5mm以内,而视觉检测的尺寸能够实现检测误差在±0.1mm以内; 2、检测速度快。人工检测一个弹簧的时间大概为3s,该系统检测时间为1s; 3、人工检测有情绪,且人眼易于疲劳,不易保持检测效果;然而视觉检测效果稳定,对同一个弹簧重复检测的准确率为,而且可 24 小时不停检测。 机器视觉技术的检测对企业的发展 目前,机器视觉技术在检测领域的应用正在不断推动自动化覆盖率的提高,在产品终包装出厂的过程,利用自动化检测,可以非常开始挑选出残次品,保证终出厂的产品质量居于稳定水平。 机器视觉的检测应用,按照检测技术划分,通常有立体视觉检测技术、斑点检测技术、尺寸测量技术、OCR技术等。机器I视觉对于消除瑕疵,模糊,碎屑或凹陷等产品缺陷,以确保产品的功能和性能至关重要。因此已经被广泛用于各大行业的产品缺陷检测、尺寸检测中。如利用视觉系统能进行产品多种项目的检测,用视觉系统监测电子部件的缺陷或偏移的针脚,用视觉系统测量注射器部件形状或区分颜色来进行检查错误装配。 机器视觉技术自引入国内市场以来,取得了长足的发展。以其检测精度和速度高并且有效的避免人工检测带来的主观和个体差异的优势,在工业自动化检测领域中占有越来越重要的地位。随着中国自动化发展进程的加剧,顺应行业发展,机器视觉自动化检测应用已是大势所趋。 机