磁瓦缺陷视觉检测及尺寸自动分级系统研制--优秀毕业论文 可复制黏贴

磁瓦缺陷视觉检测及尺寸自动分级系统研制

姓名：刘贤坤申请学位级别：硕士专业：计算机技术指导教师：吴开贵;杨铁牛

20061018

重庆大学硕士学位论文中文摘要摘要机器视觉技术在工业在线检测中的应用是近年来的研究热点之一。机器视觉技术可以大幅降低检测成本，提高产品质量，提高生产速度和效率，因而在工业检测和控制领域得到了广泛的应用。本文以机器视觉技术为基础，以图像处理技术为主要方法，开发了用于磁瓦生产线的尺寸及缺陷在线检测系统（ＭＳＳＤＤ），主要的研究工作包括以下内容：针对磁瓦在线检测的研制要求，结合机器视觉系统的功能及结构特点，利用图像采集、显示、处理和分析技术，完成了ＭＳＳＤＤ系统的设计，包括系统的结构设计、硬件配置、图像采集系统的设置、图像系统照明方案的选择、软件设计及系统调试与误差分析等。在软件设计过程中解决了系统标定、数字图像处理方法与处理过程的选择应用以及检测结果分类等关键技术问题。通过理论分析与现场实验，得到了系统最佳图像处理过程：首先对采集的图像进行平方根灰度变换、定制滤波，通过阀值分析进行二值化；接着对二值图像进行粒子去噪以及边缘、裂纹提取与细化操作来获得清晰的图像边缘与裂纹。对处理后的图像，采用边缘检测和模型匹配技术测量出磁瓦尺寸值，并通过粒子测量技术进行裂纹检测。将测量结果移植到ＬａｂＶＩＥＷ环境下，实现产品分类逻辑判断，同时开发出系统的操作、管理、图像显示的人机交互界面；最后对测量误差进行了分析，给出误差修正的方法。该ＭＳＳＤＤ系统效率高，功能、性能及可靠性指标完全满足设计要求，解决了人工检测产品质量效率低、精确度不高以及传统的机器视觉系统价格昂贵、功能完全由厂家定义而用户无法改变的缺点，提高了生产的柔性及自动化程度，适用于大批量的生产过程，具有良好的社会效益和经济效益。另外，选择功能强大的机器视觉软件ＮＩＶｉｓｉｏｎＢｕｉｌｄｅｒＡＩ及ＬａｂＶＩＥＷ为开发平台，大大缩短了系统的开发周期，使系统具有很高的灵活性和可重用性，应用前景十分广阔。关键词：机器视觉，图像处理，磁瓦，ＶＢＡＩ，ＬａｂＶＩＥＷ重庆大学硕士学位论文英文摘要ＡＢＳＴＲＡＣＴＴｈｅｍａｃｈｉｎｅｖｉｓｉｏｎｔｅｃｈｎｏｌｏｇｙ，ｗｈｉｃｈｅｆｆｅｃｔｉｖｅｌｙＣａｎｅｘｔｒａｏｒｄｉｎａｒｉｌｙｒｅｄｕｃｅｔｈｅｉｎｓｐｅｃｔｉｏｎｃｏｓｔ，ａｎｄｅｆｆｉｃｉｅｎｃｙｏｆｅｎＳＵｅｔｈｅｑｕａｌｉｔｙｏｆｐｒｏｄｕｃｔｓ，ｓｔｒｏｎｇｌｙｒａｉｓｅｔｈｅｓｐｅｅｄｏｎｅｐｒｏｄｕｃｔｉｏｎ，ｈａｓｂｅｃｏｍｅｈｏｔｔｏｐｉｃｉｎｔｈｅｉｎｄｕｓｔｒｉａｌ０１１ｌｉｎｅｉｎｓｐｅｃｔｉｏｎｆｏｒｒｅｃｅｎｔｙｅａｒｓａｎｄｉｓｏｆｗｉｄｅｌｙｕｓｅｄｉｎｔｈｅｆｉｅｌｄｏｆｉｎｄｕｓｔｒｉａｌｉｎｓｐｅｃｔｉｏｎ．ｉｎｔｈｉｓｐａｐｅｒ，ａｏｎ—ｌｉｎｅｏｎｄｅｔｅｃｔｉｎｇｓｙｓｔｅｍｍａｇｎｅｔｉｃｓｈｏｅ’Ｓｓｉｚｅａｎｄｉｔ＇ｓｄｅｆｅｃｔ（ＭＳＳＤＤ），ｗｈｉｃｈｂａｓｅｄａｎｄｉｍａｇｅｐｒｏｃｅｓｓｍｅｍｏｄｈａｓｂｅｅｎｄｅｖｅｌｏｐｅｄ．Ｔｈｉｓｔｈｅｍａｃｈｉｎｅｖｉｓｉｏｎｔｅｃｈｎｏｌｏｇｙｃａｎｓｙｓｔｅｍｂｅａｐｐｌｉｅｄｔｏｔｈｅｐｏｗｄｅｒｍａｇｎｅｔｉｃｓｈｏｅｐｒｏｄｕｃｔｌｉｎｅ．Ｔｈｅｍａｉｎｒｅｓｅａｒｃｈｒｅｓｅａｒｃｈｗｏｒｋｉｓ丛ｆｏｌｌｏｗｓ：Ａｉｍｉｎｇａｔｔｈｅｏｎｒｅｑｕｅｓｔｏｆｔｈｅｍａｇｎｅｔｉｃｓｈｏｅｏｎ—ｌｉｎｅｄｅｔｅｃｔｉｎｇ，ｃｏｍｂｉｎｅｄｗｉｔｈｔｈｅｏｒｉｅｓｂａｓｅｄｔｈｅｍａｃｈｉｎｅｖｉｓｉｏｎｓｙｓｔｅｍｏｆｔｈｅｖｉｒｔｕａｌｉｎｓｔｒｍｎｅｎｔｔｅｃｈｎｉｑｕｅ，ａｎｄｕｓｉｎｇｔｈｅｔｅｃｈｎｉｑｕｅｏｆｉｍａｇｅｃｏｌｌｅｃｔｉｏｎ，ｄｉｓｐｌａｙ，ｐｒｏｃｅｓｓｉｎｇａｎｄａｎａｌｙｓｉｓ，ｔｈｅｄｅｓｉｇｎｏｆｔｈｅＭＳＳＤＤｈａｓｂｅｅｎｃｏｍｐｌｅｔｅｄ，ｗｈｉｃｈｉｎｃｌｕｄｅｓｔｈｅｓｔｒｕｃｔｕｒｅｄｅｓｉｇｎｏｆｔｈｅｓｙｓｔｅｍ，ｔｈｅｃｏｌｌｏｃａｔｉｏｎｏｆｔｈｅｈａｒｄｗａｒｅ，ｔｈｅｓｅｔｔｉｎｇｏｆｔｈｅｉｍａｇｅｃｏｌｌｅｃｔｉｏｎｓｙｓｔｅｍ，ｔｈｅｃｈｏｉｃｅｏｆｔｈｅｉｍａｇｅｓｙｓｔｅｍｌｉｇｈｔｉｎｇｓｃｈｅｍｅ，ｔｈｃｄｅｓｉｇｎＷｅｏｆｔｈｅｈａｖｅｏｆｔｈｅｓｏｆｔｗａｒｅａｎｄｔｈｅｆｉｎａｌｄｅｂｕｇｇｉｎｇ，ａｎａｌｙｚｅｔｈｅｍｅａｓｕｒｅｍｅｎｔｅｒＴｏｒ．ａｓｏｌｖｅｄｓｅｒｉｅｓｏｆｋｅｙｐｒｏｂｌｅｍｓｉｎｔｈｅｄｅｓｉｇｎｉｎｇｏｆｔｈｅｓｏｆｔｗａｒｅ：ｔｈｅｃａｌｉｂｒａｔｉｏｎｉｍａｇｅｃｏｌｌｅｃｔｉｏｎｓｙｓｔｅｍ，ｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆｔｈｅｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｍｅｔｈｏｄ．Ｂｙｔｈｅｔｈｅｏｒｅｔｉｃａｌａｎａｌｙｓｉｓａｎｄｅｘｐｅｒｉｍｅｎｔａｌｖａｉｉｄａｆｉｏｎ，ｗｅｈａｖｅｒｅａｃｈｅｄｔｈｅｏｐｔｉｍａｌｉｍａｇｅＰｒｏｃｅｓｓｉｎｇｃｏｌｌｅｃｔｅｄｐｒｏｃｅｄｕｒｅｏｆｔｈｅｓｙｓｔｅｍ：ｆｉｒｓｔｌｙ，ｃａｒｒｙｏｕｔｔｈｅＳｑｕａｒｅＲｏｏｔ，ｔｈｅＣｌ／Ｓｔｏｍｆｉｌｔｅｒｉｎｇｏｆｃａｒｒｙｏｕｔｔｈｅｂｉｎａｒｙｂｙｔｈｅａｎａｌｙｓｉｓｏｆｔｈｅｉｍａｇｅ，ａｎｄｖａｌｖｅ－ｖａｌｕｅ．Ｔｈｅｎｃａｒｒｙｏｕｔｔｈｅｐａｒｔｉｃｌｅｆｉｌｔｅｒ，ｔｈｅｓｉｌｅｎｃｉｎｇａｏｆｎｏｉｓｅｓａｎｄｔｈｅｏｐｅｒａｔｉｏｎｏｆｅｘｔｒａｃｔｉｎｇａｎｄｔｈｉｎｎｉｎｇｏｆｔｈｅｅｄｇｅａｎｄｄｅｆｅｃｔｔｏｇｅｔｃｌｅａｒｂｒｉｍａｎｄｆｌａｗ．Ａｉｍｉｎｇａｔｔｈｅｐｒｏｃｅｓｓｅｄｉｍａｇｅ，ｕｓｉｎｇｔｈｅｔｅｃｈｎｉｑｕｅｏｆｔｈｅｂｒｉｍｄｅｔｅｃｔｉｎｇｓａｌｎｅａｎｄｐａｔｔｅｒｎｍａｔｃｈｉｎｇ，ｍｅａｓｕｒｅａｖａｌｕｅｓｉｚｅｏｆｔｈｅｍａｇｎｅｔｉｃｓｈｏｅ，ａｔｔｈｅｔｉｍｅ，ｕｓｉｎｇｔｈｅｔｅｃｈｎｉｑｕｅｏｆｔｈｅｐａｒｔｉｃｌｅｍｅ娜ｕｒｅｍｃｎｔ，ｄｅｔｅｃｔｔｈｅｆｌａｗｏｆｔｈｅｍａｇｎｅｔｉｃｓｈｏｅ．ＭｉｇｒａｔｅｔｈｅｒｅｓｕｌｔｏｆｔｈｅｉｎｓｐｅｃｔｉｏｎｔｏｅｓｔｉｍａｔｉｏｎｏｆｔｈｅＰｒｏｄｕｃｔ’ｃｌａｓｓ，ａｔｔｈｅｓａｎｌｅＬａｂＶｍＷ，ａｎｄｃａｒｒｙｏｕｔｔｈｅａＩｏ百ｓ－ｔｉｃｔｉｍｅ，Ｗｅｈａｖｅｄｅｖｅｌｏｐｅｄｈｕｍａｎ－ｃｏｍｐｕｔｅｉｎｔｅｒｆａｃｅｆｏｒｔｈｅｐｕｎｃｈｓａｍｐｌｅｏｆＳｙｓｔｆｆ／ｎ－ｌ＂ｌＬｒｌｏｐｅｒａｔｉｏｎ，ｍａｎａｇｅｍｅｎｔａｎｄｉｍａｇｅｄｉｓｐｌａｙ．Ｆｉｎａｌｌｙ，ａｎａｌｙｚｅｔｈｅｍｅａｓｕｒｅｍｅｎｔｅｎ．ｏｒａｎｄｐｒｏｖｉｄｅａｍｅｔｈｏｄｏｆｅｒｒｏｒｃｏｒｒｅｃｔｉｏｎ．ＴｈｅａｃｃｏｒｄＭＳＳＤＤｈａｓｈｉ曲ｅｆｆｉｃｉｅｎｃｙａｎｄｔｈｅｆｕｎｃｔｉｏｎ，ｔｈｅｃａｐａｂｉｌｉｔｙ，ｔｈｅｒｅｌｉａｂｉｌｉｔｙｔａｒｇｅｔｗｉｔｈｔｈｅｄｅｓｉｇｎｒｅｑｕｉｒｅｍｅｎｔｓｃｏｍｐｌｅｔｅｌｙ．Ｉｔｓｏｌｖｅｄｔｈｅｄｅｆｅｃｔｓｏｆｌｏｗｅｆｆｉｃｉｅｎｃｙａｎｄｏｆｔｈｅｔｒａｄｉｔｉｏｎａｌｌｏｗａｃｃｕｒａｃｙｏｆｍａｎｕａｌｄｅｔｅｃｔｉｎｇｐｒｏｄｕｃｔｓｑｕａｌｉｔｙ，ｏｆｈｉ乒ｐｒｉｃｅｍａｃｈｉｎｅｖｉｓｉｏｎｓｙｓｔｅｍ，ａｎｄｏｆｆｕｎｃｔｉｏｎｒｅｇｕｌａｔｅｄｃｏｍｐｌｅｔｅｌｙｂｙｔｈｅｍａｎｕｆａｃｔｕｒｅｒｗｉｔｈｏｕｔａｎｙｏｆｕｓｅｒｃｈａｎｇｅ．ｔｈｅ文１ｃｃｅｓｓｏｆｔｈｅＭＳＳＤＤｒａｉｓｅｄｔｈｅｆｌｅｘｉｂｉｌｉｔｙａｎｄａｕｔｏｍａｔｉｏｎｄｅｇｒｅｅｏｆｔｈｅⅡ重庆大学硕士学位论文英文摘要ｐｒｏｄｕｃｔｉｏｎ．Ｉｔｉｓａｐｐｌｉｃａｂｌｅｔｏｌａｒｇｅｑｕａｎｔｉｔｙｐｒｏｄｕｃｔｉｏｎａｎｄｉｔｈａｓｗｅｌｌｓｏｃｉｅｔｙａｎｄｅｃｏｎｏｍｉｃｂｅｎｅｆｉｔ．ＢｙｃｈｏｏｓｉｎｇｔｈｅｐｏｗｅｒｆｕｌｄｅｖｅｌｏｐｍｅｎｔｔｅｒｒａｃｅＮＩＶｉｓｉｏｎＢｕｉｌｄｅｒＡＩａｎｄｔｈｅＬａｂＶＩＥＷ，ｔｈｅｔｉｍｅｈｉ曲ｆｌｅｘｉｂｉｌｆｆｙａｎｄｓｐｅｎｔｏｎｄｅｖｅｌｏｐｍｅｎｔｏｆｔｈｅｓｙｓｔｅｍｉｓｓｈｏｒｔｅｎｅｄ，ａｎｄｔｈｅｓｙｓｔｅｍｈａｓｌｌｓｅｒｅｕｓｉｎｇｐｒｏｐｅｒｔｙｂｙｔｈｅｏｆｉｔ．尬ａｐｐｌｉｃａｔｉｏｎｃａｎｂｅａｐｐｌｉｅｄｔｏａｗｉｄｅｒａｎｇｅｏｆｐｒｏｆｃｓｓｉｏｎａｌｆｉｅｌｄｓ．Ｋｅｙｗｏｒｄｓ：ＭａｃｈｉｎｅＶｉｓｉｏｎ，ＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ，Ｍａｇｎｅｔｉｃ１１１Ｓｈｏｅ，ＶＢＡＩ，ＬａｂＶＩＥＷ独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特另ｔｔＤｌ：Ｉ以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得重麽盔堂或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：却。衫呻签字日期：）一ｅ年ｔ垌牛日学位论文版权使用授权书本学位论文作者完全了解重庞太堂有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权重迭太堂可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。保密（本学位论文属于不保密（）。），在——年解密后适用本授权书。（请只在上述一个括号内打“√”）学位论文作者签名：即。弘于签字日期：≯叩６年ｃ己月中臼导师签名：聊囔签字日期：跏否年／乞月歹Ｅｌ重庆大学硕士学位论文１绪论１绪论１．１课题的背景与意义本论文选题于现场实际项目：磁瓦在线检测设备研制。产品检测是现代化大生产中必不可少的重要环节，是保证产品质量的关键。传统的检测往往由人工来完成，不仅工作量大，而且易受到检测人员主观因素的影响，从而不能够保证检测的效率与精度。随着现代生产的迅猛发展，新材料、新工艺、新设备等方面取得了巨大进步，许多传统的检测技术己不能满足现代生产的需要，突出表现在：需要检测的产品种类迅速增加，而许多新型产品没有相应的在线检测方法；很多质量监控场合强调实时、在线和非接触检测，才能确保对工业生产过程实现全面控制，提高生产效率和产品的合格率，而这是传统检测手段无法提供的。此外，现代产品的制造精度大大提高，也要求相应的高精度检测方法。总之，现代生产的进步追切需要与之相适应的高精度、高速度的自动化检测设备和先进的检测手段［ｉ－４Ｊ。机器视觉检测技术正是这样一种先进的检测技术。它是建立在机器视觉研究基础上的一门集现代计算机技术、光电技术、数字图象处理技术于一体的新兴检测技术【５】，不仅具有非接触、高速度、高精度以及现场抗干扰能力强的突出优点，能很好地满足很多现代化生产场合的需求，而且易于实现信息集成，满足数字化自动化生产的要求。目前，机器视觉检测技术在国外发展迅速，视觉系统的应用方兴未艾，在有些应用领域，市场竞争甚至到了白热化程度。而在中国，机器视觉的理论研究和国际水平跟进比较快，但是系统的研发应用等方面却相对落后，对大多数人来说，它还是一个新事物。可以说机器视觉在国内还没有发展成一个完整的行业，仅仅出现了一些零星的案例，而且往往较为初级，无论是在深度还是广度上，都与国外水平相去甚远。当前，我国工业面临着产业结构调整的任务，所谓用信息化带动工业化，就是要用先进的技术来武装传统产业，因此，随着经济的发展和人们质量意识的提高，如何研制并普及在线实时、高精度的智能机器视觉检测系统，以满足国内工业发展的需要，己经成为备受人们关注的问题１１Ｊ。近年来，随着电子、计算机、图像处理以及模式识别等理论和技术的迅速发展，机器视觉检测系统的构成及其开发环境都得到了进一步发展。其中，美国ＮＩ公司的软件ＶｉｓｉｏｎＢｕｉｌｄｅｒｆｏｒＡｕｔｏｍａｔｅｄＩｎｓｐｅｃｔｉｏｎ（简称ＶＢＡＩ）是一套能将图像采集、机器视觉检测、决策判断及Ｉ／Ｏ控制同时集成到生产测试应用系统中的具有众多优势的机器视觉应用开发软件。首先它本身包含多种类型的图像处理、图像重庆大学硕士学位论文１绪论变换以及滤波、模型匹配和测量等基本函数功能，无需编程便可创建、校准并部署一个视觉应用程序，因此可以极大地缩短开发应用程序的时间；其次，它是一种交互的可配置视觉软件，在实际应用中可完成原型创建、基准设定和应用程序配置等，并可在检测和配置界面之间自由转换，根据检测结果即时修改配置；接着，它具有内置的ＦＯ功能让用户能够轻易地控制串口线和静态数字ＦＯ模块，或与诸如阀门、摄像头与ＰＬＣ等一系列外部设备连接；具有高级的决策判断和数据记录功能，能够建立复杂的通过佚败判断，数字ＦＯ设备控制以及通过串行设备进行通讯应用的功能；此外，它带有内置式开发界面，因此可以迅速完成监视、指导与鉴定应用，同时它无需编程即可升级到强大的编程环境，如ＬａｂＶＩＥＷ中，拥有虚拟仪器的强大功能，如设计友好的人机界面，具有很大的灵活性和可扩展性。磁瓦是铁氧体永磁材料的主要产品之一。种类规格繁多，应用于许多领域，具有长期的市场前景。由于工艺及不可预测的原因，不可避免导致产品裂纹或崩裂等缺陷产生，以及产品尺寸不符合要求，成品率一般在９５～９７％。在现行的工艺流程中，磁瓦缺陷检测，均为人工目测检验，存在劳动强度大，特别是微小裂纹与浅表划痕难于区别，误检误收率高，质量控制受到人为的影响因素较大且不稳定等缺点；同时，由于没有尺寸检测，合格品与不合格品、高公差等级品与低公差等级品混杂在一起，不能满足市场的要求，严重影响了厂家的生产效益。综上所述，采用以美国Ｎｌ公司开发的软件ⅥｓｉｏｎＢｕｉｌｄｅｒｆｏｒＡｕｔｏｍａｔｅｄＩｎｓｐｅｃｔｉｏｎ为开发平台进行磁瓦视觉检测系统的开发，无论在机器视觉系统设计理论和实现方法的研究方面，还是在磁瓦在线检测技术的探索，提高生产的柔性化和自动化，提高检测效率和检测精度方面都有深远的意义。１．２本文研究的目的及主要内容本文来源于生产实际，检测对象是一个几何形状为平面的简单轮廓，生产特征属于单件薄利、大批量生产，要求快速、经济、无损、非抽样全面检钡９。材料属性总体为低电导、高导磁，机械属性较脆。因此，在线高速检测实现自动分捡以保证全优产出的关键技术包括两个方面，即工作效率和功能。目前的现状是：①效率：目前人手动进行表面缺陷分检的速度每人每班１００００件，约２秒１个。②功能：人工在一个工序仅能识别表面缺陷，不可能同时观察出尺寸的组别，必须要另设工序才能完成。要达到的目标：２重庆大学硕士学位论文Ｉ绪论①快速进行表面裂缝的缺陷检测剔除不良品：②对无表面缺陷工件实现尺寸的在线检测和分组输送，并保证在一个组内工件的公差为：０．２ｍｍ。③检测速度约为每秒４个。主要目的是，探讨提高磁瓦表面缺陷检测效率和准确率的方法，探索进行尺寸在线测量并实施分组的关键技术，从而进一步研制相关设备，并融合到生产工艺流程中。其主要内容如下：①分析机器视觉系统的功能与结构，并根据系统的技术指标完成总体结构设计和硬件的配置。②在研究数字图像处理方法及反复试验的基础上，选择最佳的图像处理过程，利用机器视觉软件实现了图像的采集、处理、尺寸测量等操作，并以ＬａｂＶＩＥＷ为开发平台开发出友好的人机交互界面。③对于识别出的不良品以及依据公差限制域检测出的实际尺寸，采用各传感器确定其相应位置，应用ＰＬＣ进行分检控制。④运用机械学知识，借助于现有设施，设计专用分类送料机构。３重庆大学硕士学位论文２一般机器视觉系统简介２一般机器视觉系统简介２．１机器视觉系统的构成机器视觉就是采用机器代替人眼来做测量和判断。机器视觉的最终研究目标是使计算机能像人那样通过视觉观察和理解世界，具有自主适应环境的能力。因此，视觉系统功能主要是研究用计算机来模拟人的视觉功能从客观事物的图像提取信息，进行处理并加以理解，最终对获得的图像进行分析并给出反馈信息例。从物理结构上来讲，一个典型的机器视觉系统包括光源、镜头和ＣＣＤ摄像机或者其他的图像采集装置、图像采集卡、机器视觉软件、计算机、ＰＬＣ等控制执行机构，如图２．１所示：图２。１典型工业机器视觉系统结构组成【３】Ｆｉｇ２．１ＴｈｅｃｏｍｐｏｎｅｎｔｓｏｆＴｙｐｉｃａｌｉｎｄｕｓｔｒｙｖｉｓｉｏｎｓｙｓｔｅｍ［３］系统的工作过程是：首先采用ＣＣＤ摄像机或者其他的图像采集装置将目标转换成视频信号，然后通过图像采集卡转变成数字化信号传给图像处理系统，图像处理系统再根据像素的分布、亮度、颜色等信息，进行各种分析运算来抽取特征，如面积、长度、数量、位置等，最后，根据预设的容许度和其他条件作出决定，以控制外部的ＰＬｃ等执行机构的动作，同时输出结果，如尺寸、角度、偏移量、个数、合格／不合格、有／无等ｌｑ。因此，从功能模块来看，机器视觉系统包括光源、图像采集模块、图像数字化模块、数字图像处理模块、智能判断决策模块、控制执行模块等。从机器视觉研究的主要内容来看，机器视觉系统又可分为：输入设备、低层４重庆大学硕士学位论文２一般机器视觉系统简介视觉、中层视觉、高层视觉和体系结构五个部分１７Ｊ。①输入设备。包括成像设备和数字化设备，如ＣＣＤ相机、激光、红外、超声、Ｘ射线成像设备等。通过这些数字化设备，机器视觉系统可以获取数字化的图像信息。②低层视觉。主要对输入的原始图像信号进行处理。这一过程借用了大量的图像处理技术和算法，如滤波、图像增强、边缘检测等以便从图像中提取诸如角点、边缘、、线条、边界以及色彩等关于场景的基本特征。这一过程还包含了各种图像变换（如校正）、图像纹理检测、图像运动检测等。③中层视觉。主要任务是恢复场景的深度、表面法线方向、轮廓等有关场景的２．５维信息。④高层视觉。任务是在以物体为中心的坐标系中，在原始输入图像、图像基本特征的基础上，恢复物体的完整三维图，建立物体描述，识别三维物体并确定物体的位置和方向。⑤体系结构。在高度抽象的层次上，根据系统模型来研究系统的结构。涉及的相关课题有并行结构、分层结构等。２．２机器视觉系统的特点机器视觉将图像处理、计算机图形学、模式识别、人工智能等学科与工业生产紧密结合在一起，但对于面向工业的机器视觉系统由于其明确的工程应用背景，与普通计算机视觉、模式识别、数字图像处理有着明显区别，其值得一提的特点有【１】：①机器视觉检测系统的工作环境一般事先确定。对于一个给定的系统，检涮时的照明、位置、颜色、数量、背景等等条件都是需要仔细加以调试的。选择适合的工作条件使得后续处理大为简化、有利于构成实际系统。②机器视觉检测系统作为－－１＂７高速发展的综合性学科，不光需要数字图像处理、计算机视觉、模式识别、人工智能等理论基础，同时还涉及机械、电气、控制、照明，光学、传感器、人机接口等技术。这些理论和技术在机器视觉检测系统中是并列关系，相互协调才能构成一个成功的工业视觉应用系统。③机器视觉检测系统往往具有专用性。作为一个面向特定问题的系统，一般并不需要对目标物体进行三维重建，只需针对某个具体明确的目标（目的），选择特定的算法和设备，做出决断。④由于检测环境可选择，检测目标明确，机器视觉检测系统可以得到更多己知知识的指导。知识应用在系统的各个层面，这一点既体现在算法的选择、目标特征的确定上，也体现在工业机器视觉的软件一般由在线检测和离线学习二部分５重庆大学硕士学位论文２一般机器视觉系统筒分组成，算法中的很多参数可以事先确定。⑤机器视觉检测系统更强调实用、经济和安全可靠性。要求适应工业生产的恶劣环境，满足分辨率和处理速度两个条件的约束，性价比合理；要有通用的工业接口；能够由普通工作人员来操作；有较高的容错能力和安全性，不会破坏工业产品。因而计算机视觉和数字图像处理中的许多技术目前还难以应用于机器视觉检测，它们的发展速度远远超过其在工业生产中的应用速度。⑥对从事机器视觉检测系统设计的工程师来说，不仅要具有研究数学理论和编制计算机软件的能力，更需要的是光、机、电一体化的综合能力。⑦工业视觉系统区别于普通视觉系统，不仅在于图像处理等理论方法，还在于实现技术要适合工业应用环境的特殊要求。这就决定了工业视觉系统除了光源和光学成像系统，摄像与图像处理系统，用于控制摄像、图像处理、图像分析的计算机外，还会包括有更多子系统，如：与生产线同步的通信系统，测距、测速等辅助检测系统，标记、报警或机械操作等结果反馈系统。根据应用目的不同，系统设计必须选择或者设计不同的子系统，最后集成为整体。２．３机器视觉技术的应用现状和发展趋势２．３．１机器视觉技术的应用现状机器视觉自起步发展到现在，已有近４０年的发展历史，经过这些年的研究，机器视觉在深度和广度两方面都取得了很大的进展，积累了丰富的学术研究成果，各种相关文献大量出现，已成长为一门内容十分丰富的独立学科。在应用研究方面，由于其自身的优点，也得到了迅猛发展ｂ１…。目前，机器视觉正广泛的应用于各个领域，从医学图像到遥感图像，从工业检测到文件处理，从毫微米技术到媒体数据库等。可以说，需要人类视觉的场合几乎都需要机器视觉。应该指出的是，许多人类视觉无法感知的场合，机器视觉更突显著的优越性，如零件的识别与定位、产品检测、以及机器人导航、遥感图像分析、医学图像分析，监视与跟踪等。在工业检测领域，机器视觉的应用大幅度地提高了产品的质量和可靠性，保证了生产的速度。如半导体集成块封装质量检测、钢铁生产过程中的冷轧钢板的表面缺陷检测、产品尺寸检测、产品包装印刷质量的检测、饮料行业的容器质量检测、饮料填充检测、饮料瓶封口检测、木材厂木料检测、卷钢质量检测等等。主要事例有：目前在ＰＣＢ板和Ｉｃ芯片的生产线上，６０％的检测任务由机器视觉检测完成；德国Ｐａｒｓｙｔｏｃ公司研制的ＨＴｓ一２冷轧刚表面视觉检测系统己经应用于韩国浦项制铁公司；英国的ＥｕｒｏｐｅａｎＥｌｅｃｔｒｏｎｉｃｓｙｓｔｅｍ公司研制的热轧带钢机器视觉表面检测系统，已在欧美主要的钢铁制造企业得到了应用；在美国，通用、福６重庆大学硕士学位论文２一般机器视觉系统简介特等汽车公司相继与美国的Ｍｉｃｈｉｇａｎ大学合作，成功地研制了汽车零部件、分总成和总成尺寸检测和控制的机器视觉检测系统，实现了加工过程中的工件和装配系统的在线检测；在国内，天津大学精密测试技术国家重点实验室相继成功研制了Ａｕｄｉｌ００轿车侧围视觉检测系统，ＩＶＥＣＯ车身激光视觉检测系统和夏利车身视觉检测系统，实现了总成车身的三维尺寸的自动测量，取得了良好的经济效益。在医学领域，机器视觉用于辅助医生进行医学影像分析，主要利用数字图像处理技术、信息融合技术对ｘ射线透视图、核磁共振图像、ＣＴ图像进行分析或对其它医学影像数据的统计和分析。在闭路电视监控系统中，机器视觉被用于增强图像质量、捕捉突发事件、监控复杂场景、鉴别身份、跟踪可疑目标等，能大幅度提高监控效率，减少危险事件发生的概率。在交通管理系统中，机器视觉技术被用于车辆识别、调度，向交通管理与指挥系统提供相关信息。在卫星遥感系统中，图像信息量大，数据存在多种干扰和误差，处理和分析的工作量、难度都很大。机器视觉技术被用于分析各种遥感图像，进行环境检测，地理测量，根据地形、地貌的图像和图形特征，对地曲目标进行目动识别、理解和分类。在农业生产中，机器视觉可以用来检测农产品的好坏，或者按其大小、重量进行分类。２．３．２机器视觉技术的发展趋势更快、更便宜、更准确、更可靠是机器视觉发展的需要。通常针对不同应用目的要在这些需求中进行折衷，例如要使机器视觉更加准确或可靠性更高，通常要在速度上作牺牲。而机器视觉技术的发展就是要消除这种折衷，高性能和低价位不再相互排斥。当今机器视觉的发展有以下几大趋势川：①平台发生变化传统的机器视觉系统是一种专用系统，具有为获取和处理图像专门设计的嵌入系统。这些系统有自己专门的操作系统和编程语言，使用自己设计的ＡＳＩＣ来完成处理工作。这种高度用户化的方法使得早期的机器视觉系统极其昂贵，并且难以使用。降低成本的方法之一就是采用开放标准。近几年已经有基于Ｗｉｎｄｏｗｓ的系统出现，一些专用技术已经被基于ＷｉｎｄｏｗｓＮＴ的板卡级系统所替代。②更加灵活的软件传统的机器视觉系统令人望而生畏的地方就是编程十分困难，而且难以改动。改变这一局面的方法就是使用更加容易掌握的编程工具，使用功能灵活的处理工具。例如，ＮＩ公司的机器视觉软件。７重庆大学硕士学位论文２一般机器视觉系统简介③人机界面更加友好ＤＯＳ、ＵＮＩＸ和专用的操作系统都有其不同的界面，但通常都需要一个熟练的程序员来操作它们。机器视觉系统向开放标准的靠拢和基于Ｗｉｎｄｏｗｓ的通用界面将使得系统更加友好和易于使用。④视觉和控制的集成目前很多与控制有关的机器视觉系统需要两块板卡：图像采集卡和控制输出卡，一旦视觉和控制被紧密集成在一起成为一个单独的产品，那么所构成的机器视觉系统将会具有更高的性能以满足发展的需要。机器视觉技术的诞生和应用，极大地解放了人类劳动力，提高了生产自动化水平，改善了人类生活现状，其应用前景极为广阔。随着机器视觉技术自身的成熟和发展，它将在现代和未来的制造业中得到越来越广泛的应用！重庆大学硕士学位论文３瓷瓦视觉检测系统的主要图像处理技术３磁瓦视觉检测系统的主要图像处理技术３．１图像增强一般情况下，成像系统获得的图像（即原始图像）由于相对运动、受到ＣＣＤ成像噪声、检测目标对照明光的吸收和反射，图像采集过程的量化等限制和随机干扰，往往不能直接使用，必须在视觉系统的早期对图像进行灰度校正、噪声过滤等预处理。对机器视觉系统来说，所用的图像预处理方法并不考虑其图像降质原因，只将图像中感兴趣的特征有选择地突出，衰减其不需要的特征，故预处理后的输出图像并不需要去逼近原图像。这类图像预处理方法统称为图像增强。图像增强技术主要有两种：空间域法和频率域法。空间域法主要是在空间域内对图像像素直接运算处理。频率域法就是在图像的某种变换域对图像的变换值进行运算，如先对图像进行傅立时变换，再对图像的变化域进行某种计算（如滤波等），最后将计算后的图像逆变换到空间域１７１。本系统主要采用空间域增强的方法，下面介绍该方法１１１）】Ｈ２￣１引。空间域法可分为两类：一是基于像素（点），也就是对图像的处理是基于像素的，增强过程对某个像素的处理与其它像素无关。这类空间域法主要有灰度变换和直方图修正。二是基于模板，也就是对图像的每次处理都是对于小的子图像（模板）进行的。３．１．１基于像素的空间域法①灰度变换灰度交换是一种最简单的、有效的对比度增强方法，它是将原图像的灰度ｆ（ｘ，Ｙ）经过一个变换函数ｇ＝ｒＬ厂】转换成一个新的灰度ｇ瓴Ｙ）。即（３．１）ｇ瓴ｊ，）＝２Ⅳ（而ｙ）】灰度变换可使图像灰度动态范围加大，图像对比度得到扩展，图像清晰，特征更加明显，是图像增强的重要手段。根据其变换函数的不同又可分为线性变换、分段线性变换和非线性变换。在图像采集过程中，如果亮度不足或者亮度太太，采集得到的图像灰度可能会局限在一个很小的范围内，这时显示器上看到的图像模糊不清，没有灰度层次感。采用线性变换，用一个线性单值函数对图像的每一个像素灰度作线性扩展，将有效地增强图像的对比度，改善图像视觉效果。分段线性变换是将图像灰度分布区间分隔成两段乃至多段分别进行线性变换，可以突出用户感兴趣的目标或灰度区间，相对抑制那些不感兴趣的灰度区间，从而使得特征物体的灰度细节得到增强。当变换函数采用某些非线性变换函数时，如指数函数、对数函数、平方函数９重庆大学硕士学位论文３瓷瓦视觉检测系统的主要图像处理技术、１／Ｙ的幂函数、平方根函数、Ｙ幂函数等，可实现图像像素灰度的非线性交换。其中，对数变换、平方根变换和１Ⅳ幂均可扩展低灰度区而压缩高灰度区，这样就可以使灰度较低的图像细节更容易看清楚；而指数变换、平方交换和Ｙ幂变换则刚好相反，它们压缩低灰度区域，扩展高灰度区域，适用于较亮或过亮的图像。②直方图修正数字图像的直方图是一个离散函数，它表示数字图像中每一灰度与其出现概率问的统计关系。对于一幅数字图像，ｋｊ，），若其像素总数为Ｎ，用咯表示第ｋ个灰度级对应的灰度，／，／。表示具有灰度＾的像素个数。用横坐标表示灰度级，纵坐标表示频数，贝Ⅱ直方图可以定义为盹）＝熹（３．２）式中，Ｐ（丘）表示灰度出现的相对频数。直方图能够反映数字图像的概貌性描述，例如图像的灰度范围、灰度的分布、整幅图像的平均亮度和对比度等，并可以由此得出进一步处理的重要依据。但仅从直方图不能完整地描述一幅图像，一幅图像对应一个直方图，而一个直方图可以对应多幅图像。直方图修正一般指直方图均衡化。它是把给定图像的直方图分布改变成均匀分布的直方图，是一种常用的灰度增强算法。通过灰度变换改变图像的对比度进行图像增强，图像的直方图也要发生变化，但是灰度变换增强技术只是着眼于改变全部或局部的对比度，而不考虑图像的直方图如何变化。直方图修正增强技术是以直方图作为变换的依据，使变换后的图像直方图成为期望的形状【７Ｊ。３．１．２基于模板的空间域法空域滤波是在图像空间借助模板进行领域操作完成的，空间滤波器的原理可借助频域进行分析，其基本特点是让图像在傅立叶空间某个范围内的分量受到抑制而让其它分量不受影响，从而改变输出图像的频域分布，达到增强的目的。根据其特点，一般可分成线性的和非线性的两类；根据其功能又主要分成平滑滤波和锐化滤波。平滑可用低通滤波实现，平滑的目的又可分为两类：一类是模糊，它是在提取较大的目标前去除太小的细节或将目标内的小间断连接起来；另一类是消除噪声。锐化可用高通滤波实现，其目的是为了增强被模糊的细节。空域滤波实现这些功能的方式是利用模板卷积，模板卷积相当一个二维矩阵，矩阵中的每个系数都代表着一个像素的权值，即在重新计算某一像素点的值时，该像素对被计算像素点的影响程度。模板尺寸一般有３ｘ３、５ｘ５和７ｘ７三种，尺寸不同，其作用大小不同，可根据实际情况选用。如图３．１所示，空域滤波实Ｉｏ重庆大学硕士学位论文３瓷瓦视觉检测系统的主要图像处理技术现功能的主要步骤为：１１将模板在图中漫游，并将模板中心与图中的某个像素位置重合；２）将模板上系数与模板下对应像素相乘；３）将所有乘积相加；４１将和（模板的输出响应）赋给图中对应模板中心位置的像素。图３．１（ａ）中给出图像的一部分，其中所标的为一些像素的灰度值，现设有一个３ｘ３的模板，如图３．１（ｂ）中所示，模板内所标为模板系数。如将ｋ所在位置与图中灰度值为晶的像素重合（即将模板中心放在图中（ｘ，ｙ）位置），模板的输出响应Ｒ为：（３．３）Ｒ－－－－ｋｏｓｏ＋ｋｔｓｔ＋…＋如ｓｓ将Ｒ赋给增强图，作为在（墨ｙ）处位置的灰度值，如图３．１（ｃ）所示。如果对原图每个像素都这样进行就可得到增强图所有位置的新灰度值。在设计滤波器时给各个ｋ赋不同的值，就可得到不同的高通或低通效果。雕圈匪（ａ）（ｂ）（ｃ）图３．１用３ｘ３模板进行空域滤波的示意图Ｄ７】Ｆｉｇ３．１Ｄｉａｇｒａｍｍａｔｉｃｃｈａｒｔｏｆｎｕｎｆｉｅｌｄｆｉｌｔｃｒｉｎｇｂｙ３ｘ３ｍｏｄｕｌ，＂［１７】线性滤波器中，Ｒ是通过ｋ和Ｓ的线性变换而来。当模板中ｋ既包含正数又包含负数时，滤波器的功能相当于一个具有锐化作用的高通滤波器，典型的商通滤波器有梯度和拉普拉斯滤波器：当模板中ｋ全部为正数时，滤波器的功能相当于一个具有平滑作用的低通滤波器，典型的低通滤波器主要有平滑和高斯滤波器Ｂ５ｌ。非线性滤波器中，Ｒ是通过ｋ和Ｓ的非线性交换而来。非线性滤波器主要有中值、Ｒｏｂｅｒｔ、Ｓｏｂｏｌ、Ｐｒｏｗｒｉｔ等滤波器，其中中值滤波器因为在衰减噪音的同时不会使图像边缘模糊而受欢迎。重庆大学硕士学位论文３瓷瓦视觉检测系统的主要图像处理技术３．２图像的二值化图像的二值化也称之为图像的阈值分割，就是将多灰度级的输入图像按一定的规则转化成只有两个灰度级（Ｏ和１）的图像，ｌｉｐ＿－值图像。二值图像是数字图像的一个重要子集，在数字图像处理技术中，二值图像一直占有很重要的地位，原因在于：一方面像文字、指纹和工程图纸本质就是二值的；另一方面把灰度图像变为二值图像后可以大量压缩数据、减少存储容量，可提高后续处理的运算速率，更重要的是二值图像能够更加清晰地把图像上目标和背景区分开，而且二值图像能够运用几何学中的概念进行分析和特征描述，这比分析处理同样尺寸的灰度图像方便、快捷得多１１“。图像阈值分割的基本出发点就是把图像目标和背景看成以闺值为分割点的两种成分，若以０，１分别为图像的背景或目标的属性值，则当图像的灰度值是．斤。。时，给定阂值Ｔ后，二值化阈值分割可由下式表示１７Ｊ…：划＝｛：：，粥三鬻＠ｓ，㈦４，或如班甚然鬻Ｌｕ’当图像中有如下一些情况：有阴影、光照不均匀、各处的对比度不同、突发噪声、背景灰度变化等，如果只用一个固定的阈值对整幅图像进行分割，则由于不能兼顾各处的情况而使分割效果受到影响。这就需要将阈值设置为一个灰度范围【习，Ｎ－－值化阈值分割由下式表示：‰）；｛Ｌ嚣砌∥）＜硝丹己符合约定关系的用ｌ代替，否则以０代替。（３．５）一般情况下，我们规定Ｂ（ｍ，ｎ）＝ｌ的像素集合为目标区域，矗《ｍ，ｎ）＝０的像素集合为背景区域。二值化分割时，顺序读取各像素点灰度级并与阈值比较，凡由以上公式可以看出，在把灰度图像转换为二值图像时，需要一个阈值Ｔ，要从复杂的背景中分辨出目标并将其形状完整地提取出来，阂值的选择是图像的二值化处理的关键。如果阈值选取过高，则过多的目标被误归为背景；阈值选取过低，则会出现相反的情况。阈值选取的方法很多，一般情况下，阈值都是通过对灰度直方图的分析确定。这种方法对于直方图具有明显的双峰性的图像，可获得很好的分割效果。在图像内容不太复杂、灰度分布较集中的情况下，往往采用这种直方图双峰法。具体选择的方法如下：如果给定图像的直方图上存在两个峰值，对应于对象图形和背景，则两个峰值之间谷底那点的灰度值可选为二值图像的阈值。如果在图中可以看出谷底有～个范围，一般选择靠近对象的灰度值作为阈值。为了更合理地确定１２重庆大学硕士学位论文３瓷瓦视觉检测系统的主要图像处理技术双峰直方图两个“峰”之间的阈值，可采用动态阈值的方法，它的原理是计算相邻像素灰度值之间的方差，当求得的方差为最大时，对应的灰度值就是最合理的图像二值化阈值。值得一提的是尽管阈值的选取方法很多，但至今还没有找得一种对所有图像都可以有效分割的方法，一种阈值方法只能适用于某一类或几类图像阱。３．３粒子分析所谓粒子是图像中非零像素的连续区域，它具有一系列的空间属性，如周长、角度、面积等，可以从二值化图像中提取。粒子分析由一系列过程操作和提供图像像素信息的分析功能组成。一个典型的粒子分析需要对整幅图像进行扫描才能找到所有的粒子，并建立每个粒子的详细报告，用户可以使用多个参数如周长、角度、面积和质心来区分和分类这些粒子，同时，使用不同的参数，用户可以唯一地确定图像的特征。例如，利用粒子的某种或多种属性作为标准，将图像上满足要求标准的粒子滤去（或保留），而不需要在公差范围内去匹配，然后使用另外一系列参数公差在留下的粒子上进行更精确的搜索，这样可以获得比模式匹配更高速、更有效。另外，因为滤去了多余的粒子，后续的处理只对保留下来的粒子进行，可以使检测更高效，这一点特别适用于在线检测。利用粒子分析还可以找到统计信息，例如粒子的数目、尺寸、位置等，利用这些信息可以进行很多机器视觉任务，如焊接缺陷检测、硅芯片的缺陷检测等驯。问题是，选择哪些属性及其标准如何？这需要根据系统的检测任务来确定。３．４数学形态学在二值图像上，需要进行诸如以模式识别为目的，检测并提取图像的特征以及对图像进行测量等处理。例如，从文字图像中把具有某种特征的部分提取出来后，再进行文字识别；从图像中自动测量并计算粒子的个数、面积以及形状等特征数据。因为图像的二值化是一个主观过程，二值图像也许包含了不想要的信息，例如噪声粒子等，也许丢掉了很多细节。因此，二值化后的图像一般不能满足测量要求，这样就需要对二值图像进行处理。常用的二值图像处理方法为数学形态学方法。它的基本思想是用具有一定形态的结构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的１１Ｄｊ。二值形态学中的运算对象是集合，也就是由Ｏ和１组成的二值矩阵脚Ｊ，通常给出一个图像集合和一个结构元素集合，利用结构对图像进行操作。但不能把它们看成是对等的，如果Ａ是图像，Ｂ是结构元素，则形态学运算是使用Ｂ对Ａ进行操作。结构元素是用来定义形态学中所用到的邻域的形状和大小的矩阵，它的形１３重庆大学硕士学位论文３瓷瓦视觉检测系统的主要图像处理技术状一般有正方形和六角形两种伽Ｊ，大小有３×３、５ｘ５和７×７三种。在ＶＢＡＩ中，提供了两大类的二值形态学运算：基本运算和高级运算。在ＶＢＡＩ中，数学形态学的基本运算主要有膨胀、腐蚀、开启、闭合以及边缘提取等。①膨胀。用Ｂ膨胀Ａ的过程是：对Ｂ做关于中心像素的映射，再将其映像连续地在Ａ上移动，Ｂ的映像与Ａ至少有一个非零元素相交对的中心像素的位置集合。如图３．２所示。在图３．２中，图（ａ）中填入“１”的部分为集合Ａ。图（ｂ）中填入…２’的部分为集合Ｂ，标有‘‘（２），，的位置表示中心像素，这并不代表其所在位置处的像素的灰度值为２，而只是为了与集合Ａ相区分。图（ｃ）是图（ｂ）的映像。图（ｄ）中标有“１”的像素为Ａ中原来的位置，标有・‘２”的像素表示膨胀出来的部分，合起来就是膨胀的结果，从图中很明显可以看到膨胀运算将原图像区域扩大了。图３．２膨胀运算过程示例ｎ７】Ｆｉｇ３．２Ｔｈｅｉ１１ｕｓＷａｔｉｏｎｏｆｔｈｅｅｘｐａｎｄｉｎｇｏｐｅｒａｔｉｏｎｐｒｏｃｅｓｓ［ｉ７１②腐蚀。用Ｂ来腐蚀Ａ得到的集合Ｂ是完全包括在Ａ中时Ｂ的原点位置的集合。如图３．３所示，说明了腐蚀运算的过程。在图３．３中，图（ｃ）中标有“１”的像素表示腐蚀后Ａ中保留下来的像素，标有“２”的像素表示才中被腐蚀掉的像素。从图中很明显可以看到腐蚀运算将原图区域缩小了。③开启和闭合。由于膨胀和腐蚀并不是互为逆运算，所以可以将它们级联结合使用。开启就是先对图像进行腐蚀，然后膨胀其结果。闭合就是先对图像进行膨胀，然后腐蚀其结果。它们也是数学形态学中的重要运算。开启和闭合这两种运算都可以除去比结构元素小的特定图像细节，同时保证１４重庆大学硕士学位论文３瓷瓦视觉检测系统的主要图像处理技术不产生全局几何失真。开启运算可以把比结构元素小的突刺滤掉，切断细长搭接而起到分离作用。闭合运算可以把比结构元素小的缺口或孔填充上，连接短的间断而起到连通作用ｎ”。２２图３．３腐蚀运算过程示例嘲Ｆｉｇ３．３Ｔｈｅｉｌｌｐ，ｓｔ：ｒａｔｉｏｎｏｆｔｂｅ∽ｓｉｏｎｏｐｅｒａｔｉｏｎｐｒｏｃｅｓｓ［．＝］④边界提取。目标图像是由内部点加边界点构成的，边界就是包围图像区域的轮廓。边界提取就是把构成边界的点连接起来，最后获得图像的清晰轮廓。边界点的连接类型有两种４连通性和８连通性即图像的边界是由边界的所有边界点按照４个方向（４连通性）或８个方向（８连通性）连接而成，图像的其他点成为图像的内部点。任何图像的边界点都应满足两个条件：一是边界点本身属于图像；二是边界点的邻域存在不属于图像的像素。如图３．４所示，图像的边界点在按照４连通性类型连接时，所有与用户期望像（ａ燧通性图３．４连通性类型ＭＦｉｇ３．４ＣｏｎｎｅｃｔｉｖｉｔｙＴｙｐｅｓ∞８连通性１２０】素点接触的八个像素点中，只有垂直方向的四个像素能连接。而图像的边界点在按照８连通性类型连接时，所有与用户期望像素点接触的八个像素点均可能连接在一起。由此可知，二值图像边界提取的方式有两种，其方式的选择要根据所要获得的图形的形状来选择，如果需要提取的边界含有圆弧，那么一定选择８连通性方式，如果需要提取的图形是方形的，可以选择４连通性方式。同时，因为结构元素的大小也会影响边界的提取，因此，边界提取时也要考虑结构元素的大小，一般来说，如果希望提取的边界较细，则选择较小结构元素矩阵进行运算；如果需要获得较租的边界，则选择尺寸较大的结构元素矩阵进行运算。重庆大学硕士学位论文３瓷瓦视觉检测系统的主要图像处理技术在ＶＢＡＩ中，数学形态学的高级运算是建立在基本运算之上的，是对二值图像的更精细的操作，主要有区域填充、噪声滤除、分离、骨架提取及图像分割等。其中骨架提取是有条件的腐蚀和开启，每个粒子最终的宽度为１个像素，其结构元素有Ｌ形和Ｍ形。３．５ＶＢＡＩ中的边缘检测边缘的定义是指图形中相邻像素灰度值出现明显变化的区域。由于边缘具有能勾画区域的形状，且能被局部定义以及能传递大部分图像信息等许多优点，因此，边缘检测可看作是处理许多复杂问题的关键，是图像分析和图像理解的第一步，检测出边缘的图像就可以进行特征提取、形状分析和测量等机器视觉任务。在ＶＢＡＩ中，边缘检测沿搜索区域对一个一维轮廓线的像素值进行搜索，搜索区域可以是一维的、也可以是二维的。其中基于二维搜索区域的搜索方式有三种：耙形搜索、辐射搜索和同心圆耙形搜索，可以根据要检测的边缘形状来选择。选定搜索方式后，软件会自动生成对应形状的搜索线，并且沿着搜索线进行边界点的搜索。边界点是物体上灰度发生突变的点。一系列这样的边界点经过除去奇异点后拟合构成了物体的边界。①耙形搜索。如图３．５所示，它应用于矩形搜索区域。搜索线与矩形的一条边相平行，对于水平方向的矩形，指定搜索方向为从左到右或从右到左；对于垂直方向的矩形，则指定搜索区域方向从上到下或从下到上。②辐射搜索。如图３．６所示，它应用于环形搜索区域，使用一组从圆环中心发出的指向外边界的搜索线，通过设定搜索线之间的角度来控制搜索线的数量，搜索线的方向可以是由中心向外，也可以是由外边界指向中心。③同心圆耙形搜索。如图３．７所示，它同样应用于环形搜索区域，是耙形搜索在环形搜索区域中的应用，使用一组同心圆作为搜索线，通过设定搜索线间的半径距离来控制搜索线的数量，搜索线的方向可以是顺时针，也可以是逆时针。①搜索区域②搜索线③搜索方向④边缘点图３．５耙形搜索功能伽ｌＦｉｇ３．５ＲａｋｅＦｕｎｃｔｉｏｎ１２０］１６重庆大学硕士学位论文３瓷瓦视觉检测系统的主要图像处理技术ａｂ①搜索面积②搜索线③搜索方向④边界点图３．６辐射搜索功能【２０】Ｆｉｇ３．６ＳｐｏｋｅＦｕｎｃｔｉｏｎ［”］①搜索面积②搜索线③搜索方向④边界点图３．７同心圆耙形搜索功能【２０】Ｆｉｇ３．７ＣｏｎｃｅｎｔｒｉｃＲａｋｅＦｕｎｃｔｉｏｎ［２０ｌ当图像分辨率足够高时，大多数测量以像素所具有的精度进行精确测量，然而有时由于所用传感器尺寸限制，很难达到机器视觉应用所需最小图像分辨率，此时可以利用次级像素精度来发现边缘位置次级像素分析是一种软件分析方法，用来估算更高分辨率图像系统的像素值。采用次级像素精度计算边缘位置时，边缘检测软件以二次或三次函数之类的高次插入函数拟合像素强度数据。插入函数通过原像素值之间的像素强度值得到边缘检测算法，软件然后使用强度信息找到具有次级像素精度的边缘位置。利用成像系统目前所用的元件和软件工具，用户能够可靠地估算出四分之一像素精度，不过评估结果主要取决于成像系统设置，如照明和摄像机镜头等条件。在使用次级像素信息以前，应先尝试改进图像的分辨率次级像素［２０Ｊ。３．６模式匹配所谓模式匹配，就是先有一个已知图案（模板），然后判定这种图案在被检工件上是否存在，或是将其当作基准作为进行其它测量的起点。传统模式匹配技１７重庆大学硕士学位论文３瓷瓦视觉检测系统的主要图像处理技术术包括标准互相关、锥形匹配、比例常数匹配以及图像理解刚。标准互相关是在图像中寻找图案最常用的方法。由于其内部原理是基于系列乘法操作，所以相关运算过程很费时间，但使用像ＭＭＸ之类的新技术能够进行并行乘法，可减少总计算时间。用户还可通过缩小图像尺寸或限制图像匹配区域加速匹配过程。不过基本标准互相关技术还是不能满足许多应用对速度的要求。当图像没有缩放和旋转时，标准互相关是探查图像一个很好的方法，互相关一般能检测同一尺寸图像旋转５至１０度后的图像。但将相关计算范围进行延伸以检测那些比例变化和旋转较大的图像则比较困难。采用比例常数匹配，用户必须重复缩放或调整模板尺寸，然后进行相关运算，这给匹配过程增加很大工作量：而对于旋转的处理更加困难，如果能够从图像中找到有关旋转的线索，则可以简单地旋转模板并进行相关运算，但如果旋转的性质不知道，寻找最佳匹配需要对模板进行尽可能多的旋转处理。锥形匹配可以通过缩小图像和模板图案的尺寸减少计算时间。在这种方法里，对图像和模板两者都进行部分采样，使其空间分辨率变小，甚至可以将图像和模板尺寸减至它们原始尺寸的四分之一。这样首先在缩小的图像中进行匹配运算，因为图像小了，匹配更加快速，处理完成后，只有原始图像具有很高匹配度才考虑继续进行余下匹配处理。因为大多数图像中都包含冗余信息，因此使用图像中所有信息进行模式匹配是耗时的，且不精确。图像理解技术很好地解决了这个问题。ＶＢＡＩ软件使用非标准采样技术扩充图像理解，完整而高效地描述了模板。这种智能的采样技术包含一个边缘和像素区域的结合体。当用户指明模板可能是在旋转图像中时，软件使用相似技术查找目标。这种智能技术的机理是当被选择模板的像素值发生变化或相对变化时，即表明模板发生了旋转。模板的智能采样既减少了冗余信息，又强调了特征模板执行相关运算的高效率。这种模式匹配能够准确地查找到尺寸变化在士５％范围内、旋转角度变化在００～３６００范围的目标。重庆大学硕士学位论文４视觉系统的总体设计及硬件配置４视觉检测系统的总体设计及硬件的配置４．１视觉检测系统的功能要求视觉检测系统所要检测的磁瓦形状如下图４．１所示。四曾图４．Ｉ工件结构示意图Ｆｉｇ４．１Ｔｈｅｉｌｌｕｓｌｒａｆｉｏｎｏｆｔｈｅｓｎｍｃｔｔｔｒｅｏｆｐａｒｔ根据厂方要求，检测功能与技术要求如下：①在线检测１、２、３三个表面的缺陷情况（如图４．１），如有裂纹且裂纹面积小于或等于１．６ｒａｍ２合格，否则为不合格；②在线测量长度Ｌ，且根据Ｌ的值按不同公差范围将磁瓦分成四个等级：１９．６＝Ｌ＜１９．８ｍｍ为一等；１９．８＝Ｌ＜２０．０ｒａｍ为二等：２０．０＝Ｌ＜２０．２ｍｍ为三等；２０．２＝Ｌ＜２０．４ｍｍ为四等：其余的为不合格。③在线检测速度为每秒钟检测４个磁瓦。④检测误差控制在Ｏ．１ｍｍ之内，误检率不超过２％。４．２视觉检测系统的总体结构及成像系统设置４．２．１系统的总体结构本视觉检测系统的总体结构如图４．２所示，视觉检测系统的硬件由光源、ＣＣＤ摄像机、图像采集卡、计算机、ＰＬＣ等组成；开发平台是ＮＩ公司的机器视觉软件。它的工作过程是被检测磁瓦在调速电机的控制下，以一定的速度和节拍在传重庆大学硕士学位论文４视觉系统的总体设计及硬件配置输带上运动，当磁瓦运动到光源下时，其反射光通过镜头成像到摄像机上，同时，两侧红外线传感器发出感应信号，触发摄像机工作，摄像机将其接受的光学影像转换成视频信号输出给图像采集卡，图像采集卡再将视频信号转换成数字图像信息供计算机处理和显示，计算机运用ＶＢＡＩ软件对图像数据进行处理、测量与判断，显示测量与判断结果，并将相应的逻辑信号传递给ＰＬＣ等控制设备，通过机械平台的分检机构进行不合格与合格各等级尺寸工件的分检。图４．２视觉检测系统的总体结构示意图Ｆｉｇ４．２Ｔｈｅｉｌｌｕｓｔｒａｔｉｏｎｏｆｔｈｅｇｅｎｅｒａｌ￥１１＂１１ｃ１１１／ｅｏｆｖｉｓｉｏｎｄｅｔｅｃｔｉｎｇｓｙｓｔｅｍ４．２．２成像系统的设置在采集、处理及分析图像之前，必须设置成像系统。对机器视觉检测系统而言，成像系统的设置是非常熏要的第一步，一个配置良好的成像系统是获得高质图像、精确地从图像中获得所需信息的保障。一个成像系统主要由以下五个要素组成：分辨率、视野、工作距离、景深和传感器尺寸Ｐ“。如图４．３所示。①分辨率。成像系统的分辨率指的是图像系统能够再显的被测目标的所有细节。低分辨率的成像系统所获得的图像常常缺乏细节，容易出现模糊现象。成像系统的分辨率的影响因素主要有视野、传感器尺寸和传感器像素。在建立成像系统时有两种分辨率需要考虑：一是成像系统可以辨别的物体最小特征尺寸即特征分辨率１２０Ｊ；二是描述被检测物体所需要的最小像素个数即像素分辨率，它是选择摄像机分辨率的主要依据，通常用被检测物体的最小特征尺寸与物体最大尺寸来初步估算。一般最少用两个像素来表示最小特征，则最小像素分辨率为物体最大尺寸物体与最小特征尺寸比值的两倍。应用中，成像系统初重庆大学硕士学位论文４视觉系统的总体设计及硬件配置始配置时最小特征尺寸以用户所希望达到的测量结果的精度来代替。本系统中，磁瓦的最大尺寸分别为２０ｍｍ与５．７ｍｍ，厂方要求测量精度为０．１ｍｍ，据此估算出最小像素分辨率为４００×１２６。②视野。视野是摄像头获得的检测的范围。一般情况下，视野需要比我们所要检测物体的尺寸大，同时因为视野越大，在传感器分辨率不变的情况下，获得图像越不清晰，所以视野与被测物体的大小比例不要太大。本系统视野初选为２５ｍｍｘ８ｍｍ。①特征分辨率②视野③工作距离④传感器尺寸⑤景深⑥图像⑦像素⑧像素分辨率图４．３成像系统的基本参数删ＪＦｉ９４．３ＦｕｎｄａｍｅｎｔａｌＰａｒａｍｅｔｅｒｓｏｆａｎＩｍａｇｉｎｇＳｙｓｔｅｎｌｆ２０】③工作距离。工作距离也叫物距，它是指镜头的最前端到被检测物体的距离。在初始配置成像系统时，物距大小的选择一般要考虑工作环境的影响。例如，如果物距太小，容易被飞屑、清洗液等溅到，太大则容易受到周围的光线、人的影子等因素的影响，降低成像系统的精度。本系统工作环境要求不高，无飞屑、清洗液等干扰，因此在保证视野清晰的情况下可选择较小的工作距离。④传感器尺寸。传感器尺寸指传感器的动态区域的尺寸，主要是指水平尺寸。根据规格的不同，传感器的尺寸不同。２１重庆大学硕士学位论文４视觉系统的总体设计及硬件配置⑤景深。景深指焦距范围内的最大物体深度。因此，景深越大，调焦误差越ｔＪ、１２４］１２８］。需要注意的是：为了防止摄像机在摄取图像时产生透视误差，必须保证摄像机与被检测物体始终保持垂直。以上成像系统中各参数的选定都是初选的，成像系统需要根据检测需求对采集的图像进行分辨率、对比度等分析而最终确定。４．３视觉检测系统的硬件配置４．３．１光学镜头与摄像机的选择①镜头光学镜头相当于人眼的晶状体，如果没有晶状体，人眼看不到任何物体；如果没有镜头，摄像机输出的图像是自茫茫的一片。由此可见，光学镜头在机器视觉系统中是非常重要的。镜头的种类很多，按不同的分类方法，主要有如下：按有效像场的大小分为ｌ英寸、２／３英寸、Ｉ／２英寸、ｌ／３英寸等；按焦距不同分为广角镜头、标准镜头、长焦距镜头；按动作方式不同分为手动镜头、电动镜头；按光圈分类为手动光圈镜头、自动光圈镜头；按聚焦方式不同分为手动聚焦、电动聚焦１２ｓ］。通常情况下，镜头的选择主要考虑以下因素ｐ７Ｊ：１）镜头的物距、焦距和视野。在视觉系统中，镜头的物距、焦距和视野这几个参数的关系符合下图４．４所示的光学成像原理；在镜头规格一定的情况下，镜头焦距越长，其镜头的视野就越小；在镜头焦距一定的情况下，镜头规格越大，其镜头的视场角也越大；在物距一定的情况下，随着镜头焦距的变大，视野就越小，但画面细节越来越清晰；而随着镜头规格的增大，视野就增大，但其画面细节越来越模糊。图４．４光学成像原理示意图Ｄ１】Ｆｉｇ４．４Ｔｈｅｔｈｅｏｒｙｏｆｏｐｄｃａｌｉｍａｇｉｎｇ［１１】重庆大学硕士学位论文４视觉系统的总体设计及硬件配置由图４．４可知，焦距可表示为：ｆ＝ｔ‘ｕ／ｖ（４．１）式中ｆ一焦距（Ⅱ吼）；ｔ一——传感器尺寸（衄）；１卜一物距（衄）：ｖ－—见野（ｒａｍ）。２）镜头的成像尺寸。选用的镜头成像尺寸应等于或大于与所选摄像机的靶面尺寸，否则成像的边角部分会模糊甚至没有影像。当选用比摄像机规格大的镜头能够利用更精确的中心光路，可以提供较好的图像质量和较高的分辨率。３１光圈值。一般情况下，光圈越大，图像亮度越高、分辨率越商，但光场照度不均匀，容易造成像差，因此，必须根据实际情况，选择合适的光圈值。②摄像机根据感光元件的不同，摄像机可分为ＣＣＤ摄像机和ＣＭＯＳ摄像机。ＣＣＤ摄像机的主要感光元件是ＣＣＤ。ＣＣＤ是ＣｈａｒｇｅＣｏｕｐｌｅｄＤｅｖｉｃｅ（电荷耦合器件）的缩写，是一种特殊的半导体材料。它的工作原理是被摄物体反射光线传播到镜头，经镜头聚焦到ＣＣＤ芯片上，ＣＣＤ根据光的强弱积聚相应的电荷，经周期性放电，产生表示一幅幅画面的电信号，经过滤波、放大处理，通过摄像头的输出端子输出一个标准的复合视频信号。ＣＭＯＳ摄像机的感光元件是ＣＭＯＳ，即互补金属氧化物半导体（ＣｏｍｐｌｅｍｅｎｔａｒｙＭｅｔａｌＯｘｉｄｅＳｅｍｉｃｏｎｄｕｃｔｏｒ）。它主要是利用硅和锗这两种元素做成的半导体，通过ＣＭＯＳ上带负电和带正电的晶体管来实现基本功能的。两者相比较，由于ＣＣＤ具有灵敏度高、畸变小、寿命长、抗震动、抗磁场、体积小、无残影等优点，因此，ＣＣＤ摄像机在机器视觉系统中应用最为广泛。ＣＣＤ摄像机主要包括三类：线阵，高灵敏度线阵和面阵。其中面扫又包括：隔行转移，全帧和帧转移三种类型，其性能比较见表４．１。因作为在线检测，需要对运动物体成像，所以本系统选择线阵ＣＣＤ。ＣＣＤ摄像机的选择主要考虑下面几个参数［３ＪＪ：１）分辨率。分辨率主要由ＣＣＤ摄像机感光元素（即像素）的尺寸和排列决定，即取决ＣＣＤ芯片的像素数，分辨率越高，图像的细节越清晰。ＣＣＤ摄像机的分辨率主要有６４０（Ｈ）像素ｘ４８０（ｖ）像素、７５２（Ｈ）像素ｘ５８２像素、１０２４（Ｈ）ｘ７６８（ｖ）像素。摄像机的最小分辨率可根据图像系统的最小像素分辨率初步定为４００ｘ１２６。２）ＣＣＤ芯片尺寸。ＣＣＤ摄像机成像尺寸常用的有２／３英寸、１／２英寸、１／３英寸、１／４英寸等规格，对应的ＣＣＤ芯片尺寸为８．８ｍｍｘ６．６ｍｍ、６．４ｍｉｎｘ４．８ｍｍ、重庆大学硕士学位论文４视觉系统的总体设计及硬件配置４．８ｍｉｎｘ３．６ｍｍ、３．６ｍｉｎｘ２．７ｍｍ等。成像尺寸越小，摄像机的体积可以做得越小，当摄像机的分辨率很高的时候，不应该选择尺寸过小的ＣＣＤ芯片，因为这样的芯片像素的集成过高，因此像素的尺寸过小，从而导致成像不准确。由图４．４可知，成像尺寸越大，视场角越大。３）灵敏度。也称为最小照度，是ＣＣＤ对环境光线的敏感程度，或者说是ＣＣＤ正常成像时所需要的最弱照度。照度的单位是勒克斯（ＬＵＸ），数值越小，摄像机越灵敏。表４．１各类ＣＣＤ像机性能及特点Ｄ２ｌ相机类型性能和优点缺点（１）填充因子一般为１００％；（２）动态（１）要求照度在整个视范围大；场尽可能均匀，并且要线阵（３）可实现快速运动物体的无污染成像；（４）对高空问分辨率成像应求照度强度大；２）对要用是一种性价比较好的实现方式。求镜头要求较高。（１）采用ＴＤＩ（ＴｉｍｅＤｅｌａｙａｎｄ（１）像机和机械传动系高灵敏度Ｉｎｔｅｇｒａｔｉｏｎ）技术；（２）可适用于高速应用场合；（３）对光源要求较低，甚至可统的对准要求严格：（２）线阵以使用ＡＣ电源。要求运动物体速度恒定。价格便宜，适用于低端应用。（１）填充因子较小，一隔行转移般为３０％；（２）动态范围小。面（１）填充因子一般为１００％：（２）价格在帧读出时，要屏蔽光阵全帧便宜，照，～般可采用遮光器或触发光源实现。（１）填充因子一般为１００％（２）不需价格较其它两类面扫相帧转移要对光照进行屏蔽。机昂贵。４）视频制式。视频制式分为ＰＡＬ、ＣＣⅡ己、ＲＧＢ等。５）异步重置外触发功能。在机器视觉系统中，有时要求精确控制拍照时间，这时摄像机应具有异步重置功能。在系统控制器给出拍摄命令的时候，摄像机应能重新启动曝光，并送出相应的图像。６）信噪比。信噪比越高，获得图像的质量越好。７）摄像机的信号输出接口。现在主要有ＢＮＣ视频输出、ＲＧＢ分量输出、ＣａｍｅｒａＬｉｎＶｉｄｅｏ与ＩＥＥＥｌ３９４接口。重庆大学硕士学位论文４视觉系统的总体设计及硬件配置８）镜头安装接１２方式。常用有Ｃ型接口和ＣＳ型接口两种方式，二者间不同之处在于感光距离不同，ｃ型接口的后截距为１７．５ｍｍ，ＣＳ型接口的后截距为１２．５ｒａｍｌ３１１。综合以上因素，考虑本系统为在线检测，需要精确控制拍照时间，当图像系统一经确定后，摄像机无须移位，再考虑到日后升级系统只需要改变软件而不用追加硬件上的投资，本系统选择日本索尼的型号为ＳｏｎｙＸＣＤ－Ｘ７００的８０万像素的黑白ＣＣＤ摄像机（带配套镜头），具有异步重置功能。其具体参数见表４．２：表４．２摄像机基本参数Ｔａｂｌｅ４．２ＦｕｎｄａｍｅｎｕｄＰａｒａｍｅｔｚ－ｒｓｏｆｔｈｅＳｏｎｙＸＣＤ一７００１０２４ｘ７６８ｃａｎｌｗ＊＇／＇ａｓ型号分辨率ＣＣＤ尺寸快门时间传输速率采集帧速率工作温度工作电压接口外形尺寸镜头安装方式焦距１／２英寸（６．４ｒａｍ＊４．８ｒａｍ）１／１０００００一乞ｓ４００Ｍｐｓ１５ＦＰＳ．５℃ｑ５℃８￣３０ＶＢＮＣ＋１１３９４＊１４４ｒａｍ（Ｗ）＋３３ｍｍ（Ｈ）‘１１６ｍｍ（Ｄ）Ｃ１２ｍｍ由公式（４．１）可预算物距为：１２ｘ２５／４．８＝６２．５（ｍｍ），满足摄像机的最小安装距离要求。４．３．２光源光源主要是为图像传感器提供光路支持，它将光线照射到被测物体上，物体反射光携带了物体的大部分表面特征信息，经物镜成像在图像传感器的像面上，从而可以采集到物体的大部分表面特征信息。随着光源光谱成分的变化，以及光源强度分布随时间的变化，图像传感器输出的图像信号也要发生变化。因此，恰当地选择光源是获得理想信号的关键，是图像传感器技术的重要环节。光源设备的选择必须符合所需的几何形状、照明亮度、均匀度、发光的光谱特性，同时还要考虑光源的发光效率和使用寿命。机器视觉系统中，常用的光源有ＬＥＤ光源、卤素灯（光纤光源）与高频荧光灯。相对来说，目前ＬＥＤ光源最常用，主要有如下几个特点Ｍ：重庆大学硕士学位论文４视觉系统的总体设计及硬件配置①使用寿命长，１００００～３００００小时；②ＬＥＤ光源是由许多单个ＬＥＤ发光二极管组合而成的，因而比其他光源更加容易做成更多的形状，更容易针对实际应用需要来设计光源的形状和尺寸，实现不同的光源照射角度；③有多种颜色可供选择，针对不同检测物体的表面特征和材质，可选用不同颜色，也就是不同波长的光源，从而到达理想效果。④功耗小、耐震动、响应快。因为本视觉系统要求使图像处理单元得到精确的、重复性好的测量结果，照明系统必须保证相当长时间内能够提供稳定的图像输入，而且为了使照明满足系统的要求，需要设计特殊形状的光源，所以选择ＬＥＤ作为系统的光源。形状为环形结构，使光源照度均匀；颜色选为红色，因为ＣＣＤ对红色光最敏感，且寿命长、价格低。４．３．３图像采集卡图像采集卡是控制摄像机拍照，完成图像采集与数字化，协调整个系统的重要设备。它一般具有以下功能模块１３３】：①图像信号的接收与Ａ／Ｄ转换模块。负责图像信号的放大与数字化。有用于彩色或黑白图像的采集卡。不同的采集卡有不同的采集精度，一般有８ｂｆｔ和１６ｂｉｔ两种。②摄像机控制输入输出接口。主要负责协调摄像机进行同步或实现异步重置拍照、定时拍照等。③总线接口。负责ＰＣ机内部总线高速输出数字数据，一般是ＰＣＩ接口。图像采集卡的选择应以满足功能为前提，而非功能多、价格高为最佳。一般需要综合考虑以下因素：①选用的摄像机与图像采集卡是否匹配。主要包括视频信号、分辨率的匹配及是否支持多频道（即是否可以同时控制两个以上的摄像机）。②图像的存储。摄像机拍照的时间最多为４０毫秒，而系统对于图像进行分析、测量的时间则要长得多。在实际操作中，经常会出现摄像机“等待”ＰＣ机的情况。因此，一些图像采集卡便另设有一些内存，作为图像的缓冲区，即在前一幅图像尚未分析完之间，继续采集图像，将其暂存到缓冲区中，待分析完前一幅图像后，再以原来顺序，逐一送至ＰＣ机内存。③是否具有数字ＦＯ可用于外部触发。④支持的软件。大部分图像采集卡都有配套的驱动软件及开发包。因此，选择图像采集卡应尽可能与开发软件相互配套。本系统要实现在线检测，必须采用外部触发摄像机工作，实现实时采集图像。根据厂方要求，采集速度大约为４个，秒，这就要求图像采集系统的采集速率要重庆大学硕士学位论文４视觉系统的总体设计及硬件配置大于４ＦＰＳ（ｆｒａｍｅｐｅｒｓｅｃｏｎｄ），考虑到要为系统留有足够的扩展空间，对此数据扩大三倍来预算，即１２ＦＰＳ，若取像素分辨率为８ｂｉｔ，则可从公式（４．１）推出系统的数据传输速度要求为大予７５．４Ｍｂ／ｓ：Ｐ≥Ｒ＋ｂｉｔ＋ｆ（４．１）式中：Ｐ——系统数据传输速率；Ｒ——分辨率；本系统为１０２４＋７６８。Ｂｉｔ＿—．像素分辨率；ｆ－一图像采集频率。考虑到选用ＮＩ公司的视觉软件作为开发平台，所以选用配合基于该软件的黑白图像采集卡ＰｃＩ一８２５２。它是ＮＩ公司的８ｂｉｔ快速模数转换高质量的图像采集卡，具有ＩＥｌ３９４接口，可直接与ＳｏｎｙＸＣＤ．Ｘ７１０摄像机相连，最高传输速率为４００ｍｂ／ｓ，可满足系统需要。其具体参数见表４．２：表４．２图像采集卡配置型号最高传输速率工作温度工作相对湿度接口软件支持驱动程序ＮＩＰＣＩ－８２５２４００Ｍｂ／ｓ０℃～５５℃１０。／ｏ－９０％３＋１３９４；１‘ＢＮＣＮＩｖｉｓｉｏｎＢｕｉｌｄｅｒＮＩ＿ＩＭＡＱｆｏｒＩＥＥＥ表４．３工控机配置１３９４Ｔａｂｌｅ４．３Ｃｏｎｆｉｇｕｒｅｏｆｔｈｅｉｎｄｕｓｔｒｉａｌｃｏｍｐｕｔｅ＂型号主板卡机箱电源ＣＰＵＦ８４８ＶＥＷＡ．８０００．Ｆ８４８Ｓｏｃｋｅｔ４７８架构支持ＩｎｔｅｌＩＡＣ．８０００Ｓ４ＵＰ４ＣＰＵｉｎｔｅｌ８４５ＧＶ芯片１９槽上架式工业机箱ＦＳＰ２５０－６０ＰＮＡＣＰＵ・Ｉｎｔｄ・Ｐ４－２．０Ｇ底板ＷＢＰ．１４Ｐ４２＊ＰＩＣＭＧ槽８＊ＩＳＡ槽４＊ＰＣＩ槽重庆大学硕士学位论文４视觉系统的总体设计及硬件配置４．３．４计算机机器视觉系统中，计算机作为数据分析处理设备，其主要功能是对采集到的图像数据进行分析处理，根据检测任务还可能担负其它～些任务，如通信、显示输出等。如果作为在线检测，由于生产线上的生产速度块，工作时间长以及工作环境差，因此要求计算机具有运行稳定性高，抗干扰、抗震能力强等特点。经过比较，最终选择了广州智慧工控的ＷＡ－８０００．Ｆ８４８（４Ｌ０工控机，具体配置见表４．３。４．４系统照明方案设计在机器视觉系统中，好的光源与照明方案往往是整个系统成败的关键。光源与照明方案的配合应尽可能地突出被测物体的特征量，在物体需要检测的部分与那些不重要部分之间应尽可能地产生明显的区别，增加对比度，同时还应保证足够的整体亮度，尽可能突出所要提取的特征，并且物体位置的微小变化不应该影响成像的质量。一般情况下，照明方案主要分为以下几种∞Ｊ：■ｔ机ｔ靠ｔ葸ｔｊ葸ｔ盘拉伽鼎蝴一日叠明援凸壑咚猡比芷匕＝！ｂ亡＝！ｂＣｄ）【ｅ）图４．５各种照明方案ｐ力Ｆｉｇ４．５Ｔｈｅｓｃｈｍｅｏｆａｌｌｋｉｎｄｏｆｔｈｃｌｉｇｈｔｉｎ９１３３】①直前光照明。如图４．５（ａ）所示，该照明方案是光源直接照射工件，将在被照明区域中心得到特别集中的光，经工件反射的光传给镜头，可能产生不必要的阴影，或者对工件的照明不均匀。重庆大学硕士学位论文４视觉系统的总体设计及硬件配置②顶部散色光照明。如图４．５（ｂ）所示，该照明方案是散色光照射到工件的正面，光线没有方向性，比较柔和，成像不会眩光，并且容易实现，但是工件的边缘对比度不大。③背景照明。如图４．５（ｃ）所示，该照明方案中背景光是位于工件背面的扩散光。这种照明方案是被测工件放在光源和摄像机之间，它的优点是能够获得比较清晰精确的边缘，但被测工件一般要求是透明的。④低角度照明。如图４．５（ｄ）所示，低角度的环形光（与被照明物体表面之间角度大约为１００～１５０）能够照射出表面的轮廓和除去色差，适合于做边缘检测和把损伤突出。⑤轴线照明。如图４．５（ｅ）所示，轴线照明可以得到均匀的、高亮度的光，适合于检测反色比较严重的表面划痕。本系统的功能是检测表面裂纹和工件的长度，因此需要获得精确的、清晰的图像边缘与裂纹，通过对不同照明方案所获得的图像效果进行比较，选择图４．５（ｄ）低角度照明方案。４．５机械运动控制系统设计机械运动控制系统需要解决的问题主要有：一是解决磁瓦从前工序在皮带上较紧密的排列运动到按规定同距与速度进入摄像区的问题，即磁瓦的排序闯题；二是解决将磁瓦按规定的等级分检到运输皮带一侧的各分类箱中的问题。①磁瓦排序设计。基于利用运输皮带的速度差将磁瓦之间的距离拉开的思想。在磁瓦进入摄像区之前，设置另一运输皮带，其速度比前工序的皮带运输速度高，速度的大小由一小型异步电机控制，具体数值需根据系统要求而定。这样，就可以达到让磁瓦按规定问距与速度进入摄像区的目的。同时，在两运输皮带之间搭接一长约２００ｍｍ的过渡区，其作用是使磁瓦整齐有序的进入下一运输皮带。具体计算如下：在前工序中，磁瓦在皮带上的运动速度约为每分钟１．１ｍ；系统要求每秒检测４个磁瓦；为保证足够的图像处理时间，假设磁瓦的间距为Ｏ．８ｍ，则可计算出磁瓦进入摄像区的速度约为每分钟３．５ｍ，即异步电机的速度应调定为每分钟３．５ｍ。在测量动态中的物体尺寸时，ＣＣＤ感光器件的快门最高速度决定了能够测量到的物体最快运动速度。若设：ｖ为被测物体位移速度，Ａｔ为快门最高速度（或采集时长），△Ｌ为物体在Ａｔ时段内相对测量面发生的平移，△为测量误差，则有重庆大学硕士学位论文４视觉系统的总体设计及硬件配置△一－－－－＇ＶＸＡｔ（４．２）本系统摄像机的快门最高速度为１／１０００００ｓ快门，要求的测量误差为Ｏ．１ｍｍ，则允许被测物体最大位移速度为１００００ｍｍ／ｓ。而本系统设计的被测物体的位移速度约为５８．７ｍｒｎ／ｓ，远远低于允许的最大位移速度，因而产生的采集误差可以忽略。另外，为增加图像的对比度，该运输皮带的颜色选为白色。②磁瓦分拣的控制。如图４．６所示，总控制为工控机和ＰＬＣ，分控制为各等级控制电磁阀和气源。具体实现过程是：当ＰＬＣ接受工控机图像检测结果指令后，指挥对应等级控制电磁阀闭合，从而对应等级控制气源打开，将该磁瓦吹入对应等级产品箱中。产品箱围圈团回圈图４．６磁瓦分拣控制示意图Ｆｉｇ４．６Ｔｈｅｉｌｌｕｓｌ删∞ｏｆｔｈｅｍａｇｅｔｉｃｓｈｏｅ’ｓｏｒｔ重庆大学硕士学位论文５视觉检测系统的软件设计视觉检测系统的软件设计５．１系统软件结构裉据系统功能，本系统的软件主要由图像采集模块、图像定位模块、系统标定模块、图像处理模块、缺陷检测模块、尺寸测量模块以及决策模块等组成，如下图５．１所示。国５．１系统软件结构Ｆｉｇ５．１Ｔｈｅｆｌｏｗｃｈａｒｔｏｆｓｙｓｔｅｍｐｒｏｇｒａｍｍｉｎｇ该系统的工作过程是：程序运行后，等待运动控箭系统给摄像机的艇发信号，如果没有触发信号，则摄像机处于等待状态；如果收到了触发信号，系统执行图像采集模块，将信号数字化后，送给图像处理模块进行处理、分析，缺陷检测与尺寸测量模块对处理后的图像进行尺寸测量，再通过系统标定模块进行尺寸校正，决策模块根据校正后的值与预设标准值进行比较判断，显示出判断结果，并重庆大学硕士学位论文５视觉检测系统的软件设计将逻辑结果传送给运动控制系统进行尺寸分拣，这样就完成了一个工作循环，重新回到了等待运动控制系统触发信号的状态。下面分别介绍图像的采集、定位、处理、系统标定、缺陷检测、尺寸测量及决策模块。５．２图像采集模块图像采集模块的功能是把摄像机获取的图像经过数字化后，传送到图像处理软件中。本系统利用ＶＢＡＩ软件进行图像采集。在进行图像采集之前要对图像采集卡进行适当的配置。当图像采集卡第一次安装时，需要装其驱动程序，一旦驱动程序安装成功，便可检测到与系统（ＰＣ机或工控机）相连的设备，如ＤＡＱ卡、摄像机等硬件，并可调用相应设备的设置软件对设备进行设置，完成硬件配置后便可迸行图像采集了。本系统中，摄像机将生产线上的磁瓦通过ＣＣＤ传感器的作用、再经过图像采集卡转变为用像素来表示的单色数字图像，由于本系统采用的图像采集卡为８位，因此，用８位长度对每一个像素进行编码，这样每～个像素值就能用从０到２５５的范围内的数字表示，这个数值就是该像素的灰度值。通常０代表黑色、２５５代表白色。数字图像的表述可用一个关于灰度的二维分布ｆ【ｘ，ｙ）表示，式中（ｘ，ｙ）表示图像对应点的坐标，ｆ是点（ｘ，ｙ）对应的灰度值。５．３图像定位模块一个典型的测量应用中，当图像采集到计算机后，首先要完成的任务就是找到图像中工件的被测目标，其后的检测任务都是在此基础上进行的，因此，图像定位模块的功能是定位图像中的工件和建立统一的测量基准。本系统中图像定位的方法是模式匹配。在机器视觉检测中，为了改善检测结果，提高检测速度，图像处理与检测往往在所谓的ＲＯＩ（Ｒｅｇｉｏｉｌ．ｏｆＩｎｔｅｒｅｓｔ）区域进行，而不是在整幅图像中进行，用户所感兴趣的部分必须在他确定的ＲＯＩ区域内，根据检测任务的需要，可以选择一个或多个ＲｏＩ区域。由于每一个工件在传送带上的位置不可能绝对的一致，也就意味着工件进入摄像机时的位置不可能绝对一致，得到的图像中工件的位置会产生相对偏移或偏转。这样，就可能造成用户所感兴趣的部分或部分或全部地远离用户所确定的ＲＯＩ区域，引起检测误差或错误，因此，为确保用户所感兴趣的部分始终在他确定的ＲＯＩ内，ＲＯＩ必须随着工件的偏移或偏转而作相应变化，这就涉及建立相对坐标系的问题。因此，定位的第一步是建立一个匹配模板，该匹配模板是在标准图像中建立的，由～个被检测工件的标志性特征及包围它的搜索区构成。标志性特征模板必重庆大学顼士学位论文５视觉检测系统的软件设计须满足：不管被检测工件的位置如何发生变化，该特征始终会出现在摄像机的视野中且不存在引起误匹配的缺陷。用户可定义其最小匹配因子来限制被搜索特征与标志性特征模板相似程度，同时确定允许其相对标准模板偏转的角度，搜索区的大小可根据实际情况而定，为提高查找速度，一般选择小的搜索区。考虑工件从运输皮带上进入检测区时偏移和偏转都可能发生，本系统的匹配模板的建立如图５．２所示。图５．２建立匹配模板Ｆｉｇ５．２ＳｅｔｕｐＭａｔｃｈＰａｔｔｅｒｎ定位的第二步是建立一个与上述标志性特征相关联的坐标系，其目的是建立一个测量工件偏移或偏转的基准，使得ＲＯＩ可以随着工件的偏移或偏转而发生相应的变化。在建立匹配模板的同时软件自动产生～个缺省坐标原点，利用这个原点可以自动产生一个缺省的坐标系；也可以移动这个坐标原点到所需的位置，建立一个坐标系。通常使用缺省的坐标系。在建立坐标系的同时，为保证坐标系随工件偏移或偏转，根据系统中工件偏移或偏转的情况，确定坐标系的模式是否可以偏移或偏转及其方向。本系统的坐标系如图５３所示，考虑工件从运输皮带上进入检测区时偏移和偏转都可能发生，坐标系可以在水平方向和垂直方向偏移并可偏转。图５．３建立坐标系Ｆｉｇ５．３ＳｅｔＣｏｏｒｄｉｎａｔｅＳｙｓ把ｍ重庆大学硕士学位论文５视觉检测系统的软件设计这样，每当有新图像输入到计算机对，计算机自动在新图像中寻找与匹配模板相似的图形，并以搜索到的结果定位图像中的工件。５．４图像处理模块图像处理的目的是将送过来的图像数据按照系统的目标、采用合适的数字图像处理技术进行处理分析，使图像变得清晰，突出所要提取的特征。本系统的目标是要检测三个表面的缺陷（裂纹）以及测量磁瓦的长度，需通过对图像进行粒子测量和边界测量得到，因此，对本系统而言，图像处理的目的是获得准确而清晰的图像裂纹与边缘。ＶＢＡＩ软件中提供了各种图像处理方法，例如各种灰度变换、滤波、边缘检测方法等，通过对这些方法进行不同组合及其相关的参数设定，反复比较图像效果，最后得到合理的图像处理方法和图像处理过程，如图５．４所示。图５．４图像的处理过程框图Ｆｉｇ５．４Ｔｈｅｂｌｏｃｋｄｉａｇｒａｍｏｆｔｈｅｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｐｒｏｃｅｄｕｒｅ５．４．１图像的增强ＶＢＡＩ软件提供了各种常用空域滤波器，如低通滤波器、中值滤波器、高斯滤波器等，除此之外，还提供了高细节滤波器和定制滤波器，其中高细节滤波器是一种改良的线性滤波器，可以达到既可以去噪又可以保留和突出边缘、细节的效果。本系统中，从原始图像的灰度直方图可以看出，原始图像的灰度很集中，裂纹、边界及部分待测表面的灰度差别很难区分，如图５．５所示（此处，灰度直方图的纵坐标表示的是该灰度水平的像素对数值，可以显示小数目像素点的灰度水平，这些像素点在用线性刻度时可能不能显示）。基于进行尺寸测量和缺陷检测的要求，需拉近目标待测表面图像灰度和背景图像灰度的水平，同时要拉开它们与边缘和裂纹的灰度水平，以便在图像二值化时能较好地将目标待测表面和背景与边缘和裂纹区分开来。故首先用平方根函数对图像对比度进行调整，扩展低灰度区而压缩高灰度区，使灰度较低的图像细节更容易看清楚；接着采用高细节滤重庆大学硕士学位论文５视觉检测系统的软件设计波器进行滤波和细节突出，进一步拉近了目标图像灰度与背景灰度的水平，突图５．５原始图像的灰度直方图Ｆｉｇ５．５Ｈｉｓｔｏｇｒａｍｏｆｔｈｅｏｒｉｇｉｎａｌｉｍａｇｅ出了边缘和裂纹。图像增强前后的图像如图５．５（ａ）与５．５（ｂ）所示。（ａ）增强前图像（ｂ）增强后图像图５．６增强前后的图像效果对比Ｆｉｇ５．６Ｔｈｅｃｏｍｐａｒｉｓｏｎｏｆｔｈｅｉｍａｇｅｅｆｆｅｃｔｂｅｆｏｒｅａｎｄａｆｔｅｒｅｎｈａｎｃｅｍｅｎｔ５．４．２图像的二值化从增强后的图像灰度直方图（如图５．７）来看，虽不具备典型的双峰性，但仍可看出有较明显的峰谷存在。因此可采用动态阈值的方法，确定阈值范围。图５．７增强后图像的直方图Ｆｉｇ５．７Ｈｉｓｔｏｇｒａｍｏｆｔｈｅｉｍａｇｅａｆｔｅｒｅｎｈａｎｃｅｍｅｎｔ重庆大学硕士学位论文５视觉检测系统的软件设计ⅦＡＩ软件提供的人工设定阈值的方法就是一种操作简单、效果直观的动态阈值方法。用户可以手动设定不同阈值范围，反复比较二值化后的效果，最终确定满意效果下的阈值。本系统采用此方法，反复调节阈值范围与比较效果，将阈值范围控制在缺陷亮度范围内，获得较好的边界和裂纹。二值化后的图像如图５．８所示。５．４．３粒子的过滤由于工件表面存在灰度不均匀，边缘特别是裂纹的灰度级与部分表面的灰度图５．８二值化后的图像Ｆｉｇ５．８Ｔｈｅｉｍａｇｅａｆｔｅｒｔｈｅｐｒｏｃｅｓｓｏｆｔｗｏ－ｖａｌｕｅ级相隔很近，因此，图像二值化时，将这一部分表面当作边缘或裂纹处理，从二值化后的图像图５．８也可以看出，工件上除边缘和裂纹外还存在一些分散的小粒子，这一部分不是裂纹的粒子的存在势必会影响系统对缺陷的检测结果，因而必须祛除；再者，根据厂方要求，面积小于或等于１．６姗２的裂纹不属于缺陷，所以这一部分粒子也必须祛除。这些干扰粒子具有比真正裂纹面积更小的特性，故此，可采用粒子过滤技术，利用粒子的面积属性将多余的粒子祛除。所谓粒子的面积就是粒子中所包含的像素点的个数。本系统中，根据系统标定可得出每一个像素所代表真实尺寸为０．０５ｍｍ，由此可计算出的一个像素点宏观面积是Ｏ．０５ｘ０．０５＝０．００２５ｍｍ２；再者，根据厂方要求，面积小于或等于Ｌ６ｔｕｒｎ２的裂纹不属于缺陷，则祛除粒子的临界条件是粒子面积：Ｐ２１．６÷Ｏ．００２５＝６４０（个）即面积小于６４０个像素的粒子不应被当成是缺陷来处理。选择粒子过滤器，以此作为粒子过滤器的临界条件进行粒子过滤，粒子过滤后的图像如图５．９所示。图５．９粒子过滤后的图像Ｆｉｇ５．９ＴｈｅｉｍａｇｅａＯａｒｔｈｅｐｒｏｃｅｓｓｏｆＰａｒｔｉｅａｌＦｉｌｔｅｒ重庆大学硕士学位论文５视觉检测系统的软件设计５．４．４边界提取与细化从图５．９可以看出，该图像的边界上仍有一些干扰粒子，特别是中问区域存在伪边界，这将给后续的尺寸测量和缺陷检测带来误差，因此采用边缘提取和细化获取更精确的边界与裂纹。如图５．１０和图５．１１分别为采用３×３的模板进行边缘提取与采用结构元素形状为Ｌ的骨架提取后的图像。边缘提取后，将伪边界与真边界明显地区分出来：骨架提取则进一步除去了干扰粒子，细化了边界与裂纹。图５．１０边缘提取后的图像Ｆｉｇ５．１０ＴｈｅｉｍａｇｅａｆｔｅｒｔｈｅｐｒｏｃｅｓｓｏｆＥｄｇｅＤｅｔｅｃｔｉｏｎ图５．１ｌ骨架提取后的图像Ｆｉｇ５．１１Ｔｈｅｉｎｌａｇｃａｆｔｅｒｔｈｅｐｒｏｃｅｓｓｏｆｓｋｅｌｅｔｏｎ５．５尺寸测量模块该模块的功能就是对处理后的图像进行尺寸测量，需要分两步：首先建立测量坐标系，然后再进行尺寸测量。５．５．１建立测量坐标系尺寸测量中需要的是被测对象的相对坐标值，而不需要知道被测对象的绝对坐标，因此，在进行尺寸测量之前建立相对坐标系。为保证检测结果的精确度，建立以工件的一条边为基准的测量坐标系，首先利用边缘检测方法找得工件的一条边，然后再以该边为坐标系的一个坐标轴建立坐标系，如图５．１２所示。５．５．２尺寸测量选择ＶＢＡＩ软件中的测量模块进行测量。ＶＢＡＩ软件中的测量模块有基予点的几何特征测量和物体分离边界距离测量，可根据需要选择。本系统需要测量的是磁瓦长度方向的边界距离，所以选择边界距离测量工具，如图５．１３所示。该工具的实现步骤如下：重庆大学硕士学位论文５视觉检测系统的软件设计图５．１２建立测量坐标系Ｆｉｇ５．１２ＳｅｔＣｏｏｒｄｉｎａｔｅＳｙｓｔｅｍｏｆｔｈｅｍｃａｓｌ．１ｌ＂ｅ①在图像中选择搜索区域，搜索区域要覆盖检测对象。ＶＢＡＩ软件提供了耙形、辐射及同心圆耙形三秭搜索搜索方式，对应的搜索区分别为矩形与环形，可以根据要检测的边缘形状来选择。本系统测量的是工件两平行直边之间的距离，需要寻找的边缘是直线，所以用耙形搜索方式确定搜索区。②设定搜索参数，如搜索网格即搜索线之间的距离、角度、搜索方向、边界强度等，以确定搜索的密度、方向以及边界属性等。经过反复调试与比较效果，搜索参数设置为搜索网格为３、边界强度为２２３等。此时测量出的尺寸单位为像素。图５．１３尺寸测量Ｆｉｇ．５．１３Ｍｅａｓｕｒｅｏｆｔｈｅｄｉｓｔａｎｃｅ５．６缺陷检测模块缺陷检测模块的功能是检测出磁瓦的表面缺陷的大小，并与给定标准比较，判断其是否合格。检测的原理是通过计算缺陷面积占检测总面积的百分比，亦即计算缺陷中所包含的像素点数之和占被检测区所包含的像素点总数的百分比，判断其是否在允许的范围内，因此，本功能实现的关键是选择软件的像素计算模块。在进行检测之前，应选择被检测区，其目的在于将检测的区域限定在某一指定区域，以使检测的结果更加精确且检测效率更高。因为被检测区要非常精确，所以一般采用标准图像进行被检测区域的选择。如图５．１３所示，绿色线所围区域为检测区域，蓝色线为缺陷。本系统中，磁瓦被测表面的总面积为Ａ＝５．７ｘ（２．５ｘ２＋５．７）一０．５×０．５ｘ０．５ｘ１２＝６０．９９（ｍｍ２）厂方要求允许的缺陷面积为：Ａｌ＝１．６（ｒａｍ２）重庆大学硕士学位论文５视觉检测系统的软件设计允许缺陷面积占总面积的百分比为：１．６＋６０．９９ｘ１００％＝２，７％因此，以２．７％作为临界值作为判断依据，缺陷面积占被测表面总面积的百分比大于２．７％时，该产品被认为存在缺陷，为不合格产品，反之，被认为不存在缺陷。而在现实生产中，此值应根据设备的调试结果做适当调整。图５．１４缺陷检测Ｆｉｇ５．１４ＤｅｔｅｃｔｏｆａＤｅｆｅｃｔ５．７决策模块本系统的任务是判断被测磁瓦是否合格并将合格的磁瓦按预设的尺寸范围分为各种等级，因此，决策模块的功能是将尺寸和缺陷检测的结果与预设值进行比较分类，得出判断信息，并将该判断信息传送给运动控制系统。这一部分的功能实现需要调用ＶＢＡＩ软件本身带有的计算模块、移植功能或ＤａｔａＳｏｃｋｅｔＩ／Ｏ模块和串行Ｉ／Ｏ模块。计算模块的功能是将之前的检测结果转化成内置的ＬａｂＶＩＥＷ环境下的程序代码，在ＬａｂＶＩＥＷ环境下进行各种运算，例如数值、比较、逻辑等运算（需编程），得出新的计算结果，新的计算结果可以是数值、逻辑或字符串；但是，内置的ＬａｂＶＩＥＷ环境中只能进行简单的运算，不能进行循环操作，必须使用移植功能或ＤａｔａＳｏｃｋｅｔＩ／Ｏ模块，将检测结果转移到外置的ＬａｂＶＩＥＷ编程环境中。本系统考虑到后续人机界面功能的要求，利用移植功能将检测结果转移到外置的ＬａｂＶＩＥＷ编程环境中，进行决策编程，并将决策结果返回；再通过串行ＦＯ模块调用该决策结果，将其转化为各种对应指令，并输送给外部控制设备（本系统为ＰＬＣ）进行分检控制。本系统中，磁瓦是否合格的判断条件有两条，分别是：①长度ＬＥ［１９．６ｍｍ，２０．４ｒａｍ］：②表面缺陷总面积１１．６衄２。磁瓦的等级判断依据是：①１９．６≤Ｌ＜１９．８，该磁瓦为一等品；②１９．８ｓ三＜２０．０，该磁瓦为二等品；③２０．０≤Ｌ＜２０．２，该磁瓦为三等品：④２０．２ｓＬ＜２０．４，该磁瓦为四等品。重庆大学硕士学位论文５视觉检测系统的软件设计其余范围为不合格产品．因此，决策模块的程序流程图和程序分别如图５．１５和图５．１６所示。５．８系统标定模块在图像采集过程中，其质量会受到透镜的加工精度、曲面形状、分辨率和各部件的安装精度等因素的影响，造成最终在计算机中显示出的图像与真实图像有一定的偏差。因此，检测系统在检测前，必须对系统进行标定，确定输入输出部件和应用对象之间的内在关系，就是建立数字图像像素与实际尺寸的对应关系，即图像中一个像素所代表的真实尺寸，亦即当量像素。值得一提的是，由于像素当量受图像系统的工作距离、镜头焦距、ＣｃＤ分辨率等成像因素的影响，因此，标定一定要在成像系统确定后进行，亦即标定一定要在与真正测量时同样的环境下进行。图５，１５零件检测决策模块程序流程图Ｆｉｇ５．１５Ｐｒｏｇｙａｍｆｌｏｗｄｉａｇｒａｍｏｆｄｅｃｉｓｉｏｎｍｏｄｕｌｅｏｆｃｏｍｐｏｎｅｎｔｓｄｅｔｅｃｆｉｎｇ４０重庆大学硕士学位论文５视觉检测系统的软件设计图５．１６零件检铡决策模块程序Ｆｉｇ５．１６ＰｒｏｇｒａｍｏｆｄｅｃｉｓｉｏｎｍｏｄｕｌｅｏｆｃｏｍｐｏｎｅｎｔｓｄｅｔｅｃｔｉｎｇＶＢＡＩ软件的标定是通过计算一系列已知的像素到真实坐标的映射来计算整个图像的标定信息的。其算法有两种：①透视法。只计算一个像素到真实坐标的映射，并用该映射作为整幅图像的映射信息。②非线性法。在一个以标定栅格中每一个点为中心的长方形区域内来计算像素到真实坐标的映射，软件根据每一个点的邻点来评估映射信息。透视法标定可以校正透视误差，而非线性法标定可以校正透视误差和非线性镜头畸变。ＶＢＡＩ软件中有四种标定的方式：①简单标定。当摄像机轴垂直于图像平面并且镜头畸变可以忽略时使用。此标定方式下，通过在ｘ和Ｙ方向上的比例因子来实现像素坐标和真实坐标的转换。②采用使用者确定点标定。使用者输入一系列点坐标，标定软件将通过这些点计算出整副图的图像坐标及其真实坐标的映射关系。映射关系的算法采用的是透视法。③栅格标定。绘出与软件给定图像相似的一些栅格点，并标出栅格点之间的真实距离ｄｘ和ｄｙ，标定软件将通过这些栅格点给出它们的像素值与其真实坐标之间的映射关系。映射关系的算法有透视法和非线性法可选。４ｌ重庆大学硕士学位论文５视觉检测系统的软件设计④图像标定。输入标定图像，通过标定图像和当前图像来确定标定信息，要求俩幅图像尺寸大小必须一样。究竟采用哪一种方式，要视成像系统的设置、系统选用的硬件及被检测对象技术要求等具体情况而定。标定的关键是选择一个精度非常高的试样，放在各参数固定的测量系统中。根据测量要求，本系统采用简单标定方法，选用的试样为标准计量工具一量块，其规格是２０ｍｍ，采用同样的方法测量，得出像素当量为０．０５ｒａｍ。５．９视觉系统人机交互界面设计为了获得友好的人机交互界面，利用ＶＢＡＩ软件可升级到ＬａｂＶＩＥＷ环境的功能，在ＬａｂＶＩＥＷ环境下进行视觉系统人机交互界面设计。５．９．１ＬａｂｖＩＥＷ的开发环境及一般的设计过程如图所示，ＬａｂＶＩＥＷ具有３种用来创建和运行程序的图形化可移动模板。分别为工具模板（ｔｏｏｌｓｐａｌｅｔｔｅ）、控制模板（ｃｏｎｔｒｏｌｓｐａｌｅｔｔｅ）和功能模板（ｆｕｎｃｔｉｏｎｓｐａｌｅｔｔｅ）。工具模板提供用于图形操作的各种工具，诸如移动、选取、设置断点、文字输入等。控制模板则提供所有用于前面板编辑的控制和显示对象的图标以及一些特殊的图形。功能模板包含一些基本的功能函数。踟Ｖ１Ｅｗ程序称为虚拟仪器程序，简称Ⅵ。一个最基本的ｖＩ包括３部分：前面板、框图程序和图标／连接器。因此，一个Ⅵ的设计主要包括前面板的设计、框图程序的设计、图树连接器定义以及程序的调试。①创建前面板。前面板是图形用户界面，相当于标准仪器的面板，也是用户看到和操作的界面。因此，它一般由控制器（开关、旋钮等输入设备）、指示器（图形、ＬＥＤ等输出对象）和修饰构成。前面板的设计也就是用户根据仪器功能需要在前面板设计窗口选用相应的控制器、指示器和修饰板，并进行适当的排列、调整。②框图程序的设计框图程序是定义Ⅵ功能的图形化源代码，主要作用是从前面板上的控件器获得用户输入信息，然后进行计算和处理，最后在指示器中把处理结果反馈给用户。因此，它相当于标准仪器箱内的功能部件，主要由节点、数据端口和数据连线组成。节点是ｖＩ中的执行元件，可以把它理解为程序的语句、函数或子程序，它包括４种类型：函数、Ⅵ子程序、结构和代码接口；数据端口是数据在前面板对象和框图程序之间传输的通道，是数据在框图程序内节点之间传输的接口，每个前面板对象（装饰除外）都将在框图程序中产生一个对应的数据端口；数据连线是节点和数据端口之问的通道。对框图程序的设计主要是对节点、数据端口重庆大学硕士学位论文５视觉检测系统的软件设计和连线的设计，需要根据系统的功能需要，理清各个数据端口之间的关系、设计对数据的处理方法。③程序的调试。当前面板和程序框图设计好以后。就可以运行程序了，但是程序执行过程中可能会遇到很多的错误，因此要对程序进行调试，查找错误。如果程序发生错误，运行按钮就会出现一个折断的箭头，点击断箭在会列出程序错误清单，并说明了出错的原因及需要修改的方法，同时前面板对象或程序框图中端口会高亮显示。根据错误清单修改错误直至程序运行成功。５．９．２人机交互界面设计如前面所述可知，视觉系统的人机交互界面就是虚拟仪器的前面板。根据厂方要求，该界面的功能是人们可以操作运行视觉系统、显示被检测工件的基本参数如基本尺寸、允许公差范围及分档情况、各个等级产品的个数以及检测的产品总个数等。上述显示内容中，因为被检测工件的基本参数、分档情况及尺寸校正量属于检测前根据被检测对象的技术要求输入项目，所以将它们排列在前面板左侧参数输入区：而各个等级的产品个数和检测的产品总数为检测结果的输出，被作为分档统计口的内容放置在前面板右侧。此外，该前面板还增设了每次检测之前的清零、控制程序随时停止的停止按钮及抽样产品的尺寸及其文本存放位置等功能。创建过程是在控制面板中选择所需数据显示器，并通过适当调整前面板的颜色、字体、各数据显示器的排列、大小等，再隐藏一些不需要看到的参数按钮，使人机界面更直观、更方便操作。如图５．１６所示。图５．１６系统人机交互界面Ｆｉ９５．１６Ｔｈｅｈｕｍａｎ．－ｃｏｍｐｕｔｅｒｏｆｓｙｓｔｅｍ重庆大学硕士学位论文５视觉检测系统的软件设计人机交互界面真正能运作起来，实际上是离不开它的框图程序的，因此，必须编写相应的程序框图。程序框图编写过程是将软件对图像进行处理分析后的程序转化为ＬａｂＶＩＥＷ环境的程序代码，可根据需要对零件检测决策模块程序上进行修改。程序框图的主要组成部分为一个最外层的Ｗｈｉｌｅ循环和内嵌的四个并列的Ｃａｓｅ循环。最外层的Ｗｈｉｌｅ循环的功能是为使得程序可以随时停下来，其条件端口的输入为一个停止按钮，可由操作工人控制；四个并列的Ｃａｓｅ循环功能是累计已检测产品中各等级产品的个数，其中Ｔｕｒｅ层放置的是开始转化的程序代码即零件检测决策代码，Ｆａｌｓｅ层则不需添加任何内容。这样就完成了程序框图主要部分的编写。重庆大学硕士学位论文６误差分析与误差修正６误差分析与误差修正６．１系统误差分析引起机器视觉系统检测误差的因素有很多，情况比较复杂有硬件方面的，也有软件方面的与随机的。主要误差包括透视误差、镜头畸变误差、量化误差、图像处理算法误差以及随机误差等。①透视误差。当摄像机的轴线与被检测物体的表面不垂直时，就会产生透视误差，也叫ＣＣＤ安装误差。透视误差主要通过尽量保证摄像机轴线与物体表面垂直来减少，同时，可以运用标定技术来校正。本系统在设置时，经过反复调试，保证摄像机轴线与物体表面垂壹，同时在后续测量过程中采用了标定来进行图像校正。所以，透视误差可以忽略。②镜头畸变误差。这是由摄像机镜头畸变产生的几何失常引起的误差，离光轴越远，畸变量越大，畸变量使成像的线条产生附加的偏离。一般情况下，在视野边缘会产生ｌ～２个像素的误差，镜头畸变误差也可以通过标定技术得到一定的校正。③量化误差。ＣＣＤ采集图象的过程是一个图象数字化的过程，图象未被采集下来之前，其光强是连续分布的，采集并经过数字化后，得到的是数字图象，这样就会产生量化误差。可以通过增大数字化时分辨率来降低量化误差，但是会影响实时性。④图像处理算法的误差。它是图像处理过程中不可避免的误差，主要是由于图像处理算法的不精确和处理参数选择不当，将物体的有用特征去掉，或者是提取了噪声信息的特征，因而造成最终检测结果出现误差。这类误差只有通过改进各类图像处理方法，例如滤波、边缘检测、模式匹配等算法得到减少。本系统采用ＶＢＡＩ软件进行图像处理，其各类图像处理方法相对精确，例如该软件中模型匹配相关函数采用非均匀采样方法，只对图像中有代表意义的部分进行采样，从图像中提取有用的信息，除去多于信息和噪音信息，降低了信息提取误差；在进行边缘检测时，通过对搜索线边距设置，对边缘上所有像素点进行分析，将奇异点除去，然后根据统计学的方法，精确地拟合出要测量的边缘。并且，本系统中的各种图像处理的处理参数都是经过反复比较，取得最佳处理效果。经实测证明尺寸测量的误差在０．２个像素范围内。⑤随机误差。由于系统受到震动，光源不稳定等环境因素影响将产生随机误差。由于ＣＣＤ的制造误差，使ＣＣＤ各光敏源响应不一致，以及在光电转换过程中散粒噪声、暗电流噪声等对图像质量产生一定影响，而且，ＣＣＤ是一种半导体重庆大学硕士学位论文６误差分析与误差修正器件，温度的变化将产生输出电压浮动，从而造成测量误差。为了降低随机误差需要是对系统采取隔离防震措施与选用高稳定性的光源和高精度的、抗震性能好的ＣＣＤ。６．２系统误差修正为了从根本上消除尺寸测量的系统误差，可以引入校正值进行校正。其方法是求出更高精度的测量仪器例如千分尺的测量值与本系统的测量值的差值，建立以系统的测量值为横坐标、差值为纵坐标的坐标系，并在该坐标系上描出各测量值的点，根据点的大致走向用直线连接，得出误差修正曲线，依据修正曲线直接进行测量值的系统误差校正或者找出误差公式进行测量校正。值得一提的是，该方法的实现需要对大量试样的进行测量。表６．１为对少量试样进行千分尺的测量结果和本系统的测量结果的比较。表６．１磁瓦试样尺寸测量结果比较＼型量值试样＼１２３４Ｔａｂ６．１Ｔｈｅｓｉ２ｅｍｅａｓｕｒｉｎｇｒｅｓｕｌｔｃｏｍｐａｒｉｓｏｎｏｆｔｈｅｍａｇｎｉｅｓｈｏｅｔｏｏ｜ｄｅ千分尺测量（ｍｍ）２０．００２１９．９６１１９，８７８１９９６７２０，０１５２０．０２４１９．９８８１９．８９７２０．００５１９．８９８视觉系统测量值（ｒａｍ）２０．０１０１９．９９０１９．８６６１９．９５８２０。００８２０．０３５２０．００１１９．９０４视觉系统测量误差（／ａｎ）＋８＋１ｌ．１２．９－７＋１１＋１３＋７５６７８９１０１９．９９５１９．８８４．１０．１４重庆大学工程硕士学位论文结论结论论文以机器视觉技术在零件尺寸及缺陷检测系统中的应用为研究主线，查阅了大量的国内外文献，在仔细研究机器视觉系统的功能结构及特点的基础上，根据磁瓦试样检测的具体技术要求，开发出了应用在磁瓦小型生产线上的视觉检测系统，实现了对磁瓦试样尺寸和缺陷的检测，运行结果表明：该系统功能、性能及可靠性指标完全符合设计要求，解决了实际生产中人工检测产品质量效率低、精确度不高等问题，取得了较大的经济效益和社会效益。主要工作总结如下：①充分利用ＮＩ公司的ＶＢＡＩ图像处理功能的模块化特点，使所开发系统的软件结构清晰，易于维护及扩充。并以图形化的编程软件ＬａｂＶＩＥＷ为开发平台，使系统开发周期短、精度高，并具有很大的灵活性和可扩展性，克服了传统视觉系统的缺陷。②研究了磁瓦缺陷视觉检测及尺寸分级图像处理算法，并经过反复地实验选择了最为合理的图像处理方法和处理程序，使测量速度快、测量精度高。③以典型机器视觉的功能结构为基础，根据系统的技术要求，完成了图像系统的设置以及系统硬件的配置；并通过理论分析与试验验证，选择了最佳的照明方案。④对系统误差进行分析，主要对ＣＣＤ透视误差、镜头畸变误差、图像处理方法误差、量化误差和随机误差等进行了定性分析，并给出了尺寸测量误差修正的具体方法。随着计算机硬件、软件技术和总线技术的快速发展，基于机器视觉技术的检测系统将广泛地应用于工况监视、成品检验和质量控制等领域。对于本系统的开发，今后可以在以下方面进行深入的研究：①开发复杂形状的磁瓦几何尺寸测量的机器视觉系统；②缺陷查找算法的深入研究。重庆大学工程硕士学位论文致谢致谢在本论文结束之际，首先要感谢我的指导老师吴开贵副教授，本论文是在他的关心、指导和教诲下完成的。吴老师渊博的知识、严谨的治学作风和诲人不倦的精神令我终身受益。其次，要感谢我的副导师杨铁牛高级工程师。在论文工作期间，他不时的关心与悉心地指导，并提出了许多宝贵的意见。感谢孙勇同学给予的无私帮助与大力的支持。最后，感谢我的爱人及家人，在我论文工作期间给予我的全力支持，让我毫无后顾之忧地全身心投入到研究工作之中。刘贤坤２００６年１０月于江门重庆大学工程硕士学位论文参考文献参考文献蔡晋辉．实时自动视觉检测系统相关算法及应用研究．浙江大学．博士论文２００５．６．１．１２Ⅲ嘲吴平川，带钢表面缺陷机器视觉识别方法的研究．哈尔滨工业大学．博士学位论文．２０００．８．１－６ｍ队Ｑ嘲嗍ＶｉｓｉｏｎＤｅｍｏｎｓｔｒａｔｉｏｎ．ＮａｔｉｏｎａｌＩｎｓｔｒｕｍｅｎｔｓＣｏｒｐｏｒａｔｉｏｎ尹青山．基于机器视觉物体几何参数测量方法的研究．辽宁师范大学．硕士学位论文．２００４．１０嘲ＤｒｅｖｉｎＧＲ．Ｕｓｉｎｇｅｎｔｒｏｐｙｔｏｄｅｔｅｒｍｉｎｅｔｈｅｒｏｕｎｄｎｅｓｓｏｆｒｏｃｋｐａｒｔｉｃｌｅｓ．ＳｉｇｕａｌＰｒｏｃｅｓｓｉｎｇＰｒｏｃｅｅｄｉｎｇｓ．２０００．５（２）．１０－－１３段峰，王耀南，雷晓峰．机器视觉技术及其应用综述．自动化博览．２００２．１９（３）．５９－６１李弼程，彭天强，彭波．智能图像处理技术．电子出版社．２００４．７中国工控信息网（ｗｗｗ．７６１３．ｅｎｍ）．浅谈中国机器视觉未来发展趋势刘曜光，刘明远。机器视觉及其应用－机械制造。２０００．３８（７）．２０－２２网ｍ嘲研呈．Ⅲ胡小峰，赵辉．Ｖ＿ｉｓｕａｌＣ＋＋／ＭＡＴＬＡＢ图像处理与识别实用案例精选．人民邮电出版社．２００４．９刘祥锋．基于机器视觉技术的零件尺寸检测系统的研究．哈尔滨工业大学，硕士学位论文．２００５飞思科技产品研发．ＭＡＴＬＡＢ６．５辅助图像处理．电子工业出版社．２００３．１９０－２０５兰！．∞Ｆｏｒｅｓｔｉ，ＧＬ，Ｇｍｔｉｌｉ，Ｓ．丸ｈｉｅｒａｒｃｈｉｃａｌｃｌａｓｓｉｆｉｃａｔｉｏｎｓｙｓｔｅｍｆｏｒｏｂｊｅｃｔｒｅｃｏｇｎｉｔｉｏｎｉｎｕｎｄｅｒｗａｔｅｒｅｎｖｉｒｏｎｍｅｎｔｓ．ＩＥＥＥＪｏｕｍａｌｏｆＯｃｅｓｎｉｃＥｎｇｉｎｃｅｒｉｎｇ．２００１．２７（１）．６６－７８王思华．计算机视觉新技术及其在Ｉｃ标记质量检测中的应用．计算ｇＹ飒２０００．（９）．１．２畔吣Ｍｏｎｔａｇｕｅ，】Ｕ．，Ｗａｔｔｏｎ，Ｊ．，Ｂｒｏｗｎ，ＩＣＪ—Ａｍａｃｈｉｎｅｖｉｓｉｏｎｍｃｎｓｕｒｃｍｅｎｔｈｏｔｏｆｓｌａｂｃａｍｂ盯ｉｎｓｔｒｉｐｒｏｌｌｉｎｇ．Ｊｏｉｎ＇ｈａｌｏｆＭａｔｅｒｉａｌｓＰｒｏｃ．ｃｓｓｉｎｇＴｏｃｈｕｏｈｉｇｙ．２００５．１６８（１）．１７２－１８０肖爱民．基于机器视觉的瓶酒瓶检测研究．北京工业大学硕士论文．２００４．１５－２３张远鹏，董海．计算机图像处理技术基础．北京大学出版社．１９９６．１６－１９叫∽兰．∽Ｍ．－Ｔ．Ｚｈａｎｇ，Ｇ－Ｃ．Ｓｈａｎ．瓦Ｃ．Ｙｉ．Ｔ－ｍａｔｒｉｘＥ１ｅｃｕ＇ｏｎｉｃｓＬｅｔｔｓｒｓ．２００４．４０（２５）．１－２ａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎｓｉｎｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ．Ｖｏｏｓｅｎ，Ｋｙｌｃ，ＭａｃｈｉｎｅＶｉｓｉｏｎ２００４．１５（５）．３０－３１ＡｌｇｏｒｉｔｈｍｓｔｈａｔＬｅａｒｎ．Ｃｏｍｐｕｔｉｎｇ＆Ｃｏｎｈ＇ｏｌＥｎｇｉｎｍ＇ｉｎｇＩＭＡＱＶ＇ＬＳｉＯｎＣｏｎｃｅ掣ｔｓＭａｎｔｍｌ．Ｎａｔｉｏｎａｌ№ｅｎｔｓＣｏｒｐｏｒａｔｉｎ也崔屹．图像处理与分析——数学形态学方法及应用．科学出版社．２０００．１５．３９ｍ∽阻ＹｏｎｇｓｈｅｎｇＧａｎ．加（ＨＦａｃｃｒｅｃｏｇｎｉｔｉｏｎｕｓｉｎｇｌｉｎｅｅｄｇｅｍａｐＩＥＥＥ在置ｎ０１１ＰａｔｔｅｒｎＡｎａｌｙｓｉｓ重庆大学工程硕士学位论文参考文献ａｎｄＭａｃｈｉｎｅＩｎｔｅｌＨｇｅｎｃｅ．２００２．２４（６）．７６４－７７９ｏｎ【２３】ａｎＬ∞，Ｒａｅ－ＨｏｎｇＰａｒｋ．Ｃｏｍｍｅｎｔｓａｎｏｐｔｉｍａｌｍ幽ｐｌｃｔｂ懈ｈ０１ｄｓｃｈｅｍｅｆｏｒｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎ．ＩＥＥＥＴｒａｎｓａｃ矗ｏｍＯｎＳｙｓｔｅｍＭａｎａｎｄＣｙｂｅｍｉｃｓ．１９９０．２０（３）．７４１．７４５［２４】周金林．基于虚拟仪器的轴位校正机器视觉系统．西安交通大学顾士论文．２００４．１４－３０【２５】罗光坤．基于虚拟仪器的机器视觉监测系统的研究．四川工业学院．硕士学位论文．２００３．４２００２．２３（５）．１０－１１．【２６］Ｒｏｕｓｓｅａｕ，Ｐａｔｒｉｃｋ，Ｄｅｓｒｏｃｈｅｒｓ，舢ａｉｎ’Ｋｒｏｕｇｌｉｃｏｆ，Ｎｉｃｈｏｌａｓ．ＭａｃｈｉｎｅＶｉｓｉｏｎＳｙｓｔｅｍｆｏｒｔｈｅ０１１ＡｕｔｏｍａｔｉｃＩｄｅｎｔｉｆｉｃａｔｉ０１１ｏｆＲｏｂｏｔＫｉｎｅｍａｔｉｃＰａｒａｍｅｔｅｒｓ．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓＲｏｂｏｔｉＣＳ＆Ａｕｔｏｍａｔｉｏｎ．２００１．１７（６）．９７２－９７８【２７】黄正福．面向尺寸检测的机器视觉系统研究．浙江工业大学．硕士学位论文．２００４．９【２８】ＡｋｉｈｉｓａＯｈｙａ，ＡｋｉｏＫｏｓａｋａ，ａｎｄＡｖｉｎａｓｈＫａｋ．Ｖｉｓｉｏｎ－ＢａｓｅｄＮａｖｉｇａｔｉｏｎｂｙａＭｏｂｉｌｅＲｏｂｏｔｗ／ｔｈＯｂｓｔａｃｌｅＡｖｏｉｄａｎｃｅＵｓｉｎｇＳｉｎｇｌｅ－ＣａｍｅｒａＴｒａｎｓａｃｔｉｏｎｓ０１１ＶｉｓｉｏｎａｎｄＵｌｔｒａｓｏｎｉｃＳｅｎｓｉｎｇ．ＩＥＥＥＲｏｂｏｔｉｃｓａｎｄＡｕｔｏｍａｔｉｏｎ．１９９８．１４（６）．１３８４－１３８７ＯＨ［２９】Ａｌｇｏｒｉｔｈｍｓ．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓＳｙｓｔｅｍｓ，ＭａｎａｎｄＣｙｂｏｒｎｅｔｉｃｓ．２００４．３４（１）．１３２—１４３【３０Ｊ余英林。数字图像处理与模式识别。华南理工大学出版社．１９９０．１５％１６２【３ｌ】王亚鹏．机器视觉系统中镜头的选用技巧．自动化博览．２００６．２．２９．３０【３２］ｈｔｔｐ：／／ｗｗｗ．ｃｈｉｎａ－ｉｍａｇｅ．ｃｎ／ｂｂ鲥ｕｎａｇｅｓ／２００６６２０１５３９３３．埘ｆ【３３】Ｊｉｍｅｎｅｚ，Ａ．ＩＬＣｅｒｅｓ，ａｎｄＪ．ＬＰｏｎｓ．ＡｓｕｒｖｅｙｏｆＣｏｍｐｕｔｅａ＂ＶｉｓｉｏｎＭｅｔｈｏｄｓｆｏｒＰｒｕｉｔＯｎＬｏｃａｔｉｎｇＴｒｅｅｓ．ＴｒａｎｓａｃｔｉｏｎｏｆｔｈｅＡＳＡＥ．２０００．４０（２）．１５２２－１５７０ｏｆａ【３４】ＧａｌｏＣｏｒｚｏ，Ｉ施，Ｐ村融∞ｄａ’ＪｏｓｅＡｎｌｏｎｉｏ，Ｐｅｅｒ，Ｐｅｔｅｒ．ＥｓｔｉｍａｔｉｏｎＭａｃｈｉｎｅｆｌｕｏｒｅｓｃｅｎｔｌａｍｐｓｐｅｃｔｒａｌｄｉｓｔｒｉｂｕｔｉｏｎｆｏｒｃｏｌｏｒｉｍａｇｅｉｎｍａｃｈｉｎｅｖｉｓｉｏｎＶｉｓｉｏｎ＆Ａｐｐｌｉｃａｔｉｏｎｓ．２００５．１６（５）．３０６－３１１ｆ３５］陈元琰，姜颖军．基于计算机视觉的玻璃瓶裂纹在线检测系统．计算机应用．２００１．２１（１１）．４８—４９．【３６］苟怡，吴荣珍庶戈文．对物体表面缺陷图像监测的技术研究．实用测试技术２００１．（５）：ｌ一４．［３７１陈永光，王国柱，撒潮，王杨．木材表面缺陷边缘形态检铡算法的研究．木材加工机械．２００３．（３）．１８－２２．【３８】蔡叶菁．铝塑泡装药品包装检测系统阴．中国包装工程．２００２．２３（６）．３８．３９．【３９］Ｋｕｍａｒ，Ｒａｊｎｅｅｓｈ，ｅｔａＬＡｐｐｌｉｃａｔｉｏｎｏｆｄｉｇｉｔａｌｉｍａｇｅｍａｇｎｉｆｉｃａｔｉｏｎｆｏｒＳｕｌ＂ｆａｃｅｒ＿Ｄｕｇｈｎ％ｓｅｖａｌｕａｔｉｏｎｕｓｉｎｇｍａｃｈｉｎｅｖｉｓｉｏｎ．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＭａｃｈｉｎｅＴｏｏｌｓ＆Ｍａｎｕｆａｃｔｍ＇ｅ．２００５．４５（２）．２２８－２３４［４０】Ｂｒａｄｌｅｙ，Ｃ，ＩＣｕｒａｌｌａ＇Ｓ．Ｍａｃｈｉｎｅｖｉｓｉｏｎｍｏｍｔｏｒｉｎｇｆｏｒａ卫ｔｃ咀Ｉａｌｅｄｓｕｒｆａｃｅｆｉｎｉｓｈｉｎｇ．ＪｏｕｒａａｌｏｆＭａｎｕｆａｃｔｕｒｉｎｇＳｃｉｅｎｃｅ＆Ｅｎｇｉｎｅｅａ＇ｉｎｇ，１９９９．１２１（３１．４５７－４６５５０重庆大学工程硕士学位论文参考文献［４１】ｗｕ，ｗ－Ｙ，Ｈｏｕ，Ｃ－Ｃ．ＡｕｔｏｍａｔｅｄＳｃｉｅｎｃｅｍｅｔａｌｓｕｒｆａ∞ｉｎｓｐｅｃｔｉｏｎｔｈｒｏｕｇｈｍａｃｈｉｎｅｖｉｓｉｏｎ．ｔｍａｇｉｎｇＪｏｕｒｎａｌ，２００３．５１Ｃ２）．７９－８８［４２】鲁镇恶，谢勇．印刷品外观缺陷机器视觉的检测与识别们．包装工程．２００２．２３（５）．１０一１ｌ［４３】Ｓｍｉｔｈ，伽ｄ∞Ｎ．，Ｓｍｉｔｈ，ＭｅｌｖｙｎＬ．，Ａｕｔｏｍａｔｉｃｍａｃｈｉｎｅｖｉｓｉｏｎｃａｌｉｂｒａｔｉｏｎｕｓｉｎｇａｎｄｎｅｑｌｒａｌｎｅｔｗｏｒｋｍｅｔｈｏｄｓ．Ｉｍａｇｅ＆ＶｉｓｉｏｎＣｏｍｐｕｔｉｎｇ．２００５．２３（１０）．８８７－８９９ｓｔａｔｉｓｔｉｃａｌｆ蜘Ｓｈｉｔｌ，Ｃ．一Ｌ，Ｒｕｏ，Ｃ．一ｗ．．Ａｕｔｏ－ｃａｌｉｂｒａｔｉｏｎ［４５】Ｘｉａｏｑｉａｎ玩ＬｉｈｎｉｏｆｍＳＭＴｍａｃｈｉｎｅｂｙｍａｃｈｉｎｅｖ／ｓｉｏｎ．ｈｔｃｒｎａｆｉｏｎａｌＪｏｕｒｎａｌｏｆＡｄｖａｎｅｃｄＭａｎｕｆａｃｔｕｒｉｎｇＴｅｃｈｎｏｌｏｇｙ，２００５．２６（３）．２４３－２５０Ｗａｎｇ，Ｎｉｎ群ｕＣａｉ．Ｍａｃｈｉｎｅ－ｖｉｓｉｏｎ－ｂａｓｅｄｓｕｒｆａｃｅｆｉｎｉｓｈｉｎｓｐｅｃｔｉｏｎｆｏｒｃｕｔｔｉｎｇｔｏｏｌｒｅｐｌａｃｅｍｅｎｔｉｎｐＩｏｄｌｌｃ６０ｍＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＰｒｏｄｕｃｔｉｏｎＲｅｓｅａｒｃｈ．２００４．４２（１１）．２２７９－２２８７［４６】Ｚｈｏｕ，Ｑｉａｎｇ，ｅｔａ１．Ａｎｏｖｅｌｍａｃｈｉｎｅｖｉｓｉｏｎａｐｐｌｉｃａｔｉｏｎｆｏｒ∞ａｌｙｓｉｓａｎｄｖｉｓｕａｌｉｚａｔｉｏｎｏｆｃｏｎｆｏｃａｌｍｉｃｒｏｓｃｏｐｉｃｉｍａｇｅｓ．ＭａｃｈｉｎｅＶｉｓｉｏｎ＆Ａｐｐｌｉｃａｔｉｏｎｓ．２００５．１６（２）．９６－１０４［４７】ＲｏｂｅｒｔＨ．Ｂｉｓｈｏｐ．Ｌａｂｖｉｅｗ７实用教程．电子工业出版社．２００５．８重庆大学工程硕士学位论文附录附录作者在攻读硕士学位期间参加的科研项目及得奖情况【１】滑片类旋转压缩机减摩与防漏关键技术的研究广东省自然科学基金２００５．１０．资金：６万元【２】基于网上资源的‘测试技术》开放性实验教学的改革研究．广东省１５１工程．２００４．１２．资金：１．５万元【３】皮革缺陷智能检测关键技术研究及系统开发．广东省江门市科技攻关项目．２００５．１０．资金：２．０万元【４】磁瓦在线检测设备研制．横向项目．２００５．６．项目编号：ＨＸ２００５０２．资金：１５万元