基于機器視覺的手機孔組尺寸檢測系統(tǒng)研究

張 震, 崔江紅, 劉海鵬, 楊 雷, 劉俊杰, 朱徐輝

(1. 中原工學(xué)院 機電學(xué)院,河南 鄭州 450007；2.帝費自動化工程技術(shù)上海有限公司，上海 200000)

近年來，隨著機器視覺技術(shù)在國內(nèi)的推廣應(yīng)用，自動化視覺檢測技術(shù)得到了飛速發(fā)展。秦皇島的“無人水餃工廠”用視覺檢測技術(shù)對水餃半成品和成品進行質(zhì)量檢測和不良品剔除，上海洋山港的無人駕駛自動引導(dǎo)車(AGV)也采用視覺檢測技術(shù)進行路線計算和修正。

目前，數(shù)碼產(chǎn)品的更新?lián)Q代十分迅速，尤其是手機，其市場需求量非常之大。在手機的生產(chǎn)過程中，對其各部位關(guān)鍵尺寸的檢測十分重要，手機內(nèi)外殼長寬、側(cè)面孔組尺寸、按鍵尺寸等都是必須檢測的項目，且要求的精度很高。在手機工廠通常采用的高度規(guī)和三坐標(biāo)測量儀中，前者精度較低，而后者檢測時間較長，因此只能安排品質(zhì)管理人員對手機進行抽樣檢測[1]。針對手機外殼側(cè)面孔組尺寸的測量，本文開發(fā)了相應(yīng)的機器視覺檢測系統(tǒng)。

1 手機孔組尺寸視覺檢測系統(tǒng)

1.1 手機孔組尺寸要求

被檢測的手機外殼如圖1所示。圖2所示為電源鍵對應(yīng)孔的具體尺寸。在圖2中，卡槽孔長為(10.30±0.05)mm ，孔寬為(2.16±0.05)mm。

注：A為手機側(cè)面電源鍵對應(yīng)的孔位。圖1 被檢測的手機外殼

圖2 手機側(cè)面電源鍵對應(yīng)孔的尺寸

1.2 檢測系統(tǒng)的結(jié)構(gòu)流程

本文設(shè)計的基于機器視覺檢測系統(tǒng)由光源、光學(xué)成像系統(tǒng)、圖像捕捉系統(tǒng)、圖像采集系統(tǒng)、圖像處理模塊五大部分組成。光源對手機外殼打光后由相機進行采圖，圖像處理設(shè)備對圖像進行處理分析，并根據(jù)分析結(jié)果判斷手機外殼產(chǎn)品是不好的(NG)還是好的(OK)。整個檢測系統(tǒng)的結(jié)構(gòu)流程如圖3所示。

圖3 檢測系統(tǒng)的結(jié)構(gòu)流程

1.3 檢測系統(tǒng)的結(jié)構(gòu)選型

作為檢測對象的手機殼體為金屬制品，表面反光較嚴重，用一般打光方式無法采集到高質(zhì)量的圖像。因此，本文采用前向照明方式，且設(shè)計了環(huán)形燈光。

整個檢測系統(tǒng)對圖像無特殊要求，其圖像采集設(shè)備選用物美價廉的基恩士工業(yè)用CV-H500M面陣CCD相機和11.5 mm的定焦CA-LMA1鏡頭。

圖像采集卡選用基恩士的 XG-8000L圖像系統(tǒng)控制器。同一公司的控制器和CCD有完美的兼容性。工作時先由CCD等設(shè)備獲取目標(biāo)，然后由圖像采集卡把模擬圖像轉(zhuǎn)換成數(shù)字圖像并傳送到PC機中[2-3]。

軟件平臺采用Halcon和Visual Studio,系統(tǒng)開發(fā)環(huán)境為VC++。檢測系統(tǒng)的結(jié)構(gòu)選型如表1所示。

表1 檢測系統(tǒng)的結(jié)構(gòu)選型

注：各結(jié)構(gòu)件的選型數(shù)量均為1。

2 檢測原理及算法流程

2.1 視覺檢測算法的實現(xiàn)

手機尺寸檢測主要是手機外殼的加工尺寸檢測，這些尺寸的精度會直接影響后續(xù)加工質(zhì)量。如果加工尺寸精度不達標(biāo)，后續(xù)裝配出來的將是廢品。因此，手機外殼加工尺寸的檢測對手機裝配影響很大[4-5]。

本文的研究對象主要是手機的側(cè)面孔組尺寸。手機外殼側(cè)面孔組尺寸有很多，包括電源鍵、音量鍵和靜音鍵等對應(yīng)孔的長度和寬度。這些尺寸的精度將決定后續(xù)小件組裝的成功與否。這里以電源鍵孔位的測量為例，對手機孔組尺寸視覺檢測系統(tǒng)進行討論。生產(chǎn)中通過實時檢測這些孔組尺寸，可及時發(fā)現(xiàn)制程問題，提出生產(chǎn)技術(shù)改善方案，以減少次品數(shù)量，降低生產(chǎn)成本，提高生產(chǎn)效率[6-7]。

視覺檢測算法的圖像處理過程如圖4所示。

圖4 視覺檢測算法的圖像處理過程

2.2 圖像濾波

準確檢測孔組尺寸，需要一張清晰的手機孔位圖像。這就需要對原始圖像進行濾波處理。相鄰像素均值濾波、相鄰像素中值濾波和高斯濾波是處理圖像最常用的幾種濾波方式[8-9]。車間環(huán)境產(chǎn)生的干擾大多數(shù)是噪聲干擾以及電子脈沖干擾，而去除這些干擾最有效的方法就是中值濾波。中值濾波是一種非線性平滑濾波算法，它將每個像素點的灰度值設(shè)置為其相鄰像素點的中值，最大程度去除噪聲，有效地保留了圖像的邊緣像素信息，而邊緣像素信息對于基于機器視覺的手機孔組尺寸檢測至關(guān)重要[10]。

在Halcon軟件平臺上使用median_image (Image, ImageMedian,‘circle’,7,‘mirrored’)算子對原始圖像進行濾波處理。其中：Image 為原始圖像(見圖5)；ImageMedian為中值濾波后圖像(見圖6)。通過濾波，圖像上下邊緣黑色區(qū)域的白色噪點得到平滑處理，減少了這些噪點在測量環(huán)節(jié)對檢測結(jié)果的干擾。

2.3 圖像增強

原始圖像經(jīng)過濾波處理后，邊緣像素和細節(jié)信息被過濾，圖像變得模糊不清，為此需要設(shè)法增強圖像的對比度[11]。

圖5 手機孔位原始圖像

圖6 中值濾波后的手機孔位圖像

在Halcon軟件平臺上使用emphasize (ImageMedian, ImageEmphasize, 300, 300, 7)算子，可對中值濾波后圖像進行增強處理。在該算子中，ImageMedian為中值濾波后的輸入圖像，ImageEmphasize為增強后的輸出圖像，300×300為矩陣模板，7為增強系數(shù)。增強后手機孔位的圖像效果如圖7所示。圖像增強的主要目的在于將圖像的灰度對比度變大，使圖像的邊緣清晰突出，為下一步的邊緣檢測提供條件。

圖7 增強后手機孔位的圖像效果

2.4 測量區(qū)域檢測

對圖像增強處理后，要檢測卡槽的長和寬，就需要找到卡槽的邊緣，因此需要進行邊緣信息提取。在Halcon軟件中使用edges_image (ImageEmphasize, ImaAmp, ImaDir, ‘canny’, 1, ‘nms’, 60, 200)算子，對處理后圖像進行閾值分割，便可得到卡槽的邊緣信息。

卡槽寬度檢測程序如下：

Row :=1 063

Column :=1 254

Phi := 90

Length1 := 420

Length2 := 100

gen_rectangle2 (Rectangle, Row, Column, Phi+8.95, Length1, Length2)

gen_measure_rectangle2 (Row, Column, Phi, Length1, Length2, Width, Height, ‘nearest_neighbor’, MeasureHandle)

measure_pairs (Image, MeasureHandle, 1, 30, ‘a(chǎn)ll’, ‘a(chǎn)ll’, RowEdgeFirst2, ColumnEdgeFirst2, AmplitudeFirst2, RowEdgeSecond2, ColumnEdgeSecond2, AmplitudeSecond2, IntraDistance2, InterDistance2)

通過gen_ measure_rectangle2算子建立測量目標(biāo)，即ROI(region of interest)區(qū)域。對圖像進行邊緣信息提取和閾值分割后，得到明確的卡槽邊緣信息，然后利用測量算子measure_ pairs便可計算出各個邊緣點之間的距離。其中InterDistance2為需要檢測的卡槽寬度。卡槽寬度檢測效果如圖8所示。同理可測得手機外殼側(cè)面電源鍵孔位卡槽長度。

3 檢測結(jié)果分析

根據(jù)以上步驟準確測出手機外殼側(cè)面電源鍵孔位卡槽的長度和寬度，通過相機標(biāo)定，可以知道該檢測系統(tǒng)中像素(pixel)與長度單位(mm)間的換算關(guān)系，即200/3 580≈0.055 87(mm/pixel)。經(jīng)過換算，可以得到確切的測量尺寸。為驗證系統(tǒng)的檢測穩(wěn)定性和尺寸偏差，本文對某樣品進行了多次測量。測量結(jié)果如表2所示。

圖8 卡槽寬度檢測效果

表2 手機孔組尺寸的測量結(jié)果 mm

從表2可看出，該手機外殼尺寸測量系統(tǒng)具有良好的穩(wěn)定性，能夠滿足企業(yè)的測量誤差要求(孔長為10.30 mm，孔寬為2.16 mm)，具有可行性和一定的使用價值。

4 結(jié) 語

根據(jù)手機外殼尺寸的檢測要求設(shè)計了一種基于機器視覺算法的手機外殼尺寸檢測系統(tǒng)。對測量結(jié)果分析可知，該系統(tǒng)測量誤差小，檢測速度快，不僅能夠滿足工廠生產(chǎn)過程中的檢測需求，若配合運動控制系統(tǒng)，還可實現(xiàn)對該檢測系統(tǒng)的自動化操作，大大提高生產(chǎn)效率。

參考文獻：

[1] 劉勝利.基于工業(yè)視覺的軸承尺寸在線檢測技術(shù)[D].西安：西安工業(yè)大學(xué)，2014.

[2] 姚峰林.數(shù)字圖像處理及在工程中的應(yīng)用[M].北京：北京理工大學(xué)出版社，2014:68-71.

[3] 崔明,顧啟民,黃霞.基于機器視覺的軸承滾動體缺陷檢測算法研究[J].組合機床與自動化加工技術(shù)，2015(11):74-78.

[4] 傅駿.基于機器視覺的汽車換熱器尺寸測量及外觀檢測系統(tǒng)設(shè)計[D].南京：南京理工大學(xué)，2014:2-23.

[5] 柯國梁.基于機器視覺的密封圈尺寸在線檢測系統(tǒng)的設(shè)計[D].蘇州：蘇州大學(xué)，2014:4-8.

[6] 顧勇,何明昕.基于機器視覺的啤酒瓶檢測系統(tǒng)研究[J].計算機工程與設(shè)計,2012,33(1):248-253.

[7] 朱先鋒,潘洪軍.基于Halcon的硒鼓缺陷檢測與一維尺寸測量[J].吉林大學(xué)學(xué)報(信息科學(xué)版),2014,32(3):308-315.

[8] 周江,任錕,帥英琦，等.基于機器視覺的磁鋼片缺陷檢測研究[J].機電工程,2014,31(12):1541-1546.

[9] 唐飛.機器視覺圓鋼坯輪廓與裂紋測量[D].成都：電子科技大學(xué)，2014.

[10] 劉國陽.基于機器視覺的微小零件尺寸測量技術(shù)研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2014.

[11] 陳文達,白瑞林,吉峰,等.基于機器視覺的軸承防塵蓋表面缺陷檢測[J].計算機工程與應(yīng)用,2014,50(6): 250-254.