氣囊封條貼片缺陷檢測(cè)系統(tǒng)設(shè)計(jì)*

張相勝， 王甫姜，鄔 鵬, 潘 豐

(江南大學(xué) 輕工過程先進(jìn)控制教育部重點(diǎn)實(shí)驗(yàn)室,江蘇 無錫 214122)

0 引 言

機(jī)器視覺技術(shù)在我國(guó)的汽車工業(yè)生產(chǎn)中應(yīng)用普遍。目前，國(guó)內(nèi)工廠對(duì)安全氣囊表面缺陷的檢測(cè)還處于人工肉眼判別階段，而非接觸式測(cè)量方法,通過視覺檢測(cè)技術(shù)可以有效避免傳統(tǒng)的人工測(cè)量方式對(duì)工件可能產(chǎn)生的二次傷害，以及傳統(tǒng)方式中只能對(duì)產(chǎn)品進(jìn)行抽檢不夠全面，以及人工檢測(cè)疲勞、情緒等的影響。提升了檢測(cè)的效率，且可以根據(jù)檢測(cè)的要求提升檢測(cè)的精度，檢測(cè)到人眼無法檢測(cè)的缺陷。

氣囊封條的加工包括點(diǎn)膠、絲印、貼裝等步驟，因而會(huì)存在污漬、露白、缺損而影響到產(chǎn)品的外觀。為了提升產(chǎn)品檢測(cè)的效率，需對(duì)氣囊封條進(jìn)行快速檢測(cè)，其次要保證傳送帶在傳輸過程中的穩(wěn)定性以及檢測(cè)的精度。本文主要借助MVTec公司研發(fā)的HALCON軟件處理相機(jī)采集氣囊封條圖像，運(yùn)營(yíng)形態(tài)學(xué)、匹配測(cè)量、XLD等技術(shù)為氣囊封條表面缺陷檢測(cè)的實(shí)現(xiàn)提供可靠、穩(wěn)定的保障。

1 機(jī)器視覺系統(tǒng)與系統(tǒng)檢測(cè)過程

本文視覺系統(tǒng)硬件由編碼器[1]、面陣相機(jī)(Basler acA2000—50 gm GigE)、面陣鏡頭、采集卡、光源、工控機(jī)，封條貼片傳送帶等組成。軟件采用HALCON12.0和Microsoft Visual Studio 2012混合編程，實(shí)現(xiàn)封條表面缺陷檢測(cè)。機(jī)器視覺系統(tǒng)簡(jiǎn)圖如圖1所示。

圖1 機(jī)器視覺系統(tǒng)簡(jiǎn)圖

2 基于HALCON的氣囊封條缺陷檢測(cè)

2.1 圖像采集

圖像采集主要是通過面陣相機(jī)正面打光采集氣囊封條表面圖像。通過open_framegrabber可以打開和配置圖像采集設(shè)備[2]會(huì)產(chǎn)生較大畸變，影響到圖像檢測(cè)的精度。因此，在采集圖像之前，固定好相機(jī)的位置之后需要對(duì)相機(jī)進(jìn)行標(biāo)定。截取采集到的氣囊封條部分的圖像，如圖2所示。

圖2 面陣相機(jī)采集圖像(部分截圖)

2.2 圖像預(yù)處理

視覺系統(tǒng)采集的圖像為RGB 3通道彩色圖像，為了便于后期對(duì)圖像表面缺陷點(diǎn)的檢測(cè)，需要將RGB彩色圖像通過rgb_to_gray轉(zhuǎn)換為灰度圖像，將3個(gè)顏色分量按照一定的權(quán)重系數(shù)加權(quán)求和，加權(quán)求和數(shù)學(xué)模型為

f=w1R+w2G+w3B

(1)

式中w1,w2,w3為權(quán)重系數(shù)，前提是權(quán)重系數(shù)的線性組合效果和原圖像信息能夠不失真表達(dá)。根據(jù)國(guó)內(nèi)外形態(tài)學(xué)大量的測(cè)量研究證明(0.299，0.587，0.114)的配置比例剛好滿足系統(tǒng)的檢測(cè)要求。

由于工業(yè)現(xiàn)場(chǎng)環(huán)境的多變性，包括光線強(qiáng)度的變化以及室內(nèi)溫度的變化，會(huì)對(duì)采集到的圖像產(chǎn)生噪聲干擾，噪聲會(huì)影響到圖像分割、特征提取精度，導(dǎo)致測(cè)量準(zhǔn)確度降低，因此需要對(duì)圖像進(jìn)行去噪處理。常用的去噪方法有均值濾波、中值濾波、維納濾波。

1)均值濾波：通常采用鄰域平均法，即由圖像的局部均值代替原先圖像的像素點(diǎn)，假設(shè)有一幅M×N像素大小的圖像gn(i,j)，均值處理之后得到圖像平均像素值Z(i,j)

(2)

式中g(shù)n(i,j)為該幅圖像中第n個(gè)位置點(diǎn)的像素值。

2)中值濾波：均值濾波是圖像預(yù)處理中常用的技術(shù)方法，也是常用的非線性濾波方法，在去除圖像噪聲的同時(shí)能很好地保護(hù)圖像的邊緣。

均值濾波與中值均能夠起到平滑圖像去除噪聲的作用。均值濾波處理速度較快，算法簡(jiǎn)單，但是只是微弱地減弱噪聲而且可能會(huì)破壞圖像的細(xì)節(jié)。中值濾波不僅可以選擇適當(dāng)?shù)狞c(diǎn)代替原像素點(diǎn)，而且加權(quán)中值濾波還可以很好地改進(jìn)邊緣信號(hào)。如圖3所示。

圖3 濾波處理

2.3 數(shù)學(xué)形態(tài)學(xué)識(shí)別算法

在氣囊封條表面缺陷的檢測(cè)過程中,由于傳送帶速度較快時(shí)容易引起機(jī)械的抖動(dòng)，從而會(huì)導(dǎo)致封條會(huì)船在一定程度的偏移。本文主要采用模板匹配[3]實(shí)現(xiàn)復(fù)雜工業(yè)環(huán)境下的定位與檢測(cè)。即從原標(biāo)準(zhǔn)圖像中取出一個(gè)較小的圖像模板，將該模板與原圖進(jìn)行比對(duì)，達(dá)到設(shè)定的相似度即可確定待檢測(cè)封條的位置、方向?；诜鈼l灰度值與基于封條形狀匹配流程均為圖4流程。

圖4 匹配流程

當(dāng)模板在圖像中滑動(dòng)時(shí)，可以采用基于灰度值的匹配常用的兩種相似度函數(shù)[4]：SAD(模板與圖像差的絕對(duì)值的和)或者SSD(模板與圖像之間差的平方和)，即

(3)

式中t(r,c)為模板圖像T行r列c的灰度值，f(r+u,c+v)為待測(cè)圖像行為r+u,列為c+v的灰度值。在實(shí)際的工業(yè)環(huán)境中會(huì)存在諸多變化比如光照，此時(shí)圖像的灰度值會(huì)受到光照強(qiáng)弱的變化而變化，故需要?dú)w一化相關(guān)系數(shù)，使圖像亮度變化不敏感，具有較強(qiáng)的魯棒性。計(jì)算公式為

(4)

歸一化相關(guān)系數(shù)匹配適合物體輕微的變形，以及光照的(線性)變化。

目前工業(yè)上比較多的采用基于形狀的匹配，基于形狀的匹配可以消除物體部分被遮擋與光照不均對(duì)系統(tǒng)造成的影響，且可以忽略掉匹配過程中物件的偏位、轉(zhuǎn)動(dòng)、大小變化等影響。

而對(duì)于物件的模板匹配，則可以理解成高級(jí)的匹配方法，當(dāng)物件之間存在偏位時(shí)，基于形狀的匹配需要訓(xùn)練多個(gè)模板，一般的工業(yè)產(chǎn)品部件之間的位置距離、方向?yàn)楣潭ǖ臄?shù)值關(guān)系，因此,采用基于模板匹配的方法只需要搜索出其中的一個(gè)部件便可明確其余部分的搜索方向、距離大小，可以節(jié)約系統(tǒng)處理的時(shí)間，速度得到了極大提升。

本文用誤差平方和來衡量原圖與模板區(qū)別。設(shè)f(x,y)為M×N的源圖，h(u,v)為U×V的模板圖像,表達(dá)式為

(5)

整理后，可得

(6)

當(dāng)F(x,y)匹配失敗時(shí)，需要?dú)w一化互相關(guān)[5]作為誤差平方和來進(jìn)行匹配，公式為

(7)

這兩種相似函數(shù)在環(huán)境穩(wěn)定的情況下可以穩(wěn)定匹配出圖像，但當(dāng)環(huán)境不穩(wěn)定，如過度遮擋與光照過度變化時(shí)，相似度函數(shù)計(jì)算出來的結(jié)果誤差較大，影響生產(chǎn)過程。

2.4 缺陷檢測(cè)

經(jīng)過以上步驟處理，調(diào)用HALCON中對(duì)應(yīng)的算子可以檢測(cè)到封條表面的污漬、露白、劃痕等點(diǎn)、線缺陷[6]，以及點(diǎn)、線缺陷在圖像中的坐標(biāo)位置以及面積大小。為了突出顯示缺陷部分，已將缺陷部分放大，如圖5所示。

圖5 檢測(cè)結(jié)果

3 結(jié)束語

本文設(shè)計(jì)的氣囊封條貼片檢測(cè)系統(tǒng)基本實(shí)現(xiàn)了快速、精準(zhǔn)對(duì)氣囊封條表面的缺陷進(jìn)行檢測(cè)，通過HALCON對(duì)采集的圖像進(jìn)行檢測(cè)達(dá)到對(duì)氣囊封條實(shí)現(xiàn)零漏檢的目標(biāo)，實(shí)時(shí)性和準(zhǔn)確性均能滿足客戶對(duì)系統(tǒng)的要求，同時(shí)可以減少氣囊安全事故，為人們的出行提供了很好的保障。