基于機(jī)器視覺(jué)的無(wú)人機(jī)旋翼移印缺陷檢測(cè)研究

陳銳鴻，宋 建

（1.廣州城市理工學(xué)院 機(jī)械工程學(xué)院，廣州 510800；2.華南理工大學(xué) 廣東省高分子先進(jìn)制造技術(shù)及裝備重點(diǎn)實(shí)驗(yàn)室，廣州 510640；3.華南理工大學(xué) 聚合物加工工程教育部重點(diǎn)實(shí)驗(yàn)室，廣州 510640）

0 引言

移印，屬于特種印刷方式之一。它能夠在不規(guī)則異形對(duì)象表面上印刷文字、圖形和圖像，現(xiàn)在正成為一種重要的特種印刷。例如，手機(jī)表面的文字和圖案就是采用這種印刷方式，還有計(jì)算機(jī)鍵盤(pán)、儀器、儀表等很多電子產(chǎn)品的表面印刷，都以移印完成。

移印技術(shù)和網(wǎng)版印刷技術(shù)作為主要的裝飾方式更是得到超常的發(fā)展。隨著自動(dòng)化生產(chǎn)技術(shù)的升級(jí)換代，視覺(jué)檢測(cè)越來(lái)越多運(yùn)用于生產(chǎn)線上，當(dāng)前國(guó)內(nèi)外對(duì)于絲印缺陷[1-2]的研究開(kāi)展得比較早，文獻(xiàn)[1]通過(guò)計(jì)算邊緣以及擬合直線對(duì)硅太陽(yáng)能電池絲印的破損進(jìn)行檢測(cè)，由于旋翼的形狀是曲面，且采用的是移印的方式，它與絲印的檢測(cè)明顯不同，而目前對(duì)于移印的缺陷檢測(cè)開(kāi)展不是很多。

無(wú)人機(jī)的旋翼是其飛行的關(guān)鍵部件，操作者需要及時(shí)觀察各個(gè)旋翼的工作狀態(tài)，因此旋翼印上了利于觀察的標(biāo)識(shí)，以便操作者通過(guò)標(biāo)識(shí)觀察無(wú)人機(jī)飛行中旋翼狀態(tài)。標(biāo)識(shí)采用當(dāng)前較為環(huán)保的移印方式印在旋翼上，旋翼外觀如圖1所示。

圖1 無(wú)人機(jī)旋翼外觀圖

旋翼在生產(chǎn)過(guò)程中，注塑機(jī)注塑完成后流入到移印環(huán)節(jié)，然后烘干，外觀檢測(cè)。本文針對(duì)于無(wú)人機(jī)旋翼移印標(biāo)識(shí)缺陷進(jìn)行分析，使用機(jī)器視覺(jué)檢測(cè)與圖像分析技術(shù)相結(jié)合，將圖案不合格的旋翼挑選出來(lái)，現(xiàn)有的生產(chǎn)方式是采用人工挑選的方法，存在諸多弊端：挑選難度大，較小的缺陷無(wú)法挑選出來(lái)，對(duì)人員的要求高，檢測(cè)標(biāo)準(zhǔn)無(wú)法統(tǒng)一。

采用機(jī)器視覺(jué)檢測(cè)具有以下特點(diǎn)：1）缺陷種類(lèi)檢測(cè)多；2）正常對(duì)接現(xiàn)在的生產(chǎn)流程，在生產(chǎn)環(huán)節(jié)即可進(jìn)行分揀，并及時(shí)提出對(duì)移印設(shè)備的預(yù)警，及時(shí)止損；3）檢測(cè)過(guò)程標(biāo)準(zhǔn)統(tǒng)一，漏檢率低；4）減輕了勞動(dòng)人員的工作強(qiáng)度，提高了檢測(cè)的效率[3]。

旋翼移印的缺陷種類(lèi)大致有漏印、多印、錯(cuò)印、少印，其中涂料過(guò)少導(dǎo)致圖層過(guò)薄，印油過(guò)多導(dǎo)致的圖層過(guò)厚或者出現(xiàn)印油疊加的印油漬點(diǎn)，屬于漏印、多印中比較特殊的情況。錯(cuò)印則是在移印過(guò)程中由于旋翼旋轉(zhuǎn)的位置不在模具里面，印的位置與預(yù)期不一致。

1 機(jī)器視覺(jué)檢測(cè)平臺(tái)的搭建

視覺(jué)平臺(tái)主要由工業(yè)相機(jī)、光源、工控機(jī)、及視覺(jué)定位支架構(gòu)成。對(duì)于移印缺陷的檢測(cè)，根據(jù)旋翼的形狀選擇合適的光源[4]。根據(jù)旋翼的形狀，搭建的光源與相機(jī)布局如圖2所示。

圖2 檢測(cè)平臺(tái)示意圖

圖3 相機(jī)參數(shù)成像圖

1.1 光源的選型

視覺(jué)檢測(cè)系統(tǒng)中圖像的清晰度是核心[5]，選擇合適的光源能夠保證圖像有足夠的像素質(zhì)量，能夠簡(jiǎn)化算法提高系統(tǒng)穩(wěn)定性，一幅圖像像素過(guò)低會(huì)在一開(kāi)始就覆蓋掉很多重要的特征點(diǎn)；出現(xiàn)陰影則會(huì)引起邊緣誤判；圖像不均勻則會(huì)導(dǎo)致閾值選擇困難。條形光源是由LED燈珠排布成長(zhǎng)條形。多用于單邊或多邊以一定角度照射物體。突出物體的邊緣特征，照射角度與安裝距離有很大的調(diào)整空間，可以根據(jù)實(shí)際供需情況進(jìn)行相應(yīng)的調(diào)整。適用較大結(jié)構(gòu)被測(cè)物。主要應(yīng)用于縫隙檢測(cè)[5]，表面缺陷檢測(cè)，印刷檢測(cè)，輪廓檢測(cè)等等主要區(qū)別輪廓的工件。采用60mm的條形光源，角度方面90°～180°內(nèi)可調(diào)，距離方面對(duì)向方向0～20mm可調(diào)，左右光源亮度方面0～255可調(diào)節(jié)。由于機(jī)翼平面有一定的光滑度，機(jī)翼自身為黑色，圖層顏色為白色，具有很強(qiáng)的辨識(shí)度，所以該工件的光源亮度應(yīng)在50～200內(nèi)可調(diào)。

1.2 相機(jī)和控制器選型

相機(jī)的選型對(duì)于其對(duì)于采集的圖像質(zhì)量影響很大,考慮本系統(tǒng)的可行性、穩(wěn)定性以及其實(shí)用價(jià)值，本次采用的相機(jī)型號(hào)為巴斯勒（Basler）工業(yè)相機(jī)，類(lèi)型為線陣相機(jī)，可以保證極高的2D精度和超高的清晰度，配合其專(zhuān)業(yè)的計(jì)算機(jī)圖傳網(wǎng)卡[6-7]，保證在60幀圖像質(zhì)量下也能也較高的圖像傳輸速率[8]。系統(tǒng)器件參數(shù)一覽表如表1所示。

表1 視覺(jué)系統(tǒng)器件參數(shù)一覽表

2 軟件及算法設(shè)計(jì)

基于圖像分析缺陷檢測(cè)系統(tǒng)的設(shè)計(jì)首先將圖像分析和圖層檢測(cè)技術(shù)進(jìn)行簡(jiǎn)要概括，在應(yīng)用中所使用的圖像處理主要有：灰度化、直方圖，BOOL分析、平滑圖像、圖像分割、連通域處理、邊緣檢測(cè)等。前期的主要處理是通過(guò)連通域的檢測(cè)，合格工件和不合格工件的面積差距是最明顯的特征區(qū)別，通過(guò)對(duì)連通域的區(qū)分，計(jì)算出特征區(qū)域的面積[9]。本文主要采用閾值分割方法，將圖層進(jìn)行分割，加以二維直方圖進(jìn)行信息修正，修復(fù)邊緣的平滑度，在檢測(cè)階段將噪點(diǎn)祛除[10-11]。對(duì)于選定區(qū)域，判斷區(qū)域的中心點(diǎn)，在檢測(cè)過(guò)程中，除了對(duì)于連通面積的判斷對(duì)比，還要對(duì)中心點(diǎn)進(jìn)行判斷，進(jìn)行再定位，最終判斷出測(cè)試工件和樣本工件之間的相似度，判斷其是否符合要求。

2.1 系統(tǒng)的搭建

通過(guò)光源、相機(jī)以及鏡頭的類(lèi)型選擇，系統(tǒng)采用奧普特（OPT）視覺(jué)設(shè)備，采用配用的相機(jī)和鏡頭，PC或筆記本電腦作為控制端，采用OPT視覺(jué)開(kāi)發(fā)軟件SCI軟件或OpenCV語(yǔ)言做圖像處理。

圖像處理的過(guò)程中，使用OpenCV作為基礎(chǔ)算法庫(kù)，結(jié)合C語(yǔ)言和Jscript腳本作為輔助語(yǔ)言[9]。通過(guò)對(duì)于現(xiàn)有基礎(chǔ)庫(kù)進(jìn)行調(diào)整，對(duì)于工件的特定需求進(jìn)行算法編寫(xiě)，例如連通域效果的改進(jìn)，對(duì)于整體算法的封裝使用，使得編寫(xiě)過(guò)程中減少底層代碼的使用，使用SCI圖形化操作調(diào)用算法進(jìn)行交互式處理，系統(tǒng)框架流程如圖4中所示。

圖4 系統(tǒng)框架流程圖

圖5 圖像處理算法流程

2.2 算法的選用與設(shè)計(jì)

由于采用工業(yè)相機(jī)采集圖像，保證圖像的清晰度，但是另一方面圖像的占用空間會(huì)很大主要特征明顯，但由于過(guò)于清晰，次要噪點(diǎn)也會(huì)更加清晰[12]，在處理時(shí)，明顯的噪點(diǎn)會(huì)直接影響到檢測(cè)的直接結(jié)果，所以在圖像采集時(shí)，需要對(duì)圖像進(jìn)行平滑處理，過(guò)濾影響不大的噪點(diǎn)。

圖像處理的開(kāi)始是導(dǎo)入圖像信息，首先將采集的圖像進(jìn)行灰度處理，灰度過(guò)程中使用加權(quán)平均值，獲得一張含有亮度的灰度化圖像，然后進(jìn)行閾值分割，也是建立在單通道的灰度圖像上的，這是圖像處理中最基礎(chǔ)的一步。

令rk，k=0,1,2,…,L-1表示一幅L級(jí)灰度數(shù)字圖像f的非歸一化直方圖定義為：

式中，nk是f中灰度為rk的像素的數(shù)量。f的歸一化直方圖定義為：

式中，M和N分別是圖像的行數(shù)和列數(shù)。對(duì)于k的所有值，p(rk)的和總是1。

如圖6所示，左圖是經(jīng)過(guò)打光處理的彩色圖，右圖為不經(jīng)過(guò)處理的黑白圖，可以很清晰的看到左圖處理可以看到圖層的周邊的噪點(diǎn)，還可以看到旋翼標(biāo)識(shí)自身的表面特征，有較多磨砂類(lèi)型的凹凸特征，在處理過(guò)程中會(huì)存在一定的影響，底部統(tǒng)一進(jìn)行了遮光處理，保證相機(jī)的視野內(nèi)部只有工件特征，精確結(jié)果。

圖6 圖像灰度處理

圖7中可以看出，圖像本身有許多噪聲干擾，邊緣像素進(jìn)行淡化處理非常必要，由于每一個(gè)工件的特征信息都不相同，所以前期要選擇盡可能多的工件進(jìn)行設(shè)置，比較多種濾波的處理結(jié)果，對(duì)于濾波的內(nèi)核進(jìn)行大小的調(diào)整，觀察圖像結(jié)果。

圖7 圖像不同濾波處理的效果圖

綜合以上幾種濾波處理，高斯濾波的處理結(jié)果和原圖無(wú)明顯差距，中值濾波處理了一些噪點(diǎn)，均值濾波雖然將噪點(diǎn)全部處理完畢但是整體圖像的清晰度不足，特征點(diǎn)模糊，所以綜合來(lái)看，該工件的平滑處理，使用中值濾波比較合適，通過(guò)調(diào)整測(cè)試像素周?chē)徲蛳袼丶械闹兄担コ蟛糠值慕符}噪聲和斑塊噪聲[13]。

2.2.1 連通域處理

通過(guò)中值濾波基本處理了圖像的內(nèi)部噪點(diǎn)，在對(duì)灰度圖像進(jìn)行二值化處理，使用Otsu算法計(jì)算圖像的數(shù)值，然后在對(duì)圖像的黑白區(qū)域進(jìn)行分割，為獲取二值圖像提取工件的缺陷信息作鋪墊[14]，對(duì)連通域的處理可以進(jìn)行判別出工件的缺陷與否，系統(tǒng)的處理流程如圖8所示。

對(duì)于算子的選用，根據(jù)旋翼的特性本文采用對(duì)比方法進(jìn)行效果分析。

1）使用Roberts算子，可以從圖9中看出，該算子的檢測(cè)結(jié)果相對(duì)明顯，整體上可以反映圖層的輪廓邊緣，但是邊緣的清晰度較低，細(xì)化特征比較明顯，容易在后續(xù)的處理中容易被處理掉一些重要的特征。

圖9 Robert 算法處理

2）Sobel算子和Laplace算子的檢測(cè)結(jié)果，相對(duì)于Robert算子來(lái)說(shuō)，兩者算法的邊緣細(xì)節(jié)增多，但無(wú)法嚴(yán)格區(qū)分主體與背景，背景的噪點(diǎn)也被當(dāng)做邊緣處理了，但整體的圖層輪廓基本符合要求，清晰度和邊緣寬度都很明顯。

3）Canny的檢測(cè)結(jié)果，圖像邊緣現(xiàn)象明顯，輪廓清晰。可以通過(guò)閾值調(diào)整，避免出現(xiàn)冗雜的邊緣信息，檢測(cè)過(guò)程中受噪聲感染微弱，能檢測(cè)到真正的比邊緣信息，但是檢測(cè)的細(xì)節(jié)過(guò)多，還是存在由于細(xì)節(jié)邊緣導(dǎo)致檢測(cè)失真的情況，可以通過(guò)不斷調(diào)整閾值，調(diào)節(jié)邊緣輸出效果。

通過(guò)幾種不同算法的處理，對(duì)于原始圖像處理后的平滑圖像進(jìn)行在處理，對(duì)于灰度圖像進(jìn)行閾值分割，選取最佳像素中值，進(jìn)行輪廓的提取。由幾種算法的對(duì)比圖可得：經(jīng)典的邊緣檢測(cè)都可以檢測(cè)到標(biāo)識(shí)圖層的輪廓和邊緣。

2.2.2 特征提取

Blob分析是一種對(duì)閉合目標(biāo)形狀進(jìn)行分析處理的基本方法，Blob算法的核心思想是在一塊區(qū)域內(nèi)，把出現(xiàn)“灰度突變”的范圍找出來(lái)[15]。對(duì)于檢測(cè)的圖像，整體范圍的像素點(diǎn)構(gòu)成一張二維數(shù)據(jù)網(wǎng)，圖上的檢測(cè)特征為數(shù)據(jù)圖中的區(qū)域點(diǎn)，Blob的算法就是要把這些區(qū)域找出來(lái)，并確定其大小、形狀，中心、重心、面積等可輸出數(shù)據(jù)的算法，把所有的像素點(diǎn)作為檢測(cè)范圍，當(dāng)系統(tǒng)內(nèi)部的光源打到工件上面，工件上的缺陷像素和周?chē)袼貢?huì)形成相對(duì)明顯的反差，在檢測(cè)中就可以將反差較大的區(qū)域劃范為一個(gè)部分，特征提取效果如圖10所示。

圖10 特征提取

2.2.3 相機(jī)的標(biāo)定

標(biāo)定是實(shí)現(xiàn)準(zhǔn)確測(cè)量和獲取準(zhǔn)確位置信息的基礎(chǔ)，其主要作用是建立圖像像素尺寸與實(shí)際尺寸的關(guān)系、以及建立圖像坐標(biāo)系與世界坐標(biāo)系的映射關(guān)系。使用標(biāo)定板標(biāo)定待檢測(cè)工件，通過(guò)建立標(biāo)定無(wú)已知的點(diǎn)與其圖像之間的對(duì)應(yīng)，利用算法在2D平面內(nèi)獲取相機(jī)的模型，檢測(cè)精度高維護(hù)簡(jiǎn)單，外加工業(yè)相機(jī)的高清晰度，可以保證其精度。

本次標(biāo)定板采用30×30mm的標(biāo)定板，如圖11所示，內(nèi)置的實(shí)心原點(diǎn)等半徑、等間距，左右點(diǎn)之間1mm，將工件和標(biāo)定板同時(shí)放在同一個(gè)相機(jī)視野內(nèi)，通過(guò)點(diǎn)位標(biāo)定，求取標(biāo)定板上任意兩點(diǎn)的像素距離，點(diǎn)的實(shí)際距離，就可以求取像素當(dāng)量。

圖11 像素當(dāng)量

使用圖像處理中的找圓形處理，找到任意兩點(diǎn)（本次采用的間距的10mm，方便計(jì)算），通過(guò)算法計(jì)算，最終求得像素當(dāng)量，如圖12所示。

圖12 像素當(dāng)量計(jì)算

圖13 標(biāo)準(zhǔn)工件檢測(cè)

通過(guò)像素當(dāng)量的計(jì)算，可以結(jié)合之前的工件處理，對(duì)于已檢測(cè)到的像素面積，通過(guò)像素當(dāng)量，求得實(shí)際面積，就可以直觀的觀察到工件的具體缺陷了。

由以上算法和像素當(dāng)量的綜合計(jì)算，求比出各種缺陷工件之間的連通域關(guān)系，從而進(jìn)一步判斷出工件的缺陷形式以及缺陷程度，通過(guò)設(shè)置閾值判定檢測(cè)結(jié)果。

3 實(shí)驗(yàn)測(cè)試

經(jīng)過(guò)以上的算法設(shè)計(jì)，在測(cè)試階段，將已知工件劃分為合格工件、缺漏印、多印三個(gè)部分，特征識(shí)別采用Blob分析和直方圖統(tǒng)計(jì)，Blob分析根據(jù)灰度、紋理、彩色等圖像特征相似像素點(diǎn)的連通性，進(jìn)行特征分析，計(jì)算工件表面涂層的連通域面積，通過(guò)對(duì)比與樣本工件的數(shù)據(jù)，求取差值，計(jì)算測(cè)試數(shù)據(jù)的缺陷概率，從而判斷移印質(zhì)量。

通過(guò)對(duì)于實(shí)驗(yàn)樣本數(shù)據(jù)的分析，可以在視覺(jué)方向上觀察到的工件的待檢測(cè)面積和缺陷面積的像素?cái)?shù)據(jù)和實(shí)際數(shù)據(jù)，以及判斷工件待檢測(cè)區(qū)域的缺陷程度，做出相應(yīng)的缺陷判斷，如圖14所示，達(dá)到了預(yù)期目標(biāo)。

圖14 缺陷檢測(cè)及識(shí)別結(jié)果

3.1 實(shí)驗(yàn)數(shù)據(jù)分析

由于工件自身存在一定的弧度，受到光源影響和傳送過(guò)程中晃動(dòng)的影響，會(huì)產(chǎn)生一些微畸變，在一定程度上會(huì)影響到相機(jī)的檢測(cè)數(shù)據(jù)，對(duì)于工件進(jìn)行一個(gè)數(shù)據(jù)可行性分析可有效地避免畸變的影響。

通過(guò)使用棋盤(pán)格對(duì)工件進(jìn)行多次數(shù)標(biāo)定，測(cè)量像素當(dāng)量下，相機(jī)所測(cè)量的尺寸和棋盤(pán)格的實(shí)際尺寸的線性關(guān)系，判斷相機(jī)畸變的良率，最終得出實(shí)驗(yàn)結(jié)論。

通過(guò)分析圖15中的80組數(shù)據(jù)，分別是從1PU-5PU（PU：?jiǎn)挝幌袼剡M(jìn)行測(cè)量）從數(shù)據(jù)分析的曲線波動(dòng)來(lái)看，相機(jī)的1PU 和5PU的測(cè)試距離出現(xiàn)波動(dòng)較大，這是桶型和枕頭畸變的結(jié)果，相機(jī)圖像的中心或者圖像的邊緣會(huì)出現(xiàn)較大的像素浮動(dòng)。

圖15 相機(jī)的視野畸變

3.2 實(shí)驗(yàn)結(jié)果分析

通過(guò)對(duì)于整體的數(shù)據(jù)分析，1PU、5PU的數(shù)據(jù)波動(dòng)在PU±0.036的數(shù)值之間波動(dòng)，2PU、3PU、4PU數(shù)值在±0.026的數(shù)值之間波動(dòng)，屬于可接受畸變的范圍。通過(guò)對(duì)于整體數(shù)據(jù)進(jìn)行數(shù)據(jù)的可想性分析，可以進(jìn)一步判斷數(shù)據(jù)的未來(lái)走向是屬于線性還是非線性的。

線性可行性分析，通過(guò)對(duì)于25組檢測(cè)數(shù)據(jù)和線性回歸σ的值進(jìn)行線性偏移的研究，從數(shù)據(jù)中可以得出結(jié)論，數(shù)據(jù)的整體走向線性百分率低于1%，整體數(shù)據(jù)不會(huì)存在線性變化，檢測(cè)過(guò)程中數(shù)據(jù)只會(huì)在基于標(biāo)準(zhǔn)值進(jìn)行上下浮動(dòng)，并不影響最終的檢測(cè)結(jié)果。

3.3 分揀系統(tǒng)

系統(tǒng)搭建完成后，能夠快速地將旋翼的缺陷識(shí)別出來(lái)。識(shí)別出來(lái)的結(jié)果通過(guò)計(jì)算機(jī)的串口發(fā)送中心位置及產(chǎn)品結(jié)果信息，通過(guò)工業(yè)機(jī)器人實(shí)現(xiàn)快速分揀。

4 結(jié)語(yǔ)

工業(yè)相機(jī)及光源的選擇對(duì)移印標(biāo)識(shí)的缺陷檢測(cè)非常重要，旋翼的弧形在成像時(shí)容易造成視野的畸變，通過(guò)對(duì)像素的標(biāo)定，能夠有效地減少畸變?cè)斐傻挠绊憽１疚膶?duì)于移印標(biāo)識(shí)的檢測(cè)系統(tǒng)搭建，運(yùn)用Blob算法和特征提取，能夠快速地分辨出漏印、多印等不良產(chǎn)品。通過(guò)對(duì)實(shí)驗(yàn)室的數(shù)據(jù)分析，準(zhǔn)確率較高，能夠通過(guò)軟件將缺陷產(chǎn)品識(shí)別出來(lái)，通過(guò)串口通訊與工業(yè)機(jī)器人配合能夠有效地分揀出缺陷產(chǎn)品，減少了人力成本，提高了生產(chǎn)效率，降低了缺陷品流入市場(chǎng)的風(fēng)險(xiǎn)。系統(tǒng)的搭建模型及應(yīng)用算法設(shè)計(jì)可以為其他的缺陷檢測(cè)提供參考，在機(jī)器換人的制造業(yè)轉(zhuǎn)型中應(yīng)用廣泛。