機(jī)器視覺檢測(cè)技術(shù)的典型應(yīng)用探析

摘" 要：隨著視覺檢測(cè)技術(shù)的更新，目前新建的自動(dòng)化生產(chǎn)線項(xiàng)目已多數(shù)引入視覺檢測(cè)技術(shù)。視覺檢測(cè)技術(shù)與生產(chǎn)線自動(dòng)控制系統(tǒng)組合使用，能夠完成更加精準(zhǔn)、更加復(fù)雜的生產(chǎn)控制工藝。引入視覺檢測(cè)技術(shù)的目的就是為提高生產(chǎn)效率和降低成本。該文針對(duì)上述現(xiàn)象分析視覺檢測(cè)技術(shù)方式與典型應(yīng)用情況，希望通過分析可為有此需求的用戶提供參考。

關(guān)鍵詞：機(jī)器視覺；視覺技術(shù)；檢測(cè)技術(shù)；自動(dòng)控制；典型應(yīng)用

中圖分類號(hào)：TP391" " " 文獻(xiàn)標(biāo)志碼：A" " " " " 文章編號(hào)：2095-2945（2025）01-0185-04

Abstract： With the update of visual inspection technology， most of the newly built automated production line projects have introduced visual inspection technology. The combination of visual inspection technology and production line automatic control system can complete a more precise and complex production control process. The purpose of introducing visual inspection technology is to improve production efficiency and reduce costs. This paper analyzes the visual inspection technology methods and typical applications based on the above phenomena， and hopes that the analysis can provide a reference for users who need this.

Keywords： machine vision; vision technology; inspection technology; automatic control; typical applications

人們感知外界信息的方式有多種，視覺就是其中的一種方式。人類能通過眼睛來感知光線的反射和折射，并且可以識(shí)別物體的形狀、顏色、大小等特征情況用于完成識(shí)別的過程。產(chǎn)品在生產(chǎn)時(shí)需要對(duì)其外觀是否有缺陷、定位等進(jìn)行控制。這時(shí)通過引用視覺檢測(cè)技術(shù)便可對(duì)其進(jìn)行處理。

1" 用戶典型需求情況

1.1" 保證產(chǎn)品外觀良好的需求

目前，大多數(shù)產(chǎn)品都要控制其外觀。生產(chǎn)的產(chǎn)品會(huì)根據(jù)合格樣本標(biāo)準(zhǔn)圖片或者標(biāo)準(zhǔn)要求來對(duì)比外觀（如產(chǎn)品本身是否有缺陷情況；待組合的整件產(chǎn)品，其中的每個(gè)零部件是否有缺漏的情況；產(chǎn)品印刷或包裝錯(cuò)位情況；利用視覺引導(dǎo)定位、顏色識(shí)別、尺寸測(cè)量等情況）。由系統(tǒng)按照設(shè)定好的合格標(biāo)準(zhǔn)來控制。當(dāng)檢測(cè)到不符合標(biāo)準(zhǔn)圖樣或標(biāo)準(zhǔn)設(shè)置的產(chǎn)品出現(xiàn)時(shí)，即作為不良品，由控制系統(tǒng)加以區(qū)分并嚴(yán)格控制。

1.2" 保證產(chǎn)品本體免受污染的需求

有幾類產(chǎn)品其對(duì)自身的潔凈度要求較高。當(dāng)產(chǎn)品混入污染物后，會(huì)影響使用。這類受到污染的產(chǎn)品若是應(yīng)用在設(shè)備上，會(huì)影響設(shè)備的使用壽命。若是應(yīng)用在人體上，會(huì)影響人的健康。上述類似的2種情況是不允許出現(xiàn)的。當(dāng)出現(xiàn)產(chǎn)品污染時(shí)，由控制系統(tǒng)對(duì)其區(qū)分并加以嚴(yán)格控制。

2" 選用視覺檢測(cè)方式與應(yīng)用

2.1" 機(jī)器視覺使用介紹

機(jī)器視覺是人工智能在檢測(cè)領(lǐng)域上的一個(gè)分支，目前正在快速發(fā)展。其可定義為：機(jī)器視覺就是研究如何利用光學(xué)測(cè)量裝置來采用非接觸式傳感器自動(dòng)及其連續(xù)的接收、處理所拍攝得到的真實(shí)場(chǎng)景的圖像，用以獲得所需要的信息來驅(qū)動(dòng)（控制）其他部件動(dòng)作或運(yùn)動(dòng)的過程[1]。簡(jiǎn)單來說，機(jī)器視覺就是通過相機(jī)（攝像機(jī)）等傳感器將被測(cè)目標(biāo)實(shí)時(shí)狀態(tài)信息轉(zhuǎn)換成圖像的信號(hào)，圖像經(jīng)過處理（根據(jù)像素的分布、顏色、亮度等信息），轉(zhuǎn)換成為數(shù)字化信號(hào)，傳輸給控制器或PLC用于控制設(shè)備執(zhí)行各項(xiàng)動(dòng)作[2]。

2.2" 機(jī)器視覺圖像處理與應(yīng)用

一是在圖像分析中，圖像質(zhì)量的好壞直接影響識(shí)別算法的設(shè)計(jì)與效果精度，但由于噪聲及光照等外界環(huán)境或設(shè)備本身的原因，一般情況下，所獲取的原始數(shù)字圖像質(zhì)量并不高，因此在設(shè)計(jì)使用檢測(cè)技術(shù)時(shí)，需要對(duì)圖像進(jìn)行特征提取、邊緣檢測(cè)、圖像分割等操作[3]。但是，圖像在做最終處理的前期時(shí)，一般默認(rèn)要對(duì)其原數(shù)字圖像進(jìn)行預(yù)處理工作。目前應(yīng)用的預(yù)處理流程基本為：灰度化→幾何變換→圖像增強(qiáng)處理。圖像增強(qiáng)處理基本過程如圖1所示。

在圖1中，具體進(jìn)行各種處理前，原始圖像進(jìn)行了傅里葉變換與逆變換。正是通過使用2種變換處理，再加上頻率域?yàn)V波處理才可以將原始圖片增強(qiáng)，便于后續(xù)使用[4]。傅里葉變換的應(yīng)用非常廣，在圖像濾波、復(fù)原等都有所應(yīng)用。傅里葉變換如式（1）所示

f（t）=A（f）φ（f）。（1）

一般在傅里葉變換中為了同時(shí)表示幅度A和相位φ，可采用復(fù)數(shù)形式，則式（1）可以表示為式（2）和式（3）

F（ω）=f（t）e-jωtdt， （2）

f（t）=F（ω）ejωtdω。" " " （3）

如果f（t）滿足傅里葉積分定理?xiàng)l件，那么式（2）的積分運(yùn)算則稱為f（t）的傅里葉變換，式（3）的積分運(yùn)算則稱為F（ω）的傅里葉逆變換。

二是在做圖像分割前，需先把圖像的邊緣和背景分離出來。這時(shí)才會(huì)知道圖像細(xì)節(jié)，并能夠認(rèn)出圖像輪廓。機(jī)器視覺就是模仿這個(gè)過程，對(duì)待檢測(cè)物體的邊緣輪廓點(diǎn)進(jìn)行粗略檢測(cè)[5]。圖像分割是在邊緣檢測(cè)的基礎(chǔ)上處理分析圖像的關(guān)鍵。引入圖像灰度直方圖。灰度直方圖是一個(gè)分布著灰度級(jí)的函數(shù)公式，就是統(tǒng)計(jì)圖像內(nèi)分布著的灰度級(jí)?；叶戎狈綀D就是把拍攝得到的數(shù)字圖像中的全部像素，按照其間灰度分布值的大小，統(tǒng)計(jì)其中出現(xiàn)的頻率現(xiàn)象。

直方圖的應(yīng)用，展現(xiàn)出一個(gè)較為直觀的指標(biāo)，其用于判斷出數(shù)字化圖像質(zhì)量是否較為合理地使用了所有允許灰度值出現(xiàn)的范圍[6]。一般常用數(shù)字化的范圍是[0～255]，選擇灰度閾值所對(duì)應(yīng)圖像的二值化，先假定出一幅圖像f（x，y），如圖2所示。

圖2中圖像的背景顏色處理后顯示是黑色，物體顏色處理后顯示為灰色。直方圖上面的左峰是由圖像背景黑色像素產(chǎn)生出來的，直方圖上面的右峰是由物體各部分灰度級(jí)產(chǎn)生出來的。因?yàn)槲矬w邊界間的像素出現(xiàn)較少，故產(chǎn)生出一個(gè)谷區(qū)，這一谷區(qū)位于兩峰之間。利用這一谷區(qū)出現(xiàn)的灰度作為其閾值T，采用了式（4）對(duì)圖像做二值化的處理，進(jìn)一步得到一幅二值圖像g（x，y）

g（x，y）=0 f（x，y）lt;t

1 f（x，y）≥T。（4）

閾值在直方圖上應(yīng)用過程中對(duì)于峰谷明顯的情況下，不能保證能夠得到合理的閾值，對(duì)圖像全局閾值不易分割。于是，利用和像素位置關(guān)聯(lián)的閾值，采用坐標(biāo)函數(shù)對(duì)圖像的多個(gè)部分進(jìn)行分割，這類與坐標(biāo)相關(guān)聯(lián)的閾值，被稱作動(dòng)態(tài)閾值。這種算法，時(shí)間與空間的復(fù)雜性均較大，其抗干擾的能力強(qiáng)，適用于一些使用全局閾值分割不容易的圖像處理，可以有較好的處理效果。如圖3所示。

圖3（a）為原始圖像，由于硬幣表面的反光及打光的角度，圖像存在嚴(yán)重的光照不均勻現(xiàn)象[7]。如果只選擇一個(gè)全局閾值進(jìn)行分割，那么將出現(xiàn)圖3（b）中的現(xiàn)象，當(dāng)閾值較為低時(shí)，相對(duì)于明亮區(qū)效果會(huì)較好，而相對(duì)于暗區(qū)的效果會(huì)較差；當(dāng)閾值高時(shí)，相對(duì)于暗區(qū)效果會(huì)比較好，而相對(duì)于明亮區(qū)的效果會(huì)較差。當(dāng)采用局部閾值法時(shí)，則可分別在明亮區(qū)與暗區(qū)選擇不同的閾值[8]，能使得整體分割的效果比較好，其結(jié)果如圖3（c）所示。

三是當(dāng)把圖像邊緣與背景分離出來后。若要知道圖像的細(xì)節(jié)，并能認(rèn)出圖像的輪廓，需對(duì)其檢測(cè)邊緣，設(shè)置輪廓點(diǎn)進(jìn)行測(cè)試，可把所有待測(cè)點(diǎn)位輪廓連起來，并同時(shí)檢測(cè)輪廓點(diǎn)位與連接遺漏邊界的點(diǎn)位，并且要去掉虛假的邊界點(diǎn)位[9]。邊緣檢測(cè)的基本算法有多種邊緣檢測(cè)算子，如圖4圓環(huán)外觀完整與缺陷對(duì)比所示，應(yīng)用邊緣檢測(cè)對(duì)比圓環(huán)正常情況與邊緣點(diǎn)缺失判定產(chǎn)品為不良品。

圖4邊緣檢測(cè)可采用Sobel算子，按照教科書中使用其3×3兩個(gè)方向的算子模板，式（5）、式（6）對(duì)區(qū)域內(nèi)的9個(gè)像素進(jìn)行卷積，求和后得到此方向的邊緣檢測(cè)幅值，如式（7）所示

Gx=-1 0 1

-2 0 2

-1 0 1×f（x，y），" " （5）

Gy=-1 -2 -1

0" 0" 0

1" 2" 1×f（x，y），（6）

G=，" " " " " " （7）

式中：f（x，y）為圖像；Gx和Gy分別為水平方向和垂直方向算子的結(jié)果；G為最終得到的邊緣幅值。

圖5為生產(chǎn)包裝藥品的生產(chǎn)線，其生產(chǎn)線上的相機(jī)可以檢測(cè)出待包裝的藥品是否有缺漏、藥品顆粒是否有損壞、是否有異物混入情況。但是，如果藥品下方的包裝膜槽出現(xiàn)位移不準(zhǔn)確（每次運(yùn)行位移不固定、有偏差），會(huì)導(dǎo)致拍攝出來的圖像與設(shè)置合格檢測(cè)圖像出現(xiàn)明顯的差別，進(jìn)而會(huì)導(dǎo)致產(chǎn)品多數(shù)判定為不合格品。

類似圖5的生產(chǎn)情況有很多，此類型的視覺檢測(cè)，需采用尋找圖片內(nèi)位置跟隨功能，該應(yīng)用可在拍攝出的圖片每張均不一樣的情況下，在區(qū)域內(nèi)尋找出相似的區(qū)域邊緣，對(duì)其再行檢測(cè)控制。

四是若待測(cè)物體表面為圓柱體、異形體，需對(duì)其外觀上沾染異物、沾染臟污進(jìn)行檢測(cè)時(shí)，使用上述檢測(cè)方式不能很好地檢測(cè)出沾染的異物與臟污情況。這時(shí)需要使用視覺檢測(cè)的自學(xué)習(xí)功能。該功能創(chuàng)建不合格檢測(cè)圖像數(shù)據(jù)庫，庫內(nèi)存有多種不合格圖像信息，只要不合格圖像照片多，檢測(cè)出來的準(zhǔn)確度就高。圖6為適用于自學(xué)習(xí)檢測(cè)的物體圖像。

由圖6可知，待檢測(cè)產(chǎn)品為圓柱體針筒，在保證使用安全上針筒是不允許沾染異物、臟污的。因?yàn)闄z測(cè)相機(jī)只能拍攝其一個(gè)平面，或者是幾個(gè)位置的平面情況，無法做到很全面的檢測(cè)。這樣就會(huì)出現(xiàn)產(chǎn)品合格率很低或者很高的極端現(xiàn)象，然而與實(shí)際情況對(duì)比卻是相反的。這種情況使用檢測(cè)的自學(xué)習(xí)功能，提前將多張不合格圖像樣本錄入數(shù)據(jù)庫，經(jīng)過模擬試驗(yàn)，即可實(shí)現(xiàn)準(zhǔn)確率大于95%的準(zhǔn)確檢測(cè)。

2.3" 機(jī)器視覺系統(tǒng)控制與應(yīng)用

典型的機(jī)器視覺系統(tǒng)一般包括以下部分。光源、鏡頭、工業(yè)相機(jī)、圖像采集板卡、視覺處理軟件、計(jì)算處理與驅(qū)動(dòng)外部設(shè)備控制等，如圖7所示。

3" 應(yīng)用注意事項(xiàng)

第一，平面上檢測(cè)物體尺寸，可采用與標(biāo)準(zhǔn)樣本圖像對(duì)比的方式。

第二，當(dāng)檢測(cè)位置的位移可能會(huì)經(jīng)常變化時(shí)，采用定位跟蹤功能。

第三，當(dāng)有外部移動(dòng)設(shè)備需要定點(diǎn)位置時(shí)，檢測(cè)拍攝只做定位，需外部增設(shè)定位點(diǎn)的信息，如二維碼、定位標(biāo)識(shí)等。

第四，使用局部分別設(shè)置閾值方式可應(yīng)用在一個(gè)平面內(nèi)的多種物體檢測(cè)。

第五，非單一平面上檢測(cè)物體異物沾染時(shí)，可采用自學(xué)習(xí)功能或與其相同方式的檢測(cè)功能。

4" 結(jié)束語

本文結(jié)合理論與實(shí)際探析了視覺檢測(cè)技術(shù)的應(yīng)用情況，以上應(yīng)用總結(jié)可以在多種產(chǎn)品上使用。部分應(yīng)用經(jīng)過實(shí)驗(yàn)測(cè)試效果良好。本文可供有此方面需要的人員參考。

參考文獻(xiàn)：

[1] 程光.機(jī)器視覺技術(shù)[M].北京：機(jī)械工業(yè)出版社，2019.

[2] 劉宇，侯北平.基于機(jī)器視覺的導(dǎo)體計(jì)數(shù)方法研究[J].科技與創(chuàng)新，2021（6）：82-83，85.

[3] 張舜德.光學(xué)輪廓術(shù)[M].北京：人民郵電出版社，2010.

[4] 馬晨，韓團(tuán)軍，潘玉樺，等.基于STM32視覺識(shí)別的高精度激光控制系統(tǒng)設(shè)計(jì)[J].電氣傳動(dòng)自動(dòng)化，2021，43（2）：22-24.

[5] 劉亦晴.工業(yè)機(jī)器人智能視覺引導(dǎo)技術(shù)發(fā)展及其運(yùn)用[J].科技經(jīng)濟(jì)市場(chǎng)，2020（4）：3-5.

[6] 黃傳啟，常得琳，馬泉泉，等.視覺識(shí)別技術(shù)在智能化設(shè)施運(yùn)維領(lǐng)域的應(yīng)用探討[J].電氣時(shí)代，2023（11）：110-112，125.

[7] 張博文，沈小龍，韓震宇.基于機(jī)器視覺的刀具幾何參數(shù)測(cè)量?jī)x[J].科技與創(chuàng)新，2022（13）：136-139.

[8] 王華溢.計(jì)算機(jī)視覺技術(shù)在工業(yè)領(lǐng)域中的應(yīng)用[J].科技創(chuàng)新與應(yīng)用，2021，11（29）：177-179.

[9] 江川，王正，舒高旺，等.基于視覺識(shí)別的核桃切分機(jī)結(jié)構(gòu)設(shè)計(jì)[J].科技創(chuàng)新與應(yīng)用，2020（8）：29-31.