機器視覺大作業(yè)

1、 機器視覺與圖像處理課程設計機器視覺與圖像處理大 作 業(yè)成績評定表設計課題 ： 基于機器視覺的表面缺陷檢測技術 學院名稱 ： 電氣工程學院 專業(yè)班級 ： 自動F1205班 學生姓名 ： 學 號 ： 指導教師 ： 設計時間 ： 2015.5.1-2015.5.8 指導教師意見：成績: 簽名： 年 月 日目次1 概述11.1 設計意義11.2 機器視覺與圖像處理技術簡介12 基于機器視覺的表面檢測控制系統(tǒng)的總體設計22. 1 CCD攝像頭32. 2圖像采集卡32.2.1視頻輸入信號及采樣頻率42.2.2視頻輸入窗口和顯示窗口42. 3軟件設計43 表面缺陷檢測軟件設計53. 1圖像實時采集模塊53

2、. 2圖像預處理模塊53.3 閾值選取模塊63.4 圖像測量模塊與缺陷檢測模塊63.5 缺陷識別模塊64 總結(jié)95 參考文獻91 概述1.1 設計意義傳統(tǒng)的人工檢測產(chǎn)品表面質(zhì)量的方法不僅工作量大，而且易受檢測人員主觀因素的影響，容易對產(chǎn)品表面缺陷造成漏檢，尤其是變形較小、畸變不大的夾雜缺陷漏檢，極大降低了產(chǎn)品的表面質(zhì)量，從而不能夠保證檢測的效率與精度。而發(fā)展迅速的基于機器視覺的表面缺陷檢測技術可以很好的解決這一問題。機器視覺主要是采用計算機來模擬人的視覺功能，從客觀事物的圖像中提取信息，進行處理并加以理解，最終用于實際檢測、測量和控制。基于機器視覺技術的缺陷檢測系統(tǒng)，由于其非接觸檢測測量，具有

3、較高的準確度、較寬的光譜響應范圍，可長時間穩(wěn)定工作，節(jié)省大量勞動力資源，極大地提高了工作效率?？蓪ぜ砻娴陌唿c、凹坑、劃痕、色差、缺損等缺陷進行檢測。所以，人工檢測難以達到降低消耗、提高產(chǎn)品質(zhì)量的目的，采用基于機器視覺的表面缺陷檢測技術成為必需。這也就是設計該基于機器視覺的表面檢測控制系統(tǒng)的意義。1.2 機器視覺與圖像處理技術簡介圖像處理技術簡介：在機器視覺系統(tǒng)中，視覺信息的處理技術主要依賴于圖像處理方法，它包括圖像增強、數(shù)據(jù)編碼和傳輸、平滑、邊緣銳化、分割、特征抽取、圖像灰度處理、小波處理、圖像識別與理解等內(nèi)容。經(jīng)過這些處理后，輸出圖像的質(zhì)量得到相當程度的改善，既改善了圖像的視覺效果，又便

4、于計算機對圖像進行分析、處理和識別。機器視覺技術簡介：機器視覺是將圖像處理、計算機圖形學、模式識別、計算機技術、人工智能等眾多學科高度集成和有機結(jié)合，而形成的一門綜合性的技術。一般地說，機器視覺是研究計算機或其他處理器模擬生物宏觀視覺功能的科學和技術，也就是用機器代替人眼來做測量和判斷。機器視覺系統(tǒng)如圖成像系統(tǒng)光源主機視覺系統(tǒng)場景圖像描述反饋圖1-1 機器視覺系統(tǒng)構成 機器視覺系統(tǒng)的特點是提高生產(chǎn)的柔性和自動化程度。在一些不適合于人工作業(yè)的危險工作環(huán)境或人工視覺難以滿足要求的場合，常用機器視覺來替代人工視覺；同時在大批量工業(yè)生產(chǎn)過程中，用人工視覺檢查產(chǎn)品質(zhì)量效率低且精度不高，用機器視覺檢測方法

5、可以大大提高生產(chǎn)效率和生產(chǎn)的自動化程度。而且機器視易于實現(xiàn)信息集成，是實現(xiàn)計算機集成制造的基礎技術。因此，在現(xiàn)代自動化生產(chǎn)過程中，人們將機器視覺系統(tǒng)廣泛地用于工況監(jiān)視、成品檢驗和質(zhì)量控制等領域。2 基于機器視覺的表面檢測控制系統(tǒng)的總體設計 該系統(tǒng)是由CCD攝像頭、照明系統(tǒng)、圖像采集卡、機械裝置、主控計算機等部件組成，圖3-1為系統(tǒng)結(jié)構圖。其工作過程是：首先將工件送到CCD攝像頭視場內(nèi)；然后由成像系統(tǒng)和圖像采集卡將圖像采集到計算機內(nèi)部；運用圖像處理技術對采集到的原始圖像進行預處理以改善圖像質(zhì)量，從中提取感興趣的特征量；最后運用模式識別技術對取到得特征量進行分類整理以完成系統(tǒng)的檢測。下面分別介紹系

6、統(tǒng)的各部分的組成及工作原理。1 2 3 4 56 1、CCD攝像頭及照明系統(tǒng) 2、圖像采集卡 3、主控計算機4、分類機構 5、工件 6、傳送裝置圖2-1 機器視覺系統(tǒng)結(jié)構圖2. 1 CCD攝像頭CCD是一種半導體成像器件，具有靈敏度高、抗強光、畸變小、體積小、壽命長，抗震動等優(yōu)點。本系統(tǒng)采用的是國產(chǎn)MTV-1881EX型號的黑白攝像頭，它的工作方式是將被攝物體的圖像經(jīng)過鏡頭聚焦到CCD芯片上，CCD根據(jù)光的強弱積累相應比例的電荷，各個像素積累的電荷在視頻時序的控制下，逐點外移，經(jīng)視頻捕捉卡濾波、放大處理，A/D轉(zhuǎn)換后形成視頻信號輸出。2. 2圖像采集卡本系統(tǒng)采用的是大恒PCI-XR視頻捕捉卡，

7、具有高品質(zhì)的視頻采集性能，具備高速PCI總線，采集頻率為3D幀/秒，顯示畫面流暢不間斷；顯示分辨率640X480。動態(tài)捕捉影像以靜態(tài)圖像方式存盤，提供BMP，JPG，TIP，TGA等多種存盤格式。其工作原理如圖3-2所示： 復合視頻輸入4復合視頻輸入1復合視頻輸入2復合視頻輸入3多路開關多路開關濾波濾波A/DA/D緩存緩存PCI總線VGA顯示卡系統(tǒng)內(nèi)存圖3-2 VIDEO-PCI-XR圖像采集片工作原理四路復合視頻輸入經(jīng)多路開關，軟件選擇其中一路作為當前輸入，輸出到A/D進行模/數(shù)變換，數(shù)字化的圖像信號經(jīng)各種圖像處理后，利用PCI總線，傳到VAG卡顯示或計算機內(nèi)存存儲。由于要檢測工件的兩個表面

8、，所以需要在硬件上使用兩路視頻輸入，每路采集不同表面的圖像。采樣頻率在一定范圍內(nèi)可調(diào)，滿足不同場合的需求。 2.2.1視頻輸入信號及采樣頻率凡符合PAL制式(625行，50場/秒)和NTSC制式(525行，60場/秒)的視頻設備輸出的圖像信號均可作為該視頻捕捉卡的輸入源。在一般情況下，攝像機、錄像機等視頻設備均滿足上述標準。采樣頻率在一定范圍內(nèi)可調(diào)，滿足不同場合的需求。2.2.2視頻輸入窗口和顯示窗口視頻輸入窗口是指數(shù)字化后的輸入圖像尺寸。在PAL制式，輸入窗口最大尺寸為768 X 576。在NTCS制式為64 X 480。圖像顯示窗口是指在VAG顯示器上顯示的圖像尺寸，其最大值不能超過輸入圖

9、像窗口。當圖像顯示窗口小于視頻輸入窗口時，有兩種方法可以采用。一種方法是減少視頻輸入窗口的大小，即重新設置起始行、終止行、起始列、終止列。使視頻輸入窗口與圖像顯示窗口相匹配。處理后的結(jié)果顯示的僅是全部輸入圖像的一個局部，這種方法稱為裁剪。另一種方法是采用對視頻輸入窗口采用抽點和抽行的方法減少其大小，即根據(jù)視頻輸入窗口和圖像顯示窗口的相對大小設置縮小比例系數(shù)，處理后的結(jié)果顯示的是縮小的全部輸入圖像，這種方法稱為比例縮小。也可以將兩種方法結(jié)合起來，達到所需要的結(jié)果。2. 3軟件設計本課題中的圖像處理算法均采用Matlab程序語言實現(xiàn)模擬，Matlab提供一個高度集成的、集科學計算、程序設計和可視化

10、歸于一身的。為了設計出實用有效的軟件，必須按照軟件工程的理論，進行充分的分階段的分析和設計。采用模塊化結(jié)構設計，其特點為：1)可修改性。對模塊內(nèi)部的修改，對模塊外部沒有影響；增加或刪除幾個模塊，不影響整個程序；2)可讀性。每個模塊意義和職責明確，模塊間的接口關系清楚，便于用戶和設計人員進行系統(tǒng)代碼的維護；3)驗證性。獨立于其它模塊，可單獨驗證一個模塊的正確性，便于進行調(diào)試。采用模塊化原理使軟件結(jié)構清晰，容易閱讀理解和維護。本系統(tǒng)中，按照算法要求設計了各子程序。3 表面缺陷檢測軟件設計由于本系統(tǒng)是一個完整、實時的缺陷檢測系統(tǒng)，需要系統(tǒng)從原始圖像采集到圖像預處理、閾值選取、分割，再到模式識別，最后

11、到缺陷種類分選整套過程有一個全面、整體的設計。系統(tǒng)主要有以下幾個模塊：圖像實時采集模塊、圖像預處理模塊、閾值選取模塊、圖像測量模塊、缺陷檢測模塊、缺陷識別模塊，其過程如圖4-1所示。圖像實時采集模塊缺陷識別模塊圖像預處理模塊缺陷檢測模塊閾值選取模塊圖像測量模塊 圖3-1 缺陷檢測過程 3. 1圖像實時采集模塊 為了準確、及時獲得圖像的當前狀態(tài)，需要不斷地通過圖像采集卡將CCD攝像系統(tǒng)的圖像信息直接讀取到計算機內(nèi)存，在計算機內(nèi)存中進行其他的后續(xù)處理，如：圖像濾波、圖像測量、缺陷檢測等等。 3. 2圖像預處理模塊為去掉噪聲對圖像的于擾，要將剛采集的圖像數(shù)據(jù)進行預處理，如：去除孤立點、平滑、濾波等；

12、同時，還要對圖像進行灰度調(diào)整，增加對比度，為后續(xù)的圖像處理工作做準備，如圖4-2所示。圖3-2 原始圖像及灰度調(diào)整后圖像經(jīng)過預處理后，圖像的對比度增加，拉伸了圖像灰度，表現(xiàn)在灰度直方圖上0 50 100 150 200 250直方圖直方圖像素值3000250020001500100050000 50 100 150 200 250像素值300025002000150010005000就是峰與峰之間的距離加大，便于選取分割閾值及后續(xù)圖像分割，如圖4-3所示。圖3-3 灰度調(diào)整前及灰度調(diào)整后圖像直方圖3.3 閾值選取模塊灰度值直方圖0 50 100 150 200 2500 50 100 150

13、200 250直方圖像素值6000500040003000200010000像素值6000500040003000200010000灰度值閾值的選取對于分割圖像、提取缺陷信息至關重要，其方法也很多，本系統(tǒng)采取利用圖像的灰度直方圖來選取閾值，如圖4-4所示。圖3-4 濾波前及濾波后的灰度直方圖 3.4 圖像測量模塊與缺陷檢測模塊用于實際實驗獲得實驗數(shù)據(jù)，進而對圖像處理。3.5 缺陷識別模塊經(jīng)過以上處理，從原始圖像中提取出了含有缺陷的圖像信息，得到了目標缺陷。為了把各種不同類型的目標缺陷分類，需要識別出它們之間的不同。根據(jù)缺陷的形狀信息，可以用一組描述特征來表示其特性。選擇區(qū)域描述特征，不但可以減

14、少在區(qū)域中原始數(shù)據(jù)的數(shù)量，而且也有利于區(qū)別帶有不同特性的區(qū)域。同時，這些描述特征對于目標缺陷大小的變化、旋轉(zhuǎn)、平移是不變的。圖4-26 工件表面缺陷分類表示鑒于工件表面缺陷圖像不同特征之間有一定的相關性，為降低識別算法的復雜性，特征識別時采用階層識別的方法。利用二叉樹線性分類器，如圖4-26所示，逐層選用不同的描述特征，選擇描述特征的準則是同種特征值相差最明顯的，保證描述特征具有較大相互獨立性。描述特征的分類閾值由實驗分析和特征分析結(jié)果得到，具體過程如下所述。圖4-27 圓度判斷（1）圓度判斷圓度判斷主要是針對掉角的缺陷，根據(jù)工件的特性，如圖4-27所示，我們采取的方法：首先遍歷圓周，因為背景

15、的灰度值是很低的，可以比較容易將工件和背景分割開，提取出工件的外形；然后計算圓周上各點到圓心的距離，并和半徑比較，如果比半徑小于某一個設定值時，認為該點不在圓周上，如果這樣的點連續(xù)而它們個數(shù)超過掉角缺陷的設定值時，可以認為這個工件是不圓的。如圖4-28所示，半徑的值并不是一條直線，而是一條曲線，甚至有些地方有凹溝，這表明工件本身不圓。我們可以利用這個數(shù)據(jù)曲線可以計算最小半徑、掉角方向和掉角角度。0 20 40 60 80 100圓度判斷弧度X100+10 20 40 60 80 100工件外圓200180160140120100806040200弧度X100+1圓度判斷工件外圓20018016

16、0140120100806040200圖4-28 掃描工件外圓所得的數(shù)據(jù)經(jīng)過運算，可以得到如表4-1數(shù)據(jù)，根據(jù)圓度技術要求，設定合適缺陷閾值，可以把圓度上有缺陷的工件在識別其他種類缺陷之前剔出來。 （2）識別麻坑和掉角麻坑和掉角區(qū)別就是麻坑在工件表面的內(nèi)部，而掉角在工件表面的邊緣。利用不變矩，就可以計算出缺陷區(qū)域的形心坐標，判斷缺陷區(qū)域是否在工件圖像的邊緣，如果在邊緣，則可以確定是掉角；否則，是麻坑。（3）識別刀紋、裂紋和劃痕刀紋一般寬度和長度較大，而且面積也大，不變矩長短徑之比要比裂紋和劃痕小，同時，缺陷區(qū)域的分散度和復雜度較大，綜合利用這幾點就可以確定刀紋。至于裂紋和劃痕，在缺陷區(qū)域本身的

17、形狀上很難區(qū)分。4 總結(jié)通過本次課程設計，對本課程應用于實際生產(chǎn)需求的作用有了更深的了解，同時，對機器視覺的圖像處理技術更加熟練。在該課程設計的系統(tǒng)中具有非接觸、不干擾生產(chǎn)過程的特點，具有很好的實用推廣價值。該系統(tǒng)采用黑白面陣CCD和多通道圖像采集卡采集圖像數(shù)據(jù)，提高了檢測系統(tǒng)的速度并降低了對CCD性能要求，使系統(tǒng)在現(xiàn)有的條件下比較容易實現(xiàn)實時在線檢測；采用自動選取圖像分割閾值，降低了對實時環(huán)境的要求，提高了系統(tǒng)的可推廣性；根據(jù)實際應用的閾值把工件信息從圖像中提取出來并掃描工件在圖像中的位置、尺寸信息，實現(xiàn)了系統(tǒng)的自動測量；利用自動選取的閾值對金屬工件表面的圖像進行二值化分割，再根據(jù)掃描得到的工件信息去除掉工件邊緣的光圈，從而實現(xiàn)各種缺陷的自動提取，為