基于機(jī)器視覺(jué)的表面缺陷檢測(cè)系統(tǒng)設(shè)計(jì)

長(zhǎng)春理工大學(xué)本科畢業(yè)設(shè)計(jì)基于機(jī)器視覺(jué)的表面缺陷檢測(cè)系統(tǒng)設(shè)計(jì)編號(hào)本科生畢業(yè)設(shè)計(jì)基于機(jī)器視覺(jué)的表面缺陷檢測(cè)系統(tǒng)設(shè)計(jì)Surfacedefectdetectionsystemdesignbasedonmachinevision學(xué)生姓名專業(yè)電子信息工程學(xué)號(hào)指導(dǎo)教師學(xué)院電子信息工程學(xué)院二〇一三年六月畢業(yè)設(shè)計(jì)（論文）原創(chuàng)承諾書(shū)1．本人承諾：所呈交的畢業(yè)設(shè)計(jì)（論文）《基于機(jī)器視覺(jué)的表面缺陷檢測(cè)系統(tǒng)設(shè)計(jì)》，是認(rèn)真學(xué)習(xí)理解學(xué)校的《長(zhǎng)春理工大學(xué)本科畢業(yè)設(shè)計(jì)（論文）工作條例》后，在教師的指導(dǎo)下，保質(zhì)保量獨(dú)立地完成了任務(wù)書(shū)中規(guī)定容，不弄虛作假，不抄襲別人的工作內(nèi)容。2．本人在畢業(yè)設(shè)計(jì)（論文）中引用他人的觀點(diǎn)和研究成果，均在文中加以注釋或以參考文獻(xiàn)形式列出，對(duì)本文的研究工作做出重要貢獻(xiàn)的個(gè)人和集體均已在文中注明。3．在畢業(yè)設(shè)計(jì)（論文）中對(duì)侵犯任何方面知識(shí)產(chǎn)權(quán)的行為，由本人承擔(dān)相應(yīng)的法律責(zé)任。4．本人完全了解學(xué)校關(guān)于保存、使用畢業(yè)設(shè)計(jì)（論文）的規(guī)定，即：按照學(xué)校要求提交論文和相關(guān)材料的印刷本和電子版本；同意學(xué)校保留畢業(yè)設(shè)計(jì)（論文）的復(fù)印件和電子版本，允許被查閱和借閱；學(xué)?？梢圆捎糜坝　⒖s印或其他復(fù)制手段保存畢業(yè)設(shè)計(jì)（論文），可以公布其中的全部或部分內(nèi)容。以上承諾的法律結(jié)果將完全由本人承擔(dān)！作者簽名：年月日中文摘要為了不斷提高產(chǎn)品質(zhì)量和生產(chǎn)效率，金屬工件表面缺陷在線自動(dòng)檢測(cè)技術(shù)在生產(chǎn)過(guò)程中顯得日益重要。針對(duì)金屬工件表面的多種缺陷，本文設(shè)計(jì)了一套基于機(jī)器視覺(jué)能夠?qū)崿F(xiàn)對(duì)金屬工件表面缺陷進(jìn)行實(shí)時(shí)在線、無(wú)損傷的自動(dòng)檢測(cè)系統(tǒng)。該系統(tǒng)采用面陣CCD和多通道圖像采集卡作為圖像采集部分，提高了檢測(cè)系統(tǒng)的速度并降低了對(duì)CCD的性能要求，使系統(tǒng)在現(xiàn)有的條件下比較容易實(shí)現(xiàn)實(shí)時(shí)在線檢測(cè)；采用自動(dòng)選取圖像分割閾值，根據(jù)實(shí)際應(yīng)用的閾值把工件信息從圖像中提取出來(lái)并掃描工件圖像中的信息，實(shí)現(xiàn)了系統(tǒng)的自動(dòng)測(cè)量；根據(jù)掃描得到的工件信息去除掉工件邊緣的光圈，利用自動(dòng)選取的閾值對(duì)金屬工件表面的圖像進(jìn)行二值化分割，從而實(shí)現(xiàn)各種缺陷的自動(dòng)提取及識(shí)別。關(guān)鍵詞：機(jī)器視覺(jué)表面缺陷CCD圖像處理缺陷檢測(cè)

AbstractInordertocontinuallypromotethequalityofproductandefficiencyofproduction,theon-lineautomaticinspectiontechnologyofsurfacedefectofmetalworkpiecehasbecomemoreandmoreimportantintheprocessofproduction.Thispaperdesignsanautomaticsystembasedonmachinevision,whichcaninspectsurfacedefectofmetalworkpiecetimelywithoutanydamageonit.Firstly,usingCCDandmulti-channelimageacquisitioncardtoacquireimages,thesystemhasacceleratedtheinspectionspeedandreducedtherequirementsofCCDontheperformancetodothetimelyon-lineinspectionmoreeasilyunderthecurrentcondition;secondly,accordingtothepracticalapplicationofthreshold,thesystemhasusedthesegmentationthresholdofselectinganimageautomaticallytoselecttheworkpieceinformationfromimagesandscanthatinformationtorealizetheautomaticmeasurementofthesystem;finally,thesystemhasremovedtheapertureontheedgeofworkpieceinaccordancewiththeworkpieceinformationofscanandconductedthebinarizationsegmentationontheimageofthemetalworkpiecesurfacebyusingtheautomaticselectionthresholdtoautomaticallyselectandidentifyvarieddefects.Keywords:machinevision;surfacedefect;CCD;imageprocessing;defectinspecting目錄中文摘要 IAbstract 第1章引言 11.1研究背景及意義 11.2國(guó)內(nèi)外研究現(xiàn)狀 1第2章圖像技術(shù)及機(jī)器視覺(jué)簡(jiǎn)介 32.1圖像處理技術(shù) 32.1.1圖像和數(shù)字圖像 32.1.2圖像技術(shù)和圖像工程 32.2數(shù)字圖像處理系統(tǒng) 42.2.1圖像處理和分析系統(tǒng) 42.2.2圖像采集模塊 42.2.3圖像的數(shù)據(jù)編碼和傳輸 52.3機(jī)器視覺(jué)技術(shù) 52.3.1機(jī)器視覺(jué)技術(shù)簡(jiǎn)介 52.3.2機(jī)器視覺(jué)系統(tǒng)的概念、組成及特點(diǎn) 62.4機(jī)器視覺(jué)系統(tǒng)的應(yīng)用及發(fā)展動(dòng)向 72.4.1機(jī)器視覺(jué)檢測(cè)應(yīng)用 72.4.2機(jī)器視覺(jué)系統(tǒng)的發(fā)展動(dòng)向 7第3章系統(tǒng)總體設(shè)計(jì) 93.1CCD攝像頭 93.2圖像采集卡 93.2.1視頻輸入信號(hào)及采樣頻率 103.2.2視頻輸入窗口和顯示窗口 103.3軟件設(shè)計(jì) 10第4章缺陷檢測(cè)軟件設(shè)計(jì) 114.1圖像實(shí)時(shí)采集模塊 114.2圖像預(yù)處理模塊 114.3閾值選取模塊 124.4圖像測(cè)量模塊 124.5缺陷檢測(cè)模塊 194.5.1二值圖像區(qū)域標(biāo)記 214.5.2二值圖像的小區(qū)域消除 224.6缺陷識(shí)別模塊 22第5章實(shí)驗(yàn)結(jié)果及分析 255.1實(shí)驗(yàn)數(shù)據(jù) 255.2實(shí)驗(yàn)分析 26全文總結(jié) 29參考文獻(xiàn) 30致謝 32第1章引言1.1研究背景及意義傳統(tǒng)的產(chǎn)品表面質(zhì)量檢測(cè)主要采用人工檢測(cè)的方法。人工檢測(cè)不僅工作量大，而且易受檢測(cè)人員主觀因素的影響，容易對(duì)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(cè)的效率與精度。近年來(lái)，迅速發(fā)展的以圖像處理技術(shù)為基礎(chǔ)的機(jī)器視覺(jué)技術(shù)恰恰可以解決這一問(wèn)題。機(jī)器視覺(jué)主要是采用計(jì)算機(jī)來(lái)模擬人的視覺(jué)功能，從客觀事物的圖像中提取信息，進(jìn)行處理并加以理解，最終用于實(shí)際檢測(cè)、測(cè)量和控制。基于機(jī)器視覺(jué)技術(shù)的缺陷檢測(cè)系統(tǒng)，由于其非接觸檢測(cè)測(cè)量，具有較高的準(zhǔn)確度、較寬的光譜響應(yīng)范圍，可長(zhǎng)時(shí)間穩(wěn)定工作，節(jié)省大量勞動(dòng)力資源，極大地提高了工作效率?？蓪?duì)工件表面的斑點(diǎn)、凹坑、劃痕、色差、缺損等缺陷進(jìn)行檢測(cè)。所以，人工檢測(cè)難以達(dá)到降低消耗、提高產(chǎn)品質(zhì)量的目的，采用機(jī)器視覺(jué)的表面缺陷檢測(cè)成為迫切需要。針對(duì)這種現(xiàn)狀，課題組決定自行開(kāi)發(fā)工件表面缺陷在線檢測(cè)系統(tǒng)，確保各類缺陷及時(shí)準(zhǔn)確檢出，從根本上解決人工檢測(cè)效率低、精度低的問(wèn)題，同時(shí)，還可以降低原材料消耗、能耗和人力成本，該課題還可以推廣到其他需要表面質(zhì)量檢測(cè)的行業(yè)中，如印刷、包裝等行業(yè)，因此具有重要的實(shí)際應(yīng)用價(jià)值和現(xiàn)實(shí)意義。然而,本課題要對(duì)各種形狀、不同大小的金屬片在線檢測(cè),必然對(duì)檢測(cè)方法和處理速度有很高的要求,圖像處理與模式識(shí)別領(lǐng)域中的許多新算法目前很難應(yīng)用到實(shí)際工程項(xiàng)目中。因此,機(jī)器視覺(jué)技術(shù)在這類在線檢測(cè)任務(wù)中的應(yīng)用,仍然是一個(gè)難題。本論文的目標(biāo)就是以己有的圖像處理理論為基礎(chǔ),通過(guò)大量的實(shí)際實(shí)驗(yàn),設(shè)計(jì)適合本產(chǎn)品表面缺陷檢測(cè)的算法。1.2國(guó)內(nèi)外研究現(xiàn)狀在國(guó)外，機(jī)器視覺(jué)的應(yīng)用主要體現(xiàn)在半導(dǎo)體及電子行業(yè)，其中大概40%-50%都集中在半導(dǎo)體行業(yè)。具體如PCB印刷電路：各類生產(chǎn)印刷電路板組裝技術(shù)、設(shè)備，單、雙面、多層線路板，覆銅板及所需的材料及輔料；輔助設(shè)施以及耗材、油墨、藥水藥劑、配件；電子封裝技術(shù)與設(shè)備；絲網(wǎng)印刷設(shè)備及絲網(wǎng)周邊材料等。再流焊機(jī)、波峰焊機(jī)及自動(dòng)化生產(chǎn)線設(shè)備。電子生產(chǎn)加工設(shè)備：電子元件制造設(shè)備、半導(dǎo)體及集成電路制造設(shè)備、元器件成型設(shè)備、電子工模具。機(jī)器視覺(jué)系統(tǒng)還在質(zhì)量檢測(cè)的各個(gè)方面已經(jīng)得到了廣泛的應(yīng)用，并且其產(chǎn)品在應(yīng)用中占據(jù)著舉足輕重的地位。除此之外，機(jī)器視覺(jué)還用于其他各個(gè)領(lǐng)域。而在中國(guó)，以上行業(yè)本身就屬于新興的領(lǐng)域，再加之機(jī)器視覺(jué)產(chǎn)品技術(shù)的普及不夠，導(dǎo)致以上各行業(yè)的應(yīng)用幾乎空白，即便是有，也只是低端方面的應(yīng)用。目前在我國(guó)隨著配套基礎(chǔ)建設(shè)的完善，技術(shù)、資金的積累、各行各業(yè)對(duì)采用圖像和機(jī)器視覺(jué)技術(shù)的工業(yè)自動(dòng)化、智能化需求開(kāi)始廣泛出現(xiàn)，國(guó)內(nèi)有關(guān)大專院校、研究所和企業(yè)近兩年在圖像和機(jī)器視覺(jué)技術(shù)領(lǐng)域進(jìn)行了積極思索和大膽的嘗試，逐步開(kāi)始了工業(yè)現(xiàn)場(chǎng)的應(yīng)用。其主要應(yīng)用于制藥、印刷、礦泉水瓶蓋檢測(cè)等領(lǐng)域。真正高端的應(yīng)用還很少，因此，以上相關(guān)行業(yè)的應(yīng)用空間還比較大。當(dāng)然，其他領(lǐng)域如指紋檢測(cè)等等領(lǐng)域也有著很好的發(fā)展空間。第2章圖像技術(shù)及機(jī)器視覺(jué)簡(jiǎn)介2.1圖像處理技術(shù)機(jī)器視覺(jué)系統(tǒng)中，視覺(jué)信息的處理技術(shù)主要依賴于圖像處理方法，它包括圖像增強(qiáng)、數(shù)據(jù)編碼和傳輸、平滑、邊緣銳化、分割、特征抽取、圖像識(shí)別與理解等內(nèi)容。經(jīng)過(guò)這些處理后，輸出圖像的質(zhì)量得到相當(dāng)程度的改善，既改善了圖像的視覺(jué)效果，又便于計(jì)算機(jī)對(duì)圖像進(jìn)行分析、處理和識(shí)別。2.1.1圖像和數(shù)字圖像從廣義上說(shuō)，圖像是自然界景物的客觀反映，是人類認(rèn)識(shí)世界和人類本身的重要源泉。圖像對(duì)我們并不陌生。它是用各種觀測(cè)系統(tǒng)以不同形式和手段觀測(cè)客觀世界而獲得的，可以直接或間接作用于人眼并進(jìn)而產(chǎn)生視知覺(jué)的實(shí)體。人的視覺(jué)系統(tǒng)就是一個(gè)觀測(cè)系統(tǒng)，通過(guò)它得到的圖像就是客觀景物在人眼中形成的影像。圖像信息不僅包含光通量分布，而且也還包含人類視覺(jué)的主觀感受。隨著計(jì)算機(jī)技術(shù)的迅速發(fā)展，人們還可以人為地創(chuàng)造出色彩斑斕、千姿百態(tài)的各種圖像?？陀^世界在空間上是三維(3-D)的，但一般從客觀景物得到的圖像是二維(2-D)的。一幅圖像可以用一個(gè)2-D數(shù)組?（x，y）來(lái)表示，這里x和y表示2-D空間XY中一個(gè)坐標(biāo)點(diǎn)的位置，而?代表圖像在點(diǎn)(x，y)的某種性質(zhì)F的數(shù)值。例如常用的圖像一般是灰度圖，這時(shí)?表示灰度值，它常對(duì)應(yīng)客觀景物被觀察到的亮度值。常見(jiàn)圖像是連續(xù)定義的，即?、x、y的值可以是任意實(shí)數(shù)。為了能用數(shù)字計(jì)算機(jī)對(duì)圖像進(jìn)行加工處理，需要把連續(xù)的圖像在坐標(biāo)空間XY和性質(zhì)空間F都進(jìn)行離散化。這種離散化了的圖像就是數(shù)字圖像，可以用I(r，c)來(lái)表示。這里I代表離散化后的?，(r，c)代表離散化后的(x，y)，這里I、e、r的值都是整數(shù)。本文以后主要討論數(shù)字圖象，依據(jù)我們的習(xí)慣用?(x，y)代表數(shù)字圖像，?、x、y都在整數(shù)集合中取值。2.1.2圖像技術(shù)和圖像工程圖像技術(shù)在廣義上是各種與圖像有關(guān)的技術(shù)的總稱。目前人們主要研究的是數(shù)字圖象，主要應(yīng)用的是計(jì)算機(jī)圖像技術(shù)。這包括利用計(jì)算機(jī)和其它電子設(shè)備進(jìn)行和完成的一系列工作，例如圖像的采集、獲取、編碼、存儲(chǔ)和傳輸，圖像的合成和產(chǎn)生，圖像的顯示和輸出，圖像的變換、增強(qiáng)、恢復(fù)（復(fù)原）和重建，圖像的分割，目標(biāo)的檢測(cè)、表達(dá)和描述，特征的提取和測(cè)量，序列圖像的校正，3-D景物的重建復(fù)原，圖像數(shù)據(jù)庫(kù)的建立、索引和抽取，圖像的分類、表示和識(shí)別，圖像模型的建立和匹配，圖像和場(chǎng)景的解釋和理解，以及基于它們的判斷決策和行為規(guī)劃等等。另外，圖像技術(shù)還可包括為完成上述功能而進(jìn)行的硬件設(shè)計(jì)及制作等方面的技術(shù)由于圖像技術(shù)近年來(lái)得到極大的重視和長(zhǎng)足的進(jìn)展，出現(xiàn)了許多新理論、新方法、新算法、新手段、新設(shè)備。圖像工作者普遍認(rèn)為需對(duì)圖像和圖像處理技術(shù)進(jìn)行綜合研究和應(yīng)用，這個(gè)工作的框架就形成了圖像工程。圖像工程學(xué)科是將數(shù)學(xué)、光學(xué)等基礎(chǔ)科學(xué)的原理，結(jié)合在圖像應(yīng)用中積累的技術(shù)經(jīng)驗(yàn)而發(fā)展起來(lái)的。圖像工程的內(nèi)容非常豐富，根據(jù)抽象程度和研究方法等的不同可分為三個(gè)層次：圖象處理、圖象分析和圖像理解。圖象處理著重強(qiáng)調(diào)在圖像之間進(jìn)行的變換。圖象分析則主要是對(duì)圖像中感興趣的目標(biāo)進(jìn)行檢測(cè)和測(cè)量，以獲得它們的客觀信息從而建立對(duì)圖像的描述。圖像理解的重點(diǎn)是在圖象分析的基礎(chǔ)上，進(jìn)一步研究圖像中各目標(biāo)的性質(zhì)和它們之間的相互聯(lián)系，并得出對(duì)圖像內(nèi)容含義的理解以及對(duì)原來(lái)客觀場(chǎng)景的解釋，從而指導(dǎo)和規(guī)劃行為。由上所述，圖象處理、圖象分析和圖像理解是處在三個(gè)抽象程度和數(shù)據(jù)量各有特點(diǎn)的不同層次上。圖象處理是比較低層的操作，它主要在圖像像素級(jí)別上進(jìn)行處理，處理的數(shù)據(jù)量非常大。圖象分析則進(jìn)入了中層，分割和特征提取把原來(lái)以像素描述的圖像轉(zhuǎn)變成比較簡(jiǎn)潔的非圖形式的描述。圖像理解主要是高層操作，基本上是對(duì)從描述抽象出來(lái)的符號(hào)進(jìn)行運(yùn)算，其處理過(guò)程和方法與人類的思維推理可以有許多類似之處。2.2數(shù)字圖像處理系統(tǒng)2.2.1圖像處理和分析系統(tǒng)一個(gè)基本的圖像（處理和分析）系統(tǒng)構(gòu)成的各模塊都有特定的功能，分別是采集、顯示、存儲(chǔ)、通信、處理和分析。為完成各自的功能每個(gè)模塊都需一些特定的設(shè)備。圖像采集可采用CCD的照相機(jī)、帶有視像管的視頻攝像機(jī)和掃描儀等。圖象顯示可用電視顯示器、隨機(jī)讀取陰極射線管和各種打印機(jī)等。圖像存儲(chǔ)可采用磁帶、磁盤(pán)、光盤(pán)和磁光盤(pán)等。圖像通信可借助綜合業(yè)務(wù)網(wǎng)、計(jì)算機(jī)局網(wǎng)，甚至普通電話網(wǎng)等。最后，圖象處理和分析主要是運(yùn)算，所使用的設(shè)備主要是計(jì)算機(jī)。以下對(duì)各模塊的簡(jiǎn)介。2.2.2圖像采集模塊采集數(shù)字圖象需要兩種裝置。一種是對(duì)某個(gè)電磁能量譜波段敏感的物理器件，它能產(chǎn)生與所接受到的電磁能量成正比的模擬電信號(hào)。另一種稱為數(shù)字化器，它能將上述模擬電信號(hào)轉(zhuǎn)化為數(shù)字離散的形式。下面介紹這兩種裝置的常用器件。固態(tài)陣列是由稱為感光基元的離散硅成像元素構(gòu)成的。這樣的感光基元能產(chǎn)生與所接受的輸入光強(qiáng)成正比的輸出電壓。固態(tài)陣列中主要元件是電荷藕合器件CCD。這個(gè)傳感器由一行感光基元，兩個(gè)定時(shí)的將感光基元中的內(nèi)容傳給傳輸寄存器的傳輸門(mén)，以及一個(gè)定時(shí)的將傳輸寄存器中的內(nèi)容傳給放大器的輸出門(mén)構(gòu)成。放大器輸出的電壓信號(hào)與感光基元行的內(nèi)容成比例。電荷藕合平面陣列的工作原理與線陣相似，但感光基元排列成一個(gè)矩陣形式并由傳輸門(mén)和平面掃描圖像顯示模塊的結(jié)果主要用于顯示給人看。對(duì)圖象分析來(lái)說(shuō)，分析的結(jié)果也可以解析系統(tǒng)的主要顯示設(shè)備是電視顯示器。輸入顯示器的圖象也可以通過(guò)硬拷控制。在每個(gè)偏轉(zhuǎn)位置，電子槍束的強(qiáng)度的一種簡(jiǎn)便方法是利用標(biāo)準(zhǔn)輸寄存器隔開(kāi)。先將奇數(shù)列感光基元的內(nèi)容順序送進(jìn)垂直傳輸寄存器，然后再送進(jìn)水平傳輸寄存器。把水平傳輸寄存器的內(nèi)容送進(jìn)放大器就得到1幀隔行的視頻信號(hào)。對(duì)偶數(shù)列感光基元重復(fù)以上過(guò)程就可得到另1幀隔行的視頻信號(hào)。將2幀合起來(lái)就得到隔行掃描電視的1場(chǎng)(?)。現(xiàn)在常用的線掃描CCD一般有512到4096個(gè)象素或更多，而4096X4096個(gè)象素的掃描CCD也已在使用。2.2.3圖像的數(shù)據(jù)編碼和傳輸數(shù)字圖像的數(shù)據(jù)量是相當(dāng)龐大的，一幅512X512個(gè)像素的數(shù)字圖像的數(shù)據(jù)量為256K字節(jié)，若假設(shè)每秒傳輸25幀圖像，則傳輸?shù)男诺浪俾蕿?2.4M比特/秒。高信道速率意味著投資高普及難度。因此，傳輸過(guò)程中，對(duì)圖像數(shù)據(jù)進(jìn)行壓縮顯得非常重要。數(shù)據(jù)的壓縮主要通過(guò)圖像數(shù)據(jù)的編碼和變換壓縮完成。圖像數(shù)據(jù)編碼一般采用預(yù)測(cè)編碼，即將圖像數(shù)據(jù)的空間變化規(guī)律和序列變化規(guī)律用一個(gè)預(yù)測(cè)公式表示，如果知道了某一像素的前面各相鄰像素值之后，可以用公式預(yù)測(cè)該像素值。采用預(yù)測(cè)編碼，一般只需傳輸圖像數(shù)據(jù)的起始值和預(yù)測(cè)誤差，因此可將8比特/像素壓縮到2比特/像素。變換壓縮方法是將整幅圖像分成一個(gè)個(gè)小的(取8X8或16X16)數(shù)據(jù)塊，再將這些數(shù)據(jù)塊分類、變換、量化，從而構(gòu)成自適應(yīng)的變換壓縮系統(tǒng)。該方法可將一幅圖像的數(shù)據(jù)壓縮到為數(shù)不多的幾十個(gè)特傳輸，在接收端再變換回去即可。對(duì)圖像的處理和分析一般可用算法的形式描述，而大多數(shù)的算法可以用軟件實(shí)現(xiàn)，只有在為了提高速度或克服通用計(jì)算機(jī)限制的情況下才用特制的硬件。進(jìn)入90年代尤其是21世紀(jì)后，人們?cè)O(shè)計(jì)了各種與工業(yè)標(biāo)準(zhǔn)總線兼容的可以插入微機(jī)或工作站的圖像卡。這不僅減少了成本，也促進(jìn)了圖象處理和分析專用軟件的發(fā)展。這些圖像卡包括用于圖象數(shù)字化和臨時(shí)存儲(chǔ)的圖像采集卡，用于以視頻速度進(jìn)行算術(shù)和邏輯運(yùn)算的算術(shù)邏輯單元，以及前面提到的幀緩存。圖象處理和分析中的一個(gè)重要事實(shí)是對(duì)特殊的問(wèn)題需要特殊的解決方法。2.3機(jī)器視覺(jué)技術(shù)2.3.1機(jī)器視覺(jué)技術(shù)簡(jiǎn)介機(jī)器視覺(jué)是一個(gè)相當(dāng)新興的研究領(lǐng)域。機(jī)器視覺(jué)發(fā)展到現(xiàn)在已有15年的歷史。機(jī)器視覺(jué)作為一種應(yīng)用系統(tǒng)，其功能特點(diǎn)是隨著工業(yè)自動(dòng)化的發(fā)展而逐漸完善和發(fā)展的。人們從20世紀(jì)50年代開(kāi)始研究二維圖像的統(tǒng)計(jì)模式識(shí)別，60年代Roberts始進(jìn)行三維機(jī)器視覺(jué)的研究，70年代中，MIT人工智能實(shí)驗(yàn)室正式開(kāi)設(shè)機(jī)器視覺(jué)課程，80年代開(kāi)始，開(kāi)始了全球性的研究熱潮，機(jī)器視覺(jué)獲得了蓬勃發(fā)展，新概念、新理論不斷涌現(xiàn)。2.3.2機(jī)器視覺(jué)系統(tǒng)的概念、組成及特點(diǎn)機(jī)器視覺(jué)是將圖像處理、計(jì)算機(jī)圖形學(xué)、模式識(shí)別、計(jì)算機(jī)技術(shù)、人工智能等眾多學(xué)科高度集成和有機(jī)結(jié)合，而形成的一門(mén)綜合性的技術(shù)。一般地說(shuō)，機(jī)器視覺(jué)是研究計(jì)算機(jī)或其他處理器模擬生物宏觀視覺(jué)功能的科學(xué)和技術(shù)，也就是用機(jī)器代替人眼來(lái)做測(cè)量和判斷。機(jī)器視覺(jué)系統(tǒng)的組成如圖2-1。有照明部分、圖像獲取部分、圖像顯示部分和圖像處理部分。一般采用CCD攝像頭攝取檢測(cè)圖像并轉(zhuǎn)化為數(shù)字信號(hào)，再對(duì)圖像數(shù)字信號(hào)進(jìn)行處理，從而得到所需要的各種目標(biāo)圖像特征值，并由此實(shí)現(xiàn)模式識(shí)別、坐標(biāo)計(jì)算、灰度分布圖等多種功能。然后再根據(jù)其結(jié)果顯示圖像，輸出數(shù)據(jù)，發(fā)出指令，配合執(zhí)行機(jī)構(gòu)完成位置調(diào)整，好壞篩選，數(shù)據(jù)統(tǒng)計(jì)等自動(dòng)化流程。成像系統(tǒng)光源主機(jī)視覺(jué)系統(tǒng)場(chǎng)景圖像成像系統(tǒng)光源主機(jī)視覺(jué)系統(tǒng)場(chǎng)景圖像描述反饋圖2-1機(jī)器視覺(jué)系統(tǒng)構(gòu)成機(jī)器視覺(jué)系統(tǒng)的特點(diǎn)是提高生產(chǎn)的柔性和自動(dòng)化程度。在一些不適合于人工作業(yè)的危險(xiǎn)工作環(huán)境或人工視覺(jué)難以滿足要求的場(chǎng)合，常用機(jī)器視覺(jué)來(lái)替代人工視覺(jué)；同時(shí)在大批量工業(yè)生產(chǎn)過(guò)程中，用人工視覺(jué)檢查產(chǎn)品質(zhì)量效率低且精度不高，用機(jī)器視覺(jué)檢測(cè)方法可以大大提高生產(chǎn)效率和生產(chǎn)的自動(dòng)化程度。而且機(jī)器視易于實(shí)現(xiàn)信息集成，是實(shí)現(xiàn)計(jì)算機(jī)集成制造的基礎(chǔ)技術(shù)。因此，在現(xiàn)代自動(dòng)化生產(chǎn)過(guò)程中，人們將機(jī)器視覺(jué)系統(tǒng)廣泛地用于工況監(jiān)視、成品檢驗(yàn)和質(zhì)量控制等領(lǐng)域。有不少學(xué)科的研究目標(biāo)與機(jī)器視覺(jué)相近或者相關(guān)，這些學(xué)科中包括圖像處理、模式識(shí)別或圖像識(shí)別、圖像理解等。由于歷史發(fā)展或領(lǐng)域本身的特點(diǎn)，這些學(xué)科有某種程度的相互重疊。但是，機(jī)器視覺(jué)與其他學(xué)科又有著一定的區(qū)別，其特點(diǎn)是：1、綜合技術(shù)機(jī)器視覺(jué)是一項(xiàng)綜合技術(shù)，其中包括數(shù)字圖像處理技術(shù)、機(jī)械工程技術(shù)、控制技術(shù)、電光源照明技術(shù)、光學(xué)成像技術(shù)、傳感器技術(shù)、模擬與數(shù)字視頻技術(shù)、計(jì)算機(jī)軟硬件技術(shù)、人機(jī)接口技術(shù)等。這些技術(shù)在機(jī)器視覺(jué)中是并列關(guān)系，相互協(xié)調(diào)應(yīng)用才能構(gòu)成一個(gè)成功的工業(yè)機(jī)器視覺(jué)應(yīng)用系統(tǒng)2、強(qiáng)調(diào)工業(yè)可靠性機(jī)器視覺(jué)強(qiáng)調(diào)工業(yè)現(xiàn)場(chǎng)環(huán)境下的可靠性，要求能夠適應(yīng)工業(yè)生產(chǎn)中惡劣的環(huán)境，有較高的容錯(cuò)能力和安全性，不會(huì)破壞工業(yè)產(chǎn)品。3、強(qiáng)調(diào)實(shí)用性機(jī)器視覺(jué)強(qiáng)調(diào)實(shí)用性，要求有合理的性價(jià)比，要有通用的工業(yè)接口，能夠由普通工作來(lái)操作，必須有較強(qiáng)的通用性和可移植性。4、要求高速度和高精度由于機(jī)器視覺(jué)通常要求高速度和高精度，數(shù)字圖像處理中的許多新算法目前還難以應(yīng)用。因此，機(jī)器視覺(jué)技術(shù)在工業(yè)生產(chǎn)中的實(shí)際應(yīng)用速度遠(yuǎn)遠(yuǎn)滯后于圖像處理理論的發(fā)展速度。2.4機(jī)器視覺(jué)系統(tǒng)的應(yīng)用及發(fā)展動(dòng)向2.4.1機(jī)器視覺(jué)檢測(cè)應(yīng)用機(jī)器視覺(jué)系統(tǒng)在高速、細(xì)微和重復(fù)的制造過(guò)程中顯得非?？煽?，因此被廣泛用于加工制造企業(yè)，完成大批量生產(chǎn)過(guò)程中的重復(fù)性檢測(cè)任務(wù)。機(jī)器視覺(jué)在質(zhì)量檢測(cè)方面的應(yīng)用占整個(gè)工業(yè)應(yīng)用的近80%，其中最大的應(yīng)用行業(yè)為：汽車(chē)、制藥、電子與電氣、制造、包裝、食品、飲料等。機(jī)器視覺(jué)檢測(cè)是非接觸無(wú)損檢測(cè)，與傳統(tǒng)的檢測(cè)手段相比，它具有不可替代的優(yōu)越性，因而得到了廣泛的應(yīng)用。利用線陣CCD配合包裝盒的一維運(yùn)動(dòng)獲取目標(biāo)圖像，然后由計(jì)算機(jī)對(duì)圖像進(jìn)行處理，可以檢測(cè)日期編號(hào)等信息的遺漏和正確與否；以頻閃光作為照明光源，利用面陣或者線陣CDC作為螺紋鋼外形輪廓尺寸的探測(cè)器件，實(shí)現(xiàn)熱軋螺紋鋼幾何參數(shù)在線測(cè)量；在各種產(chǎn)品表面缺陷檢測(cè)方面應(yīng)用也很多。2.4.2機(jī)器視覺(jué)系統(tǒng)的發(fā)展動(dòng)向近年來(lái)計(jì)算機(jī)視覺(jué)(即機(jī)器視覺(jué))的發(fā)展大致表現(xiàn)在以下三個(gè)方面：1、基于幾何方法的計(jì)算機(jī)視覺(jué)計(jì)算理論體系已臻于完整計(jì)算機(jī)視覺(jué)的研究目標(biāo)之一是使機(jī)器能感知三維環(huán)境中物體的幾何信息，包括它的形狀、位置、姿態(tài)、運(yùn)動(dòng)等。20世紀(jì)90年代中期以來(lái)，計(jì)算機(jī)視覺(jué)界將對(duì)應(yīng)與射影幾何、仿射幾何、歐幾里得幾何的描述，系統(tǒng)地引進(jìn)視覺(jué)計(jì)算方法中，比較完美地對(duì)應(yīng)為視覺(jué)系統(tǒng)中對(duì)物體由粗到細(xì)的描述，在計(jì)算機(jī)視覺(jué)系統(tǒng)中降低了對(duì)攝像系統(tǒng)參數(shù)了解的要求，提高了系統(tǒng)對(duì)噪聲的魯棒性。2、機(jī)器學(xué)習(xí)方法受到越來(lái)越多的關(guān)注模式識(shí)別的所有領(lǐng)域始終存在基于結(jié)構(gòu)與基于統(tǒng)計(jì)的兩大分支。如果說(shuō)基于幾何的計(jì)算機(jī)視覺(jué)主要通過(guò)幾何，描述物體及其運(yùn)動(dòng)的三維結(jié)構(gòu)，屬于結(jié)構(gòu)方法，已得到較系統(tǒng)的研究；而在計(jì)算機(jī)視覺(jué)中的統(tǒng)計(jì)方法除較好地用于圖像的底層處理外，一直顯得不完善更不用說(shuō)系統(tǒng)化了。3、針對(duì)眾多特定領(lǐng)域的應(yīng)用研究不斷深入，較大規(guī)模的應(yīng)用系統(tǒng)逐步走向商業(yè)化隨著當(dāng)前計(jì)算機(jī)的性能價(jià)格比飛速提高，眾多特定領(lǐng)域的計(jì)算機(jī)實(shí)時(shí)應(yīng)用系統(tǒng)的商業(yè)化已成為可能。如利用指紋、虹膜、人臉、語(yǔ)音等識(shí)別技術(shù)、行為識(shí)別技術(shù)與運(yùn)動(dòng)跟蹤技術(shù)、多攝像機(jī)融合技術(shù)構(gòu)成視覺(jué)監(jiān)測(cè)系統(tǒng)，用于信息安全、智能交通、反恐防盜、身份鑒別等。第3章系統(tǒng)總體設(shè)計(jì)本系統(tǒng)是由CCD攝像頭、照明系統(tǒng)、圖像采集卡、機(jī)械裝置、主控計(jì)算機(jī)等部件組成，圖3-1為系統(tǒng)結(jié)構(gòu)圖。其工作過(guò)程是：首先將工件送到CCD攝像頭視場(chǎng)內(nèi)；然后由成像系統(tǒng)和圖像采集卡將圖像采集到計(jì)算機(jī)內(nèi)部；運(yùn)用圖像處理技術(shù)對(duì)采集到的原始圖像進(jìn)行預(yù)處理以改善圖像質(zhì)量，從中提取感興趣的特征量；最后運(yùn)用模式識(shí)別技術(shù)對(duì)取到得特征量進(jìn)行分類整理以完成系統(tǒng)的檢測(cè)。下面分別介紹系統(tǒng)的各部分的組成及工作原理。1234561、CCD攝像頭及照明系統(tǒng)2、圖像采集卡3、主控計(jì)算機(jī)4、分類機(jī)構(gòu)5、工件6、傳送裝置圖3-1機(jī)器視覺(jué)系統(tǒng)結(jié)構(gòu)圖3.1CCD攝像頭CCD是一種半導(dǎo)體成像器件，具有靈敏度高、抗強(qiáng)光、畸變小、體積小、壽命長(zhǎng)，抗震動(dòng)等優(yōu)點(diǎn)。本系統(tǒng)采用的是國(guó)產(chǎn)MTV-1881EX型號(hào)的黑白攝像頭，它的工作方式是將被攝物體的圖像經(jīng)過(guò)鏡頭聚焦到CCD芯片上，CCD根據(jù)光的強(qiáng)弱積累相應(yīng)比例的電荷，各個(gè)像素積累的電荷在視頻時(shí)序的控制下，逐點(diǎn)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(hào)輸出。3.2圖像采集卡本系統(tǒng)采用的是大恒PCI-XR視頻捕捉卡，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(huà)面流暢不間斷；顯示分辨率640X480。動(dòng)態(tài)捕捉影像以靜態(tài)圖像方式存盤(pán)，提供BMP，JPG，TIP，TGA等多種存盤(pán)格式。其工作原理如圖3-2所示：復(fù)合視頻輸入復(fù)合視頻輸入4復(fù)合視頻輸入1復(fù)合視頻輸入2復(fù)合視頻輸入3A/DA/DPCI卡系統(tǒng)內(nèi)存圖3-2VIDEO-PCI-XR圖像采集片工作原理四路復(fù)合視頻輸入經(jīng)多路開(kāi)關(guān)，軟件選擇其中一路作為當(dāng)前輸入，輸出到A/D進(jìn)行模/數(shù)變換，數(shù)字化的圖像信號(hào)經(jīng)各種圖像處理后，利用PCI總線，傳到VAG卡顯示或計(jì)算機(jī)內(nèi)存存儲(chǔ)。由于要檢測(cè)工件的兩個(gè)表面，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(chǎng)合的需求。3.2.1視頻輸入信號(hào)及采樣頻率凡符合PAL制式(625行，50場(chǎng)/秒)和NTSC制式(525行，60場(chǎng)/秒)的視頻設(shè)備輸出的圖像信號(hào)均可作為該視頻捕捉卡的輸入源。在一般情況下，攝像機(jī)、錄像機(jī)等視頻設(shè)備均滿足上述標(biāo)準(zhǔn)。采樣頻率在一定范圍內(nèi)可調(diào)，滿足不同場(chǎng)合的需求。3.2.2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768X576。在NTCS制式為64X480。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(guò)輸入圖像窗口。當(dāng)圖像顯示窗口小于視頻輸入窗口時(shí)，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(shè)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(gè)局部，這種方法稱為裁剪。另一種方法是采用對(duì)視頻輸入窗口采用抽點(diǎn)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(duì)大小設(shè)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(lái)，達(dá)到所需要的結(jié)果。3.3軟件設(shè)計(jì)本課題中的圖像處理算法均采用Matlab程序語(yǔ)言實(shí)現(xiàn)模擬，Matlab提供一個(gè)高度集成的、集科學(xué)計(jì)算、程序設(shè)計(jì)和可視化歸于一身的。為了設(shè)計(jì)出實(shí)用有效的軟件，必須按照軟件工程的理論，進(jìn)行充分的分階段的分析和設(shè)計(jì)。采用模塊化結(jié)構(gòu)設(shè)計(jì)，其特點(diǎn)為：1)可修改性。對(duì)模塊內(nèi)部的修改，對(duì)模塊外部沒(méi)有影響；增加或刪除幾個(gè)模塊，不影響整個(gè)程序；2)可讀性。每個(gè)模塊意義和職責(zé)明確，模塊間的接口關(guān)系清楚，便于用戶和設(shè)計(jì)人員進(jìn)行系統(tǒng)代碼的維護(hù)；3)驗(yàn)證性。獨(dú)立于其它模塊，可單獨(dú)驗(yàn)證一個(gè)模塊的正確性，便于進(jìn)行調(diào)試。采用模塊化原理使軟件結(jié)構(gòu)清晰，容易閱讀理解和維護(hù)。本系統(tǒng)中，按照算法要求設(shè)計(jì)了各子程序。第4章缺陷檢測(cè)軟件設(shè)計(jì)由于本系統(tǒng)是一個(gè)完整、實(shí)時(shí)的缺陷檢測(cè)系統(tǒng)，需要系統(tǒng)從原始圖像采集到圖像預(yù)處理、閾值選取、分割，再到模式識(shí)別，最后到缺陷種類分選整套過(guò)程有一個(gè)全面、整體的設(shè)計(jì)。系統(tǒng)主要有以下幾個(gè)模塊：圖像實(shí)時(shí)采集模塊、圖像預(yù)處理模塊、閾值選取模塊、圖像測(cè)量模塊、缺陷檢測(cè)模塊、缺陷識(shí)別模塊，其過(guò)程如圖4-1所示。圖像實(shí)時(shí)采集模塊缺陷識(shí)別模塊圖像實(shí)時(shí)采集模塊缺陷識(shí)別模塊圖像預(yù)處理模塊缺陷檢測(cè)模塊閾值選取模塊圖像測(cè)量模塊圖4-1缺陷檢測(cè)過(guò)程4.1圖像實(shí)時(shí)采集模塊為了準(zhǔn)確、及時(shí)獲得圖像的當(dāng)前狀態(tài)，需要不斷地通過(guò)圖像采集卡將CCD攝像系統(tǒng)的圖像信息直接讀取到計(jì)算機(jī)內(nèi)存，在計(jì)算機(jī)內(nèi)存中進(jìn)行其他的后續(xù)處理，如：圖像濾波、圖像測(cè)量、缺陷檢測(cè)等等。4.2圖像預(yù)處理模塊為去掉噪聲對(duì)圖像的于擾，要將剛采集的圖像數(shù)據(jù)進(jìn)行預(yù)處理，如：去除孤立點(diǎn)、平滑、濾波等；同時(shí)，還要對(duì)圖像進(jìn)行灰度調(diào)整，增加對(duì)比度，為后續(xù)的圖像處理工作做準(zhǔn)備，如圖4-2所示。圖4-2原始圖像及灰度調(diào)整后圖像經(jīng)過(guò)預(yù)處理后，圖像的對(duì)比度增加，拉伸了圖像灰度，表現(xiàn)在灰度直方圖上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。050100150200250050100150200250直方圖直方圖像素值300025002000150010005000050100150200250像素值300025002000150010005000圖4-3灰度調(diào)整前及灰度調(diào)整后圖像直方圖4.3閾值選取模塊閾值的選取對(duì)于分割圖像、提取缺陷信息至關(guān)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(lái)選取閾值，如圖4-4所示?；叶戎祷叶戎抵狈綀D050100150200250050100150200250直方圖像素值6000500040003000200010000像素值6000500040003000200010000灰度值圖4-4濾波前及濾波后的灰度直方圖4.4圖像測(cè)量模塊（1）工件尺寸和位置測(cè)量根據(jù)閾值選取模塊所計(jì)算的閾值分割圖像，將圖像二值化處理，便于圖像整體信息的掃描，如圖4-5所示。圖4-5圖像位置信息掃描圖4-6掃描示意圖由圖4-6所示，可列：那么，可得到工件的圓心坐標(biāo)，其曲線分別如圖5-7所示。01002003004005006007008000100200300400500600700800圖像寬（Y）圖像數(shù)據(jù)圖像高（X）60050040030020010000100200300400500600700800圖像數(shù)據(jù)圖像寬（Y）圖像高（X）6005004003002001000圖4-7x坐標(biāo)數(shù)據(jù)曲線和y坐標(biāo)數(shù)據(jù)曲線由于在實(shí)際圖像中存在噪聲或者其他干擾，圖像的背景并不是理想的那種單純灰度級(jí)，所以在對(duì)整幅圖像進(jìn)行逐個(gè)像素掃描時(shí)，所檢測(cè)到的圖像信息也會(huì)存在干擾信息，即存在粗大誤差，在圖4-7中可以比較直觀地顯現(xiàn)。一旦發(fā)現(xiàn)含有粗大誤差的測(cè)量值，應(yīng)將其從測(cè)量結(jié)果中剔出。設(shè)被測(cè)量的真值為，一系列測(cè)得值為，則測(cè)量列中的隨機(jī)誤差為式中正態(tài)分布的分布密度為：式中——標(biāo)準(zhǔn)差（或均方根誤差）；-1-0.500.512.521.510.50-0.5-1-0.500.512.521.510.50-0.5圖4-8隨機(jī)誤差分布曲線由此可知：值愈小，則的指數(shù)的絕對(duì)值愈大，因而減小得愈快，即曲線變陡。而值愈小，在前面的系數(shù)值變大，即對(duì)應(yīng)于誤差為零（=0）的縱坐標(biāo)也大，曲線變高。反之，愈大，減小愈慢，曲線平坦，同時(shí)對(duì)應(yīng)于誤差為零的縱坐標(biāo)也小，曲線變低。圖4-8中三個(gè)測(cè)量列所得的分布曲線不同，其標(biāo)準(zhǔn)差也不相同，且。在等精度測(cè)量列中，單次測(cè)量的標(biāo)準(zhǔn)差按下式計(jì)算：式中——測(cè)量次數(shù)(應(yīng)充分大)；——測(cè)得值與被測(cè)量的真值之差；——測(cè)得值；——測(cè)得值的殘余誤差(簡(jiǎn)稱殘差)；——測(cè)得值的平均值。為了把掃描到的粗大誤差去除掉，采用3準(zhǔn)則來(lái)判斷每個(gè)檢測(cè)數(shù)據(jù)是否是存在誤差。即>30100200300400500600700800圖像數(shù)據(jù)圖像寬（X）圖像高（Y）6005004003002000100200300400500600700800圖像數(shù)據(jù)圖像寬（X）圖像高（Y）6005004003002001000圖像寬（X）0100200300400500600700800圖像數(shù)據(jù)圖像高（Y）6005004003002001000圖4-9經(jīng)過(guò)剔出誤差后的x坐標(biāo)數(shù)據(jù)曲線和y坐標(biāo)數(shù)據(jù)曲線圖4-10半徑計(jì)算由圓心坐標(biāo)，再結(jié)合去除粗大誤差后掃描數(shù)據(jù)就可以計(jì)算工件的半徑大小，如圖4-10所示、在x方向上其中，為圖像的高度，為的個(gè)數(shù)；在方向上圖像高0100200300400500600700800X方向計(jì)算的半徑大小半徑大小600500400300圖像高0100200300400500600700800X方向計(jì)算的半徑大小半徑大小6005004003002001000圖像高0100200300400500600700800Y方向計(jì)算的半徑大小半徑大小6005004003002001000圖4-11x方向和y方向上的半徑數(shù)據(jù)曲線圖4-11中的數(shù)據(jù)曲線就是x方向和y方向的上的半徑數(shù)據(jù)線，兩個(gè)方向上的半徑大小基本一致，如果有一定的相差，需要及時(shí)調(diào)整攝像頭，使攝像角度垂直工件表面。（2）圓環(huán)和圓片的判斷圖像寬（X）0100200300400500600700800圖像寬（X）0100200300400500600700800經(jīng)過(guò)圓心掃描的原始圖像數(shù)據(jù)灰度值300250200150100500圖像寬（X）0100200300400500600700800經(jīng)過(guò)閾值分割之后灰度值6005004003002001000圖4-12圓環(huán)圖像寬（X）圖像寬（X）0100200300400500600700800經(jīng)過(guò)圓心掃描的原始圖像數(shù)據(jù)灰度值300250200150100500圖像寬（X）0100200300400500600700800經(jīng)過(guò)閾值分割之后灰度值6005004003002001000圖4-13圓片圖4-12是圓環(huán)形工件經(jīng)過(guò)圓心水平掃描的原始圖像數(shù)據(jù)和閾值分割后的圖像數(shù)據(jù)；圖4-13是圓片形工件經(jīng)過(guò)圓心水平掃描的原始圖像數(shù)據(jù)和閾值分割后的圖像數(shù)據(jù)。從圖4-12和圖4-1可以看出，如果所檢測(cè)的工件是圓環(huán)形，則在圓心左右會(huì)有明顯的間斷；如果是圓片形，則在圓心左右沒(méi)有明顯的間斷。如圖4-14所示，具體檢測(cè)過(guò)程如下：圖4-14掃描示意圖首先，如圖4-14所示，以工件圓心為極坐標(biāo)系原點(diǎn)隨著極半徑和極角從小到大逐個(gè)掃描每個(gè)像素點(diǎn)，極半徑的范圍是從到工件的外徑，極角的范圍是從到；掃描時(shí)，由于圖像相當(dāng)于一個(gè)矩陣，需要將極坐標(biāo)系轉(zhuǎn)化為直角坐標(biāo)系，其轉(zhuǎn)換公式為在轉(zhuǎn)化到圖像矩陣中，為其中，和分別是工件圓心的橫坐標(biāo)和縱坐標(biāo)。其次，當(dāng)逐個(gè)掃描每個(gè)像素遇到灰度突變時(shí)，記錄極半徑產(chǎn)的大小和極角的角度：按弧度計(jì)算的內(nèi)圓半徑大小按弧度計(jì)算的內(nèi)圓半徑大小020406080100弧度按弧度計(jì)算的內(nèi)圓半徑大小半徑大小200180160140120100806040200弧度020406080100半徑大小200180160140120100806040200圖4-15去除誤差前、后內(nèi)徑數(shù)據(jù)曲線最后，掃描完畢，得到的其數(shù)據(jù)曲線如圖4-15左圖所示；將掃描到的數(shù)據(jù)進(jìn)行處理，去除偏差比較大的數(shù)據(jù)，其數(shù)據(jù)曲線如圖4-15右圖所示；計(jì)算出圓環(huán)的內(nèi)徑大小。（3）光圈計(jì)算圖4-16去除光圈在檢測(cè)過(guò)程中，由于工件的邊緣反射，一部分光源的光進(jìn)入攝像系統(tǒng)，形成光圈，如4-16所示，影響了檢測(cè)圖像。為了在實(shí)際應(yīng)用中得到比較理想的圖像數(shù)據(jù)，而且又有利于后續(xù)的圖像處理，必須把光圈去掉。圖4-17光圈掃描示意圖其掃描過(guò)程如下：首先，如圖4-17所示，以工件圓心為極坐標(biāo)系原點(diǎn)隨著極半徑和極角從小到大逐個(gè)掃描每個(gè)像素點(diǎn)，極半徑的范圍是從內(nèi)徑到工件的外徑，極角的范圍是從到掃描時(shí)，由于圖像相當(dāng)于一個(gè)矩陣，需要將極坐標(biāo)系轉(zhuǎn)化為直角坐標(biāo)系，其轉(zhuǎn)換公式為在轉(zhuǎn)化到圖像矩陣中，為其中，和分別是工件圓心的橫坐標(biāo)和縱坐標(biāo)。根據(jù)圓環(huán)和圓片的判斷結(jié)果來(lái)確定是掃描圓環(huán)還是圓片，如果是圓環(huán)就要從小于工件內(nèi)環(huán)半徑的區(qū)域開(kāi)始掃描，一直掃描到工件外徑外的區(qū)域；如果是圓片，就以根據(jù)該工件的外徑大小，只從外徑內(nèi)的區(qū)域掃描到外徑外的區(qū)域，根據(jù)所檢測(cè)的工件形狀適當(dāng)減小運(yùn)算量，提高圖像的處理速度。其次，當(dāng)逐個(gè)掃描每個(gè)像素遇到第一次灰度突變時(shí)，記錄下極半徑的大小和極角的角度；當(dāng)遇到第二次灰度突變時(shí)，記錄下極半徑的大小和極角的角度；當(dāng)遇到第三次灰度突變時(shí)，記錄下極半徑的大小和極角的角度；當(dāng)遇到第四次灰度突時(shí)，記錄下極半徑的大小和極角的角度；當(dāng)，極半徑的大小增大到所檢測(cè)工件的外徑大小時(shí)，停止該角度方向的繼續(xù)掃描。由此，可得到此角度方向上的內(nèi)光圈和外光圈的寬度為：如果所檢測(cè)的工件為圓片，遇到第二次灰度突變之后，當(dāng)極半徑的大小增大到所檢測(cè)工件的外徑大小時(shí)，停止該灰度方向的繼續(xù)掃描二可得到此角度方向上的內(nèi)光圈和外光圈的寬度為：另外，由于在同一個(gè)方向，即。掃描內(nèi)外光圈所得數(shù)據(jù)曲線如圖4-18所示。01002003004005006000100200300400500600極坐標(biāo)半徑灰度值6005004003002001000圖4-18工件內(nèi)光圈和外光圈寬度掃描曲線檢測(cè)圖像經(jīng)過(guò)圖像預(yù)處理、去除光圈，選取合適的閾值對(duì)所得到的圖像數(shù)據(jù)進(jìn)行分割，再通過(guò)膨脹和腐蝕，就可以把圖像的缺陷信息提取出來(lái)，如圖4-19所示。只有把圖像的缺陷信息提取出來(lái)之后，我們才能對(duì)缺陷信息進(jìn)行測(cè)量和形態(tài)識(shí)別。圖4-19閾值分割及反色后圖像4.5缺陷檢測(cè)模塊對(duì)缺陷進(jìn)行檢測(cè)，首先必須確定經(jīng)過(guò)處里后的圖像是否有缺陷，如果沒(méi)有，則工件無(wú)缺陷。如果有缺陷，則缺陷是否是獨(dú)立的缺陷，圖像中有幾個(gè)缺陷，需要對(duì)不同的缺陷進(jìn)行標(biāo)識(shí)。設(shè)有一幅已經(jīng)分割出的二值圖像，如圖4-20所示，圖中A代表缺陷，0代表背景，規(guī)定用4連通準(zhǔn)則加標(biāo)記。由于掃描有一定的次序，對(duì)任一點(diǎn)來(lái)說(shuō)，當(dāng)前點(diǎn)的左前一點(diǎn)和上一點(diǎn)必然是已經(jīng)掃描過(guò)了的點(diǎn)，在掃描過(guò)程中遇到缺陷上一點(diǎn)P，則其上點(diǎn)及左點(diǎn)必然是已經(jīng)標(biāo)記過(guò)了的點(diǎn)，對(duì)P點(diǎn)加標(biāo)記的方法是由左點(diǎn)及上點(diǎn)來(lái)確定的，主要有下面幾種不同的情況，如下所示。(a)當(dāng)左前一點(diǎn)和上一點(diǎn)皆為背景0，則P點(diǎn)加新標(biāo)記；(b)當(dāng)左前一點(diǎn)和上一點(diǎn)有一個(gè)為0，另一個(gè)為已加標(biāo)記，則點(diǎn)P和已加標(biāo)記的鄰點(diǎn)加上相同的標(biāo)記；(c)當(dāng)左前一點(diǎn)和上一點(diǎn)兩個(gè)鄰點(diǎn)皆為已加標(biāo)記，則P點(diǎn)標(biāo)記與左點(diǎn)標(biāo)記相同。圖4-20原圖像根據(jù)上面的三原則，在第一次掃描后所有的缺陷上皆已加標(biāo)記，如圖4-21所示，標(biāo)記以此為1，2，3，4，，這是圖像中的同一缺陷可能有幾種不同的標(biāo)記，因此需要第二次掃描，來(lái)把同一缺陷上的標(biāo)記統(tǒng)一起來(lái)，只要是4連通的都屬于同一缺陷，其標(biāo)記都應(yīng)該為一致，如圖4-22所示。圖4-21圖像掃描示意圖圖4-22圖像標(biāo)記示意圖4.5.1二值圖像區(qū)域標(biāo)記在二值圖像中，相互連接的白像素或黑像素的集合成為一個(gè)區(qū)域，通過(guò)對(duì)圖像內(nèi)每個(gè)區(qū)域進(jìn)行標(biāo)記操作，求得區(qū)域的數(shù)目。由于處理前的圖像是二值的，像素值只有0和1，所以處理后每個(gè)像素的值即為其所處理區(qū)域的區(qū)域標(biāo)號(hào)(1，2，3，…，)。連接性8連通，如圖4-23所示，圖中有A、B、C三個(gè)不連通的缺陷。圖4-23缺陷標(biāo)識(shí)經(jīng)過(guò)處理過(guò)程后，就可以得到標(biāo)記后的缺陷圖像，如圖4-24所示。圖4-24缺陷標(biāo)識(shí)4.5.2二值圖像的小區(qū)域消除通過(guò)對(duì)圖像內(nèi)每個(gè)標(biāo)記操作的區(qū)域進(jìn)行計(jì)算，求得總區(qū)域的數(shù)目，同時(shí)求得每個(gè)區(qū)域的像素個(gè)數(shù)。當(dāng)二值圖像的某區(qū)域面積(像素?cái)?shù))在閾值以下時(shí)則消去該區(qū)域，全部置為0，由此得到新圖像，如圖4-25。圖4-25去除小面積區(qū)域4.6缺陷識(shí)別模塊經(jīng)過(guò)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(biāo)缺陷。為了把各種不同類型的目標(biāo)缺陷分類，需要識(shí)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(lái)表示其特性。選擇區(qū)域描述特征，不但可以減少在區(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(shí)，這些描述特征對(duì)于目標(biāo)缺陷大小的變化、旋轉(zhuǎn)、平移是不變的。缺陷圖像掉角其他缺陷掉角或麻坑刀紋、裂紋或劃痕掉角麻坑刀紋裂紋或劃痕圖4-26工件表面缺陷分類二義樹(shù)表示鑒于工件表面缺陷圖像不同特征之間有一定的相關(guān)性，為降低識(shí)別算法的復(fù)雜性，特征識(shí)別時(shí)采用階層識(shí)別的方法。利用二叉樹(shù)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(zhǔn)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(dú)立性。描述特征的分類閾值由實(shí)驗(yàn)分析和特征分析結(jié)果得到，具體過(guò)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(duì)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?yàn)楸尘暗幕叶戎凳呛艿偷模梢员容^容易將工件和背景分割開(kāi)，提取出工件的外形；然后計(jì)算圓周上各點(diǎn)到圓心的距離，并和半徑比較，如果比半徑小于某一個(gè)設(shè)定值時(shí)，認(rèn)為該點(diǎn)不在圓周上，如果這樣的點(diǎn)連續(xù)而它們個(gè)數(shù)超過(guò)掉角缺陷的設(shè)定值時(shí)，可以認(rèn)為這個(gè)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(gè)數(shù)據(jù)曲線可以計(jì)算最小半徑、掉角方向和掉角角度。020406080100020406080100圓度判斷弧度X100+1020406080100工件外圓200180160140120100806040200弧度X100+1圓度判斷工件外圓200180160140120100806040200圖4-28掃描工件外圓所得的數(shù)據(jù)經(jīng)過(guò)運(yùn)算，可以得到如表4-1數(shù)據(jù)，根據(jù)圓度技術(shù)要求，設(shè)定合適缺陷閾值，可以把圓度上有缺陷的工件在識(shí)別其他種類缺陷之前剔出來(lái)。表4-1圓度判斷數(shù)據(jù)（2）識(shí)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(jì)算出缺陷區(qū)域的形心坐標(biāo)，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(shí)別刀紋、裂紋和劃痕刀紋一般寬度和長(zhǎng)度較大，而且面積也大，不變矩長(zhǎng)短徑之比要比裂紋和劃痕小，同時(shí)，缺陷區(qū)域的分散度和復(fù)雜度較大，綜合利用這幾點(diǎn)就可以確定刀紋。至于裂紋和劃痕，在缺陷區(qū)域本身的形狀上很難區(qū)分。第5章實(shí)驗(yàn)結(jié)果及分析5.1實(shí)驗(yàn)數(shù)據(jù)一、將企業(yè)提供的各種缺陷的合格限度樣品按已經(jīng)完成的程序進(jìn)行檢測(cè)獲得其缺陷的特征參數(shù)面積值、周長(zhǎng)值，單位為：像素個(gè)數(shù)。數(shù)據(jù)見(jiàn)表5-1和表5-2。進(jìn)行合格限度樣品檢測(cè)的目的是為了確定區(qū)分工件合格與否的標(biāo)準(zhǔn)，即周長(zhǎng)和面積兩個(gè)特征的數(shù)據(jù)，以便將各種缺陷的面積和周長(zhǎng)與之對(duì)比，從而確定判斷的依據(jù)。表5-1選取表面鍍層為鎳、工件規(guī)格為：的圓環(huán)形工件的掉角、麻坑、劃痕及刀痕等四種缺陷的合格限度樣品各10個(gè)。只要檢測(cè)到有裂紋缺陷，則判定為不合格品。表5-1合格限度樣品表面的缺陷數(shù)據(jù)(單位：像素)序號(hào)掉角劃痕刀痕麻坑面積周長(zhǎng)面積周長(zhǎng)面積周長(zhǎng)面積周長(zhǎng)13517331873212212227162612155491793181017131614613741671010134352512515938179227776201141211855110672615351821659181082313542627884321593013442032783311410138503138498169表5-2選取表面鍍層為鋅、工件規(guī)格為：的圓環(huán)形工件的掉角、麻坑、劃痕及刀痕等四種缺陷的合格限度樣品各10個(gè)。同樣只要有缺陷就判定為不合格。表5-2合格限度樣品表面的缺陷數(shù)據(jù)(單位：像素)序號(hào)掉角劃痕刀痕麻坑面積周長(zhǎng)面積周長(zhǎng)面積周長(zhǎng)面積周長(zhǎng)11984119173471372271636202777421113241348212135226124331757331384119105251129131964523116291439173498217973815332037289381584320654045511229159472151294079631141052274221364862512二、根據(jù)表5-1和表5-2的檢測(cè)結(jié)果，我們將規(guī)格為的圓環(huán)形工件和規(guī)格為的圓形工件的掉角、劃痕、刀痕及麻坑等缺陷的判斷閾值設(shè)定為如表5-3和表5-4所示。表5-3圓環(huán)形工件缺陷的判斷閾值（單位：像素）缺陷類型掉角劃痕刀痕麻坑面積周長(zhǎng)面積周長(zhǎng)面積周長(zhǎng)面積周長(zhǎng)數(shù)值36175331384983114表5-3圓形工件缺陷的判斷閾值（單位：像素）缺陷類型掉角劃痕刀痕麻坑面積周長(zhǎng)面積周長(zhǎng)面積周長(zhǎng)面積周長(zhǎng)數(shù)值512765404551123815三、將人工檢測(cè)出的規(guī)格為D9.2*d4.02*1.2(D9*1.2)的圓環(huán)形(圓形)合格品20片、掉角10片、劃痕10片、裂紋10片、刀痕10片、麻坑10片及砂眼10片共80片工件混合在一起，放入初步研制成功的表面缺陷自動(dòng)檢測(cè)系統(tǒng)進(jìn)行缺陷的檢測(cè)和分類識(shí)別，經(jīng)多次反復(fù)實(shí)驗(yàn)，記錄數(shù)據(jù)分析結(jié)果。5.2實(shí)驗(yàn)分析將反復(fù)實(shí)驗(yàn)后各種缺陷的檢驗(yàn)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)并將10次實(shí)驗(yàn)結(jié)果進(jìn)行累計(jì)，表面缺陷檢測(cè)系統(tǒng)軟件對(duì)圓環(huán)形工件缺陷的檢出率如下表5-4所示。表5-4實(shí)驗(yàn)結(jié)果缺陷類型實(shí)驗(yàn)數(shù)據(jù)掉角麻坑劃痕或裂紋刀痕應(yīng)識(shí)別出的工件數(shù)10*1010*1010*1010*1010*10實(shí)驗(yàn)1軟件識(shí)別99879硬件識(shí)別99879實(shí)驗(yàn)2軟件識(shí)別88679硬件識(shí)別88778實(shí)驗(yàn)3軟件識(shí)別98778硬件識(shí)別98878實(shí)驗(yàn)4軟件識(shí)別98878硬件識(shí)別98878實(shí)驗(yàn)5軟件識(shí)別89759硬件識(shí)別89759實(shí)驗(yàn)6軟件識(shí)別88869硬件識(shí)別88869實(shí)驗(yàn)7軟件識(shí)別98768硬件識(shí)別98768實(shí)驗(yàn)8軟件識(shí)別88778硬件識(shí)別88778實(shí)驗(yàn)9軟件識(shí)別88878硬件識(shí)別88878實(shí)驗(yàn)10軟件識(shí)別88869硬件識(shí)別88869合計(jì)8482746585檢出率%8482746585分析上面的數(shù)據(jù)一方面可以看出該表面缺陷檢測(cè)系統(tǒng)的硬件分選機(jī)構(gòu)可以將軟件檢測(cè)系統(tǒng)識(shí)別出的缺陷全部要求實(shí)現(xiàn)正確的剔除，表明工件分選機(jī)構(gòu)的協(xié)調(diào)性和重復(fù)性比較可靠；另一方面可以看出掉角、麻坑及刀痕的檢出率比較高，達(dá)到了80%，劃痕的檢出率達(dá)到了74%，裂紋的檢出率較低只有65%，根據(jù)對(duì)誤判為合格品中裂紋及劃痕工件的采集圖像可以看出，裂紋工件由于缺陷面積極小而深度很深，現(xiàn)在的成像系統(tǒng)不能將工件的缺陷信息充分顯示出來(lái)，因此應(yīng)重新設(shè)計(jì)合適的照明光源；而劃痕誤判的原因是因?yàn)楣ぜ砻娴娜毕荼容^淺，采集后的圖像是不連續(xù)的線狀或片狀，經(jīng)圖像處理后成為斷斷續(xù)續(xù)的短線狀、點(diǎn)狀，從而使得的缺陷的特征參數(shù)小于相應(yīng)缺陷判斷的閾值，因而造成誤判為合格品，而且由于現(xiàn)有的缺陷識(shí)別方法的限制及裂紋和劃痕缺陷形狀的相識(shí)性、缺陷位置的隨機(jī)性使得這倆種缺陷的區(qū)分存在難度，在檢測(cè)結(jié)果中這倆種缺陷是相互摻雜的，因此除了要改善獲得的圖像質(zhì)量外還應(yīng)通過(guò)尋找合適的圖像處理算法來(lái)提高檢出率和識(shí)別率。全文總結(jié)理論分析及實(shí)驗(yàn)結(jié)果表明，本表面缺陷在線檢測(cè)系統(tǒng)能夠?qū)崿F(xiàn)金屬工件表面缺陷的在線檢測(cè)及識(shí)別。本系統(tǒng)具有非接觸、不干擾生產(chǎn)過(guò)程的特點(diǎn)，具有很好的實(shí)用推廣價(jià)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(cè)系統(tǒng)的速度并降低了對(duì)CCD性能要求，使系統(tǒng)在現(xiàn)有的條件下比較容易實(shí)現(xiàn)實(shí)時(shí)在線檢測(cè)；采用自動(dòng)選取圖像分割閾值，降低了對(duì)實(shí)時(shí)環(huán)境的要求，提高了系統(tǒng)的可推廣性；根據(jù)實(shí)際應(yīng)用的閾值把工件信息從圖像中提取出來(lái)并掃描工件在圖像中的位置、尺寸信息，實(shí)現(xiàn)了系統(tǒng)的自動(dòng)測(cè)量；利用自動(dòng)選取的閾值對(duì)金屬工件表面的圖像進(jìn)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(shí)現(xiàn)各種缺陷的自動(dòng)提取，為缺陷類型的識(shí)別打下基礎(chǔ)；系統(tǒng)以計(jì)算機(jī)視覺(jué)理論為檢測(cè)原理，在現(xiàn)有技術(shù)基礎(chǔ)上，借助誤差理論，以模塊化為設(shè)計(jì)思想并通過(guò)了大量的實(shí)驗(yàn)和圖像算法仿真，設(shè)計(jì)了適合本系統(tǒng)的檢測(cè)算法，并成功在Matlab6.5中進(jìn)行算法仿真。目前的算法雖然可以較好地實(shí)現(xiàn)要求的功能，但仍存在不足之處，需要加以改進(jìn)。一、選取高穩(wěn)定度光源本課題主要是通過(guò)獲取工件的表面圖像，再對(duì)圖像進(jìn)行處理、識(shí)別來(lái)實(shí)現(xiàn)缺陷的在線檢測(cè)。光源的穩(wěn)定度直接影響所獲取圖像的質(zhì)量，進(jìn)而影響整個(gè)系統(tǒng)的識(shí)別、二、改進(jìn)閾值選取算法閾值的選取對(duì)后續(xù)的圖像處理起著至關(guān)重要的作用，如果閾值選取的不好，可能會(huì)丟失很多有用的圖像信息，造成誤檢。本系統(tǒng)中采用雙閾值根據(jù)不同需要來(lái)分割圖像：一是為了掃描工