汽车轮胎标识点图像采集装置设计

王 勇，郭 慧

WANG Yong，GUO Hui

（华东理工大学 机械与动力工程学院，上海 200237）

0 引言

机器视觉是一门涉及多种学科的交叉技术，包括机械工程、数字图像处理技术、模式识别、照明、成像技术以及自动控制等技术[1]。随着工业自动化的发展，机器视觉在工业自动化中的应用越来越广泛[2]。机器视觉技术在焊缝质量检测[3]、食品质量监测[4～6]、轮胎制造[7]等领域得到广泛应用。然而，机器视觉工作性能主要取决于是否能够获取较高质量的检测图像[8～10]。由于机器视觉技术，主要是通过对采集到的待检测物体的图像进行数据分析，得到物体尺寸、颜色、形状等信息，然后驱动控制系统对待检测物体进行相应操作。更为重要的是，较高质量的图像能够有效地降低图像分析软件编制的难度，提高机器视觉系统工作的稳定性[11]。

通过对现有可查文献分析发现，针对机器视觉技术进行图像采集装置的设计研究较少。为此，通过分析一种基于机器视觉的汽车轮胎标识点识别系统，设计了能够获取较高图像质量的轮胎标识点图像采集装置。该图像采集装置主要由PLC控制系统、钢结构支架、照明装置、工业相机等组成。

1 图像采集装置总体方案

通过分析汽车轮胎标志点图像(如图1所示)在汽车轮胎侧面的分布发现，虽然轮胎标识点图像仅分布于轮胎的单侧面，但轮胎在传送带上进行输送时，并不能保证打印有标识点图像的一侧朝向同一侧(打印有标识点的一侧是否与传送带接触不能保证)。这就导致仅采用一台工业相机，可能会出现采集不到轮胎标识点的情况。为此，设计的图像采集装置采用两台工业相机同时对轮胎侧面进行拍照。轮胎标识点图像采集装置的整体结构设计方案如图2所示。

图1 轮胎标识点图像

图2 图像采集装置整体结构

2 图像采集装置的组成

2.1 PLC控制系统

该轮胎标识点图像采集装置的关键在于是否能够准确采集到轮胎图像，即轮胎在传送带上传送时何时启动工业相机对标识点图像进行拍摄。本装置采用工业中最为常用的PLC控制器结合光电开关、旋转编码器，设计了控制工业相机准确拍摄的PLC控制系统。其中，光电开关安装在图像采集装置的支架两侧，采用欧姆龙E3JK-R4M1镜面反射型交直流通用光电开关。旋转编码器的安装位置如图3所示，采用增量型旋转编码器，AB两相。旋转编码器安装在传送带底面，安装在旋转编码器上的滚轮与传送带紧贴，以消除传送带打滑对计数精度的影响。该PLC控制系统主要用于检测传送带上轮胎的信号，并将采集到的轮胎信号进行处理输送给工业相机，从而驱动工业相机对轮胎标识点图像进行准确拍摄。图4为PLC控制系统工作原理示意图。

图3 旋转编码器安装位置示意图

2.2 上相机和光源

分析图2中的轮胎标识点图像采集装置整体结构可知，分布于轮胎上侧面的标识点图像，可一次拍摄而获取完整的轮胎标识点图像。为此，采用图5所示的光源和相机组合结构。为了消除外界光照对于拍摄质量的影响，该装置采用了6个外加LED光源。合理的外加光源的设计不仅能够使得获取的图像的亮度分布均匀，同时可有效减少因外界光照引起的图像噪声[12]，为后续图像处理奠定良好基础。

图4 PLC 控制系统工作原理示意图

图5 上相机和光源结构示意图

2.3 下相机和光源

分布于轮胎下侧面的标识点图像，如果采用与上相机相同的图像采集结构，直接在采集装置下方对轮胎进行拍摄，会因滚柱的存在(图2)而影响标识点图像的完整性。因此，对于分布于轮胎下侧面的标识点图像，不能采用一次拍摄而获取完整的轮胎标识点图像的方法。

在图像采集装置的导轨上安装了两段传送带，且两段传送带之间存在一定间隙。该装置正是透过该间隙对轮胎下侧面进行拍摄，由于传送带间的间隙宽度限制，不能一次拍照而获取整张轮胎下侧面标识点图像。该装置通过设定下相机拍摄的感兴趣区域宽度，对同一轮胎进行多次(一般6次)拍照，然后对获取的带状标识点图像进行拼接，即可获取完整的轮胎下侧面标识点图像。轮胎标识点图像拼接示意图如图6所示。

图6 标识点图像拼接示意图

下相机和光源组合结构示意图如图7所示。分析图7发现，下相机和光源的组合结构中存在反光镜，这是由于如果直接采用相机对轮胎下侧面图像进行拍摄，会由于相机与轮胎之间的距离过小而导致景深不能满足拍摄要求。因此，在设计下相机图像采装置时利用镜面反射原理，通过反光镜的镜面反射增加了相机与轮胎下侧面之间的距离，满足下相机拍摄景深的要求。

图7 下相机和光源结构示意图

2.4 工业相机

工业相机作为图像采集装置的核心部件，其性能直接关系到图像的质量。工业相机中的重要的组成部分是数字传感器。依据传感器的不同工业相机可分为CCD(Charge-coupled device)工业相机和CMOS(Complementary metal-oxide semiconductor)工业相机。本文采用较为常用的CCD工业相机，基本性能参数如表1所示。

3 实验

为了验证本文设计的轮胎标识点图像采集装置，能够有效地对轮胎侧面标识点进行图像采集。实验对150个汽车轮胎进行标识点图像采集。并将实验所得到的标识点图像应用于轮胎标识点识别系统，实验结果表明，所获取的标识点图像质量，满足工业要求。

其中实验操作中的PLC控制系统的实际工作连接图，如图8所示。实验操作流程图如图9所示。

4 结论

表1 工业相机部分性能参数

为了提高机器视觉系统的工作性能，以基于机器视觉的轮胎标识点识别系统为研究对象，设计了一种能够自动拍摄较高质量轮胎标识点图像的图像采集装置。该装置主要包括：PLC控制系统、钢结构支架、照明装置、工业相机等。实验对150个汽车轮胎进行了标识点图像采集，实验结果表明，该装置采集的轮胎标识点图像质量满足工业要求。设计的机器视觉图像采集装置，对今后机器视觉技术的优化改进具有一定的参考价值。

图8 PLC控制系统工作示意图

图9 实验操作流程图

[1]章炜.机器视觉技术发展及其工业应用[J].红外,2006,27(2):11-17.

[2]Simpson L. Machine vision improves productivity in many ways[J]. Assembly Automation,2003,23(3):243-248.

[3]王勇,郭慧.基于形态学的焊缝X射线图像缺陷检测[J].东华大学学报,2013,39(4):360-363.

[4]Nashat S,Abdullah A,Aramvith S,Abdullah M Z.Support vector machine approach to real-time inspection of biscuits on moving conveyor belt[J].Computers and Electronics in Agriculture,2011,75(1):147-158.

[5]Chen K,Sun X,Qin C,et al. Color grading of beef fat by using computer vision and support vector machine[J]. Computers and Electronics in Agriculture,2010,70(1):27-32.

[6]Wu D,Sun D W. Color measurements by computer vision for food quality control-A review[J].Trends in food science&technology,2013,29(1):5-20.

[7]王勇,郭慧.基于支持向量机的轮胎标识点形状识别[J].图学学报,2014,35(2):120-125.

[8]穆向阳，张太益.机器视觉系统设计[J].西安石油大学学报(自然科学版)，2007,22(6):104-109.

[9]Golnabi H,Asadpour A. Design and application of industrial machine vision systems[J].Robotics and Computer-integrated Manufacturing,2007,23(5):630-637.

[10]郑华文,曹衍龙,杨将新.基于计算机视觉的珍珠形状分级识别技术研究[J].工程设计学报,2008,15(5):365-368.

[11]Carsten S, Markus U,Christian W.杨少荣,吴迪靖,段德山,译.机器视觉算法与应用[M].北京:清华大学出版社,2012.

[12]Sunil K K.Lighting design for machine vision application[J].Journal of image and vision computing,2006,24(6):720-726.