基于VisionPro的日用陶瓷圆度及边缘缺陷检测方法研究

唐燕妮（河源职业技术学院，广东河源，517000）



基于VisionPro的日用陶瓷圆度及边缘缺陷检测方法研究

唐燕妮
（河源职业技术学院，广东河源，517000）

摘要：针对人工视觉难于检测陶瓷制品圆度缺陷，提出了一种基于机器视觉的陶瓷圆度检测系统。设计了视觉系统的硬件构成，结合VisionPro和VB.net语言开发检测软件。研究了采用FindCircle工具沿碗口外径查找圆，并比较查找圆与标准圆径向距离差值，从而识别圆度缺陷的方法。实验结果表明，系统可快速、准确地识别陶瓷碗圆度及边缘缺陷，丰富了机器视觉在陶瓷检测方面的应用研究。

关键词：VisionPro、机器视觉、陶瓷碗、圆度检测

0 引言

在现代自动化生产过程中，机器视觉系统可以快速获取大量信息，而且易于自动处理，易于同设计信息以及加工控制信息集成，因此机器视觉广泛地被用于工况监视、成品检验和质量控制等领域。利用机器视觉对陶瓷砖长、宽尺寸、边线、对角线等进行检测得了到广泛应用，可快速获取砖体工艺参数，具有无损坏、效率高、精度高等特点，大大提高生产效率和生产的自动化程度。但目前机器视觉对日用陶瓷的圆度及边缘缺陷检测应用较少，仅有谢琥等设计了基于ARM9日用陶瓷的嵌入式圆度测量系统，石志君等研究了基于机器视觉的陶瓷圆环件缺口检测与尺寸测量方法。为了丰富机器视觉的应用，本文提出了一种基于VisionPro视觉技术的陶瓷圆度及边缘缺陷检测方法，可有效检测出陶瓷制品的圆度缺陷，解决人工视觉难以满足圆度检测要求的问题，提高陶瓷制品缺陷的检测效率。

1 陶瓷圆度测量分析

依据国标《GB3301-82日用陶瓷器变形测定方法》对日用陶瓷器的容积、口径误差、高度误差、重量误差、缺陷尺寸的测量标准，圆形空心陶瓷制品的圆度测量主要是体现在外口径直径差。测量时，当陶瓷制品圆度变形大，或边缘有磕伤等不良部位时，其外口径直径偏离标准值越大。因此，本文提出的测量方法是，利用VisionPro视觉软件的FindCircle工具查找待检测陶瓷制品的一个外口径圆，与标准件的外口径圆比较，用两圆的径向距离差表现外口径直径偏差，当差值大于陶瓷制品的分等级标准，则判定为不合格品。

2 视觉检测系统的硬件设计

本检测系统应用于陶瓷碗圆度的缺陷检测，研究对象选择直径10cm的日用白色陶瓷圆碗。根据圆度缺陷的特征和现场安装要求，系统选用了Baslar的acA1600-30gm工业相机和Computer的M1214-MP2镜头，从顶部向下拍摄陶瓷碗外口径图像，通过GigE接口获得200万像素的碗口图像。系统选用了LED光源背光照明，从陶瓷碗底部照射均匀视场的光，产生较强的对比度，突出圆形轮廓和边缘细节。视觉检测系统的硬件构成图1所示。

图1 视觉检测系统的硬件构成

3 系统软件的实现与测试

3.1软件总体设计

图2 软件总体结构

系统充分利用了VisionPro集成的定位、检测、识别和通信等多种功能的工具库，基于VB.net语言开发了陶瓷碗圆度检测软件。当陶瓷碗位于工业相机下方后，计算机控制光源控制器点亮LED光源，AcqFifo工具触发相机拍摄一张碗口图像，经GigE接口传送至VisionPro软件进行图像处理。首先采用PMAlign工具进行图像匹配，Fixture工具进行图像定位，然后使用IPOmeImage工具进行图像预处理。然后使用FindCircle工具沿碗口外径查找圆，使用ToolBlock工具的高级脚本对圆直径差进行处理。得到的结果经DataAnalysis工具分析，判断是否存在缺陷。最后，系统通知执行机构动作，剔除有圆度缺陷的陶瓷碗，检验结束。利用VisionPro工具实现的软件流程如图2所示。

3.2陶瓷碗口图像的获取

机器视觉就是用机器代替人眼来做测量和判断，因此快速、准确的采集所需图像是视觉处理的基本前提。VisionPro适用于各种复杂的机器视觉领域，兼容多种图像采集卡和相机设备，其AcqFifo工具可根据取像请求触发相机获取图像。图像请求产生方式由Acquisition FIFO设置，包括手动触发、硬件触发、硬件半自动触发和自由运行四种方式，并可以设置相机端口、曝光、亮度、对比度等参数，采集的图像作为输入图像及时传递给后续工具进行处理。AcqFifo工具获得一张典型缺陷的碗口图像如图3所示，包括存在一定误差的圆度和一处边缘磕碰缺陷。

图3 带有典型缺陷的碗口图像

3.3陶瓷碗口图像的定位

为实现陶瓷碗口圆形的自动检测，需要先进行模板匹配和图像定位，建立起碗口图像的检测坐标。模板匹配工具PMAlign是一种快速几何图像匹配方法，其核心算法是PatMax和PatQuick算法，先训练标准件模板，然后根据模板对检测件进行模板匹配，输出结果包括选择度、X和Y坐标，输出给Fixture工具为后续识别提供坐标位置。陶瓷碗口图像的定位结果如图4所示。

图4 Fixture定位碗口图像

3.4陶瓷碗口图像的预处理

经过定位后碗口的图像还需进行预处理，以滤除干扰噪声和突出图像特征。IPOmeImage工具有丰富的图像预处理算法，包括基本的灰度变换、直方图修正、图像运算、和平滑及锐化等工具。软件采用了中值3×3滤波，除去光斑等噪声。然后采用灰阶形态N×M处理灰度图像，抽取碗口区域的形状特征，即陶瓷碗口的外径圆形；最后进行量化处理，使碗口圆与背景的区别更加明显。此时，如果陶瓷碗外口径存在圆形缺陷，则灰度碗口圆的圆度值大，在外径上可以看到边缘残缺，如图5所示。

图5 预处理后的碗口图像

3.5陶瓷碗口外径圆的查找

经过定位和预处理后的碗口图像，在空间方向和特征值上保证了查找碗口外径圆的准确性。使用FindCircle工具，围绕碗口边缘绘制一个标准件的外径圆，该外径圆实际坐标的直径尺寸经过相机标定转换为图像坐标的直径尺寸。在FindCircle菜单设置100个游标卡尺，卡尺方向单极性由暗至明指向圆心，限定半径等于标准件圆半径，则FindCircle沿碗口外径圆周按100等分设置ID号，由外向内查找圆上的点。查找到的点即为检测件外径圆上的点，并得到该ID点的图像坐标，以及查找圆与标准件外径圆的同一ID点的径向距离，如图6、图7所示。

图6 FindCircle查找碗口外径圆

图7 查找圆与标准圆的某点径向距离

3.6陶瓷碗口外径圆缺陷的识别

在获得查找圆与标准圆同ID点的100个径向距离后，需要分析该距离值的大小并做出结果判断。使用ToolBlock工具构建输入输出关系，使用高级脚本对两圆的径向距离差进行比较处理。比较结果经DataAnalysis工具分析，距离值大于允许值，则说明该ID点存在缺陷，判定为F。F值越多说明该查找圆的圆度值越大，或磕碰部位越严重，判断该陶瓷碗为不合格品。依据判断结果，系统剔除有圆度缺陷的陶瓷碗，并保留合格的陶瓷碗，检验结束。对缺陷部分的分析结果如表1所示。

表1 DataAnalysis工具对缺陷部分ID点的分析结果

4 结论

机器视觉系统广泛应用于陶瓷制品的检测，但对圆形陶瓷的检测研究较少。本文设计了基于机器视觉系统的陶瓷圆度检测系统，由工业相机采集碗口图像，经计算机软件处理后，判断陶瓷碗圆度是否合格，并自动剔除不合格制品。系统采用VisionPro视觉集成系统和VB.net语言开发了检测软件，采用AcqFifo工具采集图像，PMAlign和Fixture工具进行图像匹配定位，通过IPOmeImage工具预处理图像。然后使用FindCircle工具沿碗口外径查找圆，使用ToolBlock和DataAnalysis工具分析查找圆与标准圆径向距离，最终判断是否存在缺陷。结果证明，系统能够快速、准确地识别陶瓷碗外径圆的圆度值偏大或磕碰缺损，并准确剔除不合格陶瓷碗，丰富了机器视觉在圆形陶瓷检测方面的应用研究。

参考文献

［1］郭峰林，管庶安等.基于机器视觉瓷砖尺寸在线检测系统设计［J］.中国陶瓷，2013，49（7）：60-63.

［2］李庆利，王永强等.陶瓷砖长、宽尺寸视觉检测系统研究［J］.陶瓷学报，2009，30（4）：508-510.

［3］卢清华，许重川等.基于机器视觉的大幅面陶瓷地砖尺寸测量研究［J］.光学学报，2013（3）：165-171.

［4］谢琥.基于ARM9的日用陶瓷嵌入式圆度测量系统［D］.南昌：景德镇陶瓷学院硕士学位论文，2007，7：4-8.

［5］石志君.基于机器视觉的陶瓷圆环件缺口检测与尺寸测量［D］.青岛：中国海洋大学硕士学位论文，2013，9：35-36.

［6］GB3301-82日用陶瓷器变形测定方法［S］.

［7］韩庆瑶，张志远等.基于VisionPro的数字图像识别与定位［J］.电子世界：2013（15）：72-73.

［8］孟宪臣，郭立侠等.基于机器视觉的气门摇臂安装检测系统设计［J］.江南大学学报：自然科学版.2014，13（1）：6-10.

［9］陈伟华，马琼雄等.基于VisionPro的工业机器人视觉定位系统［J］.组合机床与自动化加工技术，2012（2）：81-83.

作者简介

唐燕妮（1981-），女，硕士，讲师，研究方向为智能控制及机器视觉技术。

基金项目：河源职业技术学院科技项目（编号：2015KJ09）。

Method for Detecting Roundness and Edge Defect of Daily-use Ceramics Based on VisionPro

Tang Yanni
（Heyuan polytechnic College， Heyuan，Guangdong，517000）

Abstract：In order to solve the problem that artificial vision detecting roundness of ceramics，a kind of detecting system based on machine vision is presented in this paper.The hardware structure is designed，the software combining VisionPro and VB.net is developed.The way that finding circle along the bowl’s outer diameter sized using FindCircle tools，comparing the difference between finding-circle and standard-circle，and identifying roundness defects is studied.The experiment shows that the system can quickly and precisely recognize roundness and edge defect of ceramic bowls.The application of machine vision in detecting ceramics is enriched.

Keywords：VisionPro；machine vision；ceramic bowl；roundness detecting