基于机器视觉的光滑球面缺陷检测系统设计

阴亚芳，袁 浩，廖延娜

（1.西安邮电大学 电子工程学院，陕西 西安　710121；2.西安邮电大学 理学院，陕西 西安　710121）

基于机器视觉的光滑球面缺陷检测系统设计

阴亚芳1，袁 浩1，廖延娜2

（1.西安邮电大学 电子工程学院，陕西 西安710121；2.西安邮电大学 理学院，陕西 西安710121）

为了解决生产线上人工检测光滑球面缺陷效率低下的问题，设计了一种基于机器视觉的实时工件检测自动分拣系统，系统包括图像采集和处理、可编程逻辑控制器、数据统计存储、人机交互等模块。光滑球面易反光形成反光区域，通过滤波降噪，二值化等方法处理反光区域将缺陷信息从中分离出来，然后统计标定连通域特性实现缺陷自动检测，最后通过用于过程控制的标准协议驱动可编程控制器完成不合格品分拣动作。试验结果表明：该系统可以满足实时自动分拣的要求。

机器视觉；光滑球面；表面缺陷检测；自动分拣

工业生产线上的产品检测长久以来都是人工视觉检测，随着机器视觉检测技术不断发展，该技术由于其高速率，高精度和高可靠性等优点逐渐进入工业生产检测环节中，如工业生产线上的纸尿裤产品检测系统［1］，冬枣生熟检测系统［2］，气门组件装配检测系统［3］等。文中针对光滑球面缺陷，设计了一种基于机器视觉的自动实时检测分拣系统，分拣生产线上光滑球面工件出现划痕等缺陷的残次品。

1　系统总体设计

自动分拣系统包含工业相机、环形光源、可编程逻辑控制器（Programmable Logic Controller，PLC）控制、上位机等部分构成如图1所示。利用工业相机实现光滑球面成像，PLC连接机械台完成分拣动作、工件旋转及流水线传动。

光滑的光滑球面易反射光线形成反光区域，通过多种光照对比测试后，选用白色LED环形光源均匀照射球面局部，反光区域内表面缺陷特征明显，且干扰较小如图2所示，因此截取图像的反光区域作为检测区［4］。使用上位机驱动PLC，控制球形工件在检测台旋转，实现反光区域遍历整个球面。

图1　系统总体结构

工业相机采集到的图像信息，通过网络接口传送给上位机。利用在VS2010平台下开发的系统［5］，实现对工件的快速检测，依据检测结果驱动PLC完成不合格品分拣。

图2　球形工件局部在白色环形光源下成像效果

2　上位机控制软件设计

上位机控制软件实现图像采集控制、图像处理分析［6-7］、PLC驱动和控制、检测数据统计存储、人机交互等系统功能。

2.1软件系统结构

检测系统分3层，第一层UI界面层，第二层数据处理层，第三层数据存储和外部设备层，各层之间关系如图3所示。每层之间相互联系，不能跨层调用。分层设计降低了耦合度，使程序结构清晰，便于后续升级和维护。

图3　系统结构框图

上位机控制软件主要包含5个模块。人机交互界面位于界面层，供系统管理操作人员控制界面，接收用户操作指令，显示程序运行过程信息；图像采集模块位于外部设备层，包含图像采集设备，图像数据获取和转化图像，用于获取实时可处理的图像；图像处理模块即图中的图像处理部分，处理图像采集模块传输过来的图像，并给出判别结果；PLC模块包括用于过程控制的对象连接与嵌入技术 （Object Linking and Embedding for Process Control，OPC）和PLC设备两部分，根据图像处理模块得出的结果驱动机械设备完成分拣动作和旋转［8］；数据库模块包含数据库和SQL操作两部分用于存储分拣结果相关信息［9］。

2.2检测流程

检测功能采用辅助线程来实现，确保采集处理过程时也能及时响应用户操作，检测流程如图4所示。

缺陷检测过程为：工件移动到工作台后，图像采集模块将获取灰度图像传送给图形处理模块；得出判决结果后将有缺陷的工件局部标记出来显示到软件界面上。然后上位机通过OPC访问PLC寄存器，驱动PLC实现机械部分旋转或作出分拣动作。最后将分拣结果等信息插入到数据库中供相关人员查看分析。

3　图像处理模块

图像处理是整个检测系统的核心。该模块包含图像预处理和特征检测提取两部分。预处理又包含图像预判与图像降噪。

图4　检测界面实现检测功能流程图

3.1图像预判

工件在控制台上按照预设转动若干次，保证每一块区域都可在高光下被检测到。为确认流水线工作正常、成像合格，每次旋转后的图像传回上位机后，先采用投影相似度检测的方法对图像质量进行预判。

对图像成像质量预判需先计算图像在X，Y坐标轴方向投影，即横纵方向投影：

式中，f（xi，yi）为图像数组［M，N］中坐标（i，j）为图像的像素值，X（i）、Y（j）分别代表图像横纵方向投影。然后与标准图像的横纵投影计算相关系数。

经过多次实验，相关系数阈值为0.9，高于该值认为成像质量合格适合进行下一步处理。从图像中将反光区域按照固定坐标截取。高光下疤痕如图5（a）所示。

图5　疤痕处理效果

3.2检测区域图像与预处理

预处理阶段主要是为了提高图像数据的信噪比，突出图像中的有用信息。使用中值滤波过滤掉图像中的噪点［6］。中值滤波把局部区域的像素按灰度等级进行排序，取该领域中灰度的中值作为当前像素的灰度值：

式中，f（x，y）g（x，y）分别为原始图像和处理后图像。W为二维模板，通常为3×3，5×5区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等。文中使用模板为3×3十字行，中值滤波增强后的检测区域图像如图5（b）所示。

中值滤波后，根据待检测图像灰度值特性，选用平均灰度值法获取阈值分割点对图像进行二值化［10］：

式中，g为直方图的灰度值，h（g）表示灰度值为的灰度点个数。得到T作为阈值点进行图像二值化，二值化后的效果如图5（c）所示。

3.3特征检测

由于划痕方向不规则，因此采用8邻接连通域标记法将相互连通的像素点标记［11-12］出来。在标记后的图像中统计各连通域包含像素个数P1到Pn与像素点对应实际面积S0计算各连通域的实际面积S1到Sn［13-15］。若S1到Sn均小于疤痕面积阈值ST，则转动工件继续检测直至检测完整个球面。若S1到Sn中有一个大于ST，则认为工件疤痕面积过大判为不合格产品，作出分拣动作的同时将相关结果等信息存入数据库，并标记疤痕显示到界面上提示操作人员。标记疤痕信息如图5（d）所示。

4　系统测试

在实验室条件下，使用同一个光滑球型工件在检测位置连续检测不同位置100次。处理一副图像尺寸为500×200的平均时间为30 ms，判定结果与人眼检测结果相符，不会产生漏检，但会有0.83%几率出现将合格品误判为不合格。为了适应复杂生产环境和生产要求，系统接受操作人员修改像素点实际面积值S0和疤痕面积阈值ST。

5　结束语

文中给出了一种基于机器视觉的工件自动分拣系统，采用多种预处理算法及特征检测提取算法，实现了光滑球面缺陷的自动分拣。该系统具有较高的检测速度和检测精度，满足生产要求。

［1］何冬，林玉池，冯伟昌，等.纸尿裤标识快速视觉检测系统研究［J］.传感器与微系统，2010（11）:57-60.

［2］孙中国，于复生，殷盛江，等.基于机器视觉的冬枣生熟检测系统研究［J］.机械科学与技术，2014（7）.

［3］李向东.基于机器视觉的气门组件装配质量在线检测［D］.广州：华南理工大学，2013.

［4］乐静，郭俊杰，朱虹，等.一种快速检测光滑半球表面缺陷的方法［J］.光电工程，2004，31（10）:32-35.

［5］李琳娜.Visual C++编程实战宝典（配光盘）［M］.北京：清华大学出版社，2014.

［6］冈萨雷斯.数字图像处理的MATLAB实现［M］.北京:清华大学出版社，2013.

［7］Bradski G，Adrian K.学习OPENCV（影印版）［M］.南京:东南大学出版社，2009.

［8］西门子（中国）有限公司自动化驱动集团.深入浅出：西门子S7-200PLC［M］.3版.北京:北京航空航天大学出版社，2007.

［9］姚万军.VC下利用ADO访问SQL Server技术［J］.网络新媒体技术，2004，25（1）:99-103.

［10］Glasbey C A.An analysis of histogram-based thresholding algorithms［J］.Cvgip Graphical Models&Image Processing，1993，55（6）:532-537.

［11］陈柏生.一种二值图像连通区域标记的新方法［J］.计算机工程与应用，2006，42（25）:46-47.

［12］袁孙正.基于机器视觉的人数统计设计［D］.北京:北京邮电大学，2011.

［13］李昌海.基于AOI的LCD线路缺陷检测系统［D］.成都:电子科技大学，2013.

［14］余俊荣，孟宪臣，潘丰.基于机器视觉的手机电池尺寸检测系统的设计［J］.江南大学学报:自然科学版，2014，13（1）: 23-28.

［15］伍济钢，宾鸿赞.机器视觉的薄片零件尺寸检测系统［J］.光学精密工程，2007，15（1）:124-130.

The design of smooth spherical surface defect detection system based on machine vision

YIN Ya-fang1，YUAN Hao1，LIAO Yan-na2
（1.School of Electronic Engineering，Xi’an University of Posts and Telecommunications，Xi’an 710121，China；2.School of Science，Xi’an University of Posts and Telecommunications，Xi’an 710121，China）

In order to solve the problem of the low efficiency which is the metallic spherical defect detection in production lines，a kind of automatic sorting system based on machine vision is designed，which includes image acquisition and processing，PLC，data statistics storage，human-computer interaction and so on.Smooth metal ball surface easy to reflective area，through the filtering noise reduction，dynamic binarization and other methods.separate the defect information from the reflective area，Then use the connected domain characteristics to detect defect automatically，finally drive the PLC to complete the sorting action by the OPC protocol.Experimental results show that the system can meet the requirements of realtime automatic sorting.

machine vision；smooth spherical surface；surface defect detection；automatic sorting

TN081

A

1674-6236（2016）14-0113-03

2016-01-31稿件编号：201601296

陕西省自然科学基础研究计划项目（2014JM2-6117）。

阴亚芳（1966—），女，山西芮城人，博士，教授。研究方向：数字信号处理及光器件。