APP下载

基于VGA摄像头识别技术的机床工作状态检测系统

2017-05-20柯星星王子顺刘名利

中国科技纵横 2017年8期

柯星星 王子顺 刘名利

摘 要:通过VGA摄像头和影像处理器采集图像信息,利用应用了二值图像和图像的灰度切割算法识别机床工作状态,实现对机床工作状态的检测。通过该机床的工作状态检测系统,将检测识别出的信息送至整个机床的控制系统,将必要的信息及时反馈给工人,以维护系统的稳定,以及智能调节的目的。该检测量为数字信号,对精度要求不高,因此对硬件的要求较低,系统较为简单,能够自动化处理,安装与维护成本低廉,可以推广使用及普及。

关键词:VGA摄像头;二值图像;灰度切割;智能调节

中图分类号:TP391 文献标识码:A 文章编号:1671-2064(2017)08-0068-01

机床作为机械制造业中重要的大型加工设备,但每一次的事故的发生会导致机件损伤,停机修理,影响生产,减少设备的使用寿命,甚至会给工人带来危险,机床的事故将会给企业和工厂带来巨大的经济损失。分析总结大多数事故,其原因大多都是因为工作马虎大意、技术不熟。其次,在机床空载时,普通机床的主轴电机的功率还是处于正常工作状态,造成了大量的能量浪费。

基于以上的项目背景,我们设计了一种基于VGA摄像头识别技术的机床工作状态检测系统,该系统可以实时监测车床工作状态,从而可以将车床加工工况、空载负载情况以及刀头和其他物体的距离等一些信息实时反馈给机床控制系统和工人,机床控制系统能够根据这些信息来监控和调节机床,从而机床的稳定性和安全性,减少机件的损坏率,工厂若在普通机床上安装该基于VGA摄像头视觉识别技术的机床工作状态检测系统,不仅可以一定程度上的解放和帮助车床师傅,还可以大大减少安全事故给企业带来的损失,加入智能控制电机系统后还能减少车床功耗。

1 监测方案设计

1.1 硬件选择

本次设计中使用的CMOS摄像头芯片为OV7725。

CMOS摄像头芯片OV7725,图像传感器,体积小,工作电压低,提供单片VGA摄像头和影像处理器的所有功能。通过SCCB总线控制,可以输入整帧、子采样、取窗口等方式的各种分辨率8位影像数据。该产品VGA图像最高达到30帧/秒。用户可以完全控制图像质量、数据格式和传输方式。所有图像处理功能过程包括伽玛曲线、白平衡、饱和度、色度等都可以通过SCCB接口编程。OmmiVision图像传感器应用独有的传感器技术,通过减少或消除光学或电子缺陷如固定图案噪声、托尼、浮散等,提高图像质量,得到清晰的稳定的彩色图像。

1.2 算法设计

通过OV7725采集到图像后,图形数据以YUV格式存储,通过提取YUV格式图片中的灰度信息,可以得到当前时刻的灰度图,再将灰度图二值化形成二值化图像。本设计中通过连通域判断车刀与工件的相对位置从而实现工作状态识别,在图像中,最小的单位是像素,每个像素周围有8个邻接像素,常见的邻接关系有2种:4邻接与8邻接。4邻接一共4个点,即上下左右。

4邻接连通为8邻接连通的子集,判断点数少,速度快,且误判率低于8邻接连通,故本次设计算法内使用4邻接判断图像连通。由于车刀和工件是从视场的两个互相垂直的边界进入视场,当刀具与工件间距较小时在图像中的体现是出现白斑重合区域从而产生连通域,刀具与工件距离达到一定程度时连通域消失。

具体算法如下:(1)逐行扫描图像,把第一行中第一个连续的白色像素组成的一个序列(下文称为“团”)称为“起始团”,并记下它的起点start、它的终点end、行号,将第二行中与起始团有重合区域的第一个团记录为“目标团”并记下它的起点start、它的终点end、行号。(2)对于第二行以后的所有行里的团,如果它与上一行目标团有重合区域,则标记为新的目标团。(3)若刀具与工件间距较小,图像中出现白斑重合区域从而产生连通域,则遍历一次图像后,目标团行号为二值图像高度,将标志位置位,否则将标志位清除。

2 可行性分析

(1)在实际应用中,很多图像的分析最终都转换为二值图像的分析,比如:医学图像分析、前景检测、字符识别,形状识别。二值化+数学形态学能解决很多计算机识别工程中目标提取的问题,对于该技术中的二值图像算法已经较为成熟,且广泛使用。

(2)本系统中的灰度切割算法属于灰度变换中一个非常重要的概念,有较为夯实的理论研究基础。且该检测量为数字信号,对精度要求不高,因此对硬件的要求较低,系统较为简单,能够自动化处理,安装与维护成本低廉,可以推广使用及普及。

3 结语

本技术通过VGA摄像头和影像处理器采集图像信息,巧妙地应用了二值图像和图像的灰度切割算法来判断车刀与工件及其他物体的相对位置来实现对机床工作状态的监控,便于工人对机床进行维修,以达到智能调节目的。且具有硬件的要求较低,系统较为简单,能够自动化处理,安装与维护成本低廉等有点,适于推广使用和普及。

参考文献

[1]罗文亮,倪晋平,马鸣,陈登峰.基于灰度阈值分割的锥体零件缺陷识别算法[J].西安工业学院学报,2006,26.

[2]陈毅.基于灰度图像和彩色图像的瑕疵胶囊识别算法研究[D].武汉科技大学,2014.

[3]陈亮,杨康,张大伟.一种基于灰度偏差的快速指紋识别算法[J].沈阳工业学院学报,2003,22.