基于机器视觉的汽车车灯螺丝装配缺失检测系统设计

黄辉 胡丹 翁剑峰 蔡宇翔

摘要：针对人工肉眼判断已经不能满足检测汽车车灯装配螺丝缺失的需求。设计了一种基于机器视觉的汽车车灯螺丝装配缺失检测系统，建立了汽车 车灯螺丝装配缺失检测系统的结构框架，提出了利用 gamma 校正算法解决图像亮度不均衡问题，并将图像在 HSV 空间中提取灰色和白色区域，最后在显示器上标识出装配和缺失螺丝位置信息。实验结果表明，该系统能有效地自动识别车灯装配螺丝是否缺失，能在一定程度上代替汽车车灯螺丝的 人工检测。

关键词：机器视觉; 螺丝缺失检测;汽车车灯;灰白色提取

中图分类号：TP391.41 文献标识码：A 文章编号：1672-9129（2017）09-060-01

Absrtact：inviewoftheartificialeyejudgmentcannolongermeettheneedofdetectingthelackofassemblyscrewofautomobilelamp，akindofdetectingsys- temofautomobilelampscrewassemblydefectbasedonmachinevisionisdesignedinthispaper.Inthispaper，thestructureframeofthedetectingsystemforau- tomobilelampscrewassemblydefectisestablished，andthegammacorrectionalgorithmisproposedtosolvetheproblemofimagebrightnessimbalance，andthe gray and white areas are extracted from the image in the HSV space. Finally， the position information of assembly and missing screws is identified on the display. Theexperimentalresultsshowthatthesystemcanautomaticallyidentifywhetherthelampassemblyscrewismissingornot，andcanreplacethemanualinspection ofautomobilelampscrewtosomeextent.Test.

Keywords： machine vision; screw defect detection; vehicle lamp; gray-white extraction

引言

本文针对车灯螺丝检测已有研究成果的不足，设计了基于机器视觉的汽车车灯螺丝装配缺失检测系统，提出了利用 gamma 校正算法解决图像亮度不均衡问题，并将图像在 HSV 空间中提取灰色和白色区域，最后在显示器上标识出装配和缺失螺丝位置信息，同时发送给 PLC 系统用于报警提示和传输带控制等。初步的实验结果表明，该系统能有效地自动识 别车灯装配螺丝是否缺失，在汽车车灯生产线上已经代替传统的人工检测。

1 螺丝组件缺失检测系统设计

计算机处理单元包括 Cortex A9 嵌入式硬件和 Linux 系统软件及图像处理软件部分，功能是利用 Linux 嵌入式计算平台上对采集的视频进行处理，对其进行预处理计算和检测，根据处理的结果及计算螺丝是否缺失， 并输出螺丝缺失的个数和缺失的位置信息。主要功能如下：

1）图像采集：将工业相机输出视频数据提取出图像帧数据，待为后续 处理用。

2）图像预处理：均值平滑滤波、Gamma 矫正、彩色转灰度、RGB 转 HSV 颜色空间。

3）螺丝装配缺失检测：在 HSV 颜色空间图片中提取灰色和白色区域， 经膨胀滤波后获得感兴趣区域的 HSV 图，最后进行统计分析，计算螺丝缺失位置信息，在图像上进行标注并进行。

检测系统采用结构化程序设计，各个单元相互独立，数据传递清晰， 系统容易维护和升级，较为灵活。图像计算处理过程是在线检测计算，即采集工业相机视频图像后，应用系统对采集的图像进行预处理和检测，判断螺丝是否存在缺失。用户可根据显示器上提示信息和输出到 PLC 系統的信息确定检测结果。

2 螺丝缺失识别

2.1 图像预处理

首先对采集的图像进行均值平滑滤波、Gamma 校正、彩色转灰度和

RGB 转 HSV 颜色空间等预处理，消除因光照、螺丝凹槽、螺丝表面暗点和螺丝色差对螺丝缺失判断的影响。

2.1.1 滤波和 gamma 校正

本文提出一种大窗口均值平滑滤波和 Gamma 校正的螺丝色差、暗影消除方法。首先把图像进行均值平滑滤波处理，由于车灯内部需要检测的螺丝种类较多，其中，外六角球头螺帽偏灰色，表面存在暗点;半圆头自带垫片组合螺丝为亮银白色，中间存在十字凹槽阴影、灯泡尾座为浅灰白色。

（1）有螺丝区域原始直方图;（2）有螺丝区域滤波后直方图;（3）无螺丝区域原始直方图;（4）无螺丝区域滤波后直方图;）

经过滤波后的有无螺丝感兴趣区域的图像直方图颜色分布区域偏 低，即亮度偏暗，因此进行 gamma 校正，从而提高图像对比度。gamma 的取值范围为 0.05～5 之间，p（x，y）表示每个像素值，对每个像素进行 Gamma 校正之后就得到了处理后的图像。

2.1.2 HSV 颜色空间灰白色提取

将图像从 rgb 颜色空间转换到 hsv 颜色空间，最终在 hsv 图像空间中提取出灰白色颜色部分的二值图像。在Opencv程序库中实验验证，h，s，v三个参数的分割值范围为：;;能较好的分割出灰白色。

2.1.3 膨胀滤波

为了解决存在的孔洞现象，需要再进行膨胀滤波处理，方法为：将图像A与任意形状的内核B，通常为正方形或圆形，进行卷积。内核B有一个可定义的锚点，通常定义为内核中心点。将内核 B 划过图像，将内核 B 覆盖区域的最大像素值提取，并代替锚点位置的像素，通过膨胀操作可以扩大白色值范围，压缩黑色值范围。

2.2 螺丝缺失检测

在装配检测流水线上，车灯是放置在固定工作台的治具上，螺丝在图像中成像的位置是固定的，在预处理图像的基础上进行 13 个感兴趣区域像素点统计，，其中，M，N为感兴趣区域的高和宽，取M=N=20。

3 螺丝缺失检测系统的实验及结果分析

通过实验分析，并开发了在 Cortex A9 嵌入式硬件和 Linux 系统软件平台上，移植 OPENCV2.8.10 图像算法库的螺丝缺失检测系统。车灯上有

13个位点需要进行检测，4个位点没有装配螺丝（检测结果用黄色标识）

和 9 个位点装配螺丝（检测结果用绿色标识）都能有效的检测出，并将螺丝缺失的数量显示在图像的正上方，其中 2，3，5，11 四个位点上的半圆头螺丝表面亮度明显偏暗，通过设置合适的参数也能正确的检测出。本系统已 经在某汽车车灯制造厂商的装配检测生产线上普遍应用，提高了质量检测环节的可靠性。

4 结束语

本文提出了汽车车灯装配螺絲缺失检测方法，建立了汽车车灯装配 螺丝缺失检测实验系统，并在车灯装配生产线上应用。结果表明，文中论 述的图像预处理方法和检测方法是有效的，实现了螺丝缺失的自动检测。 本文要解决的问题是车灯已经放置到固定位置的治具上，因此不需

要通过程序方式实现螺丝的定位功能，减轻了程序的复杂度，同时也提高了系统的可靠性。并且，经过实验分析，本文所处理的车灯螺丝图像仅仅在亮度上具有与车灯其他区域明显特征差别，而无明显的纹理特征，因 此，如该系统应用在螺丝纹理特征明显的场合需要在今后工作中进一步研究加以改进。

参考文献：

[1]石梅香.基于机器视觉的凸焊螺母焊接缺陷检测.焊接质量控制与 管理[J].Vol.41 No.4 Apr.2012

[2] 李睿. 基于机器视觉的螺母定位系统 [J]. 机床与液压.Vol.41 No. 23.2013

[3]王凌.基于计算机视觉的钢轨扣件螺母缺失检测系统[J]. 计算机视觉的钢轨扣件螺.Vol.32， No.12.2012