基于机器视觉的手机孔组尺寸检测系统研究

2018-06-28崔江红刘海鹏刘俊杰朱徐辉

中原工学院学报 2018年3期

张震, 崔江红, 刘海鹏, 杨雷, 刘俊杰, 朱徐辉

(1. 中原工学院机电学院,河南郑州 450007；2.帝费自动化工程技术上海有限公司，上海 200000)

近年来，随着机器视觉技术在国内的推广应用，自动化视觉检测技术得到了飞速发展。秦皇岛的“无人水饺工厂”用视觉检测技术对水饺半成品和成品进行质量检测和不良品剔除，上海洋山港的无人驾驶自动引导车(AGV)也采用视觉检测技术进行路线计算和修正。

目前，数码产品的更新换代十分迅速，尤其是手机，其市场需求量非常之大。在手机的生产过程中，对其各部位关键尺寸的检测十分重要，手机内外壳长宽、侧面孔组尺寸、按键尺寸等都是必须检测的项目，且要求的精度很高。在手机工厂通常采用的高度规和三坐标测量仪中，前者精度较低，而后者检测时间较长，因此只能安排品质管理人员对手机进行抽样检测[1]。针对手机外壳侧面孔组尺寸的测量，本文开发了相应的机器视觉检测系统。

1 手机孔组尺寸视觉检测系统

1.1 手机孔组尺寸要求

被检测的手机外壳如图1所示。图2所示为电源键对应孔的具体尺寸。在图2中，卡槽孔长为(10.30±0.05)mm ，孔宽为(2.16±0.05)mm。

注：A为手机侧面电源键对应的孔位。图1 被检测的手机外壳

图2 手机侧面电源键对应孔的尺寸

1.2 检测系统的结构流程

本文设计的基于机器视觉检测系统由光源、光学成像系统、图像捕捉系统、图像采集系统、图像处理模块五大部分组成。光源对手机外壳打光后由相机进行采图，图像处理设备对图像进行处理分析，并根据分析结果判断手机外壳产品是不好的(NG)还是好的(OK)。整个检测系统的结构流程如图3所示。

图3 检测系统的结构流程

1.3 检测系统的结构选型

作为检测对象的手机壳体为金属制品，表面反光较严重，用一般打光方式无法采集到高质量的图像。因此，本文采用前向照明方式，且设计了环形灯光。

整个检测系统对图像无特殊要求，其图像采集设备选用物美价廉的基恩士工业用CV-H500M面阵CCD相机和11.5 mm的定焦CA-LMA1镜头。

图像采集卡选用基恩士的 XG-8000L图像系统控制器。同一公司的控制器和CCD有完美的兼容性。工作时先由CCD等设备获取目标，然后由图像采集卡把模拟图像转换成数字图像并传送到PC机中[2-3]。

软件平台采用Halcon和Visual Studio,系统开发环境为VC++。检测系统的结构选型如表1所示。

表1 检测系统的结构选型

注：各结构件的选型数量均为1。

2 检测原理及算法流程

2.1 视觉检测算法的实现

手机尺寸检测主要是手机外壳的加工尺寸检测，这些尺寸的精度会直接影响后续加工质量。如果加工尺寸精度不达标，后续装配出来的将是废品。因此，手机外壳加工尺寸的检测对手机装配影响很大[4-5]。

本文的研究对象主要是手机的侧面孔组尺寸。手机外壳侧面孔组尺寸有很多，包括电源键、音量键和静音键等对应孔的长度和宽度。这些尺寸的精度将决定后续小件组装的成功与否。这里以电源键孔位的测量为例，对手机孔组尺寸视觉检测系统进行讨论。生产中通过实时检测这些孔组尺寸，可及时发现制程问题，提出生产技术改善方案，以减少次品数量，降低生产成本，提高生产效率[6-7]。

视觉检测算法的图像处理过程如图4所示。

图4 视觉检测算法的图像处理过程

2.2 图像滤波

准确检测孔组尺寸，需要一张清晰的手机孔位图像。这就需要对原始图像进行滤波处理。相邻像素均值滤波、相邻像素中值滤波和高斯滤波是处理图像最常用的几种滤波方式[8-9]。车间环境产生的干扰大多数是噪声干扰以及电子脉冲干扰，而去除这些干扰最有效的方法就是中值滤波。中值滤波是一种非线性平滑滤波算法，它将每个像素点的灰度值设置为其相邻像素点的中值，最大程度去除噪声，有效地保留了图像的边缘像素信息，而边缘像素信息对于基于机器视觉的手机孔组尺寸检测至关重要[10]。

在Halcon软件平台上使用median_image (Image, ImageMedian,‘circle’,7,‘mirrored’)算子对原始图像进行滤波处理。其中：Image 为原始图像(见图5)；ImageMedian为中值滤波后图像(见图6)。通过滤波，图像上下边缘黑色区域的白色噪点得到平滑处理，减少了这些噪点在测量环节对检测结果的干扰。

2.3 图像增强

原始图像经过滤波处理后，边缘像素和细节信息被过滤，图像变得模糊不清，为此需要设法增强图像的对比度[11]。

图5 手机孔位原始图像

图6 中值滤波后的手机孔位图像

在Halcon软件平台上使用emphasize (ImageMedian, ImageEmphasize, 300, 300, 7)算子，可对中值滤波后图像进行增强处理。在该算子中，ImageMedian为中值滤波后的输入图像，ImageEmphasize为增强后的输出图像，300×300为矩阵模板，7为增强系数。增强后手机孔位的图像效果如图7所示。图像增强的主要目的在于将图像的灰度对比度变大，使图像的边缘清晰突出，为下一步的边缘检测提供条件。

图7 增强后手机孔位的图像效果

2.4 测量区域检测

对图像增强处理后，要检测卡槽的长和宽，就需要找到卡槽的边缘，因此需要进行边缘信息提取。在Halcon软件中使用edges_image (ImageEmphasize, ImaAmp, ImaDir, ‘canny’, 1, ‘nms’, 60, 200)算子，对处理后图像进行阈值分割，便可得到卡槽的边缘信息。

卡槽宽度检测程序如下：

Row :=1 063

Column :=1 254

Phi := 90

Length1 := 420

Length2 := 100

gen_rectangle2 (Rectangle, Row, Column, Phi+8.95, Length1, Length2)

gen_measure_rectangle2 (Row, Column, Phi, Length1, Length2, Width, Height, ‘nearest_neighbor’, MeasureHandle)

measure_pairs (Image, MeasureHandle, 1, 30, ‘all’, ‘all’, RowEdgeFirst2, ColumnEdgeFirst2, AmplitudeFirst2, RowEdgeSecond2, ColumnEdgeSecond2, AmplitudeSecond2, IntraDistance2, InterDistance2)

通过gen_ measure_rectangle2算子建立测量目标，即ROI(region of interest)区域。对图像进行边缘信息提取和阈值分割后，得到明确的卡槽边缘信息，然后利用测量算子measure_ pairs便可计算出各个边缘点之间的距离。其中InterDistance2为需要检测的卡槽宽度。卡槽宽度检测效果如图8所示。同理可测得手机外壳侧面电源键孔位卡槽长度。

3 检测结果分析

根据以上步骤准确测出手机外壳侧面电源键孔位卡槽的长度和宽度，通过相机标定，可以知道该检测系统中像素(pixel)与长度单位(mm)间的换算关系，即200/3 580≈0.055 87(mm/pixel)。经过换算，可以得到确切的测量尺寸。为验证系统的检测稳定性和尺寸偏差，本文对某样品进行了多次测量。测量结果如表2所示。