基于机器视觉的汽车刹车片自动检测系统

费成 黄影平 胡兴 慈文彦

摘要： 为了提高汽车刹车片的检测效率和准确性，设计了基于机器视觉的汽车刹车片自动化检测系统。针对自动化检测需求搭建了基于可编程逻辑控制器（PLC）的自动化测试平台，开发了相应的视觉系统。结合VisionPro和C#语言开发了检测软件，完成了图像获取、图像校准、图像定位、尺寸测量、缺陷标示、字符识别等任务。实验结果表明，系统可快速、准确地识别出工件的尺寸、表面缺陷和字符。

关键词：机器视觉； 可编程逻辑控制器（PLC）； 尺寸测量； 缺陷检测； 字符识别

中图分类号： TP 23 文献标志码： A doi： 10.3969/j.issn.1005 5630.2018.03.014

Abstract：In order to improve the detection efficiency and accuracy of automobile brake pad，an automatic testing system for automobile brake pad based on machine vision is designed.The automation control platform based on programmable logic controller（PLC） is set up to meet the requirements of automatic testing，and the corresponding visual system is developed.At the same time，the detection software is developed combined with VisionPro and C# language.Image acquisition，image calibration，image location，dimension measurement，defect marking and character recognition are completed.The experiments show that the system can quickly and precisely recognize the geometry size，surface defects and text recognition of a brake pad.

Keywords：machine vision； programmable logic controller（PLC）； size measurement； defect detection； text recognition

引 言

剎车片是汽车制动系统中的重要零部件，它是影响汽车刹车性能的关键性部件[1]。随着计算机和图像处理技术的发展，基于机器视觉技术检测工件尺寸、缺陷和字符的方法正逐渐替代人工检测的方法[2]。机器视觉是通过光学的、非接触的传感器自动地获取和解释处理一个真实物体的图像，以获取所需信息

或用于控制机器运作[3]。在国外，Itoh等[4]开发了一种基于机器视觉的建筑碎石尺寸精密检测系统，经过大量实验，验证了该系统的测量精度；Meriaudeau[5]开发了检测金属工件表面缺陷的机器视觉装置，在均匀照明下，利用图像处理工具可以很方便地检测出工件的表面缺陷。在国内，Tian等[6]采用超分辨率重构技术消除图像噪声，再利用最小二乘回归亚像素边缘检测技术进行边缘定位及角点提取，最后通过实验分析了该方法测量工件尺寸的效果；胡琳丽等[7]提出了基于机器视觉的刹车片尺寸自动检测装置，利用“比色法”进行标定，采集高精度标准件图像，计算标准件图像中像素与长度之间的关系，再在相同条件下测量刹车片尺寸；曾强等[8]设计了一种基于机器视觉技术的刹车片轮廓缺陷检测方法，创建匹配模板实现对图像的快速对准，再利用差影法检测轮廓缺陷；马艳宁等[9]基于Halcon字符检测算法确定了刹车片字符合适的分割方法和最佳阈值，测试图像达到了96%的识别率。上述研究中大多阐述了图像处理的方法，并未对机器视觉测试系统稳定性作出有效说明。本文论述了基于机器视觉的汽车刹车片自动化检测系统的设计与实现，实验表明该系统稳定可靠，具有实际应用价值。

1 检测要求及系统整体框架

1.1 被测工件及测量要求

刹车片在制造过程中需进行严格的检测，检测内容包括尺寸测量、表面缺陷检测、字符识别，如图1所示。在尺寸测量中，尺寸及公差为130±0.2 mm。在缺陷检测中，缺陷最小尺寸不小于0.5 mm，面积不小于4 mm2。在字符识别中，字符笔画宽度约为0.1 mm以上。被测工件及测量要求如图1所示。

1.2 系统架构

自动检测系统由可编程逻辑控制器（PLC）控制柜、测试平台、主机三部分组成。PLC控制柜包括可编程控制器、变频器、光源控制器等；测试平台包括工业相机、电机、旋转平台、光电传感器、LED光源等；主机包括工业控制计算机与显示器。系统上电后，测试工件放在旋转平台上，平台匀速转动，双工位分别检测尺寸信息和缺陷、字符信息。当检测工位上的位置传感器检测到工件时，打开光源并触发相机拍照，将采集的图像传送至上位机，利用专业的图像处理软件分析处理图像，给出检测结果，并通过指示灯颜色显示是否通过，系统配置如图2所示。

1.3 控制系统

可编程逻辑控制器（PLC）是一种专用于工业控制的计算机，工作稳定可靠，使用方便，编程简单。本系统选用欧姆龙CP1E N30DT A型可编程控制器。系统上电后，将检测工件放于旋转平台上，PLC与变频器采用RS 485协议进行通信，通过PLC编程控制电机启停与转速。当待测工件旋转至检测工位时，光电传感器反馈脉冲信号给PLC，PLC接通光源控制器电源开关，打开光源，同时PLC通过硬件接线触发相机采集图像。相机与主机通过TCP/IP协议进行通信，交换数据。主机运用图像处理软件对图像进行分析处理，并将分析结果通过RS 232协议发送给PLC，发送字符“1”、“2”、“3”、“4”分别对应相机1 OK与NG、相机2 OK与NG。PLC控制信号如表1所示。

刹车片长度为155 mm，刹车片到镜头之间的距离为106 mm，CCD尺寸大小为8.8 mm，利用式（2）计算得到本实验所需镜头焦距f为6 mm。

系统在检测刹车片尺寸和缺陷、字符时，分别选用了LED面光源底部照明方式和条形光源侧向照明方式，以此产生较强的对比度，突出被测物表面和轮廓细节。

本系统选用美国康耐视公司的VisionPro软件，这是一套基于PC架构的视觉系统软件开发包，主要应用于复杂的机器视觉领域，它集成了用于定位、检测、识别和通讯等任务的工具库，本文在VS2010平台上基于C#、VisionPro开发了刹车片检测系统。检测系统交互界面如图3所示。

2 算法设计

2.1 图像畸变校准

通过式（6）和式（7）可以得出畸变系数（aij，bij）的值，从而获得其他像素点的变换坐标。

相机采集黑白网格模板图，利用VisionPro中的CalibCheckboard工具对相机进行非线性校准，校准后的结果如图4所示。

2.2 模式匹配定位

测试时，所有图像处理工具是以图像的原点为参考对象进行定位的，然而工件放置的位置存在一定差异，这将导致初始的图像处理工具定位错误。所以要确定一个随图像变化的原点，才可正确定位并保证后续图像处理工具正常使用。本文使用CogPMAlign模型定位工具中的PatMax算法，该算法可实现图像模式快速匹配。PatMax从采集的图像中提取模式，模式是几何特征和特征之间的空间关系的集合，其中每个特征是不同灰度值的两个区域之间边界上点的集合。构成图案的特征可以有不同的尺寸，从几个像素尺寸到多达上百个像素尺寸。PatMax算法使用大的特征快速地在运行图像中找到近似的图案匹配，而小的特征精确地确定图案的位置，这样可准确而又快速地在连续输入图像中搜索样板并进行模型匹配。图像模式匹配定位示意图如图5所示。

2.3 尺寸测量

对匹配好的图像进行尺寸测量，需先用标准件对测量系统进行标定，求出图像像素坐标到图像物理坐标的转换关系，然后再利用卡尺工具测量尺寸。Caliper工具使用投影区域来产生包含感兴趣边缘的图像部分的一维表示，利用滤波器运算符卷积一维投影图像来执行滤波，既增加了感兴趣边缘的强度，同时降低了图像噪声。将Caliper工具测得的两个边缘的坐标值传送给DistancePointPoint尺寸数值显示工具，此尺寸值即物理坐標系下的距离，操作流程如图6所示。

2.4 缺陷检测

首先，对校正后的图像进行中值滤波处理，中值滤波[11]的原理是用像素点邻域灰度值的中值来代替该像素点的灰度值，以便减少图像噪音在输入图像中的影响，它不是简单的取均值，所以产生的模糊比较少，这样既能消除噪声又能较好地保持图像的细节。其次，将输入图像与滤波后的图像作代数运算，将两幅图像对应的存储矩形点列上的灰度值进行减法运算，灰度值相同部分变成了黑点，缺陷部位由于光线折射影响，此区域灰度值较大，相减后，灰度值不为0。最后，采用Blob分析算法搜索图像中的斑点，即为缺陷部位。Blob算法基于灰度阈值对图像进行分割，将图像分割成斑点像素与背景像素，接着对其进行腐蚀和膨胀，再执行连通性分析将斑点像素组装成连接的斑点组，最后对斑点组区域进行面积、周长、质心坐标等特征量计算。缺陷检测操作流程如图7所示。

2.5 字符识别

刹车片中需要检测的字符包括0～9、a～z和A～Z等，以字符0～9为例，具体算法流程如下：

（1） 在检测字符时，必须先建立一个标准字符库，作为以后检测时的模板，调用函数OCRMax工具训练字符，通过训练分割出的字符得到字符库。

（2） 有了字符模板库后，在检测字符时，只需将检测到的字符与模板库进行比对即可，字符检测操作流程如图8所示。

3 实验结果

首先验证测试系统的示值稳定性。将工件放置在测量工位上，保持位置不动，对其进行100次重复测量，计算出测量值的标准偏差为0.01 mm。这个实验结果说明测试系统示值稳定，且示值稳定性足以满足对工件130 mm±0.2 mm尺寸的公差要求。

实际测量中，由于光照环境和图像处理工具定位等因素，工件的摆放位置对测量结果具有一定程度的影响。同一工件，随机摆放20次，进行静态测量，计算出测量值标准偏差为0.03 mm，测量结果如表2所示。控制平台的转速对测量结果也有影响，在不同转速下对同一工件重复20次测量，得到测量值标准偏差随平台转速变化的关系见图9，由图可知测量值标准偏差随平台转速的增大而增大。当转速达到12件/min时，系统的测量值标准偏差达到0.017 mm。依据工件130 mm±0.2 mm尺寸公差的测量要求，选择转速等于12件/min，可以保证测量准确性。

图10显示了处理后的图像，图中准确地标识出刹车片的表面缺陷，因此该方法可以有效检测表面缺陷。图11为刹车片表面字符检测结果，从图可以看出，此方法准确地识别了刹车片表面的字符，且稳定可靠。

实验发现，在图像处理中运用灰度形态学可以很好地解决外界噪声的干扰，提高测量精度。环境照明光线会影响系统性能，在日光灯开启状态下采集图像时会因频闪引进不必要的噪声，所以在测试时可关闭房间照明，并调节相机光圈，增大进光量。在实验中，要保证一致的测试条件，包括环境光照、相机高度、光圈进光量、旋转速度、光源亮度等，以使各次实验数据具有可比性。

4 结 论

本文设计了基于机器视觉的汽车零部件自动检测系统，包括控制系统设计，视觉系统设计，算法处理分析。检测过程中，刹车片放置旋转平台上，旋转至相应工位触发工业相机自动采集刹车片图像，将采集图像传送至上位机，上位机对采集图像进行校准、标定、尺寸测量、缺陷测量和字符检测处理，并对测试结果分析判断，确定产品是否合格。结果显示，系统可以高效、准确、稳定地检测出刹车片的尺寸大小、表面缺陷和字符，本研究丰富了机器视觉在汽车零部件检测方面的应用。

参考文献：

[1] 徐涵秋，刘华，谢鸿.“刹车片”小常识[J].四川农业与农机，2007（6）：28 30.

[2] 左东祥，陈晓荣.基于HALCON的刹车片尺寸和表面缺陷检测系统[J].电子科技，2016，29（11）：78 80.

[3] 穆向阳，张太镒.机器视觉系统的设计[J].西安石油大学学报（自然科学版），2007，22（6）：104 109.

[4] ITOH H，MATSUO K，OIDA A，et al.Aggregate size measurement by machine vision[J].Journal of Terramechanics，2008，45（4）：137 145.

[5] MERIAUDEAU F，LAVALLEE L，FAUVET E.Machine vision prototype for defect detection on metallic tubes[C]∥Proceedings of SPIE 4664，Machine Vision Applications in Industrial Inspection X.San Jose，California，United States：SPIE.

[6] TIAN Y Y，HUANG H C，TAN Q C，et al.Size measurement of parts based on machine vision[J].Laser & Optoelectronics Progress，2010，47（1）：011501.

[7] 胡琳麗，徐志玲，张新娜，等.刹车片尺寸自动检测装置设计[J].中国计量学院学报，2017，28（1）：45 50.

[8] 曾强，孙坚.基于HALCON的刹车片轮廓缺陷检测方法研究[J].煤矿机械，2016，37（8）：143 146.

[9] 马艳宁，陈晓荣，张运涛.基于Halcon的刹车片字符检测算法研究[J].电子科技，2016，29（10）：101 103.

[10] 刘振宇，李中生，冯柏润，等.机器视觉在工业生产线上的应用实现[J].微型机与应用，2013，32（17）：27 30.

[11] 赵高长，张磊，武风波.改进的中值滤波算法在图像去噪中的应用[J].应用光学，2011，32（4）：678 682.

（编辑：刘铁英）