图像检测系统在自动化生产中的应用

赵宪波

摘 要：针对目前某型号工件生产中盖片装配质量基本靠人工目视检测，存在工人劳动强度大、效率低、自动化程度低、检测结果受人为影响大等现状，提出一种图像检测系统自动检测及分选的方式。介绍该系统的基本结构、工作原理，并对其应用特点进行分析。应用结果证明，该设计可实现该型号工件盖片装配质量的自动化检测及分选。

关键词：图像检测系统 自动化 工件装配质量

1 系统组成

本系统由图像检测系统、多自由度分选机械手、物流系统、总控制系統等组成。其系统总体布置图如图1：

1.1图像检测系统

图像检测系统由光源、光学系统，相机、图像处理单元、图像分析处理软件、监视器、通讯/输入输出单元等组成。其结构原理图如图2。

1.1.1光源

光源是影响图像检测系统输入的重要因素，因为它直接影响输入数据的质量和至少30%的应用效果。

光源构成的照明系统按其照射方法可分为：背向照明、前向照明、结构光和频闪光照明等[3]。

1.1.2光学系统

对于图像检测系统来说，图像是唯一的信息来源，而图像的质量是由光学系统的恰当选择来决定。

光学系统的主要参数与图像传感器的光敏面的格式有关，一般包括：光圈（光圈根据光源亮度和相机曝光程度相应做出调整即可）、视场、芯片尺寸、焦距、F数等。

本系统中待测工件视野范围为60×60mm，物距大约为200mm，CCD的尺寸为：4.8mm*3.6mm。

根据光学公式： （其中FOV表示视野，CCD表示CCD尺寸），现场情况物距设定为300mm，因此可得：，由光学公式=30.5mm。因此我们选F为25的镜头加5mm的接圈。

1.1.3相机

相机是实际上是一个光电转换装置，即将图像传感器所接收到的光学图像，转化为计算机所能处理的电信号。光电转换器件是构成相机的核心器件。目前，典型的光电转换器件为真空摄像管、CCD、CMOS图像传感器等。

1.1.4图像采集/处理卡

图像采集卡主要完成对模拟视频信号的数字化过程。视频信号首先经低通滤波器滤波，转换为在时间上连续的模拟信号；按照应用系统对图像分辨率的要求，得用采样/保持电路对边疆的视频信号在时间上进行间隔采样，把视频信号转换为离散的模拟信号；然后再由A/D转换器转变为数字信号输出。而图像采集/处理卡在具有模数转换功能的同时，还具有对视频图像分析、处理功能，并同时可对相机进行有效的控制。

1.1.5图像处理处理软件

图像检测系统中，视觉信息的处理技术主要依赖于图像处理方法，它包括图像增强、数据编码和传输、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容[4]。

1.2多自由度分选机械手

多自由度机械手由x向平移机构、y向平移机构、z向平移机构、真空吸盘、真空发生器等组成。

1.3 控制系统

控制系统由人机交互界面+中央控制器+现场设备组成 ，其中人机界面采用西门子TP系列工业级防爆触摸屏，中央处理器采用西门子S7300系列PLC，现场设备主要包含视觉系统，伺服电机，电磁阀及各种传感器组成。如图4所示。

2 工作原理

2.1整体工作流程

2.2整体工作过程

多发工件组合放置在整体模板上，完成前段上盖片工序后，由物流系统传送到图像检测系统检测工序。图像检测系统对整体模板上的多发工件的盖片信息进行采集、处理、特性提取、判断。如有废品，将废品坐标信息传递给总控制系统。检测完成的整体模板由物流系统传输到多自由度分选机械手下方，总控制系统控制多自由度分选机械手，如有废品，控制其动作将废品从整体模板上取出，完成废品分选。

3 应用特点分析：

本设备样机已经在某厂进行了一段时间的试生产运行，效果良好。与传统的人工目测方式相比，具有自动化程度高、可靠性高、高效、大幅缩减在线操作员工等特点。

3.1 自动化程度高

原操作工人直接目测的生产方式中，操作工要完成工件取出，工件目测，根据目测结果将工件放入不同的收集箱等动作，劳动强度较大。而现在本系统中，工件的传输、检测、结果分析、产品分类均由设备自动完成。对比而言，本系统大幅降低了生产线上操作工人的劳动强度。

3.2大幅提高检测可靠性

图像检测系统可以长时间稳定地执行观测、分析与识别任务，规避人工检测中因疲劳、情绪等因素出现检测不可靠的问题。

3.3提高检测及分选效率，大幅缩减在线员工

图像检测系统采集图像、识别图像、分析图像都在几十毫秒内得到执行，控制系统可迅速通知气动伺服多自由度分选机械手执行废品分选动作。应用本系统后，在完成同样产能的前提下，能较以往的生产模式可大幅缩减在线员工60%左右。

4 结束语

针对某型号工件盖片装配质量检测落后的生产现状，将图像检测技术应用于其中，在保证了产能的前提下，提高了检测可靠性、生产效率，同时大幅度缩减了在线操作员工。

参考文献：

[1] 张纪明. 基于PC的机器视觉系统研究[J].机器视觉， 2006（11）：1.

[2] 田菲，张文锦. 嵌入式机器视觉系统设计[J]. 仪器仪表用户，2006（13）：1-2.

[3] 李福建，张元陪. 机器视觉系统组成研究[J].自动化博览，2004（02）：2.

[4] 刘平平. 机器视觉系统中的图像噪声处理算法研究[D]. 华中科技大学，机械工程学院，2011：13-15.