智能制造背景下机器视觉课程建设探索

刘永　王生怀　王宸　陈诚　袁海兵　李捷

摘要：机器视觉作为一门专业选修课程，已经纳入机械类硕士研究生智能制造方向的课程体系中。以往的教学过程中偏重理论及算法的讲解，教学效果欠佳。为了提升教学效果，采用案例式的理实一体化教学方法，让学生在“学中做，做中学”，体现了以学生为中心的教学理念，锻炼了其分析、解决工程问题的能力，达到了较好的教学效果。以齿轮几何参数测量为例，阐述了教学方法及教学设计的实施过程。

关键词： 机器视觉; 课程建设; 教学方法; 教学设计; 案例式教学

中图分类号：G642      文献标识码：A

文章编号：1009-3044（2022）34-0136-03

1 引言

随着科学技术的发展，机器视觉技术已经广泛地应用到各行业的制造领域中。作为智能制造领域的一项新技术，因其具有非接触检测、效率高、装备能与生产线集成等特点，已经在机械制造行业有广泛的应用。机械加工的零件需要在线检测，零件的尺寸、形状、缺陷[1]、装配状态、身份识别等图像信息特征，都可以通过设计相应的检测、识别算法利用视觉设备提取出来，做出合格与否的判断及身份识别。大批量生产的零件，传统的检测工具为量规、专用检具，采用人工检测的方法时间长、效率低、劳动强度大。传统的零件缺陷如表面裂纹、加工表面划伤、铸件疏松孔等检测主要靠人工完成，其准确性受经验、主观因素影响比较大。上述人工检测不能将合格品和不良品自动分类，不能和生产线的生产节拍相匹配。一些大型的零件，如汽车发动机缸体，零件复杂、加工表面多，其生产质量会直接影响到汽车的安全性和使用寿命，因此有必要将其毛坯和零件的所有生产信息，如品种规格、加工信息、生产班次等以二维编码的形式刻在零件上，成为每个零件唯一的“身份证”，方便调用数控机床加工程序及进行质量追溯。对于机械制造及其自动化专业的硕士研究生，本科阶段由于未接触到相关的课程，因此学习机器视觉这门交叉融合课程存在一定困难。如果还是采用传统的教师讲、学生听的授课模式，很难达到培养硕士研究生创新意识、探索精神、独立思考能力培养的目标。

目前机器视觉人才数量与巨大的市场需求相比，面临巨大的缺口。如何培养出高层次、高素质非电气、计算机类专业的机器视觉方向研究生以满足市场的需求[2]，是一个值得研究的教研课题。本文从机器视觉课程建设角度出发，探索、研究并实施了案例式的理实一体化教学方法，让学生在“学中做，做中学”，避免了传统教学中以教师为中心“满堂灌”的模式，体现了以学生为中心的教学理念，锻炼了学生分析、解决工程问题的能力，达到了较好的教学效果。本文以齿轮几何参数测量为例，阐述分析了教学方法及教学设计实施的过程。

2 教学改革实施过程

2.1 教学过程中的突出问题

随着智能制造技术在企业中日益广泛地应用，作为智能制造技术之一的机器视觉技术已经广泛地应用到机械行业。机器视觉课程融合了系统硬件的选型、光学技术、数字图像分析与处理[3]、应用软件编程等内容，是一门多学科交叉的应用课程，课程内容理论与实际结合紧密。对于本科专业为计算机及电气专业的研究生来说，由于本科阶段接触了相关应用软件编程、数字图像处理等方面的课程，学习起来难度不大。但作为机械工程专业的硕士研究生，由于本科阶段专业课程的限制，学习起来难度较大。以往的教学过程中，教师教授该课程时，讲授的内容如下：先介绍课程的背景、系统构成和应用场景。再介绍硬件系统的构成，如光学成像原理、相机、镜头、摄像机及计算机接口的选型。数字图像及预处理、模式识别、视觉伺服等内容。最后列举几个具体的零件几何参数、缺陷检测及识别的应用案例，如零件长度尺寸、夹角、圆直径等几何参数测量，零件一维条形码、二维编码识别等。教材中的案例是教材编写者自己科研及工程应用开发的实际案例，由于知识产权保护及客观条件限制，其整个应用流程很难在课堂上复制、重现。在教学过程中，学生缺乏参与感和沉浸式体验，即使教材中的应用案例编写得再好，也很难激发其学习兴趣和探索欲望。因此需该课程的授课教师在培养研究生的过程中，自己开发出实际工程应用案例[4-5]，在授课的过程中让学生参与体验，才能达到较好的教学效果。一些视觉工程应用软件如CRVsionBuilder、Halcon、OpenCV等软件需要与硬件联用，可以在介绍完硬件选型后，运用Matlab软件完成检测算法。在课堂上，将硬件采集的待检测工件图像发给学生，学生自带电脑，运用Matlab软件完成检测算法。这样学生在体验、沉浸式的学习过程中能深刻理解机器视觉检测的内涵，产生强烈的学习兴趣，从而激发其创新意识和探索精神，提升教学效果。本文以作者指导的硕士研究生设计开发的齿轮视觉检测方法为例，分析、阐述了教学的实施过程。

2.2 齿轮测量教学设计

2.2.1 机器视觉系统硬件介绍

此部分教学内容带领学生到实验室进行。购买的某公司视觉检测实验设备如图1所示。

对着设备实物，讲解各部分的硬件构成。在讲解相机时，讲清楚CCD和CMOS相机的区别。讲解镜头时，讲清楚成像原理、产生畸变的原因、焦距与成像清晰度的关系，同时让学生动手调节镜头焦距，沿导杆方向调整相机和镜头的位置，观察显示器中齿轮成像清晰度的变化。学生会很感性地认识到在视觉检测系统中焦距和像距对检测工件成像清晰度的影响，明白调好焦距和物距是获得清晰工件图像的条件，而清晰的工件图像又是后续预处理、特征提取、算法实现的前提。讲解圆形工作台由步进电机带动旋转的工作原理，步进电机驱动器可以设置细分步距角，在触摸屏界面上可以选择不同的步距角，通过细分选择较小的步距角，这样参照显示器上的水平线，可保证采集的工件图像是正的。讲到图像数据采集卡，可以打开机箱，让学生观看其样子及其在主板上的插装方式，相机与主机的通信接口方式，讲解通信接口方式和通信协议。设备上带有磁性感应开关，工件转过对准开关时，可以给出电信号触发相机自动采集图像，在多工件的自动线上可以实现自动采集。调节环形光源的位置和强度，可以观察显示器上工件图像的变化，使学生明白合适的打光条件也是获得一个清晰图像的前提条件。让学生自己动手操作OpenCV软件，熟悉软件的菜单和操作基本流程。在講解时候结合生产实际，大批量生产时设备需要有分拣机构，检测合格或不良品的工件信息上传给PLC，由分拣气缸等执行元件将不良品推到专用料仓里，合格品放行，通过输送装置输送到下一个工位。这样可以加强学生对机器视觉设备的感性认识。

2.2.2 齿轮几何参数视觉测量方法介绍

需要检测的齿轮实物如图2所示。在讲授视觉检测方法之前，给学生布置任务：提前收集齿轮几何参数检测常用的方法、设备及工器具，比较各种检测方法、设备及工器具的优点和缺点。引出视觉图像检测齿轮几何参数的方法，引导学生分析这种非接触测量的优势。

对着量块实物讲清楚量块的机械加工精度等级，作为精度高的量具，其材质可以防锈、热变形系数非常小，常作为普通长度测量器具的校对工具，且可以通过不同的组合，得到不同的长度。针对本齿轮的测量，由于测量的都是齿轮端面图像的几何参数，因此选一个厚度和齿轮厚度相同、且工作长度与分度圆直径长度接近的量块用来标定。使学生明白与确定其他传感器产生的电压值与物理量值的关系一样，真实尺寸与像素距离尺寸的比值即为标定系数。本实验使用方形棋盘格标定板来消除镜头产生的图像畸变，在Matlab软件中调用消除畸变的函数，通过对采集图像的处理，确定校正径向、切向图像畸变误差位移多项式的系数，获得相机镜头的内部参数，就可以消除图像畸变。可以观察校正前后的图像变化情况，让学生认识到消除图像畸变是获得高精度测量结果的前提。

齿轮图像的预处理、几何参数测量算法由Matlab软件编写程序完成。调好的程序先不发给学生。对应授课的章节内容，在讲解完后布置相应任务，让学生在课堂上练习。以这样理实一体化的授课形式进行，既可以通过练习趁热打铁巩固消化课堂上的内容，又可以锻炼学生深度思考和探索精神，学生的学习积极性很高。讲解图像增强的方法，如在空间域中的灰度变换。在Matlab软件中阈值分割后，利用灰度转换函数将RGB彩色图像转换成二进制灰度图。在频率域中图像增强中的滤波，对于图像采集过程中引入的高频噪声，可以让学生使用中值、非线性均值、小波等方式，在Matlab软件中调用对应的函数，对比分析不同滤波方式的效果，解析不同滤波算法的优缺点。进行边缘检测时，尝试使用不同的算子，如：Log、Prewitt、Canny、Robert、Sobel等，对比分析不同算子的提取效果。后面再进行边界跟踪处理得到完整的轮廓特征。提取的齿轮完整轮廓如图3所示。经过齿轮图像预处理得到合适的轮廓后，再进行几何参数测量的算法设计。

讲解此部分内容时，教师提前将任务要求发给小组，一般一个小组5人左右。教师提示编程思路，下次课时小组将调试好的程序在课堂上演示、讲解、讨论。用Hough变换或最小二乘法确定齿轮安装孔的圆心、半径。齿轮安装孔的圆心是确定外轮廓的基准。由于存在键槽，所以要选定安装孔上去掉键槽外的大圆弧进行处理。对比两种方法确定圆心坐标及半径的区别，并让学生对比分析两种方法精度的高低。测量齿根圆、齿顶圆直径的算法是通过外轮廓上的每一个像素点到中心点的距离进行计数，距离最大的为齿顶圆半径，距离最小的是齿根圆半径。编制的齿数测量算法思路，是将齿廓像素沿同一方向依此到中心点距离做出曲线，对生成的类正弦曲线进行脉冲个数计数，从而获得齿轮的齿数。键槽的宽度、深度尺寸，通过平行直线之间的距离、点到直线的距离检测出来。模数、分度圆等尺寸是由齿轮的几何参数公式间接计算获得。此算法实现部分对某些学生会存在难度，可以通过能编出程序的小组及教师帮扶、指导，帮助其调通程序。数据误差分析及统计时将同一个齿轮多个小组测得的同一参数求均值，与同样多次数的人工测量均值做比较，得到测量绝对误差和相对误差值。

3 结论

对机械制造及其自动化专业硕士研究生开设的机器视觉专业选修课程进行课程建设探索，通过理实一体化案例式教学方法的实施，极大地激发了学生的探索欲望和创新意识。从近两届研究生教学后的反馈情况来看教学效果较好，在后续的教学过程中，会在模式识别、缺陷检测等方面多开发些实际教学案例，从而进一步提升教学效果。

参考文献：

[1] 崔光茫，赵巨峰，辛青.基于工业生产设备表面缺陷检测的实验设计[J].实验室研究与探索，2017，36（4）：164-166，244.

[2] 谢婷婷.机器视觉的人才培养分析和实训室建设探索[J].电脑知识与技术，2021，17（30）：282-283，285.

[3] 赵静，鲁力群.计算机视觉检测与图像处理课程教学改革实践[J].大学教育，2017，6（8）：85-87.

[4] 陈锡爱，王凌，王斌锐，等.基于项目教学的图像处理与模式识别课程教学改革研究[J].教育现代化，2017，4（2）：42-43，51.

[5] 張苏新，韩仲洋，黄天宇，等.基于机器视觉技术的工件尺寸测量实训教学项目设计[J].现代信息科技，2021，5（1）：149-152.

【通联编辑：王力】