机器视觉智能机器人无损检测系统探讨

徐羊　刘磊

摘要：无损检测技术在一定程度上反映了一个国家的工业发展水平，其可应用于原材料、中间工艺环节以及最终产成品的质量检测中，可对产品质量进行全程跟踪检测，确保产品生产质量。将机器视觉智能机器人应用于无损检测系统中，可有效提高生产的灵活性和自动化程度，促进无损检测技术水平的进一步提升。文章首先阐述了机器视觉智能机器人无损检测系统的硬件设计，然后对机器视觉智能机器人无损检测系统的软件及控制方式和智能技术进行分析，为促进我国工业发展水平的进一步提升提供参考依据。

关键词：机器视觉;智能机器人;无损检测;图像

中图分类号：TP311      文献标识码：A

文章编号：1009-3044（2022）08-0076-02

无损检测是指在不损坏试件或不影响被检测对象使用性能的前提下，通过物理或者化学方法，借助现代化的技术和设备器材，对试件内部及表面的结构、性质、状态及缺陷的类型、性质、数量、形状、位置、尺寸、分布等进行检查和测试的方法。无损检测是我国工业发展中必不可少的有效工具，在冶金、电力、石油化工、船舶等领域得到了广泛的应用。视觉机器作为人工智能的一个分支，主要是利用机器来代替人眼进行测量和判断，将被摄取目标转换成图像信号后传送给专用的图像处理系统，再根据像素分布的亮度、颜色等信息将其转变为数字化信号，最后由图像系统对这些信号进行处理和分析得到判别结果。机器视觉智能机器人是将机器视觉和智能机器人相结合。将机器视觉智能机器人应用于无损检测系统中，在大批量重复性的工业生产检测中，可有效提升生产的柔性和自动化程度。机器视觉智能机器人无损检测系统在工业生产中的应用，不仅提升了生产效率和安全性，还提升了检测的精准度，对于产品质量控制具有重要意义。

1 基于机器视觉智能机器人无损检测系统的硬件设计

较为典型的工业机器视觉系统主要包括光源、镜头、相机、图像处理单元、监视器、输入输出单元等，机器视觉智能机器人无损检测系统的硬件组成部分可根据实际检测需求合理布置，下面仅对图像传感器、高速CCD相机和光源进行分析。

1.1 图像传感器

图像传感器又称为感光器件，是工业摄像机的核心组件，其主要功能就是将光学图像转换成电子信号的设备，图像传感器的性能直接影响到后续环节中对图像处理与解析的难易程度。图像传感器主要有CCD和CMOS两种，综合各种参数、工艺和性能，CCD在工业生产中的应用较为广泛。CCD传感器的优点较多，在机器视觉智能机器人无损检测系统中应用可发挥较大的作用，主要优点如下。CCD传感器的解析度较高，能够感测及识别较为精细的物体，摄像品质较高;可侦测到较低光度的入射光，讯号不会被覆盖，敏感度高，受天候影响较小。能够很低地读出杂讯和暗电流杂讯，信噪比较高;在系统环境较为复杂的情况下，能够同时侦测及分辨强光和弱光，所以不会受到亮度对信号的影响;此外，CCD传感器还有良好的线性特性曲线，高光子转换效率，大面积感光，光谱响应广，低影像失真，体系小、重量轻，低耗电，可大批量生产，易保养等优点，这些都可为视觉识别无损检测系统的高效运行提供重要的技术支持。

1.2 CCD相机

相机是工业机器视觉系统中重要的部件，其主要功能是图像采集，为了保证图像采集的质量，需要选择适宜的相机。图像传感器是相机采集图像的核心组件，所以相机的工作效率和质量主要取决于传感器。较为常见的传感器主要有CMOS图像传感器、线阵或面阵CCD图像传感器，其中CMOS传感器的成本较低，合成度较高，工艺程序也相对较为简单，但是在信号刺激和噪音处理方面相对薄弱，不太适用于环境较为复杂的工业生产中。所以线阵或面阵CCD相机在工业机器视觉系统中应用较为广泛。

1.3 光源设计

工业视频相机在工作过程中，由于曝光时间和被检测器件之间的速度存在一定的差距，或者检测环境照度较小，都会影响到检测的精准度。在检测环境中设计相应的光源，可有效提升图像采集的质量。在机器视觉智能机器人无损检测系统中较为常用的照明系统主要有环形光源正面照射和平行光源背面照射，因为每种光源都有各自的优缺点，所以应该根据不同的应用场景选择使用。环形光源可通过其结构设计实现高亮度和高均匀性的扩散照明，能够从不同角度提供不同颜色的照射，在检测领域的通用性较强。环形光源一般放置在被检测零件的正前方，光源照射到被检测器件上，然后CCD相机接收反射光源并成像。环形光源占用空间小、安装成本低，照射角度和光源颜色可根据实际需要进行定制，能够有效突出被检测器件的表面轮廓，在器件表面缺陷、符号以及特殊构造检测中有较好的效果。但是对于尺寸较小的圆柱或者方形零件，环形光源检测精度相对较低，在突出零件表面轮廓特征时，容易受到非检测对象的干扰。平行光源一般采用背光照射，光源与CCD相机沿零件所在位置对称放置，相机可直接接收光源光线。平行光源在应用中也会受到检测环境、检测对象等因素的影响，有一定的优缺点。所以在实际使用中，还需要根据实际需求选择适宜的光源。

2 基于机器视觉智能机器人无损检测系统的软件设计

2.1图像预处理

机器视觉智能机器人无损检测系统在图像采集过程中，受到拍摄环境以及相机自身性能的影响，图像质量不利于特征提取和分类，所以需要对图像进行预处理，主要包括图像增强、图像滤波以及图像阈值分割等处理过程。图像增强一般会采用灰度增强算法，将图像中的目标区域相对背景区域有明显的对比，可在一定程度上提升图片质量，在实际应用中，应该在不改变原图背景和目标灰度特性的条件下，經过多种算法的对比采用最优算法。图像滤波主要是对图像中的噪声进行处理，以提升最终识别结果的精度。因为图像噪声种类较多，所以应该根据实际需求选择适宜的算法，既能够高效抑制噪声点，又能够确保图像的完整性。图像阈值分割主要是设定一个或者多个阈值，然后将图像中各个像素点的灰度值与所对应的阈值进行比较，根据比较结果对图像中的像素点二值化，从而将缺陷从背景中分割出来。

2.2缺陷特征的提取和选择

特征提取作为图像处理的重要环节，直接关系到对工件表面缺陷的识别和分类。在采集到的图像中常会存在一些特殊的信息，利用这些信息可与其他图像进行区别。图像的特征种类较多，所以一般都会选择合适的特征进行提取，在工件图像的缺陷特征提取时，一般会选择形状、灰度、纹理作为特征提取的要素，三者之间相互补充，可以与其他特征要素有效区分。缺陷特征提取应该遵循一定的标准才能够保证分类的精准性，不同工件缺陷的特征值应尽量保持较大的差异性，利用一组量化型数值能够明显区分缺陷的类型，各个类型的特征之间应该互不相关，最终得到的缺陷特征要便于汇总和储存。

2.3 表面缺陷检测与辨识

对疑似缺陷的图像进行顺序扫描，以扫描点为中心利用高斯模板确定动态阈值范围，然后对疑似缺陷图像进行检测和评判，最终将确认的缺陷图像输入缺陷单元标记库中。将所有疑似缺陷图像全部扫描后再逐个排除缺陷。在以上环节中，构建常见缺陷库是关键工作。主要是将已经确认的缺陷进行采样后，再对图像的分辨率、尺寸、参照线具体采样，将常见缺陷的特征具象化后确认缺陷的类别。缺陷库构建完成后，将缺陷图像输入数据库中与缺陷类别进行匹配，如果实时采集的图像与具象化后的缺陷特征相似度超过阈值时，可初步判断采集的图像具备该缺陷，该图像即储存在缺陷类别目录中，然后再对目录中的缺陷进行下一步缺陷识别，最终实现缺陷类型的识别检测。

3 机器视觉智能机器人无损检测系统的控制方式与智能控制技术

3.1 控制系统工作方式

控制系统是机器视觉智能机器人无损检测系统的重要组成部分，检测系统中各个部件的运动都需要通过控制系统来实现。机器人系统的运动较为灵活，不仅能够实现XYZ轴的直线操作，还能够实现圆弧、椭圆弧、螺旋曲线等插补操作，利用计算机编程能够对形状较为复杂的零件进行检测，有效提升检测的效率和精准度。机器视觉智能机器人系统的工作方式为通过高级语言向运动控制卡发送命令以实现多轴插补运动或者各轴独立运动，控制卡通过模拟量电压驱动伺服放大器，伺服放大器再驱动电机实现指定脉冲的旋转运动，电机轴端的旋转编码器再将实时位置反馈到控制卡，最终实现负反馈的闭环控制。机器人的运动轨迹一般是通过编程的方式实现，在没有运动轨迹的情况下，可以利用机器人的示教功能，先通过手动的方式控制机器人将检测位置运行一遍，然后机器人可精准重复运行轨迹，以实现检测运行。

3.2智能控制技术

无损检测技术的应用范围较广，可在原材料、中间工艺环节以及产成品中进行质量检测，且每个环节中被检测工件的形状种类都较多。在检测过程中，需要利用机器人的示教功能进行轨迹确定，被检工件的种类越多，示教次数也会有所增加，由此会影响到检测效率。利用神经模糊算法对工件外形图像进行分类，能够有效减少示教次数，从而提升检测效率。首先将精确的输入量转化成模糊变量，在输入量中会设置相应的属性，然后对于每个输入量都可以与一个或者多个模糊量发生关联。经过模糊化后，利用IF...THEN...规则建立规则库，最后再将模糊量转化为精确量。在检测工件时，先用ANFIS将结构类似的工件机进行匹配，结构类似的工件在检测方法和检测点也比较相似，所以可大大减少示教过程，通过调用历史检测路径和检测点即可完成检测，实现智能检测。

4 结语

工业生产是我国经济发展的支柱性产业，在我国向制造强国方向发展的时代背景下，对工业生产的效率和产品质量有了更高的要求。无损检测作为工业生产的重要环节，检测技术水平直接关系到产品的生产质量。传统的检测方式不仅检测效率低，检测精度差，而且在较为复杂和危险的环境中，还不利于检测工作的进行。机器视觉智能机器人无损检测系统在工业生产中的应用，有效提升了检测效率。无损检测技术的非破坏性、全面性、全程性的特点，与机器视觉智能机器人的自动化、柔性化、高效性相结合，大幅提升了无损检测系统的技术水平。随着我国人工智能技术、网络技术、检测技术的发展，无损检测技术还会不断完善，检测效率和精度会进一步提升，为促进我国工业生产的可持续发展创造有利条件。

参考文献：

[1] 金怀国，夏荒生，曾雄伟.基于机器视觉技术的雪茄烟质量检测装置设计[J].安徽电子信息职业技术学院学报，2020，19（4）：7-11.

[2] 魏东辰，严小军，惠宏超.基于目标纹理的机器视觉转角检测方法[J].导航与控制，2020，19（3）：86-94.

[3] 钟宇，徐燕，刘德祥，等.基于计算机视觉和机器学习的真伪卷烟包装鉴别[J].烟草科技，2020，53（5）：83-92.

[4] 闫俊红，何家明，李忠虎.基于图像处理的钢板缺陷检测方法[J].光电技术应用，2019，34（3）：12-15，39.

[5] 王宇，吴智恒，邓志文，等.基于机器视觉的金属零件表面缺陷检测系统[J].机械工程与自动化，2018（4）：210-211，214.

[6] 程翔，王美玲，王广伟.基于机器视觉的汽车非标零部产品检测技术研究[J].经济技术协作信息，2019（14）：90.

[7] 胡浩，李俊峰，沈軍民.基于机器视觉的小磁瓦表面微缺陷检测方法研究[J].机电工程，2019，36（2）：117-123，184.

[8] 贺可太，张茜.基于机器视觉的熔融沉积成型几何质量在线检测方法[J].现代制造工程，2019（5）：18-23，28.

【通联编辑：光文玲】