基于计算机视觉的工业检测技术研究

2023-09-08彭炜轩

现代制造技术与装备 2023年7期

彭炜轩

（四川大学匹兹堡学院，成都 610207）

计算机视觉技术是利用计算机系统来分析图像的技术，当前多样化的图像处理算法进一步促进了其在自动驾驶、工业机器人和工业检测等方面的应用[1]。实际工作中工业检测涉及的项目可能较为复杂，在恶劣环境下作业会让从事检测工序的人员面临严重的风险，此时可以借助计算机视觉来完成操作。现代计算机视觉系统能够识别工业检测过程中可能存在的危险，并结合指定的参数跟踪事件，尽可能降低危险事件的发生概率，确保设备持续运行[2]。

1 计算机视觉技术的相关介绍

计算机视觉技术主要通过模拟人眼视觉功能及时提取对应的数据和文字信息等，从而达到有效识别。计算机视觉模式能够借助输入法表达透射景物的灰度阵列，而且输入阵列可调整不同的方向与角度，从而保证描述不同的景物符号。计算机视觉的工业检测技术，可取代传统的人眼识别方式加以判断。在有效摄取被测目标后，能够将其转变成对应的图像信号并传送至图像处理系统，通过分析像素分布、高度和颜色等内容再将其转化成数字信号。转化过程中，图像系统可对相关信号进行运算，从而获取对应目标的特征，依据判别结果实现对工业设备的运行控制。

计算机视觉技术是一种全新的技术，目前已在诸多领域得到了广泛应用。该技术的快速发展明显提升了图像处理技术的质量。依据计算机视觉技术原理，可有效识别和分析处理图像内容。在图像处理期间，要充分结合系统图像的特征实施转化，描述图像自身所寓意的景物，明确布局特点和结构，从而详细划分图像类别。从视觉信息出发，可使用图像技术加工处理视觉图像。按照抽象程度与处理方式的差异，可将其划分成图像处理、图像分析及图像理解3个层次。

首先，图像处理旨在从像素级别进行调整，涉及图像的分割操作，有助于彰显视觉效果，还可以对图像进行压缩编码，从而缩短传输时长，降低存储容量。其次，在执行分割与特征提取时，能够将最初的图像转换成一种非图形格式的符号来描述，即在使用图像分析时，能够对单一特征测量结果应用测量符号来表示。最后，图像理解属于计算机视觉的关键，被判断为高层操作，可深入研究图像中的具体目标及不同目标之间的联系[3]。

总体而言，计算机视觉技术优势明显。一方面，利用计算机视觉可获取被测物体的相关信息，提升被测物体的检测质量；另一方面，该技术在应用过程中能够控制关键过程，在工业生产和检测等领域具有较高的应用潜力。

2 应用计算机视觉技术需要解决的问题

计算机视觉可利用摄像机、计算机及其他相关设备模拟生物视觉，它的主要任务是通过处理采集的图片或视频来获得相应场景的三维信息，并进一步做图形处理，从而得到更适合人眼观察或传送给仪器检测的图像。明确了计算机视觉技术的工作原理后，在将其应用到实践中时还需解决以下问题。

（1）识别。结合计算机视觉特征，在对图像进行处理前应准确识别所有信息，明确该组图像数据中所包含的图像特征和运动状态等。在有效识别时，计算机视觉技术通过机器来自动解决。在识别期间，主要包含图像提取、姿态评估以及光学字符识别对图像中印刷或手写文字的鉴别等模式。

（2）运动。在解决运动问题时，计算机视觉技术能够实现对序列图像的运动监测。例如：针对自体运动可依据监测摄像机的三维刚性运动来实现；在跟踪物体时，通过图像跟踪即可实现。

（3）场景重建。通过给定特定场景，包括多幅图像或一段录像等，执行场景重建并为该场景创建出对应的计算机模型或三维模型。

（4）图像恢复。图像恢复时，通常要去除图像中的噪声，以便在工作过程中消除无关因素的影响。

3 基于计算机视觉的工业检测技术的应用优势

工业检测对计算机视觉技术性能提出了更高的要求，明确要以高质量检测为目标，保证满足高水平的分辨率。在工业检测的实际过程中，环境变化、物体大小差异等因素，再加上图像分辨率可能无法满足要求，进而影响计算机视觉检测的结果[4]。按照视觉系统的判断方式，在物体经过期间会呈现出灰度的变化，可对光源指标产生影响。因此，为了保证计算机视觉技术的工业检测效果，要提高其灵敏度，确保动态化监测过程的顺利执行。监测示意如图1所示。

图1 监测示意图

当空间发生变化时，要保证具备足够清晰的图像分辨率，以便为后续图像处理创造有利条件。同时，要提前排除可能影响计算机视觉系统运行性能的因素，并采用精准的测量方式，依据信号来源的位置、尺寸和形状等信息实施整合[5]。

基于计算机视觉的工业检测技术具有以下几点优势。第一，检测效率高。该检测方式可提高检测速度，在单位时间内能够检测出更多的元件，并且满足全天工作不间断的要求。第二，精准性高。计算机视觉不会受到个人主观因素的影响，只要保证参数设置科学合理，就能够确保检测精度。第三，信息化集成。实践过程中，该检测技术能够同步测量多项技术指标，满足数字化统计管理的要求，检测后会获取相关数据，并生成特定的测量报告，满足自动化和信息化特点。

4 基于计算机视觉的工业检测技术的应用

4.1 实施图像检测

计算机视觉可应用于工业领域，较为常见的是工业检测技术。在该技术应用期间，要进行图像检测以获取相关数据。整个过程中应充分考虑对应图像的输出帧格式，结合用户的需求综合分析并处理信息，只有当采集的图像信息满足精准性要求时，才能确保整个检测结果真实、准确[6]。为了提高图像检测的质量，应对源头图像数据进行预处理，同时为图像预处理提供相关的技术支持，合理搭建对应模型并展开分析。在应用有关数据进行处理期间，可优先预测数据结果，保证能够更好地监控数据，以便进一步提高数据处理的效率。

4.2 合理应用图像预处理技术

借助计算机视觉技术进行工业检测时，还要重视图像的预处理技术，它与后续的图像处理分析存在密切联系。按照处理流程，要先提取图像的相关信息数据，然后有效融合图像预处理技术和模板技术，从而降低实际监测的技术难度。基于实际的技术要求，在对图像实施预处理期间，要提高图像的使用效率。在完成预视化处理后，开展二维数值执行边缘化提取操作，有效输入整帧图像数据，提取图像边沿，明确处理技术的关键节点，使其满足稳定性要求。另外，在实践过程中，要多次执行预示化处理[7]。图像预视化处理流程，如图2所示。

图2 图像预视化处理流程

4.3 具体应用实践

目前，基于计算机视觉的检测技术在工业检测中得到了广泛应用。在使用过程中，该检测技术借助电荷耦合器件（Charge Coupled Device，CCD）摄像机获取对应的图像信息后，会及时上传至计算机，并使用专用图像处理模块进行处理。依托数字化处理过程，它能够从像素分布、亮度和颜色等信息层面出发，准确判断检测目标的形状、体积及颜色。相对而言，该种检测方式能够发挥计算机处理的高效性，并且可以和人体视觉实现智能化、抽象化联系。基于计算机视觉的工业检测技术适用于涉及模式识别和计数、视觉定位、尺寸测量和外观检查等。例如，在执行工业检测技术时，较为常见的项目属于产品外观缺陷检查，属于工业质检的重要项目。依托自动视觉三维检测时，可测量物体外形几何参数，实现对零件的分组、定位和识别等。下文通过包装检测、印刷品色彩识别和工业产品的质量检测介绍基于计算机视觉的工业检测技术的具体应用。

第一，包装检测。在包装检测过程中，会涉及连续、较大批量的产品包装检查，需要对其印刷质量、是否具备识别产品字符或条形码等进行检查，应用基于计算机视觉的工业检测技术可有效提升产品的质量与可靠性。在借助视觉技术进行识别时，可扫描卷筒纸喷码，从而准确判断喷码所在位置，并利用图像检测、支持向量机（Support Vector Machine，SVM）判断对应产品的外包装是否合格。以铝塑泡罩包装的药品为例，在对其执行包装检查时，可进行训练系统与检测系统设计。要优先利用训练数据库输入数据，在适应训练系统后执行检测期间，扫描发现异常即说明包装药品（铝塑泡罩）可能存在缺陷。

第二，印刷品色彩识别。印刷品色彩识别包括颜色模型识别与训练分类器识别两种方式。利用颜色模型识别时，要通过调节白平衡调控色温变化。实际处理期间，彩色图像颜色模型的形式呈现出多样化特征，涵盖YUV、色调—饱和度—明度（Hue-Saturation-Value，HSV）、红-绿-蓝（Red-Green-Blue，RGB）、印刷四分色模式（Cyan Magenta Yellow Black，CMYK）等。相对而言，HSV更符合常见的颜色分辨，可在颜色空间下进行识别。在利用视觉系统检查时，可及时发现存在的墨水堆积、飞墨和颜色偏差等问题。

第三，工业产品质量检测。工业产品质量检测涉及产品的几何参数、在生产线中的位置和表面缺陷等。以印刷电路板为例，其在电子元件中发挥着重要作用，是电子产品的核心。在对印刷电路板进行质量检测时，结合生产实际需求，应满足快速化、高精度化和网络化条件。早期采用的人工检测方式相对费时费力，且容易出现误差，暴露出很多问题。基于计算机视觉的工业检测技术以图像处理算法为支持，准确识别数字图像的处理信息，实现对印刷电路板的有效检测。根据视觉系统检测实践，可及时发现检测板上存在的导线与组件位置、间距错误等情况，精确检查组件形状和电路通道。