表面质量检测系统.doc

《表面质量检测系统.doc》由会员分享，可在线阅读，更多相关《表面质量检测系统.doc（9页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、Four short words sum up what has lifted most successful individuals above the crowd: a little bit more.-author-date表面质量检测系统基于机器视觉技术的印刷产品表面质量检测系统基于机器视觉技术的产品表面质量检测系统王岩松1章春娥2（1北京凌云光子集团 北京 100089 2北京交通大学信息科学研究所 北京100044）摘要：介绍了基于机器视觉技术的表面检测系统的设计方案和系统构成原理，并且针对表面检测系统中广泛应用的高精度定位配准算法以及Blob分析算法从原理上进行了阐述，同时给出了

2、当前通用的表面检测系统的处理单元构成特点。基于本文所介绍的机器视觉技术的表面检测系统已经在工业现场得到了批量推广应用，对于以后开展类似的表面检测系统具有一定的参考价值和指导意义。关键字：机器视觉表面检测斑点分析（Blob分析）A Surface Inspecting System Based onMachine Vision TechnologyWang YansongZhang Chun-eA LUSTER LightTech Group Company，100089Institute of Information Science, Beijing Jiaotong University,

3、Beijing, 100044Abstract：An introduction to some general design schemes and constructing principlesabout surface inspecting system based on machine vision technology. Some algorithms widely used in surface inspecting system such as high resolution Search-alighment algorithm and Blob analysis algorigh

4、m are desrcibed in detail theoretically.The constructing way of processing uint in general surface inspecting system is also presented in this paper. Up to now, a great deal of surface inspecting systems based on the technology introduced in this paper have been successfully used in some industrial

5、factory。KayWords:Machine VisionSurface InspectionBlob Analysis1机器视觉及系统-机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品，如CCD、CMOS和光电管等，将被摄取的目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，再根据判别的结果控制现场的设备。典型的工业机器视觉应用系统包括如下部分：光源，镜头，CCD照相机，图像处理单元（或图像采集卡），图像处理软件，监视器，通讯/输入输出单元等1。机器视觉是一项综合技术，

6、其中包括数字图像处理技术、机械工程技术、控制技术、光源照明技术，光学成像技术、传感器技术、模拟与数字视频技术、计算机软硬件技术、人机接口技术等。其中图像处理软件中的图像处理算法是整个机器视觉的核心部分。图像处理技术包含数字图像处理学、计算机图形学中的大量内容，涉及图像分割、图像测量、图像融合、图像匹配、模式识别、计算机神经网络等大量前沿技术。图像处理算法选择的合理性、算法的适用性、算法的处理速度和处理精度等均将直接绝对最终机器视觉质量检测系统的检测结果。本文设计的表面检测系统使用了上述多项机器视觉技术，特别在图像处理方面使用了高精度子像素定位配准、斑点（Blob）分析等算法，对于提高检测准确性

7、以及多种类产品自适应检测起到了决定性作用2。2表面质量检测系统设计方案与构成图1 系统组成原理框图由于表面质量检测系统所涉及到的行业多，每个系统的设计方案都有着自己的特点，从通用型表面质量检测系统设计角度看，系统可由吹风展平机构、照明光源、CCD相机、镜头、机箱、图像采集、图像处理、控制单元、监视单元、执行机构和报警单元等组成，如图1所示。不同的系统在组成上稍有区别。图像照明光源采取了线性光源以产生照明能量集中的、光强分布均匀的一条光带；同时吹风展平机构可以使检测对象运动到CCD扫描线附近时保证不产生任何畸变；当产品高速运动时，CCD线扫描相机通过消杂光光路对当前扫描线进行逐行采集，采集到的数

8、据送入图像采集单元进行存储。在经过图像处理单元进行复杂的表面检测运算后，如果发现表面质量缺陷，则控制报警单元进行声光报警，同时执行单元向生产线发送相应的控制指令将质量次品与好品分仓处理。监视器可以醒目的汇报缺陷产生位置、缺陷面积大小等信息，便于用于可以迅速获取信息。以印刷行业的产品表面质量检测系统为例，系统包含了图像采集卡、I/O输入输出卡、D/A转换卡，PLC控制系统等部件，以微机系统作为处理和控制的中心单元。这种组成结果可以满足大部分表面检测系统的应用需求。结构组成如图2所示。 图2 印刷质量检测系统结构示意图3高精度定位配准算法高精度定位配准算法在表面检测系统的机器视觉技术中占有重要的地

9、位，是图像与标准模板进行缺陷检测的必要条件。论文中所设计的高精度定位配准算法将金字塔分层思想和互相关计算想结合，定位配准精度可以达到1/64像素。同时算法采用了MMX方式进行优化，定位时间大大缩短。该定位配准算法中的金字塔分层思想是：用不同带宽的低通滤波器对原始图像进行低通滤波，得到一组不同“分辨率”的图像；然后从最高级（最粗的“分辨率”）开始，将模板和目标图像进行匹配，将结果作为预测值，对下一级（较高的“分辨率”）的图像进行匹配，在子像素匹配时使用双线性插值算法，最后可以达到要求的定位速度和定位精度。从理论上讲，若每层的收敛范围是m个像素，则第n层的收敛范围可达到mn个像素。在图像定位核与图

10、像坐标中心选取以后，根据初始定位信息可以计算得到实际图像与模板图像的夹角信息，然后将实际图像根据进行旋转，此过程可以利用双线性插值实现。设实际图像上某一点，经过旋转以后为，则 （1）旋转以后两幅图像之间就只存在X方向和Y方向上的偏移差异和。定位配准算法采用分层逐步匹配方式可以得到最佳的和。分层定位配准的过程可以用图3来说明，图3示意了1/4个像素的定位精度，1个像素范围内的搜索定位过程。如图3（a）所示，首次匹配在9个点中找到相关程度最好的点，结果如图3（a）中的黑点。然后将搜索步长与搜索范围缩小一半，进行第二层搜索，此时搜索精度为1/2像素，在15个点中（最多25个点）找到相关程度最好的匹配

11、点，如图3（b）中黑点；接下来在第三层中找到匹配最好的点，判断此时搜索精度为1/4个象素，已经达到要求的匹配精度，则搜索结束，最后定位到的匹配点为图3（c）中的黑点所示（a）表面层搜索（b）第二层搜索（c）第三层搜索图3 金字塔思想的定位配准算法示意图经过大量实验数据测试，仅仅对于求定位偏移距离这一项，采用了金字塔分解及网格扩散方式与普通的全遍历方式相比，搜索区域大大减小，并且能够迅速收敛，同时还能够解决图像互相关搜索中存在的错误相关峰。设搜索步长为，搜索范围为，找到最佳定位匹配点需要遍历的点数为 （2）上式中第一式为全遍历公式，第二式为采用金字塔思想所需进行的遍历公式。如果两幅图像之间的搜索

12、范围为4个像素，定位精度要求为14个像素精度，则定位到最佳匹配点所需遍历点数个，而个，可以看到，搜索区域大大减少，而且确定搜索路径所需迭代次数仅为。该定位配准算法具有很好的适用性，对于图案中的一些变形和缺损的容忍性较好。可以用于表面检测的下述应用中：l 正常图像定位配准l 带噪声图像定位配准l 带一定旋转的图像定位配准l 带一定缩放比例的图像定位配准l 对比度不一致的图像定位配准l 部分缺损的图像定位配准4Blob分析算法斑点分析算法，也称为Blob分析算法，常用于对目标图像进行图形特征提取和分类。通过在图像中寻找一个或多个相似灰度的“斑点”，并将这些“斑点”按照四邻域或者八邻域方式进行连通分

13、析，就可以形成一个Blob单元。通过对Blob单元进行图形特征分析，可以将单纯的图案灰度信息迅速转化为图案的形状信息，包括图形质心、图形面积、图形周长、图形外接最小矩形以及其他图形信息。Blob分析算法在表面检测中扮演着重要的角色，可以将真实缺陷与虚假缺陷根据图形特征不同进行判别。Blob分析算法也可以用于颗粒计数领域中。Blob分析算法中最重要的两个步骤是Blob图像分割和Blob特征提取。4.1Blob图像分割Blob分析算法首先包含了“图像分割”步骤，只有对于目标图案的有效分割才能进行后续的相似灰度Blob分析。论文中设计的Blob分析算法在图像分割方面使用了多种方法，可以针对表面检测的

14、各种领域进行灵活应用，包括：l 固定阈值分割（Fixed Threshold）固定阈值分割使用单一阈值将图像分割为Blob对象和图像背景两部分。固定阈值分割对于高对比度以及背景一致性很好的图像具有较好的效果。l 可变阈值分割（Adaptive Threshold）可变阈值分割方法由于采用了一些图像统计方法来预测最佳的分割阈值，因此可以适用于一些对比度和一致性较差的图像，每个像素均对应自己独立的分割阈值。这些统计方法包括：最小均值方式、最大均值方式以及均方差等统计信息等。经过选择有效的图像分割方式，满足用户检测需求的特征形成了Blob，而其他非检测目标构成了图像背景，在对于Blob进行特征提取后

15、，可以设计对应的过滤器来“筛选”出真实的缺陷Blob。4.2Blob特征提取在经过图像分割后，图像的灰度信息经过Blob特征提取过程就可以转化为Blob信息队列。其中根据表面质量检测应用需求，针对性设置算法，可以提取更多Blob形状信息。目前Blob分析算法中所提取的典型Blob特征包括：l Blob面积与外接矩形面积比例 （3）l Blob 延伸率特征 （4）l 最小外接椭圆的长轴角度（与X轴方向夹角） （5）除了上述典型Blob形状参数以外，本Blob分析算法还可以计算Blob形状的质心，Blob中孔洞个数，Blob周长、外接椭圆长轴和短轴、类圆度以及一些灰度特征，如最大最小灰度、灰度均值

16、、灰度方差等。当图像灰度信息经过Blob分析算法处理后，便转化为目视更加直观的Blob形状信息，用户可以根据这些Blob特征设计组合式的多级分类器，在经过多个分类器过滤后，可以在一定程度上满足各种表面检测用户的缺陷检测需求。5处理单元构成在表面质量检测的各种系统中，通用的处理方式都是基于PC机的检测处理系统。作为核心处理单元，计算机负责系统的全部管理动作，系统需要综合考虑与相机、采集卡、编码器、外部PLC、以及PC本身外设的连接与通信控制，同时提供各种人机界面；当检测到表面质量瑕疵时，监视器上将显示有瑕疵图像，并明显标识瑕疵位置，启动声光报警装置，同时发出IO控制指令，将好品与缺陷品分仓控制。

17、典型的表面检测系统处理单元构成如下图，本系统考虑了两台相机来并行检测表面的质量瑕疵：图4 表面检测系统处理单元构成6.总结本文探讨了基于机器视觉的产品表面检测系统的各项相关技术，首先介绍了机器视觉和机器视觉系统的基本概念，同时针对通用的表面检测系统，提出了常用的系统设计与构成方案，并结合当前表面检测中常用的高精度定位配准算法以及Blob分析算法的原理进行了介绍。 目前，基于本文所介绍的表面检测系统已经成功应用到印刷行业的表面质量检测现场，并且进行了批量推广使用，说明这些表面检测技术已经比较成熟，对于以后开展其他行业的表面检测系统应用具有较好的参考和指导意义。参考文献：1阮秋琦.数字图像处理学M. 北京：电子工业出版社，20002王岩松、阮秋琦. 一种基于互相关的图像定位匹配算法研究与应用J. 北方交通大学学报，2002，26(2)