資源描述:
《基于機(jī)器視覺(jué)的工件鋸片缺陷檢測(cè)系統(tǒng)設(shè)計(jì)》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。
1、基于機(jī)器視覺(jué)的工件鋸片缺陷檢測(cè)系統(tǒng)設(shè)計(jì)摘要:針對(duì)利用人的感覺(jué)器官在工業(yè)生產(chǎn)線檢測(cè)中的不足,提出了一個(gè)基于機(jī)器視覺(jué)的鋸片缺陷檢測(cè)系統(tǒng)。通過(guò)工業(yè)數(shù)碼相機(jī)等硬件采集圖像信息,采用亞像素精度閾值分割等圖像處理算法并借助機(jī)器視覺(jué)庫(kù)Halcon對(duì)采集的原始圖像進(jìn)行處理,最后輸出檢測(cè)結(jié)果,提高了工業(yè)生產(chǎn)線檢測(cè)的效率?! £P(guān)鍵詞:機(jī)器視覺(jué);鋸片;檢測(cè)系統(tǒng) ?。篢P391.41:A Abstract:Aimingattheshortageofthehumansenseorgansintheindustrialproductionlinedetection,thepaperproposesama
2、chinevision-baseddefectdetectionsystemforappliesindustrialdigitalcamerastocollectimages,usessub-pixelaccuracythresholdsegmentationastheimageprocessingalgorithm,adoptstheprofessionalmachinevisionlibrary,Halcon,toprocesstheoriginalimages,andfinallyoutputsthetestresults.Thesystemactuallyimprove
3、sthedetectionefficiencyoftheindustrialproductionline. Keyachinevision;sa 1引言(Introduction) 機(jī)器視覺(jué)工件檢測(cè)系統(tǒng)要求能在生產(chǎn)線上實(shí)時(shí)、準(zhǔn)確地利用一些經(jīng)典的邊緣檢測(cè)算子,比如Sobel算子、Preily:微軟雅黑,Helvetica;font-size:16px;line-height:28.8px;"/> 本文以鋸片鋸齒兩側(cè)的坡口角度缺陷的檢測(cè)為例,提出了一套基于機(jī)器視覺(jué)的工件檢測(cè)系統(tǒng)。該系統(tǒng)由硬件系統(tǒng)和計(jì)算機(jī)軟件系統(tǒng)兩大部分組成,主要通過(guò)鏡頭、工業(yè)數(shù)碼相機(jī),圖像采集卡等硬件系統(tǒng)完
4、成圖像的采集,利用亞像素精度閾值圖像分割算法、幾何基元的分割算法、輪廓特征提取算法等圖像處理算法,借助專業(yè)的機(jī)器視覺(jué)庫(kù)Halcon[9,10],設(shè)計(jì)一個(gè)視覺(jué)檢測(cè)軟件,對(duì)采集的原始圖象進(jìn)行處理并輸出結(jié)果?! ?計(jì)算機(jī)視覺(jué)檢測(cè)系統(tǒng)的構(gòu)成(Thepositionof putervisioninspectionsystem) 計(jì)算機(jī)視覺(jué)檢測(cè)系統(tǒng)由硬件和軟件兩大部分構(gòu)成。硬件系統(tǒng)的功能是用于采集原始數(shù)字圖像,主要由光源、光學(xué)系統(tǒng)、CCD相機(jī)、圖像采集卡和控制執(zhí)行模塊等幾部分組成,軟件系統(tǒng)的功能是利用相應(yīng)的圖像處理算法對(duì)采集到的圖像進(jìn)行處理和識(shí)別。如圖1所示?! ”疚囊凿徠毕莸臋z測(cè)為
5、例,應(yīng)根據(jù)系統(tǒng)分辨率和檢測(cè)精度的要求合理地選擇檢測(cè)系統(tǒng)的光源、照明方式、照明環(huán)境、工業(yè)相機(jī)、鏡頭、圖像采集卡等硬件模塊,如表1所示。只有采集到優(yōu)質(zhì)的鋸片檢測(cè)圖像,才能為圖像處理提供保證,提高檢測(cè)效率。 3圖像處理算法(Imageprocessingalgorithm) 機(jī)器視覺(jué)檢測(cè)系統(tǒng)另一重要內(nèi)容是圖像處理算法的設(shè)計(jì),使用合適的編程語(yǔ)言描述并運(yùn)行,通過(guò)圖像處理達(dá)到鋸片缺陷提取,最終實(shí)現(xiàn)機(jī)器視覺(jué)檢測(cè)系統(tǒng)的應(yīng)用。 首先從采集得到的原始圖像中提取鋸片的輪廓,然后對(duì)輪廓進(jìn)行分離得到鋸齒,利用特征提取法得到鋸齒輪廓,最后計(jì)算出鋸齒的坡口角度。如圖2所示?! ?.1亞像素精度閾值分割
6、算法[11] 若把圖像看成是一個(gè)連續(xù)的函數(shù),那么圖像邊緣可以定義為若干個(gè)點(diǎn),這些點(diǎn)的方向?qū)?shù)(即灰度值變化率)在垂直于邊緣的方向上是局部最大的?! 楂@取比原始圖像更高的分辨率圖像,可從原始圖像中提取亞像素精度數(shù)據(jù),亞像素精度數(shù)據(jù)可以通過(guò)亞像素閾值分割或亞像素邊緣提取來(lái)獲得。最簡(jiǎn)單的圖像分割算法是閾值分割算法。閾值分割的操作被定義為: ?。?) 式中(r,c)表示某像素的坐標(biāo),fr,c表示灰度值,gmin和gmax分別表示選擇的最小閾值和最大閾值,該操作表示當(dāng)灰度值滿足式(1)時(shí),則輸出到區(qū)域S中。閾值分割算法執(zhí)行速度較快,因?yàn)樗鼘?duì)每個(gè)像素僅比較一次。若圖像邊緣比較模糊,則
7、所選的閾值對(duì)定位邊緣有一定的影響?! ∈褂脕喯袼鼐乳撝捣指钏惴艿玫接梢唤M邊緣控制點(diǎn)形成的輪廓。圖像上的兩個(gè)區(qū)域以該輪廓分界,兩個(gè)區(qū)域的灰度值分別大于和小于gsub,為得到這個(gè)輪廓,可將圖像邊緣周圍的像素連續(xù)化表示成一個(gè)函數(shù)。其中一個(gè)簡(jiǎn)單方法就是通過(guò)雙線性插值來(lái)處理,以達(dá)到像素細(xì)分的目的[12]?! 。?) 通過(guò)重復(fù)選取未被處理的線段和附近的線段,直到形成閉合的輪廓,使用圖像灰度函數(shù)f(r,c)和常量函數(shù)g(r,c)=gsub相交運(yùn)算得到亞像素精度閾值分割的結(jié)果?! ?.2幾何基元的分割