基于計(jì)算機(jī)視覺(jué)的手機(jī)U盤(pán)缺陷檢測(cè)系統(tǒng)研究

李 昂，潘 晴，戴知圣

（廣東工業(yè)大學(xué) 信息工程學(xué)院，廣東 廣州 510006）

0 引言

在手機(jī)U盤(pán)的工業(yè)生產(chǎn)過(guò)程中，容易出現(xiàn)尺寸偏大、U頭與底板偏角過(guò)大等情況。在傳統(tǒng)的質(zhì)量檢測(cè)過(guò)程中，質(zhì)檢員使用游標(biāo)卡尺和高精度顯微鏡對(duì)樣品進(jìn)行手動(dòng)測(cè)量，長(zhǎng)時(shí)間疲勞工作后導(dǎo)致準(zhǔn)確率不高。基于計(jì)算機(jī)視覺(jué)的在線檢測(cè)方法由于其非接觸性、快速性、自動(dòng)化程度高和可靠性高等特點(diǎn)，已經(jīng)在許多領(lǐng)域獲得廣泛應(yīng)用［1－2］。郭斌［3］等利用視覺(jué)檢測(cè)技術(shù)對(duì)汽車(chē)發(fā)動(dòng)機(jī)氣門(mén)進(jìn)行尺寸測(cè)量。姚忠偉［4］對(duì)PCB焊點(diǎn)缺陷檢測(cè)進(jìn)行了研究。在傳統(tǒng)研究中一般采用價(jià)格昂貴的CCD相機(jī)進(jìn)行圖像采集，本文使用低成本CMOS相機(jī)，證明了CMOS相機(jī)用于工業(yè)測(cè)量的可行性。

1 硬件平臺(tái)搭建

計(jì)算機(jī)視覺(jué)系統(tǒng)通過(guò)圖像采集裝置，將被檢測(cè)物轉(zhuǎn)換為圖像信號(hào)，利用圖像處理系統(tǒng)根據(jù)像素、圖像亮度、顏色等信息對(duì)目標(biāo)進(jìn)行特征提取，再根據(jù)系統(tǒng)的預(yù)設(shè)條件輸出結(jié)果。本系統(tǒng)硬件平臺(tái)由工業(yè)相機(jī)、鏡頭、光源以及計(jì)算機(jī)4部分組成。實(shí)物樣機(jī)如圖1所示。

圖1 手機(jī)U盤(pán)檢測(cè)系統(tǒng)樣機(jī)

1.1 工業(yè)相機(jī)與鏡頭

根據(jù)實(shí)際需求，為實(shí)現(xiàn)被測(cè)物整體尺寸檢測(cè)，根據(jù)被測(cè)物尺寸大小以及相機(jī)工作距離等因素，將視場(chǎng)范圍選定為50mm×38mm（長(zhǎng)寬比4∶3）。相機(jī)選擇500萬(wàn)像素CMOS工業(yè)相機(jī)，鏡頭選擇25mm定焦鏡頭。

1.2 光源

計(jì)算機(jī)視覺(jué)系統(tǒng)中使用光源照明的目的是為了使被測(cè)物的重要特征顯現(xiàn)，而抑制不需要的特征。本系統(tǒng)采用背光光源來(lái)檢測(cè)工件尺寸，背光照明方式下，光源均勻地從被檢測(cè)物體的背面照射，由于被測(cè)物為非透明的，因此可以獲得高清晰的輪廓。

2 圖像處理及缺陷檢測(cè)

手機(jī)U盤(pán)組件由U頭與底板兩部分組成，U頭通過(guò)焊錫與底板連接，如圖2所示。缺陷檢測(cè)的主要步驟包括：圖像預(yù)處理、邊緣檢測(cè)、尺寸測(cè)量以及U頭偏角測(cè)量。

圖2 手機(jī)U盤(pán)實(shí)物圖

2.1 圖像預(yù)處理

由于被測(cè)物表面有銅箔、焊錫等噪聲影響，為了排除噪聲干擾并能精確定位邊緣，使用背光光源照射。采集手機(jī)U盤(pán)圖像，通過(guò)USB3.0接口傳輸至計(jì)算機(jī)，隨后對(duì)圖像進(jìn)行灰度化處理，灰度化后對(duì)圖像進(jìn)行邊緣檢測(cè)。這里使用Canny算子［5］進(jìn)行邊緣檢測(cè)。首先選擇一定的Gauss濾波器H（x，y）對(duì)圖像進(jìn)行平滑濾波：

其中：σ為Gauss濾波器的寬度；f（x，y）為處理前的圖像數(shù)據(jù)；G（x，y）為平滑濾波后的圖像數(shù)據(jù)。

平滑濾波后用一階偏導(dǎo)的有限差分來(lái)計(jì)算梯度的幅值和方向，并對(duì)全局幅值進(jìn)行非極大值抑制，最后使用雙閾值算法檢測(cè)和連接邊緣。調(diào)節(jié)Gauss濾波器和上、下閾值參數(shù)并經(jīng)過(guò)膨脹腐蝕處理使圖像邊緣達(dá)到最清晰的狀態(tài)。

2.2 手機(jī)U盤(pán)長(zhǎng)度與U頭偏角測(cè)量

在生產(chǎn)過(guò)程中，U頭被焊接在底板上，容易與底板產(chǎn)生偏角并可能導(dǎo)致U盤(pán)整體長(zhǎng)度過(guò)長(zhǎng)，因此需要對(duì)U頭與底板的夾角以及U盤(pán)的總長(zhǎng)度進(jìn)行測(cè)量。手機(jī)U盤(pán)長(zhǎng)度與U頭偏角的測(cè)量流程如圖3所示。

圖3 手機(jī)U盤(pán)長(zhǎng)度與偏角測(cè)量處理流程

2.2.1 U 頭偏角測(cè)量

檢測(cè)出邊緣后，使用Hough變換對(duì)邊緣直線進(jìn)行擬合，檢測(cè)出U盤(pán)的6條外邊緣直線，如圖4所示。

圖4 直線檢測(cè)結(jié)果

Hough變換是一種使用表決原理的參數(shù)估計(jì)技術(shù)。在極坐標(biāo)下，一條直線可表示為：

其中：ρ為直線到原點(diǎn)的距離；θ為x軸與直線的夾角，取值范圍為［0，π］。

在具體計(jì)算時(shí)，可將圖像參數(shù)空間視為離散。建立一個(gè)二維累加數(shù)組A（ρ，θ）并初始化為0，對(duì)每一個(gè)前景點(diǎn)（x，y）代入θ求出對(duì)應(yīng)的ρ值。每計(jì)算出一對(duì)（ρ，θ），累加數(shù)組A加1。所有計(jì)算結(jié)束后，在參數(shù)表決結(jié)果中找到A（ρ，θ）的最大峰值，此時(shí)得到的ρ、θ即為所求直線的極坐標(biāo)參數(shù)。因此兩條直線的夾角可由所對(duì)應(yīng)的θ值相減求得。計(jì)算出的L1、L2兩條直線夾角θ即為U頭與底板的偏角，如果θ大于1°則判定為不合格。

2.2.2 手機(jī)U盤(pán)長(zhǎng)度測(cè)量

在尺寸測(cè)量之前需先對(duì)系統(tǒng)進(jìn)行標(biāo)定。本系統(tǒng)鏡頭為定焦鏡頭且放大倍數(shù)固定，因此只需要標(biāo)定出圖像傳感器上像元分別沿水平和垂直方向上的像素當(dāng)量即可。

由于U頭與底板存在偏角，因此測(cè)量時(shí)計(jì)算最大長(zhǎng)度尺寸。尺寸測(cè)量原理如圖5所示，選取左右兩端豎直的邊緣直線L1、L2，并獲取這兩條直線的端點(diǎn)A、B和C、D的 坐 標(biāo) （x1，y1），（x2，y2），（x3，y3），（x4，y4）。

通過(guò)點(diǎn)到直線距離公式可得：

計(jì)算出C點(diǎn)到直線L1的距離MC，同理可求得D點(diǎn)到直線L1的距離MD，求出兩者最大值，再乘以水平方向上的像素當(dāng)量P即得到樣品的實(shí)際長(zhǎng)度M：

如果被測(cè)品長(zhǎng)度超出標(biāo)準(zhǔn)長(zhǎng)度0.1mm，則判定為不合格。

圖5 尺寸測(cè)量原理

3 實(shí)驗(yàn)測(cè)試

為了驗(yàn)證系統(tǒng)測(cè)量方法的精密度和有效性，隨機(jī)抽取20組樣品進(jìn)行尺寸與偏角測(cè)量。選取20組焊接缺陷樣品進(jìn)行焊點(diǎn)缺陷檢測(cè)，以人工手動(dòng)檢測(cè)為標(biāo)準(zhǔn)評(píng)價(jià)本系統(tǒng)方法的檢出率與有效性。尺寸與偏角測(cè)量結(jié)果如表1所示。從表1檢測(cè)結(jié)果中可以看出，系統(tǒng)對(duì)于不合格品的檢出率為100%，檢測(cè)方法有效，滿足系統(tǒng)精度要求。

表1 尺寸與偏角缺陷檢測(cè)結(jié)果

4 結(jié)束語(yǔ)

基于計(jì)算機(jī)視覺(jué)的手機(jī)U盤(pán)缺陷自動(dòng)檢測(cè)系統(tǒng)，可有效地解決生產(chǎn)過(guò)程中小尺寸工件幾何尺寸測(cè)量問(wèn)題。本文介紹了系統(tǒng)的構(gòu)建和具體圖像處理方法，進(jìn)行了尺寸、角度缺陷檢測(cè)，檢測(cè)結(jié)果表明該系統(tǒng)具有較高的缺陷檢測(cè)率。使用該系統(tǒng)代替?zhèn)鹘y(tǒng)的人工檢測(cè)，可以提高工作效率、測(cè)量精度和穩(wěn)定性。該系統(tǒng)亦可用于其他工件的尺寸測(cè)量。

［1］祁曉玲，趙霞霞，靳伍銀.基于機(jī)器視覺(jué)的軸類零件幾何尺寸測(cè)量［J］.組合機(jī)床與自動(dòng)化加工技術(shù)，2013（1）：65－73.

［2］李正明，黎宏，孫俊.基于數(shù)字圖像處理的印刷電路板缺陷檢測(cè)［J］.儀表技術(shù)與傳感器，2012（8）：87－89.

［3］郭斌，徐杜，蔣永平，等.一種軸類零件邊緣精確定位方法［J］.計(jì)算機(jī)工程與應(yīng)用，2012，48（10）：238－244.

［4］姚忠偉.基于機(jī)器視覺(jué)的PCB缺陷檢測(cè)算法研究［D］.哈爾濱：哈爾濱工業(yè)大學(xué)，2012：17－38.

［5］張錚.數(shù)字圖像處理與機(jī)器視覺(jué)［M］.北京：人民郵電出版社，2010.