機(jī)器視覺在漁網(wǎng)檢測(cè)中的應(yīng)用

陳浩

摘 要：當(dāng)前，漁網(wǎng)在生產(chǎn)過程中有時(shí)會(huì)出現(xiàn)網(wǎng)格斷線、未接線、破損等質(zhì)量問題。對(duì)于這些質(zhì)量問題，目前主要采用人工肉眼識(shí)別來檢測(cè)。采用肉眼檢測(cè)的方法，會(huì)出現(xiàn)以下幾種問題：（1）容易出現(xiàn)漏檢、誤檢；（2）效率低下；（3）廢品率較高。機(jī)器視覺系統(tǒng)是利用機(jī)器代替肉眼來進(jìn)行測(cè)量和判斷的系統(tǒng)。機(jī)器視覺系統(tǒng)的特點(diǎn)是高度自動(dòng)化以及測(cè)量精度高。在一些人工視覺難以滿足要求的場(chǎng)合，常用機(jī)器視覺系統(tǒng)來代替人工視覺。在漁網(wǎng)網(wǎng)格檢測(cè)中，用肉眼檢查漁網(wǎng)效率低且精度差，用機(jī)器視覺系統(tǒng)檢測(cè)可以提高生產(chǎn)效率以及自動(dòng)化程度。文章主要介紹機(jī)器視覺系統(tǒng)在漁網(wǎng)網(wǎng)格檢測(cè)中的應(yīng)用。

關(guān)鍵詞：機(jī)器視覺；漁網(wǎng)檢測(cè)；應(yīng)用

1 機(jī)器視覺系統(tǒng)簡(jiǎn)介

1.1 機(jī)器視覺簡(jiǎn)介

機(jī)器視覺系統(tǒng)是利用高分辨率工業(yè)CCD相機(jī)拍攝圖像并將其轉(zhuǎn)化為數(shù)字信號(hào)，再采用計(jì)算機(jī)硬件和軟件技術(shù)對(duì)圖像數(shù)據(jù)進(jìn)行處理，從而得到所需要的各種目標(biāo)圖像的特征值，并由此實(shí)現(xiàn)產(chǎn)品零件識(shí)別和缺陷檢測(cè)，目前主要應(yīng)用于缺陷檢測(cè)、尺寸測(cè)量、角度測(cè)量、字符識(shí)別等等。

1.2 機(jī)器視覺系統(tǒng)及其工作原理

機(jī)器視覺系統(tǒng)主要由以下幾部分組成：

1.2.1 圖像采集模塊

圖像采集模塊包括相機(jī)、光源、圖像采集卡3個(gè)部分；圖像采集模塊采集到的圖像質(zhì)量的好壞，會(huì)很大程度上的影響后續(xù)圖像處理的效果，還會(huì)直接影響到機(jī)器視覺系統(tǒng)的性能優(yōu)劣。

1.2.2 圖像處理模塊

圖像處理模塊是指利用計(jì)算機(jī)技術(shù)對(duì)圖像進(jìn)行增強(qiáng)、二值化、圖像分割、邊緣檢測(cè)、特征提取等處理，從而得到滿足實(shí)際需求應(yīng)用并且計(jì)算機(jī)可以識(shí)別的圖像。

1.2.3 輸出控制模塊

輸出控制模塊是指針對(duì)特定產(chǎn)品所需完成的目的而定制的，通過對(duì)圖像特征進(jìn)行比較后，通過匹配比較的結(jié)果，控制最后環(huán)節(jié)的設(shè)備進(jìn)行特定的操作。圖1為機(jī)器視覺系統(tǒng)構(gòu)成示意圖。

2 圖像邊緣檢測(cè)

圖像的邊緣是指其周圍像素灰度值急劇變化的像素的集合，它是圖像分割所依賴的最重要的依據(jù)。邊緣檢測(cè)的基本思想是先檢測(cè)圖像中的邊緣點(diǎn)，再按照某種策略講邊緣點(diǎn)連接成輪廓，從而構(gòu)成分割區(qū)域。常用的邊緣檢測(cè)算子有一下幾種：（1）一階微分算子，利用圖像梯度在邊緣處取得極大值的特性進(jìn)行邊緣檢測(cè)。梯度是一個(gè)矢量，它具有方向θ和模|ΔI|，梯度的模值提供了邊緣的強(qiáng)度信息，方向則提供了邊緣的趨勢(shì)信息，梯度的方向始終垂直于邊緣的方向。典型的一階微分算子有Roberts算子、Sobel算子、Prewitt算子等。（2）二階微分邊緣檢測(cè)算子，利用圖像在邊緣處的階躍性導(dǎo)致圖像二階微分在邊緣處出現(xiàn)零值這一特性進(jìn)行邊緣檢測(cè)。該方法也稱過零點(diǎn)算子和拉普拉斯算子。（3）Canny算子，在原一階微分算子的基礎(chǔ)上，增加了非最大值抑制和雙閾值兩項(xiàng)改進(jìn)，利用非最大值抑制可以抑制多響應(yīng)邊緣，提高邊緣的定位精度；利用雙閾值可以減少邊緣的漏檢率。圖2為基于不同算子進(jìn)行邊緣檢測(cè)得出的處理結(jié)果。

3 漁網(wǎng)網(wǎng)格的視覺檢測(cè)

3.1 漁網(wǎng)網(wǎng)格出現(xiàn)的質(zhì)量缺陷

目前漁網(wǎng)網(wǎng)格在生產(chǎn)中出現(xiàn)的問題主要為斷線、畸形、未接線、破損等問題。下圖3為漁網(wǎng)網(wǎng)格中出現(xiàn)的問題。

3.2 機(jī)器視覺在漁網(wǎng)網(wǎng)格檢測(cè)中的應(yīng)用

利用機(jī)器視覺對(duì)漁網(wǎng)網(wǎng)格檢測(cè)稱為漁網(wǎng)在線檢測(cè)系統(tǒng)。原理是將柔軟的漁網(wǎng)利用兩個(gè)輥?zhàn)訌埦o，主動(dòng)輥帶動(dòng)從動(dòng)輪轉(zhuǎn)動(dòng)，漁網(wǎng)張緊的同時(shí)漁網(wǎng)分段展開，此時(shí)漁網(wǎng)的網(wǎng)格大小面積基本相同，利用工業(yè)相機(jī)對(duì)張緊的漁網(wǎng)拍照，將圖像轉(zhuǎn)化為計(jì)算機(jī)可識(shí)別的圖像，對(duì)漁網(wǎng)網(wǎng)格進(jìn)行檢測(cè)。系統(tǒng)框架如下圖4所示：

3.3 漁網(wǎng)網(wǎng)格的圖像處理方法

漁網(wǎng)網(wǎng)格圖像檢測(cè)原理是，漁網(wǎng)張緊后，每個(gè)網(wǎng)格的周長(zhǎng)以及面積基本相同，通過檢測(cè)漁網(wǎng)網(wǎng)格的周長(zhǎng)以及面積特征來判斷漁網(wǎng)的質(zhì)量。

將工業(yè)相機(jī)獲取到的圖片通過圖像采集卡輸入到計(jì)算機(jī)中，首先對(duì)圖像進(jìn)行二值化處理，將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像，再將灰度圖像進(jìn)行邊緣檢測(cè)，獲取網(wǎng)格邊緣，計(jì)算出網(wǎng)格的周長(zhǎng)和面積，與系統(tǒng)中正常網(wǎng)格的周長(zhǎng)和面積進(jìn)行比較，從而判斷出漁網(wǎng)網(wǎng)格是否正常。網(wǎng)格檢測(cè)界面如圖5所示：

3.4 漁網(wǎng)在線檢測(cè)系統(tǒng)出現(xiàn)的問題及解決方案

利用機(jī)器視覺系統(tǒng)對(duì)漁網(wǎng)網(wǎng)格進(jìn)行檢測(cè)，主要針對(duì)網(wǎng)格的周長(zhǎng)以及面積來進(jìn)行判斷，由于漁網(wǎng)張緊后網(wǎng)格會(huì)有一定程度的畸變，從而導(dǎo)致其面積和周長(zhǎng)出現(xiàn)變化，系統(tǒng)會(huì)出現(xiàn)誤報(bào)現(xiàn)象，針對(duì)這一問題，提出以下幾點(diǎn)方案：

（1）對(duì)漁網(wǎng)網(wǎng)格的周長(zhǎng)面積進(jìn)行比例縮放，減少誤報(bào)情況；

（2）改變二值化參數(shù)，增大閾值；

（3）增加形態(tài)參數(shù)，錄入形變范圍。

加入以上三種解決方案后，極大的減少了誤報(bào)情況。漁網(wǎng)網(wǎng)格檢測(cè)調(diào)試如下圖6所示：

4 總結(jié)

近年來，機(jī)器視覺系統(tǒng)越來越多的應(yīng)用到工業(yè)生產(chǎn)中。機(jī)器視覺在工業(yè)上的應(yīng)用一般分為四大類：定位、測(cè)量、檢測(cè)和識(shí)別。本文介紹了機(jī)器視覺系統(tǒng)的特點(diǎn)以及其在漁網(wǎng)網(wǎng)格檢測(cè)中的應(yīng)用。機(jī)器視覺系統(tǒng)可以快速獲取大量的信息，而且可以自動(dòng)處理，也可以和加工控制等集成。在現(xiàn)代化生產(chǎn)過程中，隨著機(jī)器視覺技術(shù)的成熟和發(fā)展，將在未來制造企業(yè)中得到越來越廣泛的應(yīng)用。

參考文獻(xiàn)

[1]趙小川，何灝，繆遠(yuǎn)誠(chéng).MATLAB數(shù)字圖像處理實(shí)戰(zhàn)[M].北京：機(jī)械工業(yè)出版社，2013.

[2]劉海波，沈晶，岳振勛.VisualC++數(shù)字圖像處理技術(shù)詳解[M].北京：機(jī)械工業(yè)出版社，2013.

[3]黃華斌.三維網(wǎng)狀物在線檢測(cè)系統(tǒng)的研究與開發(fā)[D].華中科技大學(xué)，2013.