基于機器視覺的工件鋸片缺陷檢測系統設計

管小衛　丁琳

摘 要：針對利用人的感覺器官在工業生產線檢測中的不足，提出了一個基于機器視覺的鋸片缺陷檢測系統。通過工業數碼相機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器視覺庫Halcon對采集的原始圖像進行處理，最后輸出檢測結果，提高了工業生產線檢測的效率。

關鍵詞：機器視覺；鋸片；檢測系統

中圖分類號：TP391.41 文獻標識碼：A

Abstract：Aiming at the shortage of the human sense organs in the industrial production line detection，the paper proposes a machine vision-based defect detection system for workpiece saw blade.The system applies industrial digital cameras to collect images，uses sub-pixel accuracy threshold segmentation as the image processing algorithm，adopts the professional machine vision library，Halcon，to process the original images，and finally outputs the test results.The system actually improves the detection efficiency of the industrial production line.

Keywords：machine vision；saw blade；detection system

1 引言（Introduction）

機器視覺工件檢測系統要求能在生產線上實時、準確地利用一些經典的邊緣檢測算子，比如Sobel算子、Prewitt算子[1]、Laplace算子和Canny算子[2]及其改進型的LoG算子[3]等圖像處理算法檢測出工件上主要的缺陷，然后通過統計分析評價出產品的質量狀況。若采用傳統的人工測量、計算、統計的方法進行識別，其效率極低，且產品質量無法得到有效保證，難以滿足高精度的產品測量和高效率的生產線需求[4-6]。目前機器視覺技術進行工件檢測，在工業領域應用較廣泛，具有非接觸、無磨損、高效率等優點[7，8]，彌補了人眼檢測的不足。

本文以鋸片鋸齒兩側的坡口角度缺陷的檢測為例，提出了一套基于機器視覺的工件檢測系統。該系統由硬件系統和計算機軟件系統兩大部分組成，主要通過鏡頭、工業數碼相機，圖像采集卡等硬件系統完成圖像的采集，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，借助專業的機器視覺庫Halcon[9，10]，設計一個視覺檢測軟件，對采集的原始圖象進行處理并輸出結果。

2 計算機視覺檢測系統的構成（The composition of

computer vision inspection system）

計算機視覺檢測系統由硬件和軟件兩大部分構成。硬件系統的功能是用于采集原始數字圖像，主要由光源、光學系統、CCD相機、圖像采集卡和控制執行模塊等幾部分組成，軟件系統的功能是利用相應的圖像處理算法對采集到的圖像進行處理和識別。如圖1所示。

本文以鋸片缺陷的檢測為例，應根據系統分辨率和檢測精度的要求合理地選擇檢測系統的光源、照明方式、照明環境、工業相機、鏡頭、圖像采集卡等硬件模塊，如表1所示。只有采集到優質的鋸片檢測圖像，才能為圖像處理提供保證，提高檢測效率。

3 圖像處理算法（Image processing algorithm）

機器視覺檢測系統另一重要內容是圖像處理算法的設計，使用合適的編程語言描述并運行，通過圖像處理達到鋸片缺陷提取，最終實現機器視覺檢測系統的應用。

首先從采集得到的原始圖像中提取鋸片的輪廓，然后對輪廓進行分離得到鋸齒，利用特征提取法得到鋸齒輪廓，最后計算出鋸齒的坡口角度。如圖2所示。

3.1 亞像素精度閾值分割算法[11]

若把圖像看成是一個連續的函數，那么圖像邊緣可以定義為若干個點，這些點的方向導數（即灰度值變化率）在垂直于邊緣的方向上是局部最大的。

為獲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據，亞像素精度數據可以通過亞像素閾值分割或亞像素邊緣提取來獲得。最簡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：

（1）

式中（r， c）表示某像素的坐標，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，該操作表示當灰度值滿足式（1）時，則輸出到區域S中。閾值分割算法執行速度較快，因為它對每個像素僅比較一次。若圖像邊緣比較模糊，則所選的閾值對定位邊緣有一定的影響。

使用亞像素精度閾值分割算法能得到由一組邊緣控制點形成的輪廓。圖像上的兩個區域以該輪廓分界，兩個區域的灰度值分別大于和小于gsub，為得到這個輪廓，可將圖像邊緣周圍的像素“連續”化表示成一個函數。其中一個簡單方法就是通過雙線性插值來處理，以達到像素細分的目的[12]。

（2）

通過重復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f（r，c）和常量函數g（r，c）=gsub相交運算得到亞像素精度閾值分割的結果。

3.2 幾何基元的分割和擬合算法

首先，把輪廓劃分為圓弧和直線段，分離直線段和相鄰的圓弧形狀之間的間隙，然后計算出鋸齒的每一側的方向。通過起始點和結束點將其轉化為一條直線并計算這條線的角度。然而，經處理的圖像的頂部不一定是非常尖銳的，和理想的鋸齒有一定的差異，導致計算鋸齒方向錯誤。因此，使用最小二乘法進行直線擬合，利用輪廓線段上所有的點，這樣可以得到擬合很好的直線。

3.3 圖像特征提取

特征提取是對原始圖像分割后選出部分輪廓或區域，從中找出一些特征量。

一個閉合且不自相交的輪廓其所圍繞的范圍將產生一個區域，那么輪廓跟前面提過的區域一樣也存在面積。若使用（r1，c1）=（rn，cn）表示一個閉合的輪廓，R表示輪廓包圍的亞像素精度區域集合，則階矩（p，q）可定義為：

4 實驗結果（Experimental result）

（1）獲取圖像輪廓

利用機器視覺軟件Halcon實現鋸片缺陷檢測的流程和部分代碼，首先提取鋸片圖像亞像素精度的輪廓，本系統選擇的是背光照明，圖像背景為白色，鋸片為黑色，如圖3所示。

（2）圖像輪廓分割

通過使用前面描述的算法將輪廓分割為線和圓弧，一方面Ramer算法可區分每個鋸齒的正面和后面，另一方面可以將相鄰鋸齒之間的空隙圓弧和鋸齒的直線段部分分離，圖4為得到的將原始輪廓分為圓弧和線段后的輪廓結果，圖5為去掉過長和過短及圓弧后剩下的鋸齒。

（3）計算鋸齒每側的方向和夾角

計算方向較好的方法是利用輪廓線段上所用的點，通過使用前面介紹的線段擬合的算法得到擬合很好的直線。

（4）結果分析

以機器視覺庫Halcon為軟件平臺，將以上算法設計成程序并對鋸齒的角度做計算。使用F5快捷鍵或單擊軟件界面的“運行”按鈕執行程序后，可在程序圖形界面窗口中依次顯示工件鋸齒的角度。當前窗口顯示的結果是鋸齒兩側用紅線標記，如圖6所示，精度為0.01°。所有已檢測的工件鋸齒的結果可通過變量窗口的Angles行中依次顯示，當前檢測的鋸齒角度通過Angle行顯示，測量單位是弧度，精度為0.000001°，顯示結果如圖7所示。

5 結論（Conclusion）

本文針對鋸片缺陷，運用了機器視覺檢測技術，對鋸片缺陷檢測技術的開發進行了一定的嘗試。本文對系統所使用的亞像素精度閾值分割、幾何基元的分割、輪廓特征提取、線段擬合等圖像處理算法進行了描述，最后基于機器視覺軟件Halcon搭建了針對鋸片缺陷檢測的機器視覺軟件平臺，最終實現鋸片缺陷檢測結果的輸出。

基于機器視覺的鋸片缺陷檢測系統是一個龐大而復雜的項目，在本系統中只針對鋸片尺寸缺陷中鋸齒坡角檢測進行了研究和設計，而實際鋸片尺寸缺陷的種類很多，如齒高、齒寬、鋸片厚度等，因此有必要進一步研究鋸片其他種類缺陷的機器視覺檢測。除此之外，還可根據實際情況對光源和照明方式等圖像采集系統做進一步的改進。

參考文獻（References）

[1] Prewitt J M S.Object Enhancement and Extraction[C].Picture Processing and Psychopictorics.Academic Press，New York，1970：75-149.

[2] Canny J.A Computational Approach to Edge Detection[J].IEEE Trans. Pattern Analysis and Machine Intelligence，

1986，8（6）：679-698.

[3] Marr D，Hildreth E.Theory of Edge Detection[C].Proceedings of the Royal Society of London.Series B，Biological Sciences，1980，207（1167）：187-217.

[4] 吳新杰，王苗苗，黃國興.基于粒子濾波和機器視覺的圓形零件尺寸測量[J].機械設計與制造，2012，11：49-51.

[5] 王曉翠，張玉連，麻恒闊.基于圖像處理的零件尺寸測量系統的研究[J].航空精密制造技術，2007，06：27-30.

[6] 賀雅琴，李琳.基于機器視覺的零件尺寸檢測的研究[J].煤礦機械，2010，06：102-104.

[7] 祁曉玲，趙霞霞，靳伍銀.基于機器視覺的軸類零件幾何尺寸測量[J].組合機床與自動化加工技術，2013，01：65-67；73.

[8] 王玉槐，等.薄片工業件特征在線視覺檢測系統研究[J].機床與液壓，2013，07：97-100.

[9] 章毓晉.機器視覺和圖像技術[J].自動化博覽，2009，02：20-25.

[10] 楊少榮，吳迪靖，段德山.機器視覺算法與應用[Z].北京：清華大學出版社，2008.

[11] 李景峰，楊麗娜，潘恒.串口通信技術詳解[Z].北京：機械工業出版社，2008.

[12] 關波，等.刀具輪廓亞像素精度閾值分割算法研究[J].圖學學報，2014，06：950-953.

作者簡介：

管小衛（1981-），男，碩士，講師.研究領域：圖像處理，軟件

工程.

丁 琳（1980-），女，本科，講師.研究領域：物聯網技術.