基于機器視覺的汽車車燈螺絲裝配缺失檢測系統設計

黃輝 胡丹 翁劍峰 蔡宇翔

摘要：針對人工肉眼判斷已經不能滿足檢測汽車車燈裝配螺絲缺失的需求。設計了一種基于機器視覺的汽車車燈螺絲裝配缺失檢測系統，建立了汽車 車燈螺絲裝配缺失檢測系統的結構框架，提出了利用 gamma 校正算法解決圖像亮度不均衡問題，并將圖像在 HSV 空間中提取灰色和白色區域，最后在顯示器上標識出裝配和缺失螺絲位置信息。實驗結果表明，該系統能有效地自動識別車燈裝配螺絲是否缺失，能在一定程度上代替汽車車燈螺絲的 人工檢測。

關鍵詞：機器視覺; 螺絲缺失檢測;汽車車燈;灰白色提取

中圖分類號：TP391.41 文獻標識碼：A 文章編號：1672-9129（2017）09-060-01

Absrtact：inviewoftheartificialeyejudgmentcannolongermeettheneedofdetectingthelackofassemblyscrewofautomobilelamp，akindofdetectingsys- temofautomobilelampscrewassemblydefectbasedonmachinevisionisdesignedinthispaper.Inthispaper，thestructureframeofthedetectingsystemforau- tomobilelampscrewassemblydefectisestablished，andthegammacorrectionalgorithmisproposedtosolvetheproblemofimagebrightnessimbalance，andthe gray and white areas are extracted from the image in the HSV space. Finally， the position information of assembly and missing screws is identified on the display. Theexperimentalresultsshowthatthesystemcanautomaticallyidentifywhetherthelampassemblyscrewismissingornot，andcanreplacethemanualinspection ofautomobilelampscrewtosomeextent.Test.

Keywords： machine vision; screw defect detection; vehicle lamp; gray-white extraction

引言

本文針對車燈螺絲檢測已有研究成果的不足，設計了基于機器視覺的汽車車燈螺絲裝配缺失檢測系統，提出了利用 gamma 校正算法解決圖像亮度不均衡問題，并將圖像在 HSV 空間中提取灰色和白色區域，最后在顯示器上標識出裝配和缺失螺絲位置信息，同時發送給 PLC 系統用于報警提示和傳輸帶控制等。初步的實驗結果表明，該系統能有效地自動識 別車燈裝配螺絲是否缺失，在汽車車燈生產線上已經代替傳統的人工檢測。

1 螺絲組件缺失檢測系統設計

計算機處理單元包括 Cortex A9 嵌入式硬件和 Linux 系統軟件及圖像處理軟件部分，功能是利用 Linux 嵌入式計算平臺上對采集的視頻進行處理，對其進行預處理計算和檢測，根據處理的結果及計算螺絲是否缺失， 并輸出螺絲缺失的個數和缺失的位置信息。主要功能如下：

1）圖像采集：將工業相機輸出視頻數據提取出圖像幀數據，待為后續 處理用。

2）圖像預處理：均值平滑濾波、Gamma 矯正、彩色轉灰度、RGB 轉 HSV 顏色空間。

3）螺絲裝配缺失檢測：在 HSV 顏色空間圖片中提取灰色和白色區域， 經膨脹濾波后獲得感興趣區域的 HSV 圖，最后進行統計分析，計算螺絲缺失位置信息，在圖像上進行標注并進行。

檢測系統采用結構化程序設計，各個單元相互獨立，數據傳遞清晰， 系統容易維護和升級，較為靈活。圖像計算處理過程是在線檢測計算，即采集工業相機視頻圖像后，應用系統對采集的圖像進行預處理和檢測，判斷螺絲是否存在缺失。用戶可根據顯示器上提示信息和輸出到 PLC 系統的信息確定檢測結果。

2 螺絲缺失識別

2.1 圖像預處理

首先對采集的圖像進行均值平滑濾波、Gamma 校正、彩色轉灰度和

RGB 轉 HSV 顏色空間等預處理，消除因光照、螺絲凹槽、螺絲表面暗點和螺絲色差對螺絲缺失判斷的影響。

2.1.1 濾波和 gamma 校正

本文提出一種大窗口均值平滑濾波和 Gamma 校正的螺絲色差、暗影消除方法。首先把圖像進行均值平滑濾波處理，由于車燈內部需要檢測的螺絲種類較多，其中，外六角球頭螺帽偏灰色，表面存在暗點;半圓頭自帶墊片組合螺絲為亮銀白色，中間存在十字凹槽陰影、燈泡尾座為淺灰白色。

（1）有螺絲區域原始直方圖;（2）有螺絲區域濾波后直方圖;（3）無螺絲區域原始直方圖;（4）無螺絲區域濾波后直方圖;）

經過濾波后的有無螺絲感興趣區域的圖像直方圖顏色分布區域偏 低，即亮度偏暗，因此進行 gamma 校正，從而提高圖像對比度。gamma 的取值范圍為 0.05～5 之間，p（x，y）表示每個像素值，對每個像素進行 Gamma 校正之后就得到了處理后的圖像。

2.1.2 HSV 顏色空間灰白色提取

將圖像從 rgb 顏色空間轉換到 hsv 顏色空間，最終在 hsv 圖像空間中提取出灰白色顏色部分的二值圖像。在Opencv程序庫中實驗驗證，h，s，v三個參數的分割值范圍為：;;能較好的分割出灰白色。

2.1.3 膨脹濾波

為了解決存在的孔洞現象，需要再進行膨脹濾波處理，方法為：將圖像A與任意形狀的內核B，通常為正方形或圓形，進行卷積。內核B有一個可定義的錨點，通常定義為內核中心點。將內核 B 劃過圖像，將內核 B 覆蓋區域的最大像素值提取，并代替錨點位置的像素，通過膨脹操作可以擴大白色值范圍，壓縮黑色值范圍。

2.2 螺絲缺失檢測

在裝配檢測流水線上，車燈是放置在固定工作臺的治具上，螺絲在圖像中成像的位置是固定的，在預處理圖像的基礎上進行 13 個感興趣區域像素點統計，，其中，M，N為感興趣區域的高和寬，取M=N=20。

3 螺絲缺失檢測系統的實驗及結果分析

通過實驗分析，并開發了在 Cortex A9 嵌入式硬件和 Linux 系統軟件平臺上，移植 OPENCV2.8.10 圖像算法庫的螺絲缺失檢測系統。車燈上有

13個位點需要進行檢測，4個位點沒有裝配螺絲（檢測結果用黃色標識）

和 9 個位點裝配螺絲（檢測結果用綠色標識）都能有效的檢測出，并將螺絲缺失的數量顯示在圖像的正上方，其中 2，3，5，11 四個位點上的半圓頭螺絲表面亮度明顯偏暗，通過設置合適的參數也能正確的檢測出。本系統已 經在某汽車車燈制造廠商的裝配檢測生產線上普遍應用，提高了質量檢測環節的可靠性。

4 結束語

本文提出了汽車車燈裝配螺絲缺失檢測方法，建立了汽車車燈裝配 螺絲缺失檢測實驗系統，并在車燈裝配生產線上應用。結果表明，文中論 述的圖像預處理方法和檢測方法是有效的，實現了螺絲缺失的自動檢測。 本文要解決的問題是車燈已經放置到固定位置的治具上，因此不需

要通過程序方式實現螺絲的定位功能，減輕了程序的復雜度，同時也提高了系統的可靠性。并且，經過實驗分析，本文所處理的車燈螺絲圖像僅僅在亮度上具有與車燈其他區域明顯特征差別，而無明顯的紋理特征，因 此，如該系統應用在螺絲紋理特征明顯的場合需要在今后工作中進一步研究加以改進。

參考文獻：

[1]石梅香.基于機器視覺的凸焊螺母焊接缺陷檢測.焊接質量控制與 管理[J].Vol.41 No.4 Apr.2012

[2] 李睿. 基于機器視覺的螺母定位系統 [J]. 機床與液壓.Vol.41 No. 23.2013

[3]王凌.基于計算機視覺的鋼軌扣件螺母缺失檢測系統[J]. 計算機視覺的鋼軌扣件螺.Vol.32， No.12.2012