軌道交通顯示器自動測試系統的設計與應用

李璐 溫占燕 高峰

摘 要 在軌道交通顯示器檢測中，人工檢測存在低效率、主觀性強以及成本高的問題，針對這些問題設計了一套軌道交通顯示器自動測試系統。該測試系統基于工控機、機器人、CCD、PCI、音頻采集麥克等構成硬件平臺，和LabVIEW 開發的軟件構成一套軌道交通顯示器自動化測試系統。實踐證明，該系統具有較高的工作效率、可靠性，同時操作簡單且穩定性高。

關鍵詞 顯示器;自動化測試;機器視覺;LabVIEW

引言

顯示器在人機交互中扮演者重要的角色，其質量將會對用戶讀取和處理信息有著至關重要的影響。傳統的檢測以人工檢測為主，而人工檢測需要對測試結果進行主觀的判斷，不同操作員得出的測試結果不一樣，存在一定的主觀性。同時，操作員在測試時容易受到注意力等因素影響，一定程度上會導致較大的人為誤差，導致產品質量下降。

1 系統概述

軌道交通顯示器需要測試液晶屏壞點、音頻輸出、MVB通訊等功能。本測試系統包括硬件和軟件系統兩部分。

2 硬件系統

硬件系統如圖1所示，主要包括CCD圖像采集、音頻采集與機器動作模塊。

2.1 CCD圖像采集模塊

CCD為圖像傳感器，能夠將光信號轉換為電信號，再通過模數轉換，從而能夠獲取、存儲以及傳輸圖像[1]。軌道交通顯示器需要對顯示器的MVB、以太網通訊等功能進行測試，需要使用CCD進行圖像采集以做分析及處理。本系統采用的CCD 具有500萬像素，能夠手動對焦以及調整光圈大小，能夠通過程序對其曝光時間等重要參數進行設置。

2.2 音頻采集模塊

音頻采集模塊包括音頻采集麥克以及音頻數據采集卡，麥克風是一種將聲音信號轉化成電信號的器件，通過數據采集卡將模擬信號量化采集轉為數字信號，并通過總線與工控機進行通信[2]。軌道交通顯示器需要進行喇叭雜音測試，需要對其發出的音頻信號進行采集以分析及處理。本系統采用GRAS麥克風進行聲音信號采集，使用NI的PCI-4474音頻采集卡對麥克風送過來音頻信號進行數模轉換以送上位機 。

2.3 機器動作模塊

軌道交通顯示器需要對按鍵、觸摸屏等功能進行測試，需要點擊顯示器對應觸摸屏界面以及物理按鍵。本系統使用愛普生工業機器人LS6-602S，其小型、高精度且能高速度運行，為垂直多關節四軸機器人，精度±0.01mm，配備RC90控制器和EPSON RC+7.0軟件系統，通過示教實現顯示器觸摸和按鍵。

3 軟件結構

軟件結構主要包括ROI選定及檢測、壞點以及音頻檢測。

3.1 ROI選定及檢測

軌道交通顯示器需要對MVB通訊、以太網通訊等功能進行測試，控制機器人點擊對應按鍵并執行測試，完成后對結果進行字符識別并判定。首先打開相機設置曝光時間并拍照，選定ROI并對其進行OCR識別，最后對識別出的結果進行判定。

ROI區域選定時，對于位置變動的使用模板匹配可以完成對圖片ROI位置信息的確定。首先將明顯圖標制作成模板并學習，再將機器人到指定位置上進行拍照獲得目標圖像，模板匹配并返回要選定圖標的位置信息。對于位置不變的采用絕對坐標的方式。OCR為光學字符識別，本系統使用NI OCR Training進行訓練形成測試對應的字符庫，經人工訓練能正常識別字。

3.2 壞點檢測

壞點分為亮點和暗點，使用白黑紅黃藍五種純色背景下進行檢測。在純色背景下，壞點與其周圍有著很大的灰度變化，存在比較明顯的邊緣特征，可以通過對其最外層邊緣進行識別與統計[3]。通過獲取圖像灰度變化率來獲取其變化情況以找到區域之間的邊界。本文采用NI的VDM提供的邊緣檢測函數進行檢測，通過使用邊緣檢測函數，能很顯著的檢測出顯示器液晶屏中灰度有變化的暗點與亮點。

3.3 音頻檢測

軌道交通顯示器需要對喇叭輸出音頻進行測試，由語音采樣和質量評價兩個部分構成，其中采樣部分由音頻采集模塊進行采集，質量評價部分則調用PESQ算法對語音文件評估并輸出MOS平均意見分。PESQ為主觀語音質量評價，是通過客觀模型來模擬主觀感覺的評價[4]。將人工試聽無問題的音頻進行采集并作為參考文件，獲取采樣音頻，調用PESQ算法得到采樣音頻的MOS得分值。其值越高則表明失真越小，語音評估質量越高。

4 結束語

本文基于CCD圖像采集模塊、音頻采集模塊以及機器動作模塊和LabVIEW開發環境設計了一套軌道交通顯示器自動測試系統。該測試系統能夠測試顯示器壞點、音頻輸出還有MVB通訊、以太網通訊等功能，實現測試過程全自動化，操作方便;實踐證明，該系統具有較高的工作效率、可靠性，同時操作簡單且穩定性高。

參考文獻

[1] 楊冬冬，汪激，劉寅.基于機器視覺的CAN總線多功能數字顯示器測試系統的設計[J].機電一體化，2015，（3）：45-47，56.

[2] 王緒隆，張夢玉，張仲寧，等.基于Labview的音頻信號采集與處理系統設計[C].2018年全國聲學大會.2018年全國聲學大會論文集.南京：南京大學聲學研究所，2018：7-9.

[3] 蔡湘云.利用機器視覺的檢測液晶屏幕壞點分析[J].電子測試，2017，（9）：47-48.

[4] 梁民.PESQ算法在4G通信網絡中的應用研究[J].現代電子技術，2016，463（8）：14-16.