基于機器視覺的LED數碼管檢測

甘艷平

（南京信息職業技術學院機電學院，南京210023）

0 引 言

LED數碼管是一種廣泛應用于儀器儀表的電子元器件，一般由7段發光二極管組成，通過控制7段發光二級管不同組合實現數字0～9的顯示。在使用數碼管的產品中，要求7段發光二極管正常發光，亮度一致，因此一般需要檢測7段發光二極管的發光亮度與均勻性。目前檢測的方法是通過點亮LED數碼管，靠人眼來判斷產品的亮度是否達標。該方法有著明顯的缺點：1）工人工作勞動強度大，長時間注意力高度集中觀察LED數碼管，人眼判別視覺易疲勞，易出現檢測紕漏，且判別標準不能數字化，存在主觀性，被檢測的產品中仍有部分不合格產品；2）隨著人工成本的不斷上漲，員工工資占產品生產成本的比重越來越大，企業負擔也來越重，迫切需要降低人工成本。

針對LED數碼管人工檢測效率低、精度低、成本高的特點，基于機器視覺的LED數碼管亮度檢測方法提供了一種快捷有效的LED數碼管客觀、量化檢測方法，能夠實現LED數碼管檢測的標準化，直接系統地判斷LED是否合格，克服現有技術中人工檢測的主觀性強、容易誤判等缺點，同時可以降低企業生產成本。

1 檢測裝置

基于機器視覺的LED數碼管檢測裝置結構如圖1所示，該裝置包括控制傳送裝置、圖像采集裝置、圖像處理裝置及產品分揀裝置。

圖1 LED檢測裝置

傳送裝置包括機架3、傳送帶11、電動機控制器15、電動機16。傳送帶11上標有記號，可以使LED數碼管控制模塊2居中安放。電動機控制器15和電腦1相連接，電腦1傳送命令給電動機控制器15，控制電動機16旋轉。

圖像采集裝置包括LED數碼管控制模塊2、暗箱4、CCD相機5、夾具8。暗室4的兩側使用遮光板，皮帶輪滾動方向的兩邊使用遮光布。LED數碼管控制模塊2從左側進入暗箱4，光電傳感器7安裝在暗箱4的上方，與電腦連接，用于檢測LED數碼管控制模塊2是否到達指定位置。夾具8通過電腦控制上下升降，可以和LED數碼管控制模塊2實現聯通，來點亮LED數碼管。CCD相機5在LED數碼管點亮后開始拍攝，同時為了實現LED數碼管檢測的量化，加上濾鏡6，只透過LED數碼管的主要光（前期通過光譜儀檢測到LED數碼管的峰值波長），CCD相機5和電腦1連接，將數據傳輸到電腦處理。

圖像處理裝置是一臺電腦1，連接CCD照相機5、光電傳感器7、夾具8、機械手9和電動機控制器15，電腦對CCD照相機5、光電傳感器7的輸入信號進行處理，同時對夾具8、機械手9、電動機控制器15輸出控制信號。

產品分揀裝置是一只機械手9，前端使用吸盤10，既可以有效利用LED數碼管表面平整的特性，又可以防止使用關節抓手可能對LED數碼管造成的損傷。機械手的基座13可以360°旋轉，機械臂大臂12可以上下移動，由機械臂大臂12延伸出來的機械臂小臂14可以在直線方向上來回伸縮，這樣一整套組合就可以完成在最遠伸長量的任意范圍內實現抓取和釋放。

2 檢測方法及判斷流程

基于機器視覺的LED數碼管檢測過程為：傳送裝置用于將待檢LED數碼管傳送至圖像采集裝置前，正對圖像采集裝置設有夾具，用于夾持待檢LED數碼管，夾具上設有電源接口（夾持待檢LED數碼管時進行供電），圖像采集裝置完成對待檢LED數碼管的圖像采集，圖像輸入圖像處理裝置，圖像處理裝置中配置有軟件程序以實現檢測、對比及判斷。圖像采集完成，夾具松開LED數碼管，產品分揀裝置根據圖像處理裝置的輸出完成對LED數碼管的分揀，其中控制主機發出控制信號，驅動傳動裝置、圖像采集裝置和夾具的動作。

LED合格與否的判斷方法：采集待測LED數碼管亮燈狀態下的圖像，與正常LED數碼管亮燈狀態下的圖像進行比對，比對采用橫向投影直方圖對比的方法，將正常LED數碼管與待測LED數碼管的橫向投影直方圖相減取絕對值，逐點求偏差，再取平均值和方差，做統計分析，得到亮度偏差的情況，然后再求兩個橫向投影直方圖曲線的相關系數，用來分析兩條橫向投影直方圖曲線相似性，得到兩圖像的相似性，根據相似性判斷待測LED數碼管是否合格。

3 檢測過程及示例

3.1 硬件工作流程（如圖3）

3.2 軟件處理過程

1）圖像處理軟件的選擇根據實際情況，選用MATLAB軟件。MATLAB軟件是一款專門用來解決數學問題的軟件，可以進行數值分析、矩陣計算，也可將數據圖形化。同時，該軟件也可進行逆向處理，即將圖像信息經過一系列算法轉化為數字信息[1]。

2）背景預處理。

圖2 機器視覺LED檢測判斷流程

圖3 硬件工作流程圖

a.圖像灰度化處理。所謂灰度化處理就是把圖片的色彩信息都去掉，只留下亮度信息，以灰度的形式表現出來，即把一個三維的圖片信息轉化到二維圖像的過程，越亮的地方數值越大，越靠近255（255相當于白色），越暗的地方數值越靠近0（0相當于黑色）。圖像灰度化處理的方法主要有4種，為獲得最優的灰度化處理方案，經多次實驗比較，檢測系統增加了濾鏡6（見圖4），且采用加權平均法來進行灰度化處理。由于人眼對綠色、紅色、藍色的敏感度依次遞減，所以按式f(i)=0.30R(i)+0.59G(i)+0.11B(i)對RGB三分量進行加權平均能得到較合理的灰度圖像。

圖4 正常LED數碼管顯示數字8的灰度直方圖

b.數字邊緣的提取。所謂邊緣是指我們所需要的圖像信息和背景之間，或者兩個圖像信息之間的分界線。邊緣檢測是圖像處理中不可缺少的一個重要環節，也是實現邊緣分割的基礎[2]。本檢測采用Canny算子來檢測圖像中數字的邊緣，算法如下：

其中：BW是對結果的命名；edge是MATLAB軟件里面自帶的檢測邊緣函數；f是待處理圖像名稱；′canny′是選用的其中一種算法的名字，可以直接調用，不必自己編程；T可以是數組或數字；sigma是使用高斯濾波器進行運算時選擇的標準差。經canny算法后，強邊緣顯示出來，弱邊沿不顯示。

3）數字定位。相機拍攝到的圖片有很多信息是無用的，因此需要根據信息特征找到所需信息。由于LED數碼管是一個恒定的矩形，因此先調用MATLAB中的strel函數來創建對象，即se=strel(′rectangle′,[40,40])，然后用工具進行膨脹和腐蝕，再用imclose和bwareaopen函數進行閉操作和移除小對象操作，從而勾勒出需要的數字區域，最后根據橫向和縱向的固定數字裁剪出數字區域。

4）數字分割。為減小信息量，加快處理速度，同時不影響輪廓信息，對前述灰度化圖進行二值化處理（將0～255里各數據選擇一個值，大于這個值的變成255，小于這個值的變成0），采用Otsu閾值分割法來確定圖像二值化分割的閾值[3]。算法如下：

圖像經過定位和二值化之后，經左邊界和右邊界限定，分割出數字來。

圖5 統計正常LED發光管顯示數字8的橫向直方圖

5）橫向累加。先用光譜儀找出正常發光的LED樣本，根據統計特征匹配法，對正常樣本的橫向白色像素特征進行統計，得出正常LED數碼管數字8的橫向直方圖如圖5所示。

最后，將待檢驗的LED數碼管點亮，經過圖像采集、軟件程序處理后，其顯示數字在橫向的向量累加值會出現固定的特征，比較待測LED的橫向直方圖與統計特征直方圖的差異，判斷待測品是否合格，最終實現對LED數碼管的量化檢測，如圖6所示。

圖6 合格與不合格LED數碼管直方圖對照

4 結 論

近年來，隨著自動化技術的迅猛發展，機器視覺技術也得到了快速發展，為改變傳統的人工檢測LED數碼管效率低、精度低、成本高等特點，人們不斷地探索利用機器視覺檢測LED的方案。本文提供了一種不同于直接用工業相機拍照、對比圖片或檢測灰度、亮度的方法，利用該方案可快捷、有效地進行LED數碼管合格與否的量化檢測，環境適應性強，穩定性好，值得借鑒。