智能制造裝備視覺成像技術應用現狀

張廣宇，朱家昌

（1.無錫中微高科電子有限公司，無錫 214035；2.中國電子科技集團公司第五十八研究所，無錫 214072）

0 引言

機器視覺（machine vision）是人工智能技術的重要分支，應用于智能制造領域時借助數字成像技術采集待測物體的高質量圖像信息，使用數字圖像處理技術提取有效特征自動完成非接觸式的尺寸測量［1］、產品定位［2］、缺陷識別［3］等功能。其中數字成像部分關系著機器視覺在“眼看”的過程中是否會出現亮度失衡、圖像虛焦、噪聲干擾、對比度低、背景混淆等不理想圖像［4］。圖像算法處理不理想圖像需使用復雜度較高的頻域濾波或深度學習等算法進行處理，不僅增加時間，還會提高誤檢率，甚至影響視覺檢測項目的可行性。本文著重總結了視覺成像的相機、鏡頭、光源等硬件能力的發展現狀，并根據硬件參數分析了提高成像質量的方法。

1 視覺成像系統硬件發展現狀

1.1 工業相機發展現狀

工業相機是將光學模擬信號轉換為數字信號的設備，傳統工業相機圖像傳感器一般為電荷耦合元件（charge coupled device，CCD），隨著CMOS傳感器技術的發展，在最大分辨率、功耗、采集速度及生產成本上都優于傳統的CCD傳感器［5］。

相機的成像原理是傳感器根據光照強度產生對應的電信號，將電信號分級后映射為圖像灰度值。根據相機成像位寬，電信號分為256（8 bit）級或4096（12 bit）級，分別對應了圖像上的256級灰度或4096級灰度，其中灰度為0表示該像素點為純黑，灰度值255或4095表示該像素為純白［6］。

工業相機根據像元（最小成像單元，每個像元對應成像后的一個像素）的排列方式分為面陣相機和線陣相機。面陣相機的像元排列成一個矩陣形式的面，線陣相機的像元排列成一條線，線陣行數根據不同品牌與型號的設計不一樣，但一般不超過256行。

目前工業相機的數據傳輸接口一般有GigE、USB 3.0、CameraLink、COAXpress（CXP）［7］，其中GigE與USB 3.0一般應用于25M以下的中小分辨率的中低頻相機的數據傳輸，CameraLink與CXP應用在29 M以上分辨率或者超高頻相機的數據傳輸。當相機分辨率在25 M及以上或使用Camera?Link、CXP的數據接口時，需在主機上安裝專用采集卡進行圖像數據預處理，否則會占用主機較多計算資源。

1.2 鏡頭發展現狀

工業鏡頭的選取影響著成像質量、檢測精度、相機工作距離等要素［8］。工業鏡頭主要分為FA鏡頭與遠心鏡頭兩大類，普通FA鏡頭主要有焦距、景深、光圈、靶面尺寸、視場角、解析力等參數，一般具有調節光圈與對焦的功能。

由于光線在透鏡邊緣比在透鏡中心彎曲程度更大，從而導致實際成像時產生徑向畸變，使圖像失真，一般通過張氏標定方法，借助已知尺寸的棋盤格，計算出相機內參，再通過算法對每次采集的圖像進行矯正，減少畸變對成像的影響。

遠心鏡頭是一種特制鏡頭［9］，主要有景深、靶面尺寸、放大倍數、工作距離等參數。有些遠心鏡頭側面有點光源接口，可與點光源組成類似同軸光使用。遠心鏡頭避免了FA鏡頭因凸透鏡帶來的各種問題，沒有畸變且視場角為0，如圖1所示，與常規FA鏡頭比視線垂直于物體，減少了很多側面干擾，且鏡頭放大倍數恒定，多用于高精度尺寸測量、高精度表面缺陷AOI上。

圖1 大視場角鏡頭與遠心鏡頭成像效果

1.3 光源發展現狀

光源為視覺系統提供照明，合適的光源可增強缺陷與背景的對比度，抑制噪聲與背景對缺陷成像的干擾，大大降低檢測算法的復雜度，提高檢測效率［10］。

目前機器視覺使用的光源一般使用能效比較高、壽命較長的LED燈珠組成，外殼選采用熱較好的鋁材，表面涂裝黑色氧化層，防止環境光在表面反射對成像產生干擾。光源根據燈珠發光波長分為白光、紅光、綠光、藍光、紅外、紫外光源；根據光源幾何結構與出射光種類分為環形光、面光、點光、條形光、同軸光、球積分光等基礎類別，同時環形光與條形光可根據項目的具體要求選擇在發光口添加高亮度漫反射板、高均勻性漫反射板或準直板來調整光線出射方式，所以工業上AOI可使用的光源種類非常多［11］。

2 數字成像質量提升技術

2.1 相機選型調參技術

工業面陣相機分辨率范圍在5～151 M，主要優勢是借助面陣相機密集排列的像元生成的圖像坐標與世界坐標的標定后完成物品尺寸測量、二維定位、角度測量等高精度測量功能。面陣相機用在待檢物品長寬比適中、表面平整、尺寸較小的應用場景，高精度測量時需注意搭配使用畸變較小、視場角為0的遠心鏡頭［12］。

工業線陣相機分辨率范圍在2～23 K，主要優勢是單次只完成圖像上N行像素成像，再通過軟件按照設定參數拼接為一張完整圖像，成像時不需要考慮視野的長寬比、圓柱形待測品的曲面度等因素，具有較靈活的成像方式，適用于待檢物品長寬比較大或圓柱表面成像的應用場景［13］。在圓柱形齒輪側面成像過程中，如圖2（a）所示，面陣相機需分多次拍攝，且每次成像效果不清晰。圖2（b）所示線陣相機可在設置相關參數與齒輪轉速匹配后持續成像，且成像效果較好。

圖2 面陣相機與線陣相機成像差異（續）

圖2 面陣相機與線陣相機成像差異

線陣相機需搭配電機使用，拍攝時要求相機與產品在檢測方向上有相對的勻速運動，且移動速率與相機相機相關參數匹配，使得每次線陣相機采集區域都是剛好緊鄰上一次采集區域的邊緣，否則在成像效果上會出現產品移動方向上的圖像壓縮或拉伸，影響后續圖像算法的檢測效果。根據定義，線陣相機與待測物品相對速度為：

其中，v表示相對線速度，fgrab表示線陣相機采集頻率，lpixel表示圖像單像素對應實際空間尺寸。若產品在流水線上勻速運動，可根據光電傳感器判斷產品是否已經進入拍攝位，控制線陣相機采集圖像的時間。在采集圓柱形產品側面圖像時，需保證圓柱形產品達到勻速旋轉后方可進行圖像采集，采集時間為：

其中，t表示線陣相機采集時間，R表示圓柱形產品的半徑。根據上述公式調整相關參數后，還需使用棋盤格對線陣相機采集效果進行驗證。通過計算棋盤格在運動方向與垂直方向上的比值，獲取圖像縮放比例，再通過調整相機采集頻率或相對移動速度進行校正。

2.2 檢測精度提升技術

視覺檢測精度是衡量機器視覺系統最小可檢測空間尺寸的標準，在尺寸測量、物體定位、缺陷檢測等應用中是關鍵技術指標。影響機器視覺系統檢測精度的因素主要來源于成像系統硬件參數與檢測算法，且成像系統的硬件參數為主要原因。在成像過程中，光信號由鏡頭進行光路控制后聚焦到相機靶面上，相機靶面將光信號由模擬信號轉化為數字信號，最終生成位圖圖像。所以影響檢測精度相關參數主要有相機分辨率、鏡頭放大倍數、鏡頭分辨率等，且鏡頭分辨率需大于相機分辨率［14］。成像的過程可以看作將三維世界在相機方向進行投影變換后映射到離散的二維圖像像素中，單像素與實際空間尺寸的對應關系為：

其中，lp表示單像素對應的空間尺寸，也可稱為相機實際采樣間距，lp的數值越小，表明像元截止頻率越大，檢測精度越高。lcell表示相機像元尺寸，Χlens表示鏡頭的放大倍數。

圖3 傳統鏡頭光路示意圖

使用傳統工業鏡頭成像時的光路信息示意圖如圖所示，由相似三角原理可知：

其中，f為鏡頭焦距，WD為鏡頭到視野面的距離，W為視野尺寸，w為相機靶面尺寸。根據放大倍數定義可知：

由式（6）可知，在檢測算法不變的條件下，lcell與WD的數值越小，f的數值越大，機器視覺檢測精度越高。在對工業相機進行選型時，理論上像元尺寸越小對應的檢測精度越高。但像元尺寸過小，成像則易受電噪聲的影響導致圖像信噪比（signal noise ratio，SNR）下降，所以選用像元較大的相機搭配放大倍數較大的鏡頭成為檢測精度優化的主要方式。同時相機的視野與鏡頭放大倍數的關系為：

其中SFOV表示相機視野，Npixel表示相機像元數量（相機分辨率），當Χlens數值過大會導致視野SFOV變小，需要根據實際項目檢測范圍尺寸需求計算相應硬件參數。工業鏡頭分辨率主要被像差及光的衍射影響，像差的產生因素主要是由于透鏡曲面的中心與邊緣對光線的折射不同導致，分為色像差（chromatic aberration）與賽德爾的五像差（five aberration of seidel），通過選擇校正到瑞利極限高質量工業鏡頭可以將像差影響降至最低。所以影響鏡頭分辨率的主要因素來源于光的衍射，判別鏡頭分辨率的主要標準為瑞利準則（rayleigh crite?rion）：

其中，l表示鏡頭能分辨的最小直徑，f為鏡頭焦距，R為鏡頭入瞳半徑，λ為光線波長，目前工業鏡頭分辨率可以滿足工業相機最小分辨率的需求。

2.3 對比度增強技術

為降低圖像算法復雜度，機器視覺成像時需盡量增強感興趣區域的成像效果，抑制背景（干擾區域）的成像效果，盡量增強前景與背景區域的對比度，從而提高視覺系統的檢測效率與檢測精度［15］。理想的成像對比度是感興趣區域為白色（灰度值為2n-1，n為相機成像位寬），背景區域為黑色（灰度值為0）。對比度增強需根據不同視覺檢測場景、待測品外觀、材料特性設計出不同的方法。

對有凹凸結構的產品表面成像，如檢測產品表面結構紋理、異物、劃痕、裂紋等缺陷可使用暗場照明方式，使產品表面凹凸區域成像明亮，平整區域成像暗淡，提高凹凸區域與背景的對比度，抑制平整區域圖案灰度信息對檢測凹凸區域成像的干擾,照明效果與明場對比如圖4所示。

圖4 相同物品明暗場照明效果差異

暗場照明僅在平滑表面可取得良好的成像效果［16］，如平整的玻璃、金屬、硅晶片等材料構成的產品，若用在粗糙表面在成像上反而會產生遍布整個面的干擾亮點，使成像無法使用。

測量非透明產品尺寸或需要基于邊緣的定位應用中，使用面光背面照明，使產品邊緣清晰成像，產品區域灰度值很低，非產品區域灰度值很高，對比度高易于區分。

對于顏色干擾較多的產品表面，可使用與目標顏色相近的彩色光源或使用多光譜光源進行照明，同時搭配單通道相機。或使用與目標顏色相近波長的濾波片，將干擾光濾除。對于產品表面光滑，易被環境反射光干擾的，由于反射光為偏振光，可使用偏振片對反射光進行濾除，偏振片加裝前后效果對比如圖5所示。

圖5 偏振片加裝前后成像效果對比

對于一些紋理復雜的產品，如圖拉絲鋼板或皮革表面的刻印碼使用傳統成像方式效果很差，無法識別。需借助3D視覺成像技術完成對產品表面的深度信息采集［17］，通過對深度信息進行閾值處理即可得到清晰的刻印碼。圖6即為拉絲鋼板刻印碼成像效果（左）與深度信息閾值處理后的效果（右）對比。

圖6 拉絲鋼板刻印碼成像效果對比

2.4 噪聲抑制技術

數字成像中圖像噪聲主要來源于電噪聲，噪聲過多影響算法檢測精度，增加算法復雜度。抑制成像產生的噪聲主要是抑制電噪聲對成像的影響。

相機生成圖像原理是將曝光時間內采集到的電荷總量通過電容轉換為電壓，曝光時間越長，累積的電荷越多，生成的圖像灰度值越大。電噪聲中主要的散粒噪聲來源于相機像元將光信號轉換為電信號時由于量子漲落產生的隨機波動，當曝光時間越長散粒噪聲累加后對圖像灰度值影響越大［18］。所以當照明環境比較暗時，實際的光信號較弱，同時設置的曝光時間會增加，導致電噪聲對成像的影響大于對應像元獲取的光信號影響，圖像產生較多的白噪聲，使用圖像降噪算法處理后使圖像細節丟失，造成檢測精度下降。在成像上抑制散粒噪聲的方式為增加光源亮度，調大鏡頭光圈，使光信號強度增加；同時減小相機曝光時間，減少噪聲對電信號的影響。調大光圈可減少鏡頭內部灰塵對成像的影響，但同時會減少景深，需根據實際情況選擇合適的F值；抑制噪聲的同時需控制圖像整體灰度值防止相機過曝。

3 結語

應用于工業機器視覺的數字成像技術為后續的圖像算法處理提供高質量產品圖像，需根據產品表面光學屬性與檢測需求進行成像系統設計。使感興趣區域的成像效果增強，同時抑制干擾因素對后續算法處理的影響，從而降低算法復雜度。數字成像技術作為機器視覺的基礎，涉及基于透鏡的光路控制、光信號的A-D轉換、照明系統設計等光學技術，也包含基于圖像算法原理來選擇數字成像質量的優化方向。在對成像核心硬件的充分了解下，根據機器視覺檢測目標及技術指標對相機進行選型、對成像分辨率進行優化、對前景與背景成像對比度進行優化、對成像噪聲進行抑制，從而提高圖像算法的檢測精度與檢測效率。