基于機器視覺的汽車輪罩PVC 涂膠檢測技術研究

王 爽，趙時璐，張 震，王 聰

（1.沈陽大學機械工程學院，遼寧 沈陽 110044；2.華晨寶馬汽車有限公司涂裝車間，遼寧 沈陽 110143）

1 引言

PVC 膠又稱聚氯乙烯涂料，是由聚氯乙烯樹脂、增塑劑、填充劑、顏料、附著力增強劑、穩定劑和防止發泡劑等構成。該材料具有力學性能好、經濟適中與電泳漆膜相容性好等優勢，尤其是經烘烤固化后，具有密封、耐磨、耐腐蝕等多種作用，因此，PVC 膠在汽車車身各種焊縫的密封處理過程中廣泛應用[1]。

噴涂PVC 膠普遍是手工噴涂法，其優點可分為兩方面，一方面操作相對簡單；另一方面成本相對較低。但在實際生產過程中，若存在操作不規范時，就會產生誤噴、漏噴、過噴以及PVC 膠霧厚度值不足等缺陷，從而嚴重影響產品的生產效率及質量。隨著現代工業自動化的發展，機器人噴涂PVC 涂膠替代了傳統人工噴涂PVC 膠的操作。考慮人眼無法穩定連續進行噴涂PVC 膠質量的檢驗，如微小尺寸的快速精準測量、核對形狀、是否出現未噴涂區域等。因此，把計算機準確性、高效性以及穩定性融入到人類視覺的抽象性中，即基于機器視覺設計開發一個PVC 涂膠機器視覺應用系統的關鍵技術用于汽車輪罩PVC 膠檢測。

基于機器視覺對PVC 涂膠檢測進行研究，其關鍵技術在于將人眼無法識別與測量的信號采用機器來完成。即將被檢測的目標通過機器視覺系統將圖像處理完成后輸出信號，再將獲取到的圖像信號轉變成數字信號，從而根據呈現的結果改善現場情況。機器視覺應用系統的開發使得生產自動化程度進一步提高，并且實現信息集成化。

通過對采集的圖像信息進行循環分析計算，及時改變噴涂PVC 膠用量的多少，從而將PVC 膠噴涂質量得到有效改進。

2 檢測系統框架設

基于機器視覺的汽車輪罩PVC 膠檢測系統結構圖，如圖1所示。該系統的三大主要組成分別為電氣控制系統、機器人控制系統以及機器視覺檢測系統。輸送系統、報警裝置、PLC 上下料控制系統在電氣控制系統中至關重要。機器視覺檢測控制系統分為光源、光源調節器、主機顯示器、工控機和CDD 工業相機。通過CDD 工業相機、光源進行圖像采集并傳輸至圖像處理模塊對圖像進行數字分析，主要對車身兩側輪罩處PVC 膠未噴涂區域位置及尺寸大小進行檢測。為了提高檢測的精準性及檢測的整體性，將CDD 工業相機和光源安裝在多個位置上。通過控制系統可以實現自動進行拍照并采集圖像，對發現的PVC 膠噴涂不合格現象進行報警，并具有對車型及數量的統計功能。

由圖1 可知，將汽車輪罩PVC 膠未噴涂區位置及尺寸大小作為主要研究對象，以機器視覺作為檢測工具，對汽車輪罩PVC膠未噴涂區域進行檢測。

圖1 汽車輪罩PVC 膠檢測系統Fig.1 PVC Glue Testing System for Automobile Wheel

3 檢測系統方案設計

機器視覺系統在各個領域的應用比較廣泛，根據不同的應用領域將選擇不同的組成部件，其中光源、鏡頭、相機等主要部件都是必不可少的。如圖1 所示，中各個組件間相互配合、協調組成一個完整的機器視覺系統。

3.1 光源

在機器視覺系統中，光源的作用是照亮物體，向被檢測物體投射出合適的光線，并盡可能高質量地突出被拍攝物體的特征點，將需檢測區域與不需檢測區域以明顯的視覺效果區分開，提高其對比度，改善分辨率并保證光源的穩定性。上述因素對實際數據輸入的質量和產生，至少35%的應用效果有直接影響，其也是提高系統的分辨率、降低噪聲、圖像分析與處理軟件算法簡化的必要前提要有好的光源和照明方式。因此，光源相對整個系統來說是不可缺少的一部分，是機器視覺圖像采集的關鍵點。均勻照明，去除反光是光源和照明設計的原則。由于應用于機器視覺系統照明沒有特定的設備，所以要根據特定的實例來選擇或設計光源及照明設備。還要依照被測物體的不同材料、顏色和光源的光譜，強度、方向等作進一步分析，重點突出被測物體的特征量，保證采集到高質量的圖像信息。

通常光源劃分的種類繁多：（1）根據型號分為LED 燈、鹵素燈以及電致發光管；（2）按照光源形狀分為條形光源、方形光源以及圓形光源；（3）將正向照射與背向照射定義為照射的角度方式[2]。

該系統的檢測目的是汽車輪罩PVC 涂膠未噴涂區域的定位和尺寸測量，檢測的最終目的是檢查汽車輪罩PVC 膠是否符合涂裝工藝標準。

依照表1 及表2 所提及的特性，來選取和設計汽車輪罩PVC 涂膠檢測所需的光源。

表1 汽車輪罩PVC 涂膠檢測工藝參數Tab.1 Testing Parameters of PVC Coating for Automobile Wheel Cover

表2 不同照明方式對比表Tab.2 Comparisons of Lighting Modes in Different Situations

經過對照匹配，及大量試驗調試和改進，最終選取LED 光源作為最佳光源。大部分機器視覺系統選擇LED 作為光源，其具有尺寸較小、使用時間長、使用效率高、發出熱量低、光射穩定等諸多優點。在光源選取階段針對線性光源和條形光源分別進行實際安裝測試，結果為：條形光源呈均勻光線且應用在大尺寸特征的成像場合相對合理；線性光源呈低強度照射且應用在小尺寸特征的成像場合相對合理。通過對照射角度的測試，背向照射獲取到的圖像比較模糊，達不到所需圖像的清晰度。

此檢測系統和被檢測目標要求照射光均勻且必須無反光特征，所以汽車輪罩PVC 涂膠檢測系統的照明方式選擇正向的條形光源。

3.2 鏡頭

在機器視覺系統中，被檢測目標與鏡頭的工作距離相對較近，與人眼中晶狀體的作用相同。鏡頭的質量對相機的拍攝效果及圖像的清晰程度有直接的影響，甚至會影響到機器視覺系統的整體性[3]。因此，選擇合適的光學鏡頭安裝在合適的位置是保證獲取清晰圖像的前提。根據焦距、視角、相對孔徑和像面尺寸等參數選擇光學鏡頭，其中焦距大小直接決定成像物體在傳感器中圖像的尺寸，鏡頭的分辨率受相對孔徑直接影響。一方面，鏡頭的選擇主要依據工業相機的型號并獲取大小合適的成像面。另一方面，鏡頭的焦距按照根據實際工作距離來計算并確定，一般利用以下式（1）進行計算來確定：式（1）中，Mi 表示放大倍數，Ho 和Hi 分別表示物高與像高，Di 和DO 分別表示像距和物距，LE 表示鏡頭的范圍，F 則是鏡頭焦距[4]。

主要參數對鏡頭有一定影響，例如，視角、光圈、景深等；光圈值或焦距值越小，景深越長，反之亦然[5]。

根據實際工作距離，通過計算選用焦距為14mm、18mm 和25mm 三種鏡頭對輪罩唯一區域進行安裝測試，發現焦距為14mm 的鏡頭拍攝出的圖像偏小，不利于對圖像進行分析；焦距為18mm 的鏡頭成像效果清晰，有益于分析產生結論；對于焦距為25mm 的鏡頭來說，成像結果被放大，顯示檢測目標成像不完整[6]。綜上所述，選擇18mm 焦距鏡頭作為最佳檢測鏡頭。

3.3 相機

如何選擇一款合理的工業相機是整體系統的關鍵點之一。工業相機可分為CDD 相機與CMOS 相機。其中采用CMOS 相機的拍攝后獲取的圖像清晰度不高，所以在工業領域選用比較廣泛的是CDD 相機。在選擇工業相機時，需要注意以下幾個方面：

（1）線掃描相機對檢測目標進行分隔掃描或者逐行掃描。線掃描遵循以下原則：①對被檢測目標進行一維測量；②處于運動態的檢測目標；③對可旋轉檢測目標邊緣圖像處理；④需要清晰的檢測物體圖像。精確速度跟蹤、平穩運動態，要求高光源強度都是線掃描相機的特點。而面掃描相機比較單一，只具有一次掃描一副圖像的特點，在應用方面有局限性。目前，線掃描相機的檢測速率在65FPS 左右，適用于連續的動態目標作精準檢測，利用運動目標式（2）計算相機的掃描速度。

式中：FOVA—某個方向上照相機視場；Ri—圖像分辨率；Sp—檢測目標移動速度[8]；對高速運動物體拍攝時，減少曝光時間減，提高電子快門速度，改善圖像清晰程度，利用曝光時間估量式（3）：）

式中：T—曝光時間；P—CDD 像素尺寸；O—檢測目標尺寸；L—

CDD 芯片尺寸；Sp—運動的速度。

（2）根據照相顏色進行分類，分別有黑白色相機和彩色相機。在實際應用中，彩色相機呈現出的分辨率、信噪比以及效率都處于優勢，可以滿足多數工業在線檢測要求。隨著相機制造業的發展與進步，彩色相機的識別顏色性能得到增強，在工業、生物學等領域得到廣泛應用。

（3）典型的相機輸出口形式有RS422、USB、GIGE、RS644等，因此要根據相機輸出口形式選擇圖像處理器[9]。

考慮此系統相機的工作環境在室溫（20～25）℃下，其工作時間長達18h，選用CDD 相機作為此檢測系統的相機，并具有壽命長、低消耗、穩定性較高等特點。因汽車輪罩在檢測時將發生運動偏差，所以應適當放大視野。經過計算，光源照明不發生異常，選用一方分辨率為200/0.1/2=1000pixcel 的相機，另一方分辨率220/0.1/2=1100pixcel 的相機，即像素在1000*1100 以上，故選用像素為1280*1024pixcelCDD 相機為最佳使用相機[6]。

3.4 圖像特征定位

定位孔圓心的測定時根據兩圓弧的中垂線交點，此方法僅針對處理圖像前，具體實驗過程如下：（1）將采集到的圖像進行數值分割，確定邊界檢測數值，從而得到定位孔信息圖像。（2）在選取的圖像上設定一處A 點，使其A 點沿圖像移動至固定像素點，設定為B 點，獲得的弦長設定為AB，以上過程反復進行并得到多條弦長。（3）通過計算每兩條弦長值來確定圓心坐標值。（4）坐標結點數值，若與像素孔點位置一致，則此定位孔未噴涂PVC膠，在該孔基礎上向邊界出延伸2 條或3 條檢測數值線，作為相應的檢測計算值。

4 圖像分析檢測

4.1 提取特征點數值

提取圖像中數值點是算法中最關鍵的一步，直接關系到輪罩PVC 涂膠未噴涂區域檢測與后續輸出結果的準確性，此算法以周長和面積作為輪罩處PVC 涂膠未噴涂區域的評估數值。

周長表示的是在機器視覺中被檢測圖像區域邊界處全部像素點的總和，將檢測范圍設為最大的合格區域，因此對于檢測區域的整體周長為Lmax值，其中包括的噪聲周長為Lmin值，將檢測周長值設在兩者之間。檢測發現未噴涂部分的總數值大于周長數值，則輪罩PVC 涂膠的部分大于設定的標準范圍，所以將檢測區域的周長數值設定為檢測區域的特征參數。

面積表示全部像素點的總和A，見式（4）：

對于某一個檢測點，若檢測輸出的面積值在已設定的PVC膠噴涂標準面積值內，其符合工藝標準；若檢測出的面積值大于或者小于標準面積值，說明PVC 膠噴涂與工藝標準不符。

4.2 識別檢測定位

機器視覺檢測系統分輸入層、隱含層和輸出層，設定在PVC未檢測區域內的輸入量為2 個，輸出值為1 個，全部表示PVC 噴涂結果[6-7]。根據二進制輸出實際數值，輸出1 或0，其中1 表示噴涂不合格，0 表示噴涂合格[6]，利用式（5）可得：

式中：X、Y—變換量；W1、W2—權值矩陣；b1、b2—閾值矩陣；P—周長、面積等輸入信息。通過（5）式計算分析將特征值轉換輸出0/1，其為PVC 檢測結果。

4.3 圖像識別

在汽車輪罩PVC 膠缺陷檢測中，標準的PVC 膠噴涂與少于或多于標準的PVC 膠在噴涂在圖像中相比，少于PVC 膠的圖像亮度較暗，多于標準PVC 膠的圖像亮度較亮。同時不符合標準的PVC 涂膠會產生不規則形狀，因此對于調大灰度值與改變中值濾波從而調高圖像清晰度進行了研究。主要采用Blob 分析法對產生的缺陷區域進行了檢測，其中的關鍵技術是局部閾值分割法與二值形態學操作，同時發現問題區域[10]。

對汽車輪罩PVC 涂膠使用性能檢測就是使用組態式算法進行檢測，雖然在設計流程上看似簡單，但是由多個子系統結合進行檢測的，如圖2 所示。

圖2 PVC 膠噴涂使用性能邊緣檢測流程Fig.2 Edge Detection Procedure of PVC Gum Spraying Performance

（1）高亮度圖像：圖像直方圖主要集中在高的灰度范圍，如圖；

（2）30%對比度圖像：直方圖主要分布在灰度范圍中間位置，且像素分布較窄，如圖所示；

（3）70%對比度圖像及直方圖：直方圖主要分布在灰度范圍較寬位置，且像素分布比較均勻，如圖3 所示。

圖3 灰度對比直方圖Fig.3 Grayscale Contrast Images and Histograms

由圖可知，檢測區域與背景區域形成高度對比時，直方圖分布很均勻，因此在進行檢測時，應將檢測區域與背景圖進行預處理后，在進行二值化閾值計算[11]。圖像二值化就是將圖像中需要進行檢測的區域與背景區域進行區分并保留圖像中的檢測區域。汽車輪罩PVC 涂膠研究以迭代法進行二值化閾值計算，直到整個圖像選取的閾值不再進行迭代循環，該值便是標準閾值。

在圖像上先假定一個灰度值作為檢測圖像的閾值，并計算在該閾值情況下的檢測區域與背景區域閾值的中心值，如果假定的閾值與檢測區域和背景區域閾值的中心值相等，則迭代停止，并以假定所設閾值進行二值化運算，利用公式進行初始閾值T0進行計算[10]。

根據式（9）進行所求閾值迭代循環，若TK=TK+1，則為正確的圖像閾值，否則根據式（6）及式（7）繼續進行迭代，直至計算出合適的閾值。

結果圖像，如圖4 所示。

圖4 標準圖及效果圖Fig.4 Original and Effect Drawings

首先對二值化閾值進行設定，這樣不僅可以大量對數據進行壓縮，降低儲存圖像的容量，還可有效地簡化后續計算步驟，增快識別速率。其次進行圖像分割，圖像分割利用圖像中檢測區域目標特征、位置、幾何形狀、紋理等的差異選取幾個閾值把原圖進行若干份分割成互不交涉的區域，明確每一個像素點對應的是檢測區域還是背景區域，把檢測區域在原圖中與背景分離出來，判定檢測區域的二值化是否還需要進行閾值處理。

圖像的處理，首先對輸入圖像進行預處理，其次，對圖像進行核心算法處理圖像，最后，對特定圖像處理并存儲結果圖像，或傳輸給更高的圖像處理系統，圖像分割的過程也是如此。核心算法作為整個圖像分割的關鍵，算法的運算速率快慢決定了分割圖像的效率，因此需要保證其穩定性；圖像在進行分割后存在很多的小區域或者閉合區域，因此需要后續算法進行完善。

5 實驗及分析

針對汽車輪罩PVC 涂膠未噴涂區域進行圖像檢測。通過分析檢測信息評估表得到：工作距離為（800～850）mm，根據最佳選擇設計原則以及上述公式計算可得出選取焦距為16mm 的鏡頭。CDD 相機選取1.3Mega Pixels 千兆相機，光源采用LED 條形光源。選取1000 臺汽車作為檢驗對象，下圖為任意一臺汽車檢測圖像，如圖5 所示。1000 臺車輪罩處圖片均通過實際生產線進行拍攝，并根據以上算法進行判定與分類，則實際檢測數據，如表3所示。

圖5 汽車輪罩處PVC 膠未噴涂區域圖像檢測處理圖Fig.5 Image Detection and Processing Chart of Unpainted Area of PVC Glue at Automobile Wheel Cover

表3 檢測數據統計表Tab.3 Actual Test Data Table

在檢測過程中，基于機器視覺輪罩處PVC 膠檢測結國正確率達到了99.48%，但是在細節部分也存在部分檢測錯誤情況，如圖5 所示。圖5 中以圖（a）為標準圖，并分別與圖（b）和圖（c）進行分析對比。在圖（b）中由于光照強度導致系統選擇輪罩邊界時，將PVC 膠面和輪罩細小凸起部分產生混淆，從而導致誤判。將圖（a）與圖（c）進行詳細對比，由于汽車在前行過程中會發生微小震動，導致系統在選擇定位孔時產生偏移，即輸出圖像為錯誤圖。出現的誤判和輸出錯誤圖都均需要進一步改進。因此，99%以上的檢測準確率有效滿足實際生產需求。

6 結論

（1）結合機器視覺理論與PVC 涂膠的特點，提出了基于機器視覺的汽車輪罩PVC 膠未噴涂區域檢測技術。該技術通過提取特征點信息，并將其轉換輸出，實現了PVC 膠檢測的定位識別。（2）通過對車輛生產的溫度環境進行分析研究，在（20～25）℃溫度范圍內，硬件采集系統中選用500 萬像素CCD 相機、16mm 鏡頭時，使用性能最優。（3）對PVC 噴涂同一位置進行了1000 臺車輛樣本檢測，結果顯示，系統檢測準確率高達99%以上。