氣壓式微噴視覺在線檢測技術與系統

孫碩

[摘 ? ?要 ]在氣壓式微噴系統的基礎上，使用相應的機器視覺算法，基于LabVIEW開發平臺及IMAQ Vision視覺工具包搭建視覺檢測系統。該系統能通過BCG調節、二值化及形態學功能，最終實現對微小液滴高速移動的檢測與運動分析。通過這樣的液滴視覺監測系統，操作人員能預估實驗過程中產生的液滴體積，進而更加有效地指導氣微量液體的分配作業。

[關鍵詞]液體微量分配技術;機器視覺;氣壓式微噴系統; LabVIEW開發;圖像處理

[中圖分類號]TN405 [文獻標志碼]A [文章編號]2095–6487（2021）06–0–03

[Abstract]Based on the pneumatic micro-jet system， the corresponding machine vision algorithm is used to build a vision inspection system based on the LabVIEW development platform and IMAQ Vision vision toolkit. The system can finally realize the detection and motion analysis of the high-speed movement of small droplets through BCG adjustment， binarization and morphological functions. Through such a droplet visual monitoring system， the operator can estimate the droplet volume generated during the experiment， and then guide the distribution of gas and trace liquids more effectively.

[Keywords]liquid micro-distribution technology; machine vision; pneumatic micro-jet system; LabVIEW development; image processing

1 氣壓式微噴系統的構成與工作原理

文章選用一種氣壓式式液體微量分配方法，即利用壓電致動器帶動撞針進行高頻振動，同時配合氣泵和壓力調節器為儲液瓶中的液體提供壓力，實現對高黏度液體的快速、微量分配。

1.1 氣壓式微噴系統工作原理

圖1為氣壓式微噴系統的組成，大致由電磁閥、液路模塊、氣路模塊、控制電路模塊和反饋監測模塊5部分組成。

初始電路通電，向試劑瓶中充入帶測試劑，此時外界空氣在氣泵壓縮作用下存儲在氣罐中，經過空氣過濾器過濾后進入電器比例閥。

開始噴射實驗前設置輸入電壓，電氣比例閥輸出對應的線性氣壓，經過電磁閥進入試劑瓶中。氣壓驅使試劑沿著管道進入VHS電磁閥等待噴射。

設置電磁閥的周期、開啟時間和循環次數。PCB板首先向電磁閥施加高電平信號，電磁閥通道打開，外部氣壓驅動液體流出噴嘴;開啟時間結束，電磁閥被施以低電平，閥體關閉，被切斷的液體形成液滴，代表一個液滴的噴射周期結束。

2 液滴在線視覺檢測平臺與程序的開發

在液滴分配過程中，需要檢測液滴體積，以確保其具有高分配準確度。文章利用高速相機配合頻閃燈拍攝液滴圖像，同時使用采用Labview及其模組Vision Assistant開發相應程序，分析輸出相關數據。

2.1 視覺檢測平臺的搭建

視覺檢測平臺大致，如圖2（a）所示。脈沖發生器（BNC-505）用來產生兩路頻率不同但是同步的脈沖序列。第一路脈沖頻率為1 Hz，用來觸發信號發生器產生突發脈沖序列，脈沖信號傳遞給電磁閥驅動電路以激勵電磁閥噴射液滴;另一路觸發信號頻率為10000 Hz，由另一個脈沖發生器（BNC-575）接收后，加上設定的延遲時間，輸出給工業相機以控制拍照時間。

如圖2（b）所示，第二路脈沖序列第一路脈沖序列均存在一個逐漸增加的延遲時間，它是由相機的響應時間決定的。實驗時調整初始延遲時間以保證壓電噴頭的激勵時間點與LED的閃光時間點一致，同時相機的開門也處于打開狀態。這樣，一個完整的液滴產生過程才能被記錄下來。

為了得到液滴真實尺寸，還應得到一個圖像像素值與實際尺寸的換算比，這一數值與相機鏡頭參數、被測物體與鏡頭距離有關，可以通過直接法或間接法得到。

2.2 程序構成模塊設計數據計算模型

檢測程序的輸出結果應包含以下要素：液滴半徑、液滴體積及飛行速度等要素。其中液滴半徑可近似地通過公式（1）計算。

式中RDrop為液滴半徑（μm）;Ytop，Ybottom為二值化圖像中粒子頂部與底部像素坐標值（pixel）;Xleft，Xright為二值化圖像中粒子左端與右端像素坐標值（pixel）;μ為實際值與像素值換算比（μm/pixel）。

由于相機拍攝圖像的幀率已知，因此可得到2張連續圖像的間隔時間，液滴的飛行速度可以通過公式（2）進行計算。

式中VDrop為液滴速度（m/s）;Px1，Px2為兩張連續照片的液滴形心在x軸上的坐標像素值（pixel）;Py1，Py2為兩張連續照片的液滴形心在y軸上的坐標像素值（pixel）;F為拍攝圖像時的幀率（frame/s）;μ為實際值與像素值換算比（μm/pixel）。

2.2.1 粒子原始數據分析

必須對圖像進行預處理并二值化方可對二值化圖像進行粒子分析。文章將該部分編寫成子VI，共包含9個輸入和4個輸出。

2.2.1.1 創建圖像

使用兩個函數IMAQ Create與IMAQ ReadFile為圖像創建臨時內存，賦予圖像名及圖像類型（文章為Grayscale灰度）。將所需要的圖像在計算機中的路徑字符串輸入并讀取該圖像，準備對其后續處理。

2.2.1.2 設定ROI

初始圖像一般只有一部分區域含有待分析液滴，其他部分可能包含一些不需要分析的對象，這樣的區域被稱為ROI（Region of Interest），需要手動劃分進行后續處理。

2.2.1.3 BCG調節

得到的圖像里液滴與背景的分界線通常比較模糊，直接二值化效果并不理想，因此需要對圖像的亮度、對比度及伽馬值（合稱為BCG）進行調節。

二值化為了進行粒子分析，采集到的灰度圖像需要轉化為二值圖像，以便突出液滴粒子，獲得粒子的大小、面積和中心。

二值化過程的原理就是設置一個閾值范圍，令像素值在其范圍內的所有像素點都被判定為屬于特定物體，即令其在二值化圖像里數值為1;其余被排除的像素點，值為0。粒子圖像背景亮度最高，同時會夾雜一些灰色的雜點，而液滴顏色最深，亮度最低，因此二值化閾值下限可以取0，確保液滴所有像素都在可取范圍內。

二值化相關函數需要一個數據簇作為參數輸入，該數據簇由兩個數值元素組成，分別代表閾值的上下限。

2.2.1.4 形態學處理

經二值化處理后的圖像可能含有雜點小顆粒，同時液滴除邊界外也應被剔除。

程序可以人為選擇開啟或關閉這些功能，方便前文的二值化處理步驟。

2.2.1.5 粒子數據分析

得到二值化處理的圖像后，即可對目標粒子進行數據分析，使用Particle Analysis功能并從中選取所需數據類型即可輸出。

2.2.2 數據后期處理與總程序框架

圖3為總程序框圖，分為圖像輸入、參數調節、數據處理和重置程序4個環節。

2.2.2.1 圖像輸入環節

當選擇了一個圖像文件時，程序開始執行。它將文件路化為輸入圖像，同時將選取的ROI數據簇設置存儲在局部變量內。

2.2.2.2 參數調節環節

本環節調用了前文的子VI，將原始圖像、BCG參數、二值化上限和形態學處理開關輸入子VI后，VI將以數組形式輸出至下一環節，同時將二值化處理后的圖像通過控件顯示。

2.2.2.3 數據處理環節

參數調節與原始數據采集環節利用前文提到的公式通過原數據計算液滴體積。當輸入了2張或以上的圖片時，開始計算液滴運動速度，分別在前面板顯示。

2.3 實驗效果分析

為了驗證基于本程序檢測液滴體積的精度，需要求出該液滴的實際體積。首先利用間接法測量出每次實驗時試劑的密度，同時利用質量天平稱取噴射出來的液滴質量，根據質量-密度換算公式計算出液滴的體積，即用質量除以密度得到液滴的實際體積，并計算出測量時的相對誤差，如表1所示。

從表1中可以看到，基于文章粒子分析程序檢測得到的液滴體積，其相對誤差可以控制在6%左右，基本可以驗證該方案的可靠性。

3 結束語

文章主要是針對基于機器視覺的微噴視覺檢測系統的程序開發進行研究，通過這樣的液滴視覺監測系統，操作人員能預估實驗過程中產生的液滴體積，進而很好地指導氣壓閥控式微噴系統進行分配作業。

雖然文章完成了預期目標的基本要求，但由于本課題涉及的機器視覺相關知識有著一定深度和復雜性，同時研究的時間和能力有限，文中設計開發的微噴視覺檢測系統的程序存在一定的局限性，難以適用于較為復雜多變的微噴環境。同時由于部分參數仍需手動調節，尚未達到真正的生產自動化要求，未來可以將人工智能與機器視覺相結合，在此程序系統的基礎上進行更深入的開發與完善。

參考文獻

[1] Kye-Si Kwon，Steven Ready.Practical Guide to Machine Vision Software.Copyright 2015 Wiley-VCH Verlag GmbH & Co. KGaA，Boschstr.12，69469 Weinheim，Germany.13-289.

[2] 羅慶生.我的機器人[M].北京：北京理工大學出版社，2016.

[3] 賈振忠，宋立濱，楊東超，等.接觸式點樣機器人及相關技術研究進展[J].機器人，2007，29（2）：179-185.

[4] 劉亞欣，陳立國，孫立寧.基于復合智能控制的非接觸式液體定量分配系統[J].機械工程學報，2010，46（20）：175-181.

[5] 路士州.壓電驅動撞針式高黏性液體微量分配技術研究[D].哈爾濱：哈爾濱工業大學，2015.

[6] 姚玉峰，路士州，劉亞欣，等.微量液體自動分配技術研究綜述[J]. 機械工程學報，2013，49（14）：140-153.

[7] ZHENG G F，LI W W，WANG X，et al. Precision deposition of a nanofibre by near-field electrospinning[J].Journal of Physics D：Applied Physics，2010（5）43：1-6.

[8] FAN L，XUE M，KANG Z X，et al.Electrospinning technology applied in zeolitic imidazolate framework membrane synthesis[J].Journal of Materials Chemistry，2012（9）：25272-25276.

[9] 常家慶.壓電式微量液滴分配的機理與實驗研究[D].哈爾濱：哈爾濱工業大學，2017.

[10] 曲昆鵬，鄭麗穎.基于目標、背景比例的灰度圖像自動閾值選取法[J].應用科技，2010，37（2）：52-54.