淺談基于Halcon的金工考核件自動測量評分系統設計與實現

柯澤豪

（廣東石油化工學院，廣東 茂名 525000）

每學期的金工實習結束后，鉗工工種都有大量上交的工件用于評價學生對該工種的技術掌握情況。傳統的測量就是由老師人工測量并且給定分數，而且需要用各種精密量具才能完成尺寸測量評分。而隨著圖像處理技術的飛快發展，視覺測量已經在各個領域得到了廣泛的應用，尤其在尺寸測量上有著精度高效率高的好處。本文根據圖1考核件，設計了一套視覺測量平臺。

圖1 考核件

1 金工測量評分系統設計

金工測量評分系統由硬件平臺以及軟件系統組成，其工作流程大致如圖2所示。

圖2 測量系統工作流程

1.1 硬件平臺的架構

如圖3所示，硬件平臺由工業相機、鏡頭、光源、圖像采集卡與主機構成。其中選用300W像素，分辨率為2048×1536的工業相機，鏡頭的主要參數焦距2.8～12mm，靶面尺寸1/2.7。

圖3 視覺硬件平臺

1.2 軟件設計

在檢測系統中，由于工件在實驗平臺上放置的位置是多變的，人為地放置工件幾乎不存在兩次放置在同一位置，并且實驗室里光線照射不理想。而機器視覺對圖像要求極其苛刻，任何位置的偏差都可能計算出不同的尺寸，導致精度達不到要求。因此我們重點優化了光源系統以及采用了Halcon里的基于形狀的模板匹配來對圖像進行處理。

1.2.1 打光的目的及重要性

目的：將被測物體與背景盡量明顯分別，獲得高品質、高對比度的圖像。

重要性：直接影響處理精度和速度，甚至系統的成敗。

要明確光源的好壞，直接決定了項目的成敗。軟件不是萬能的，想通過軟件來彌補打光的不足很難。而要對工件進行測量，就必須將工件單獨分離出來進行處理。好的打光能高效地解決這方面的問題，如圖4，采用的是背面向上光源進行打光，工件進行打光后，背景幾乎全白，工件幾乎全黑，整體與背景形成高對比度。此時，再對其進行閾值分割，得到圖5效果，實現工件與背景的分離，便于后續進行測量。

圖4 打光后

圖5 打光后閾值分割工件

1.2.2 識別定位

在檢測系統中，識別定位是最關鍵的一環，因為它可以決定測量計算的尺寸精度。因此我們結合實驗實際情況考慮，采用了Halcon里面的基于形狀模板匹配來進行定位基于形狀的匹配，就是使用目標對象的輪廓形狀來描述模板，其原理是提取ROI中的邊緣特征，結合灰度信息創建模板，并根據模板的大小和清晰度的要求生成多層級的圖像金字塔模型。接著在圖像金字塔層中自上而下逐層搜索模板圖像，直到搜索到最底層或得到正確的匹配結果為止，圖6為幾何定位流程。

圖6 幾何定位流程

其中利用算子create_scaled_shape_model（x、y軸等比縮放模板）實現創建模板，然后根據希望得到的模板輪廓調整主要參數，例如金字塔等級、對比度、起始角度，角度范圍、角度步長、優化算法、亞像素精度等等。在創建模板之后，利用find_scaled_shape_model（x、y軸等比縮放模板）匹配圖像中的物體，可得到模板匹配中心x、y軸坐標以及模板旋轉角3個參數。如圖7所示。

圖7 模板匹配工件

2 實驗過程

基于C#的dotnet3.5以及WinForms平臺編寫出一個軟件，把HALCON對考核件識別測量的視覺算法流程進行封裝編寫。隨后把學生工件放到平臺進行實驗，運行結果如圖8所示。

圖8 軟件運行界面

隨后再利用C#調用數據庫，將數據錄入Excel表格中，得到學生的各個部分的得分詳情，可以取代人工錄入這一煩瑣的步驟，并且避免了人工錄入產生的失誤。

3 實驗結論

經過反復實驗測試后，評分系統對學生工件的評分所花費的時間比起人工評定快了3倍，并且其尺寸精度與實際測量的最大誤差在0.05mm，符合評分所允許的最大誤差。也就是說，該評分系統極大地提高了老師對學生評分的工作效率，可以解放評分老師在這方面的勞動力去做其他的事情。