改進概率Hough變換在溫度傳感器焊接工藝中的應用

李雪山， 陳富林

(南京航空航天大學 機電學院，江蘇 南京 210016)

0 引 言

負溫度系數(negative temperature coefficient,NTC)溫度傳感器溫度敏感性好，可靠性高，被廣泛應用在家電、汽車、醫療、航空等多個行業，市場需求量巨大。某型溫度傳感器的生產過程中，需要將熱敏電阻與排線焊接在一起，以適應溫度采集點與控制部分分離的情況。目前工廠內采用人工完成焊接工藝，焊接效率低，難以滿足市場需求。并且隨著人工成本的逐年增加，企業效益逐年下降。開發自動化設備替代人工完成焊接工藝變得迫在眉睫。熱敏電阻引腳與排線的良好接觸是保證焊接效果的前提。然而熱敏電阻的頭部不規則，導致從振動喂料盤出來的電阻傾斜方向不一。機械夾爪夾持之后直接送入焊接工位，會造成電阻與排線無法良好接觸，焊接效果差，難以滿足要求。因此基于機器視覺對電阻傾斜角度檢測，并通過補償算法調整熱敏電阻的姿態后送入焊接工位，實現自動化焊接。

電阻左右引腳是圓柱體，通過檢測引腳圖像的直線特征，即直線檢測，可以確定引腳的傾斜角度，進而得到電阻傾斜角度。Hough變換(Hough transform，HT)是處理直線檢測的經典算法，具有良好的魯棒性[1,2]。在Hough變換的基礎上，Matas J等人提出一種概率Hough變換算法(PPHT)[3]。與Hough變換相比，概率Hough變換不需要對全部的邊界點進行檢測，僅部分抽樣，大大減少了計算量與時間。鞏學美等人通過改進概率Hough變換進行了遙感圖像的機場跑道識別[4];王越等人利用概率Hough變換提取車道標示線特征點，并采用最小二乘法對特征點集進行直線擬合[5]；鐘志偉等人[6]基于概率Hough變換確定指針回轉中心，實現了指針儀表去影。

自動化焊接對生產效率與傾斜角度的檢測精度有一定要求，傳統概率Hough變換的角度檢測范圍為(-90°,90° ] ，過大的角度檢測范圍勢必會降低直線檢測的效率。而且概率Hough變換的檢測精度僅僅取決于采樣的漸進角度Δθ，過小的Δθ會增加檢測的時間，當Δθ的可取精度大于直線的斜率精度時[7]，減少Δθ已經沒有意義。針對不同傾斜角度的熱敏電阻圖像，若檢測出全部直線，需要設置不同的間斷點個數、閾值等檢測參數，很難保持參數的一致。針對概率Hough變換在應用中存在的問題，本文提出改進的概率Hough變換算法對熱敏電阻傾斜角度進行檢測,進一步提高檢測效率的同時提高檢測精度。

1 熱敏電阻傾斜角度檢測總體設計

對于原始的熱敏電阻圖像，首先進行掩模處理，只保留電阻引腳部分圖像，然后利用濾波、Canny邊緣檢測等技術對圖像進行預處理得到清晰的邊緣圖像，再通過改進的概率Hough變換對邊緣圖像進行直線檢測，取4條直線傾斜角度平均值作為熱敏電阻的傾斜角度，最后運動控制部分根據得到的傾斜角度，調整熱敏電阻的傾角后送入焊接工位。

2 熱敏電阻圖像預處理

2.1 濾波處理

數字圖像采集過程中，不均勻曝光、設備電路、傳輸過程中的系統振動引起的電流變化等原因導致得到的熱敏電阻圖像存在噪聲。圖像濾波是消除噪聲的常用方法，可以在保證圖像細節特征不丟失的條件下對圖像中存在的噪聲進行抑制，保留圖像的輪廓紋理等重要細節。高斯濾波是線性濾波算法，噪聲在空間上是隨機不連續的，噪聲位置與周圍鄰域的像素差很大，高斯濾波可以平滑噪聲，并且具有可控性[8]，可在保留原始信號的條件下減少噪聲。二維高斯函數為

(1)

式中σ為高斯函數的標準差，σ值大小直接影響空間權重的大小，高斯卷積核尺寸越小，對噪聲和紋理越敏感，定位精度越高[9]。本文采用高斯濾波對熱敏電阻圖像進行濾波處理。

2.2 Canny邊緣檢測

邊緣檢測就是利用圖像邊緣的灰度突變性質，將圖像中具有價值的邊緣信息提取出來。常用的邊緣檢測算子有Sobel，Prewitt，Canny，Laplacian等。Canny算子具有低錯誤率、檢測精度高、單一邊緣響應等優點[10]，被廣泛應用。本文采用Canny邊緣檢測算法，對濾波之后的熱敏電阻圖像進行邊緣檢測。

Canny算法的計算步驟為：

1)梯度幅值與方向計算

傳統Canny算子采用2×2鄰域內的一階有限差分計算梯度幅值與方向，該方法對噪聲較敏感。為了減少噪聲對梯度求值的影響，采用Sobel算子計算梯度幅值與方向。水平方向和垂直方向的Sobel算子分別為sx和sy，對應的梯度Gx和Gy為

Gx=sx*I(x,y)

Gy=sy*I(x,y)

(2)

像素點的梯度幅值G和梯度方向θ可由下式獲得

(3)

θ=arctan(Gy/Gx)

(4)

2)對梯度幅值進行局部非極大值抑制，如果該點的梯度幅值與該點梯度方向上相鄰的梯度幅值相比最大，則保留該點，否則去除。

3)采用滯后閾值處理消除虛假邊緣并連接斷續邊緣。

3 改進的概率Hough變換直線檢測

對邊緣檢測之后的引腳圖像進行直線檢測，限制概率Hough變換的角度檢測范圍，對于提高檢測效率具有重要意義。對于二維平面中的直線，直線的梯度等于直線的斜率，對應于圖像中直線上的像素點一般具有較大的梯度值以及相似的梯度方向[11]。因此,可以通過圖像中直線像素點的梯度方向近似推斷出直線的傾斜角。通過對電阻邊緣圖像分析得知，熱敏電阻邊緣圖像中，直線像素點占邊緣圖像像素點總數的比例大約為70 %，直線像素點的梯度方向在一定的范圍內變動，而非直線邊緣像素點的梯度方向范圍變化巨大。在統計學中，中位數通常會在樣本出現少量離群時，用于提供相對尊重樣本主要情況的統計量。其算法也反映了這一特點，某一數值的變動，尤其是邊界上的變動，不一定會改變統計量的數值。因此，選擇梯度方向的中位數反映邊緣梯度方向的分布情況。圖像邊緣像素點的梯度方向已經通過Canny算法中的公式(4)計算得到，統計邊緣像素點梯度方向，計算梯度方向的中位數Ame。以Ame為概率Hough變換角度檢測范圍中心，統計梯度方向在區間[Ame-α°,Ame+α° ],α>0內的像素點個數占全部邊緣像素點個數的比例。若比例小于70%，則將角度上下限增加為2α，統計梯度方向在此區間內的邊緣像素點所占比例；依次類推，直到所占比例達到70%或角度范圍達到極限角度，以該角度范圍作為概率Hough變換的檢測角度。

由于光照、噪聲、相機成像原理等原因，邊緣圖像中直線在圖像上的像素點并不在一條直線上。在直線邊緣的像素搜素過程中，考慮直線方向鄰域內像素點。鄰域定義為直線垂直方向，直線兩側各一個像素的區域，如圖1所示。當沿直線方向搜素出現間斷時，檢測鄰域內是否存在像素點。若存在像素點，則認為此處不屬于間斷；反之，存在間斷。圖像的邊緣為單像素，將直線像素點方向與直線方向鄰域內的像素點保存，通過最小二乘法對這些點進行擬合直線，使檢測結果不再僅僅依賴Δθ。

圖1 鄰域

基于上述提出概率Hough變換的改進算法，算法的具體步驟如下：1)以角度范圍[Ame-Ta,Ame+Ta],(Ta=α,2α,…)作為概率Hough變換的檢測角度；2)將邊緣圖像中的像素點保存在點集D中；3)建立累加器空間，在D中隨機選取一點進行Hough變換并在累加器中進行投票，當投票值超過閾值時，提取該點p，進行步驟(4)，否則隨機抽取下一邊緣點；4)從獲取的p點開始，沿斜率方向搜素邊緣圖像中的像素點，并保存在點集DiL中，同時更新端點坐標；若發生間斷，搜素直線垂直方向鄰域內是否存在邊緣點，若存在則Gap=0，并將鄰域內的像素點存入點集DiL中，否則Gap=Gap+1，當Gap≥Gmax或達到圖像邊界時停止搜素；5)檢查直線長度L，如果大于設定的最小直線長度Lmin，進行步驟(6)，否則執行步驟(3)；6)將DiL中的點進行最小二乘法得到擬合直線方程，過直線端點做擬合直線的垂線，交點為最終的端點坐標，輸出直線傾角與端點坐標；7)將DiL中保存的點從邊緣圖像中刪除，刪除這些點在累加器中的投票，重復步驟(3)～步驟(7)。

4 實驗分析

4.1 實驗軟硬件配置、實驗平臺

試驗中所用到的機械設備如圖2所示。

圖2 設備整體

視覺檢測部分硬件和軟件如下：大恒公司生產的型號為DH—HV1302UC工業相機，日本Computar公司生產的焦距16 mm工業鏡頭；使用Visual Studio2017中的OpenCV3.4.0庫進行開發；計算機硬件配置：處理器Inter i5—5200U，主頻2.2 GHz，內存12 G。

4.2 熱敏電阻傾斜角度檢測

控制步進電機使熱敏電阻傾斜固定角度，相機拍攝的不同傾斜角度熱敏電阻如圖3所示，通過掩模處理只保留電阻引腳部分，圖片尺寸均為200×130，步進電機的步距角為1.8°。

圖3 不同傾斜角度電阻圖像

對掩模之后圖像進行高斯濾波，選擇卷積核的尺寸為(5×5)。使用Canny算法進行邊緣檢測，閾值Th=135,Tl=67。對邊緣圖像通過改進概率Hough變換進行直線檢測，檢測結果如圖4所示，Δθ=1°，α=10°。

圖4 檢測結果

取四條引腳直線的傾斜角度平均值，作為熱敏電阻的傾斜角度。當直線個數少于4時，判定為不合格電阻。當Δθ=1°時，改進算法與傳統算法的檢測結果與運行時間對比如下表1所示。

表1 改進算法與傳統算法結果對比

從表1中數據可知，與傳統概率Hough變換算法相比，改進算法的角度檢測范圍大大減小，大部分以中位數為中心±10°范圍。改進算法運行時間大大降低，相比較傳統方法，時間至少減少33 %，同時改進算法檢測結果更接近于電阻的真實傾斜角度。在相同的參數情況下，改進算法可以檢測出所有引腳直線。傳統算法檢測出的直線數目少于實際直線個數，會導致合格電阻被判定為不合格，造成產品浪費。傳統算法針對不同傾斜角度圖片需要設置不同參數才能檢測到所有直線，難以保證參數的一致，無法應用于生產。

當Δθ=2°時，改進Hough變換算法的檢測結果如表2所示。

表2 Δθ=2°時，改進算法檢測結果

從表2中數據可知，改進算法可以在增加Δθ提高檢測效率的同時,依然有較高的檢測精度。

5 結 論

實驗結果證明:本文提出的改進概率Hough變換對檢測角度進行限制，大大減小了角度檢測范圍，提高了檢測效率。同時,在直線像素點的搜素過程中加入對鄰域像素點的檢測，保證了不同圖像檢測參數的一致。并對直線以及鄰域內的像素點進行最小二乘法擬合直線，提高了檢測精度?？梢詫崿F以較大角度檢測提高效率的同時，不損失檢測精度，可以較好地用于實際溫度傳感器自動化焊接生產。