一種編號自動識別的光耦測試系統設計

鮑江，席曼曼，劉必晨，張佳寧

（重慶光電技術研究所，重慶，400060）

0 引言

光耦是一種以光為媒介，通過“電-光-電”轉換，從而實現信號傳輸的器件。光耦具有體積小、壽命長、工作溫度范圍寬、抗干擾能力強等優點[1]，在航空航天等領域廣泛應用。為了保障高可靠性，光耦需在篩選檢驗試驗后開展多次電參數測試[2]，測試時需要將產品編號與測試數據一一對應記錄，以便進行產品合格判定及后期狀態追溯。

當前，光耦批量化測試時綜合考慮測試準確性和效率，首先采用人工排號的方式，將同一批次的產品依次排好順序存放，例如在一托盤內打印多個產品編號，將光耦產品與編號對應，逐個放在托盤的對應區域，測試時再按照排好的順序一一測試，最后將產品編號和測試數據人工整合在一起。隨著廣泛應用，光耦朝著多品種、大批量的方向發展，要求光耦的批量化電參數測試具有較高的準確性和測試效率。測試準確性一方面要求參數測試準確，另一方面則是要求產品的測試參數和產品的編號不交錯、不漏記；測試高效率方面則是要求產品測試時每個批次能夠以最少的時間完成。對于上述要求，原有測試方案存在如下不足：（1）光耦尺寸較小，人工排號的方式效率極低，且容易出現位置放錯的情況；（2）在測試排好序的光耦時，容易造成漏測、錯測等情況，發生測試數據與編號錯位等問題，導致測試準確率降低。基于此，本文設計了一種編號自動識別的光耦測試系統，實現光耦大批量高效率準確測試。

1 系統設計

設計的光耦測試系統主要用于光耦測試時編號自動識別，并自動完成測試數據與編號的合并整理，解決批量測試下人工排號效率低、易出錯、占用空間大等問題，縮短光耦整個生產周期，系統主要包含四個方面的設計：硬件設計、軟件架構設計、編號識別算法設計以及校驗算法設計。

1.1 硬件設計

測試系統硬件主要包含光耦測試臺與圖像采集模塊兩部分。光耦測試臺為集成有測試板卡、信號源、示波器的一體化通用工作臺，圖像采集模塊為包含工業相機、工業鏡頭、光源、光源控制器以及光學支架的定制模塊。兩部分通過千兆網線進行信息交互。

結構上，光學支架位于測試臺左側載臺處，采用夾持、螺母擠壓的方式固定，該方式既方便測試人員右手操作，又有利于根據不同測試要求調整支架位置；工業相機、工業鏡頭、光源、測試夾具以及產品由上至下位于一條線上，實現圖像采集和測試位于同一點；控制光源下方距離測試夾具≥15cm，避免影響取放產品，同時又能夠采集清晰的產品編號圖像。設計效果如圖1 所示。

圖1 測試系統硬件效果示意圖

其中，設計測試臺為通用光耦測試臺，重點對圖像采集模塊進行分解，具體如下：

（1）工業相機

工業相機是采集系統中的一個關鍵組件，根據其信號類型、芯片類型、芯片尺寸、分辨率、圖像幀率、數據接口和鏡頭接口等在不同使用場景具有不同的配置。光耦產品尺寸在幾毫米到幾厘米之間，產品編號單個字符尺寸最小小于1.5mm×1.5mm，編號和背景對比較大，測試期間產品處于靜止狀態，因此，對相機的選擇主要在于使用方便，分辨率達到識別要求，且性價比高，在此基礎上選擇一款Baumer 相機，具體參數如下：

采用1/2.5〞Aptina MT9P031 CMOS 傳感器；分辨率：2592×1944；幀速度：14fps；數據接口：GiGE vision；鏡頭接口：C Mount。

（2）工業鏡頭

在識別系統中，工業鏡頭與光源、相機一起構成一個完整的圖像采集系統，受到整個系統要求的制約，由焦距、光圈、尺寸、接口等參數共同決定。本系統中，為了硬件采集系統不影響測試操作，采集設備離產品測試夾具位置高度至少15 厘米，且要求鏡頭畸變小，能夠適應相機的要求，通過實際測試選擇一款VST 工業鏡頭，具體參數如下：

像面尺寸：2/3〞；焦距：35mm；光圈：F1.8~Close；聚焦范圍：0.25m~∞；調焦/光圈：手動；畸變：-0.12%；接口：C 口；外形尺寸：Φ295mm×33.5mm。

（3）光源

為了提升采集系統采集的圖像效果，降低環境光照的干擾，需要采用光源進行效果增強。光耦產品多為方形結構，光源必須能夠使得光照均勻，且光源散發的光不能夠對操作人員造成傷害，在此基礎上設計采用環形白光光源，具體參數如下：

顏色：白色；電壓：DC 24V；功率：6.2W；外徑：90mm。

（4）光源控制器

為了使光源能夠隨環境調節，使識別系統更好地工作，需要使用光源控制器，系統采用如下控制器：

驅動方式：恒壓；調節方式：旋鈕調節；輸入電壓：AC110-240V 50/60Hz；通道：2T；最大輸出電流：單通道1A。

（5）光學支架

光學支架作為支撐其他采集硬件的重要部分，主要技術要求如下：

光學支架外觀簡潔；可上下移動或隨意旋轉相機和光源；重量輕，便于攜帶；具有使用方便，易于安裝、操作；采用鋁合金材質，堅固耐用。

1.2 軟件架構設計

通常，光耦測試臺軟件由多種開發平臺如delphi、c++、c#等開發[3]，要實現識別、測試一體化，就需在不同平臺下單獨開發識別軟硬件，并將識別部分與測試部分整合在一起，該方式耗時耗力，實現難度大。通過設計一種識別動態庫調用方法，將相機控制及圖像識別處理部分算法[4]以動態庫的形式封裝[5]，配以識別校驗算法，以C++實現，基于設計好的動態庫接口，可被不同測試平臺直接調用。該方法將采集硬件和識別處理算法模塊化，對于不同測試平臺和不同廠家，只需按照動態庫輸入輸出接口直接調用，無需跨專業進行識別部分二次開發，極大地降低了開發難度，提高了效率。

基于此，設計了一種利用動態庫調用實現跨平臺識別、測試一體化的軟件架構。系統由三個層次構成，包括由測試臺軟件形成的開發應用層，由相機控制算法、圖像識別處理算法及資源管理構成的動態庫接口層，以及相機單元構成的識別模塊層，如圖2 所示。

圖2 軟件架構示意圖

軟件功能上，測試臺軟件集成動態庫，測試時，測試臺發出測試命令，控制動態庫采集前端相機圖像，并完成編號識別，返回測試臺，最后實現編號與測試數據同時輸出，具體如圖3 所示。

圖3 軟件功能示意圖

1.3 編號識別算法設計

產品編號識別算法是光耦自動測試系統的核心，只有保證識別算法的高質量，才能保證測試系統的良好效果。研究如何實現高精度的圖像自動識別算法，是系統整個工作中最復雜，也是最重要的工作之一。

識別過程中，通過圖像采集模塊獲取到需要識別的產品編號圖像，并將圖像信息傳回測試臺，效果如圖4 所示。

圖4 產品原始編號效果圖

對于獲取的原始圖像，提取出其中的編號部分并將其自動識別出來是算法的最終目的。系統識別時，對要識別的編號圖像，進行了圖像產品定位、圖像編號定位、圖像編號分割、圖像編號識別以及編號輸出等操作，從而實現編號自動識別的目的，主要流程如圖5 所示。

圖5 圖像識別算法主要流程圖

（1）圖像產品定位

首先從圖像采集模塊上采集到圖像，對得到的圖像進行大津法二值化操作，將屬于同一個連通區域的像素點坐標分別存入不同的集合，對于每一個集合，可以計算出它們的外輪廓（輪廓里的輪廓此時不再計算），求出輪廓的外接矩形，在所有的矩形中，選取矩形面積最大的區域即為產品區域。通過以上多步實現了圖像中產品的定位，如圖6 所示。

圖6 圖像產品定位效果圖

（2）圖像編號定位

將原始圖像按第一步得到的區域進行裁剪，對該圖像重新進行二值化。因某些產品的字符不連續，以及某些小面積噪聲，所以算法中用一個圖像的“閉”操作，即先腐蝕后膨脹對圖像進行形態學處理。將圖像的所有連通區域分別存在不同的集合里，求出它們的外輪廓，計算出它們的外接矩形，將一些明顯不符合要求的矩形剔除掉。按照矩形左上角點的Y 值大小，對所有矩形進行排序。遍歷所有的矩形，將Y 值在一定距離內的矩形放入同一集合。對所有的集合元素即每個矩形按左上角點X值的大小進行排序，將相鄰的矩形合并，距離間隔較大的矩形則剔除。對于得到的矩形，選取矩形縱向的1/4，1/2，3/4 處進行橫向的像素跳變分析，分別記錄三行的跳變次數。其中，實際情況下，光耦產品每行的字符至少有5 個，那么一行的跳變次數至少會大于10，檢測得到的三行的跳變次數是否大于10，如果有兩行不滿足，那么剔除該矩形。對于剔除后的矩形，對相應圖像區域進行形狀因子判定，如果不滿足條件，也將剔除該矩形。由于所需的編號為Y 值最低的矩形，所以在上述操作得到的所有矩形中求出Y 值最小的矩形即可。如圖7 所示。

圖7 產品圖像編號定位效果圖

通過上述多步實現了產品編號的定位，再從第一步得到的產品圖像中將該區域裁剪出來，對該圖像重新進行二值化后得到圖8 所示效果。

圖8 編號圖像二值化效果圖

（3）圖像編號分割

實際情況下，光耦產品編號字體共3 種大小，高和寬之比分別為11:5，5:5，7:5，在編號定位后已經得到了矩形的高度，根據比值可以組合成3 種不同大小的矩形。從小到大的使用每種矩形從左到右去尋找圖中的強種子。所謂強種子，就是當對已經訓練好的神經網絡輸入已經歸一化后的矩形時，會返回屬于各個類的概率，當概率大于0.9 時，就認為是強種子。當檢測到有兩個強種子出現時，我們就使用這種大小的矩形。

將已經檢測到的強種子區域全部涂黑，再依次向左右檢測，直至全部檢測完畢。最后會得到若干個強種子區域，對于間隔較大的兩個強種子，以及個數未滿的強種子，根據產品編號字符個數進行補齊。

歸一化后的圖像如圖9 所示。

圖9 編號圖像歸一化后效果圖

圖10 校驗算法邏輯示意圖

通過上述方式，可以對定位的編號圖像實現分割。

（4）圖像編號識別

對于分割好的單個字符圖像，系統采用神經網絡訓練識別的方式完成對字符的識別工作。進行BP 神經網絡識別時，輸入的特征為120 維，10*10 的中間區域像素加上水平和豎直的投影。通過該方式，可以較好地完成對編號圖像的自動識別。

當完成上述各步驟后，即可得到待識別產品的編號信息。將該編號信息通過動態庫中相應算法進行處理，最終回傳給測試臺，實現產品編號信息和測試信息的自動整合。

1.4 檢驗算法設計

隨著圖像處理技術不斷進步，編號識別準確率不斷提高，但仍然難以做到100%準確，基于此，系統引入編號校驗算法，保證識別準確性。校驗算法采用兩種手段：（1）每批次測試前，人工錄入一次本批次產品的編號規則；（2）在動態庫模塊中，將每批次識別的產品圖像及編號維護一個數據庫。

產品編號識別時，如果識別出的產品編號不滿足編號規則，則展示待測產品的圖像信息，根據圖像信息人工判斷并錄入編號作為待測產品編號；如果識別出的產品編號滿足編號規則，則查詢當前識別的產品編號是否與數據庫存儲的已有編號重復，不重復則判定識別的編號正確，返回識別結果；如果當前識別的產品編號與數據庫中存儲的某一產品編號重復，則展示待測光耦的圖像信息和已存儲的重復編號產品的圖像信息，人工進行判斷并錄入正確的產品編號，然后更新數據庫中兩只產品的編號信息及圖像信息。

2 實現效果

采用上述設計方案，完成了編號自動識別的光耦測試系統的軟硬件制作，實物如圖11 所示。

圖11 測試系統實物效果圖

選取尺寸從7mm×12mm×2.7mm 到10mm×19mm×3.8mm 的A、B、C、D 四款光耦產品進行測試，系統識別效果如表1 所示。

表1 測試系統識別效果

選取A 型產品1000 只、B 型產品2000 只，分別采用原有測試方式和新設計的編號自動識別光耦測試系統測試的方式進行測試，具體測試情況如表2 所示。

表2 測試系統測試效果

從表2 可以看出，設計的光耦測試系統能夠兼容不同的軟件開發平臺，單批次產品測試耗時提升44.4%以上，在批次數量增大的情況下，達到了100%的效率提升，在測試準確性方面，使用帶校驗算法的系統，測試準確率達到100%，滿足高可靠測試要求，表明設計的系統能夠滿足生產需要。

3 結論

本文設計的編號自動識別的光耦測試系統用于解決光耦測試過程產品編號與測試數據一一對應記錄低效率、易出錯的問題，系統設計了硬件模塊、軟件架構、編號識別算法以及檢驗算法，根據設計制作的測試系統實物通過運行實測，系統能夠明顯提升測試效率，提高測試準確率，有利于大批量光耦測試。