楊森泉,陳錦儒,彭昕昀

(韶關學院物理與機電工程學院,廣東韶關512005)

基于圖像處理技術的注塑制品缺陷檢測系統(tǒng)

楊森泉,陳錦儒,彭昕昀

(韶關學院物理與機電工程學院,廣東韶關512005)

目前圖像處理技術在工業(yè)產(chǎn)品缺陷檢測中的應用越來越廣泛,針對注塑制品缺陷進行研究和檢測,利用M atlab編寫上層軟件完成圖像獲取、處理以及通信功能,對圖像傾斜校正的兩點法進行改進,檢測結果達到了預期效果,識別率達98%,滿足系統(tǒng)實時性和魯棒性.

圖像處理;缺陷檢測;Matlab;串口通信

伴隨著模具制造業(yè)的快速發(fā)展,模具檢測技術也相繼快速發(fā)展.不同的檢測設備和不同的檢測技術也就跟著模具制造的不同特點應運而生.一般的模具商品的檢測主要采用的是人工抽查、目視檢測的方法.傳統(tǒng)的人工目測檢測的漏檢率高,不僅工作量大,而且易受檢測人的主觀因素影響,質量很難保證.近年來,迅速發(fā)展的機器視覺技術正是解決這一問題的一個好方法.以圖像處理技術為核心的機器視覺技術近年來發(fā)展很成熟,已經(jīng)在生產(chǎn)生活中被廣泛應用.機器視覺技術主要是應用計算機來模擬人的視覺功能,從被檢測的實時圖像中提取信息,進行圖像的處理,最終用于實際檢測、測量和控制.基于機器視覺技術的缺陷檢測系統(tǒng),采取非接觸的檢測方法,具有較寬的光譜響應范圍、較高的準確度,可以穩(wěn)定的進行長時間的工作,節(jié)省大量的勞力,極大地提高了工作效率.

注塑制品缺陷檢測系統(tǒng)可以很好的解決生產(chǎn)過程中的人工檢測效率低,資源浪費等問題,該系統(tǒng)也可以應用在食品包裝,紙業(yè)印刷等行業(yè)中.

1 系統(tǒng)總體設計

基于機器視覺的檢測技術是一種有效的非接觸檢測技術,廣泛應用于各種加工件的在線檢測以及高精度、高速度的測量.典型視覺檢測系統(tǒng)由CCD傳感器、光學系統(tǒng)、計算機數(shù)據(jù)采集和處理系統(tǒng)、機械運動工作平臺等部分組成.筆者所設計的機器視覺系統(tǒng)結構組成框圖如圖1所示.

圖1 機器視覺系統(tǒng)結構組成

視覺檢測系統(tǒng)的硬件由光源、CCD攝像機、工業(yè)計算機,PLC等組成;軟件為在Matlab平臺下編寫的圖像獲取程序、圖像預處理、圖像分割表面缺陷檢測、串口通訊等功能組件.整個系統(tǒng)的工作過程是:首先由PLC通過氣壓缸將注塑制品送至兩臺攝像機的位置,拍取制品的正反兩面的圖像;然后通過圖像采集卡將圖像傳送到工業(yè)PC機,通過圖像處理軟件的運算得到制品的信息,將這些信息通過串口發(fā)送到PLC中;最后PLC通過氣缸將缺陷制品與合格制品分揀到不同位置.軟件流程圖如圖2所示:

圖2 流程圖

2 圖像處理過程

2.1 圖像獲取過程

在Matlab6.0以上版本中新增圖像獲取工具箱(Image Acquisition Toolbox),工具箱支持計算機對已通過USB2.0連接的攝像頭進行操作,可以直接調用工具箱的函數(shù)對攝像頭進行初始化,其他屬性缺省值為默認值.實現(xiàn)代碼描述如下:

handles.v1=videoinput('winvideo',1,'YUY2_640x480');%創(chuàng)建設備對象triggerconfig(handles.v1,'manual');%設定對象的觸發(fā)方式為人工觸發(fā)set(handles.v1,'FramesPerTrigger',1);%設定每次觸發(fā)拍一張圖像set(handles.v1,'ReturnedColorSpace','rgb');%設定圖像格式為RGB start(handles.v1);%打開攝像頭.

對相攝像頭初始化之后,等待PLC產(chǎn)生中斷信號,在串口接收事件回調函數(shù)中利用getsnapshot函數(shù)拍照獲取圖像.

2.2 目標分割與感興趣區(qū)提取

在獲取的圖像中,制品所在的位置就是感興趣區(qū),為了減少誤差以及提高運行速度,必須先對圖像進行分割,圖像閾值化分割是最常用也是最簡單的方法,圖像閾值化的目的是按照灰度級,對像素集合進行劃分,得到的每個子集形成一個與現(xiàn)實景物相對應的區(qū)域,各個區(qū)域內部具有一致的屬性,而相鄰區(qū)域也有一致屬性,閾值分割操作被定義為:

如何確定最佳閾值是圖像分割的一個關鍵問題.如果閾值選取太小,則會把一些不是背景的像素也當作背景,造成誤識;如果閾值選取得太大,則會把一些背景漏掉,造成漏識.針對某次制品所得圖片邊界與背景比較分明,筆者選用的是動態(tài)閾值,確定邊界坐標過程如下:

If f(x,y)-f(x,y+2)>f(x,y+1)/8

cl=y;

多次試驗證明,利用動態(tài)閾值能夠有效的減少因為光線變化造成的誤差,可以有效抑制整幅圖像的光照偏暗或者偏亮時造成的誤檢.

2.3 感興趣區(qū)規(guī)整化

提取的感興趣區(qū)受機械的震動或拍攝的角度不同等影響會造成提取的感興趣區(qū)圖像有一定角度的傾斜,因此需要對傾斜圖像進行校正,常用的校正方法有Radon變換、Hough變換法、線性回歸法、兩點法等,前兩種方法由于對每個像素點都進行積分運算,計算量非常大,不適用實時處理;線性回歸法算法計算簡單,但是其抗干擾能力比較差,容易受到噪聲的影響;兩點法方法理論上非常簡單,即如果我們知道直線上不同兩點的坐標,我們就可以求得到這條直線的斜率,進而確定直線傾角.雖然理論簡單,但采樣點比較多而且這些點服從隨機分布,所以再對樣點的斜率取平均值后能有效抑制干擾.

圖3 兩點法原理圖

兩點法不能計算有斷點的直線傾角,為了克服兩點法的缺點,筆者對兩點法進行改進,首先通過動態(tài)閾值法獲取50個邊界點,計算前25個點和后25個點之間的正切值,利用Matlab的median函數(shù),取這25個正切值的中位數(shù),這樣能夠有效的去除掉間斷點的影響,減低誤差率.取得傾斜率后通過Matlab的im rotate函數(shù)對感興趣區(qū)進行校正.

圖4 相機獲取圖片

圖5 改進兩點法得到的規(guī)整化特征圖

2.4 缺陷檢測

通過前面的一系列的分割、感興趣區(qū)提取與規(guī)整化之后,可以對規(guī)整化后的感興趣區(qū)進行缺陷檢測,檢測的方法采用基于模板匹配方法,檢測形式為差影法,即直接將提取的圖像跟模板圖像中的相應像素相減,依據(jù)做差結果來判斷制品是否合格,其公式為

而利用Matlab的find函數(shù)可以查找到所有大于閾值T的所有坐標點,然后再對坐標點進行計數(shù)來判斷制品是否有缺陷.

圖6 有缺陷制品規(guī)整化特征圖

2.5 檢測結果分析

使用Matlab圖形用戶界面(GUI)工具,做一個人機交互界面,界面包括實時顯示圖像、識別結果、模板制作、精確度調整以及制品計數(shù)等功能,如圖7所示.在開始檢測前,首先進行模板制作,依次送入10個合格制品,經(jīng)過圖像預處理、目標分割、感興趣區(qū)提取和規(guī)整化后取均值,保存到模板中,實驗以1 000個注塑制品為樣本,其中200個有各種缺陷,800個為合格制品.采用大恒DH-V400UM緊湊型USB接口數(shù)字攝像機,工控機CPU INTELG2020 2.9 GHz,Matlab R2010b版本,檢測結果如表1.

表1 檢測結果

圖7 系統(tǒng)運行軟件界面

在實驗中,造成合格產(chǎn)品誤檢的主要原因是機械振動造成拍攝圖像模糊.實驗對有缺陷制品識別率比較高,達到98%,誤檢率在允許范圍內.

3 結論

筆者從圖像處理角度出發(fā),利用Matlab出色的圖像處理能力以及功能強大的模塊集和工具箱,完成了注塑制品缺陷檢測系統(tǒng).通過攝像頭獲取圖像、圖像預處理、目標分割、感興趣區(qū)提取和規(guī)整化等處理后,判斷注塑品是否合格,總體識別率達到98%.實驗結果表明,該算法滿足生產(chǎn)的實時性與魯棒性,但每次只能檢測一個制品,如何能同時檢測多個制品,進一步提高魯棒性是今后研究內容.

參考文獻:

[1]趙宇峰,高超,王建國.基于機器視覺的工業(yè)產(chǎn)品表面缺陷檢測算法研究[J].計算機應用與軟件,2012,29(2):153-155.

[2]張廣軍.機器視覺[M].北京:科學出版社,2005.

[3]陳瑋,薛琴,魏勝利.差影算法在輪對踏面磨耗檢測中的應用[J].自動化技術與應用,2007,26(6):74-76.

[4]譚剛,董祥龍,徐繼,等.基于機器視覺的玻璃瓶表面缺陷檢測[J].上海工程技術大學學報,2009,23(2):111-116.

[5]Elias NM,Euripides GM P,Michalis Z,etal.A Survey on industrial vision systems,applications and tools[J].Image and Vision Computing,2003,21(2):171-188.

[6]Lukin V V,Tsymbal O V,Ponomarenko N N,et al.Image processing with texture feature preservation by three-state locally adaptive filter[C].Proc.SPIE5238,Image and Signal Processing for Remote Sensing IX,2004:120-131.

[7]Batchelor BG,BragginsDW,Computer V.Theory and industrialapplications[M].Berlin:Springer Verlag,1992:405-452.

On the injection product defect detection system based on image processing

YANG Sen-quan,CHEN Jin-run,PENG Xin-yun
(Institute of Physics and Mechanical&Electrical Engineering,Shaoguan University, Shaoguan 512005,Guangdong,China)

At present image processing ismore and more widely applied to industrial product defect detection. The paper studies and analyzes injection product defects,The upper layer software completes the image acquisition,processing and communication functions by using Matlab and improving the Two Points image tilt correction method,and the test results has achieved the desired effect with the recognition rate of 98%,which meet the real-time and robustness.

image processing;defect detection;Matlab;serial communications

TP311.1

:A

:1007-5348(2014)06-0036-05

(責任編輯:李婉)

2014-04-06

廣東省高等教育學會實驗管理委員會2012年研究基金項目(GDJ2012018).

楊森泉(1985-),男,廣東汕頭人,韶關學院物理與機電工程學院教師,碩士,主要從事圖像處理及多媒體通信方面的研究.