陳寶華，王 軍，張 皓,吳泉英

(1.蘇州科技大學(xué) 數(shù)理學(xué)院，江蘇 蘇州 215009；2.蘇州科技大學(xué)天平學(xué)院，江蘇 蘇州 215009)

基于機(jī)器視覺的手機(jī)轉(zhuǎn)接口尺寸及管腳數(shù)量的測量

陳寶華1,2，王 軍1,2，張 皓1,2,吳泉英1,2

(1.蘇州科技大學(xué) 數(shù)理學(xué)院，江蘇 蘇州 215009；2.蘇州科技大學(xué)天平學(xué)院，江蘇 蘇州 215009)

基于機(jī)器視覺原理實(shí)現(xiàn)對手機(jī)轉(zhuǎn)接口尺寸及管腳數(shù)量的非接觸式測量. 采用光源、遠(yuǎn)心鏡和CCD相機(jī)搭建檢測裝置，獲取手機(jī)轉(zhuǎn)接口的圖像數(shù)據(jù)，并利用圖像邊緣檢測技術(shù)實(shí)現(xiàn)特征輪廓的提取，獲得較為準(zhǔn)確的轉(zhuǎn)接口尺寸和管腳數(shù)量.

長度測量；機(jī)器視覺；邊緣檢測

機(jī)器視覺是能自動獲取1幅或多幅目標(biāo)物體圖像[1-2]，對所獲取圖像的各種特征量進(jìn)行處理、分析和測量，并對測量結(jié)果做出定性分析和定量解釋，從而得到有關(guān)目標(biāo)物體的某種認(rèn)識并做出相應(yīng)決策的系統(tǒng)，具有非接觸、實(shí)時性、速度快、精度合適、現(xiàn)場抗干擾能力強(qiáng)等優(yōu)點(diǎn). 以生活中手機(jī)轉(zhuǎn)接口為例，基于機(jī)器視覺原理實(shí)現(xiàn)對手機(jī)轉(zhuǎn)接口尺寸及PIN數(shù)量的非接觸式測量. 實(shí)驗(yàn)涉及光源、遠(yuǎn)心鏡、CCD相機(jī)和圖像邊緣檢測技術(shù)，配合搭建的實(shí)驗(yàn)裝置，獲得畸變小、特征對比度明顯的手機(jī)轉(zhuǎn)接口圖像，運(yùn)用2種差分方法梯度法和羅伯茨(Roberts)算子成功提取尺寸邊緣及PIN特征，得出具體數(shù)據(jù). 此裝置易于實(shí)現(xiàn)，操作方便，可增加大學(xué)物理實(shí)驗(yàn)長度的非接觸式測量方法，提高大學(xué)生的學(xué)習(xí)興趣，提升學(xué)生的動手能力，并與現(xiàn)代工業(yè)自動化接軌[3].

1 檢測系統(tǒng)工作原理

基于機(jī)器視覺的手機(jī)轉(zhuǎn)接口尺寸及PIN數(shù)量測量系統(tǒng)主要由光源、遠(yuǎn)心鏡、CCD相機(jī)和計算機(jī)構(gòu)成[4-5]，如圖1所示. 待測轉(zhuǎn)接口置于定焦遠(yuǎn)心鏡頭的工作距離處，同時光源以特定顏色、一定角度照亮轉(zhuǎn)接口表面，以此突出輪廓對比度；CCD相機(jī)獲得遠(yuǎn)心鏡所成轉(zhuǎn)接口的完整像，像盡量鋪滿相機(jī)的整個視場. 圖像邊緣檢測技術(shù)：利用梯度法和羅伯茨(Roberts)算子提取圖像的邊緣特征，選擇合適的灰度閾值，排除其他信息的干擾，得出特征圖像像素數(shù)據(jù). 經(jīng)過像素標(biāo)定，利用每個像素與實(shí)際長度之間的關(guān)系，獲得轉(zhuǎn)接口的具體尺寸.

圖1 系統(tǒng)工作原理圖

2 參量選取及邊緣檢測

不同的待測物體，其光源、鏡頭及相機(jī)參量都不同. 根據(jù)物體需測的特征來選取光源，對于具體尺寸或PIN數(shù)量的測量可選擇背光式外加環(huán)光式. 本文的手機(jī)轉(zhuǎn)接口尺寸寬度大致為7 mm，要求測量精度達(dá)到0.05 mm，由此可選擇靶面尺寸、像素合適的相機(jī)及極限放大倍率一致的遠(yuǎn)心鏡頭. 相機(jī)像素精度選型，如下式：

μ=lx/Px,

(1)

其中,lx為水平方向上相機(jī)滿視場的實(shí)際尺寸，Px為水平方向上的總像素，μ為每個像素代表的實(shí)際大小. 遠(yuǎn)心鏡頭具有放大或縮小像、景深大和畸變小的特點(diǎn). 在工業(yè)測量中，為了提高測量精度，要求待測物體的像盡量鋪滿相機(jī)的滿視場，因此選擇合適的放大倍率鏡頭尤為重要. 一般來說，極限放大倍率為

β=Dx/Lx,

(2)

其中,Lx為實(shí)際待測物體尺寸，Dx為CCD靶面尺寸. 在實(shí)際測量中，要求選擇鏡頭的放大倍率接近于極限放大倍率.

通常，圖像的特征區(qū)域位于灰度突變處，可以用灰度差分提取. 對于手機(jī)轉(zhuǎn)接口，其邊緣和8個PIN管腳的提取可同時運(yùn)用梯度法和羅伯茨算子法. 計算機(jī)讀取的圖像實(shí)際上是二維的離散型數(shù)集，通過推廣二維連續(xù)型求函數(shù)偏導(dǎo)的方法，求得圖像的偏導(dǎo)數(shù)，選取灰度的銳化，即梯度法[6-7]. 圖像中f(x,y)點(diǎn)的梯度方向?yàn)榛叶戎礷(x,y)在這點(diǎn)變化率最大的方向，模G(f(x,y))為灰度值f(x,y)的最大變化率，為

{[(f(x,y)-f(x+1,y)]2+

[f(x,y)-f(x,y+1)]2}1/2.

(3)

從式(3)中可以看出，梯度法求得的是圖像的垂直和水平梯度，但有時也需要對角線方向上的梯度，即Roberts算子：

{[f(x,y)-f(x+1,y+1)]2+

[f(x,y+1)-f(x+1,y)]2}1/2.

(4)

由于該算子檢測的邊緣圖像常需做細(xì)化處理，因此可結(jié)合梯度法，更加精確定位邊緣特征[8].

3 實(shí)驗(yàn)裝置

實(shí)驗(yàn)測量裝置如圖2所示，由下至上分別為手機(jī)轉(zhuǎn)接口、環(huán)形白光源、遠(yuǎn)心鏡頭及工業(yè)CCD相機(jī). 裝置置于簡易鐵架臺上，底端與光學(xué)平臺固定，鏡頭及相機(jī)用鐵夾子鎖定. 其中轉(zhuǎn)接口實(shí)際尺寸為6.650 mm，鏡頭放大倍率為0.5×，工作距為100 mm，CCD規(guī)格為1/3英寸，像素1 280×980，并在測量之前以標(biāo)定板進(jìn)行實(shí)際標(biāo)定，消除畸變. 經(jīng)過計算，每個像素代表的實(shí)際尺寸為0.008 4 mm，滿足精度及視場要求. 圖3為手機(jī)轉(zhuǎn)接口. 圖4為成像圖，從圖4中可看出，轉(zhuǎn)接口的像輪廓較為清晰，中間8個PIN管腳對比度明顯，說明光源亮度及位置正確. 轉(zhuǎn)接口像鋪滿相機(jī)的大半個視場，利于后續(xù)的精確檢測.

圖2 實(shí)驗(yàn)裝置

圖3 轉(zhuǎn)接口

圖4 成像圖

為測量轉(zhuǎn)接口水平方向上的尺寸，需要選定測量區(qū)域，如圖5(a)所示. 利用梯度法對整個圖像進(jìn)行梯度銳化，提取特征邊緣. 首先設(shè)定閾值為2，梯度值大于2的像素點(diǎn)為黑色，其余為白色. 從圖5(b)中可看出，梯度銳化后，轉(zhuǎn)接口圖像的邊緣及上部8個PIN管腳與周圍的背景灰度值對比尤為強(qiáng)烈，效果很好，但同時周圍也出現(xiàn)噪點(diǎn). 圖5(c)為邊緣區(qū)域的灰度圖，從圖中可直接看出2個分界處的像素灰度值突變明顯，兩側(cè)部分較為平緩，中心部分突出，經(jīng)算法提取，之間的像素寬度為798. 因此，根據(jù)標(biāo)定的像素寬度，得出轉(zhuǎn)接口水平尺寸6.699 mm，相比于原始數(shù)據(jù)6.650 mm，偏差0.049 mm. 圖5(d)為邊緣選取后的圖像，其中綠色劃線為轉(zhuǎn)接口邊緣.

(a)邊緣區(qū)域

(b)梯度法銳化

(c)邊緣灰度圖

(d)邊緣提取 圖5 邊緣尺寸處理圖

接下來選定另一待測區(qū)域，測PIN管腳的數(shù)量. 同樣進(jìn)行梯度銳化，從圖6(b)中可看出銳化后的圖像存在很多雜散灰度干擾，中心處尤為明顯，并且輪廓不清晰，影響判別. 圖6(c)為中心灰度圖，通過擬合才能獲得8個主要峰值，周圍噪聲較多，灰度值分布不均勻，因此需要進(jìn)一步處理. 如圖6(d)所示，選用Roberts算子對銳化后的圖像重新提取特征，閾值為1，以對角線方向相鄰兩像素之差近似梯度幅值檢測邊緣，過濾噪點(diǎn). Roberts算子銳化后，PIN管腳的邊緣尤為清晰，對比度明顯. 進(jìn)一步過濾面積較小的斑點(diǎn)，可獲得PIN管腳的數(shù)量為8個，用矩形框顯現(xiàn)出來，如圖6(e)所示.

為減少誤差，提高檢測精度，接下來拍取10幅圖像進(jìn)行測量，以平均值作為實(shí)際測量尺寸，見表1. 從表1可看出，隨著測量次數(shù)的增多，平均測量尺寸與實(shí)際尺寸越發(fā)接近，相對偏差在0.02%左右. 但第5次測量結(jié)果6.566 mm和第7次測量結(jié)果6.728 mm與實(shí)際尺寸6.650 mm偏差較大，最大相對偏差達(dá)到1.2%，其原因可能在于兩方面：一是震動引起拍攝角度的變化，導(dǎo)致測量的像素寬度出現(xiàn)誤差；二是相機(jī)對焦時，出現(xiàn)曝光延遲，采集圖像的對比度低于或高于其他圖像，計算出的像素寬度有偏差. 而對于PIN腳數(shù)量的檢測則極為精確，正確率高達(dá)100%，原因可能在于2種梯度算法的完美結(jié)合，邊緣提取準(zhǔn)確率高，或者是測量的要求不同，前者需測像素寬度，后者測量個數(shù)，精度要求不高.

(a)中心區(qū)域選取

(c)中心灰度圖

(d)Roberts銳化

(e)結(jié)果顯示圖6 圖像處理圖

表1 平均測量數(shù)據(jù)

上述圖像處理基于Matlab實(shí)現(xiàn)，較好地完成手機(jī)轉(zhuǎn)接口特征的測量. 在實(shí)際操作中，測量值與理論值可能存在較大誤差，原因如下：第一，光學(xué)平臺不穩(wěn)定，震動過大，圖像采集模糊；第二，光源的選擇和入射位置不精確或錯誤，采集圖像的特征對比度不明顯，特征提取的閾值不同，相同的程序不能運(yùn)用，影響計算機(jī)讀數(shù)；第三，鏡頭相機(jī)的選型不當(dāng)影響待測物體成像. 還有待測物體擺放位置等. 解決這些問題的關(guān)鍵是各部分元件的選型及其之間配合準(zhǔn)確，加強(qiáng)外界環(huán)境的穩(wěn)定性，選擇合適的程序進(jìn)行處理，等等.

4 結(jié)束語

基于機(jī)器視覺原理實(shí)現(xiàn)對手機(jī)轉(zhuǎn)接口尺寸及PIN數(shù)量的測量，利用光源、遠(yuǎn)心鏡、CCD相機(jī)和圖像邊緣檢測技術(shù)，配合搭建的實(shí)驗(yàn)裝置，運(yùn)用2種差分方法梯度法和羅伯茨(Roberts)算子成功提取尺寸邊緣及PIN特征. 實(shí)驗(yàn)過程涉及光學(xué)成像知識、圖像處理方法等. 此裝置易于實(shí)現(xiàn)，操作方便，能夠多次測量求平均. 相比于傳統(tǒng)的長度測量實(shí)驗(yàn)，此方法涉及的領(lǐng)域較寬，動手能力要求更高，知識更為豐富，并且可與其他實(shí)驗(yàn)相結(jié)合，例如牛頓環(huán)和邁克耳孫干涉儀實(shí)驗(yàn)，以相機(jī)采集環(huán)狀條紋圖像，直接讀數(shù)和判別，拓寬領(lǐng)域，與現(xiàn)代工業(yè)自動化接軌.

[1] Bogue R W. Machine vision theory, algorithms, practicalities [J]. Assembly Automation, 2005,25(3):58.

[2] Lahajnar F, Bernard R, Pernu? F, et al. Machine vision system for inspecting electric plates [J]. Computers in Industry, 2002,47(1):113-122.

[3] 王建中,黃林,唐一文. 基于LabVIEW機(jī)器視覺的邁克耳孫干涉儀實(shí)驗(yàn)[J]. 物理實(shí)驗(yàn), 2014，34(11):40-42.

[4] 雷良育,周曉軍,潘明清. 基于機(jī)器視覺的軸承內(nèi)外徑尺寸檢測系統(tǒng)[J]. 農(nóng)業(yè)機(jī)械學(xué)報, 2005,36(3):131-134.

[5] 董玉廷. 機(jī)器視覺中工件輪廓精確提取方法的研究[D]. 重慶：重慶大學(xué),2013.

[6] 曹建秋,王華清,藍(lán)章禮. 一種動態(tài)梯度算法圖像二值化邊緣提取[J]. 計算機(jī)與信息技術(shù), 2009(9):106-108.

[7] 馬宇飛. 基于梯度算子的圖像邊緣檢測算法研究[D]. 西安：西安電子科技大學(xué),2012.

[8] 王方超,張旻,宮麗美. 改進(jìn)的Roberts圖像邊緣檢測算法[J]. 探測與控制學(xué)報,2016,38(2):88-92.

[責(zé)任編輯：任德香]

Measuring the size and the number of pins of mobile phone interface based on machine vision

CHEN Bao-hua1,2, WANG Jun1,2, ZHANG Hao1,2, WU Quan-ying1,2

(1. School of Mathematics and Physics， Suzhou University of Science and Technology, Suzhou 215009, China;2. Tianping College of Suzhou University of Science and Technology, Suzhou 215009, China)

A non-contact measurement method based on machine vision theory was proposed to realize the measurement of the size and the number of pins of mobile phone interface. A simple experimental apparatus was set up, which contained light source, telecentric lens and CCD camera. The image of the mobile phone interface was collected, the contour was extracted using edge detection technology. The accurate interface size and number of pins were obtained.

length measurment; machine vision; edge detection

2017-03-30；修改日期：2017-04-17

蘇州科技大學(xué)天平學(xué)院教育教學(xué)改革研究重點(diǎn)項目(No.2015TJGA-04)；江蘇省教育廳教學(xué)改革研究立項重點(diǎn)項目(No.2015JSJG058)；蘇州科技學(xué)院校級重點(diǎn)專業(yè)應(yīng)用物理學(xué)專業(yè)建設(shè)項目(No.2013ZYXZ-08);研究生科研創(chuàng)新計劃項目(No.KYLX15_1313)

陳寶華(1990-)，男，江蘇泰州人，蘇州科技大學(xué)數(shù)理學(xué)院實(shí)驗(yàn)師，碩士，從事光學(xué)設(shè)計與圖像信息處理方面的研究.

王 軍(1981-)，男，山東濟(jì)寧人，蘇州科技大學(xué)數(shù)理學(xué)院副教授，博士，主要從事物理實(shí)驗(yàn)教學(xué)和光學(xué)測量方面的研究.

TP242.62;TB921

A

1005-4642(2017)08-0006-04