楊宏賢，朱世根，白云峰，丁 浩，朱巧蓮

(1.東華大學機械工程學院，紡織裝備教育部工程研究中心，上海 2016202.義烏云溪新材料科技有限公司，浙江義烏 322000)

0 引言

近年來，在小尺寸mm級精密零件或大尺寸cm級非精密零件的自動化檢測領域，機器視覺檢測技術的研究與應用取得了長足的進步，然而對于同時具有cm級大尺寸以及高精密要求的復雜形狀零件，即使用高分辨率的視覺硬件，也難以直接達到高速、穩(wěn)定的高精度檢測要求，基于機器視覺的自動化檢測技術還存在一定的困難[1]。

例如某種扁平細長帶鉤零件，輪廓尺寸為51 mm×3 mm，厚度只有0.49 mm，結構如圖1所示，形狀不規(guī)則、結構精細，使用時需要數(shù)千個零件按相同的步調工作，所以必須保證零件之間的高度一致性。此類零件制作工序繁復，因而成品率較低，但在工業(yè)生產中消耗量卻很大。長期以來，一直依靠人工逐一檢測的方式從大量產品中分揀出部分合格產品，人工檢驗的檢測速度和檢測精度較低[2-4]。

以實現(xiàn)上述零件的外形檢測為目標，研發(fā)了一種基于機器視覺的檢驗方法與系統(tǒng)，該系統(tǒng)利用優(yōu)化的硬件以及基于LabVIEW的軟件檢測算法設計，實現(xiàn)了形狀尺寸的自動化檢測，從而提高了此類零件檢驗工序的效率和可靠性。

1 檢驗系統(tǒng)解決方案設計

零件具有扁平細長的結構特點，在人工方法檢測外輪廓形變時，通常只有采用特制夾具固定，才能準確檢驗主要部位的尺寸和變形情況。這是導致人工檢測緩慢的原因，也是自動化檢測系統(tǒng)設計過程中的難點之一?？紤]到快速檢測的要求，如圖2所示，系統(tǒng)采用無色玻璃環(huán)作為零件移位的載體，零件依次排列放上環(huán)面，環(huán)面可由電機帶動進行旋轉。沿環(huán)面轉動方向依次布置有自動入料模塊、自動定位模塊、位置傳感模塊、圖像采集與處理模塊、產品收集模塊、運動控制模塊等。

系統(tǒng)工作原理如下所述：自動入料模塊將零件以一定的間距依次推送到玻璃環(huán)面上。零件隨著環(huán)面一起運動，當運動到自動定位模塊時，快速定位并完成初步的位姿調整。當零件經過位置傳感模塊時，光纖傳感器發(fā)出的光線受到遮擋，接收信號產生變化，檢測到零件當時所在的位置。圖像采集與處理模塊由相機、鏡頭、光源、計算機、圖像采集卡等組成，其中相機和光源采用背光照明的方式分別設置在玻璃環(huán)上、下側，當有零件經過時觸發(fā)相機拍攝俯視圖像并完成圖像處理、檢測和判斷。最后，由產品收集模塊完成合格品與不合格品的分類分揀。零件隨著環(huán)面旋轉1圈即可完成1次檢驗。

工業(yè)相機與鏡頭是圖像采集與處理模塊最重要的組成部分。相機主要根據分辨率、傳感器尺寸、幀率、圖像噪聲等因素，選取滿足檢測系統(tǒng)精度要求的型號[5]。本設計的檢驗目標長度可達51 mm，按照每個像素0.015 mm的設計要求，最終選取Dual GigE 協(xié)議的4 864像素×3 232像素CCD相機，傳感器靶面尺寸為35 mm。鏡頭按照成像光路的區(qū)別分為普通鏡頭和遠心鏡頭，普通鏡頭在成像時難以使細長物體在整個視場中同時呈現(xiàn)清晰的邊緣，而遠心鏡頭采用平行光路設計，其特點是在一定景深或焦深范圍內，成像的放大倍率不會隨著物距或像距的變化而變化，還能改善或者消除圖像畸變、投影誤差、邊緣效應。圖3為普通鏡頭與雙遠心鏡頭局部放大的成像效果對比圖。精確呈現(xiàn)細長零件的全部輪廓邊緣是保證檢測精度的關鍵，因此選用物方視場FOV為90 mm、放大倍率為0.489的大靶面雙遠心鏡頭獲取清晰銳利的圖像。

在大尺寸零件的檢驗領域，僅靠合理的硬件設計與選型，視場與精度的矛盾仍然難以調和，還需在檢驗算法及方法上進一步研究。

2 檢測系統(tǒng)軟件算法

傳統(tǒng)的規(guī)則形狀零件檢驗方法一般依賴于對個別尺寸的檢驗。對于不規(guī)則形狀零件來說，這種檢驗方法只能保證個體上局部尺寸的準確性，卻難以保證同一批次產品之間的一致性。而圖像檢驗方法不僅可以對規(guī)定尺寸進行檢驗，還可以對包含復雜曲線的全部輪廓進行檢驗，從而更好地保證一致性。據此，設計了基于LabVIEW的不規(guī)則的扁平細長帶鉤零件檢測算法，算法包含尺寸檢驗以及輪廓檢驗相結合的2種檢測模式。其中，尺寸檢測可以通過調用LabVIEW卡尺工具方便地實現(xiàn)相關尺寸的測量，此處不再贅述，下文重點介紹為了保證零件之間的一致性而開發(fā)的輪廓檢驗算法，如圖4所示。

2.1 定位模塊

采集到零件圖像后，首先需要進行圖像預處理，以改善圖像視覺效果[6]。圖像預處理步驟包括灰度變換、中值濾波等。其次，零件在圖像中并不能保證總是處于完全相同的位置和方向，可能產生重疊、缺失、旋轉、平移等變化，因此檢測系統(tǒng)必須具備定位功能。使用形狀模板匹配算法定位，需要先創(chuàng)建模板。參考零件在上機使用過程時的基準位置，作為模板匹配定位的基準，如圖5所示。在LabVIEW算法中通過庫函數(shù)節(jié)點調用HALCON模板匹配算子find_shape_model，算子輸入輸出端主要有最小匹配分值、最大匹配數(shù)量、搜索起始角度、搜索角度范圍、模板匹配結果等參數(shù)。匹配分值代表目標物體和模板的相似程度，它的值介于0和1之間，值越大代表基準線的匹配吻合程度越高，定位準確程度也越高。通過定義一個最小匹配分值，可以排除與模板匹配度較低的目標，避免因為模板匹配不精準而造成的誤差。匹配數(shù)量設置為1，搜索角度設置在±10°范圍內，以限制擺放位置偏差較大的目標物體，避免誤檢。

2.2 標定模塊

標定的作用是確定圖像坐標系與空間坐標系的對應關系。采用像素當量標定方法[7]，確定單個圖像像素所代表的空間距離，如式(1)所示：

(1)

式中：D為空間距離，mm；L為像素數(shù)量，pixel；k為標定系數(shù)，由此式得k為0.014 mm/pixel。

2.3 形狀檢測算法模塊

2.3.1 形態(tài)學

數(shù)學形態(tài)學有2個基本的運算，即膨脹和腐蝕，從數(shù)學上來講，膨脹或者腐蝕運算就是將數(shù)字圖像或數(shù)字圖像的一部分區(qū)域A與核B進行卷積[8]。通過數(shù)學形態(tài)學操作對零件圖像進行膨脹、腐蝕操作，獲得相應放大或者縮小后的模板圖像，提取其亞像素輪廓線作為感興趣區(qū)域(ROI)，如圖6所示，獲得內、外2條線ROI。檢測算法運行時，將外輪廓處于這兩條線之間的待檢目標定義為合格品，反之為不合格品。

2.3.2 輪廓擬合

模板匹配完成目標零件的定位后，按照匹配結果，將目標的位姿調整到檢測所需的位姿，最簡單的方法是對ROI的位姿進行適當?shù)恼{整，而非目標圖像，以減少計算量。通過旋轉、平移等仿射變換使ROI與目標位姿一致。如圖7中模板參考坐標系為(x，y)，放大輪廓與縮小輪廓作為ROI，其坐標系與模板參考坐標系(x，y)一致。零件通過模板匹配得到反映零件位姿的測量坐標系為(x″，y″)。 將參考坐標系(x，y)向X、Y方向分別平移一定距離后得到坐標系(x′，y′)，再旋轉θ角度后參考坐標系與測量坐標系(x″，y″)重合，此時ROI位姿與目標位姿一致。其坐標轉換關系如式(2)所示：

(2)

式中：a和b為坐標系原點平移的距離。

2.3.3 逐點掃描法檢驗

將ROI擬合到目標圖像上，如圖8所示。逐點計算ROI與待檢驗目標輪廓的一致性，即可判斷總輪廓超差量。此處為了說明問題，僅以模板放大輪廓上提取的ROI與目標輪廓的比對為例進行詳細介紹：

步驟1：若在ROI上所選取點的集合為X={x1，x2，x3，…，xn}，每個點對應的灰度值組成的集合定義為G={g1，g2，g3，…，gn}。

步驟2：定義變量y，作用是過濾長度為y以下的超差輪廓線段。首先依次讀取集合G中從g1開始的連續(xù)y個值，并分別與灰度閾值N進行比較，若此y個g值均大于N，表示此處零件輪廓點均位于這連續(xù)y個點組成的放大輪廓線以內，為合格點，否則將x1放入不合格輪廓點組成的集合M；再依次讀取集合G中從g2開始的連續(xù)y個值，同樣按以上方法判斷是否將x2計入M；繼續(xù)讀取g3做同樣的處理，直到讀取到gn-y為止。

步驟3：計算集合M中元素個數(shù)，數(shù)量越多表示輪廓點擬合程度越差。例如圖8中輪廓線上顯示的十字標記點表示y=1時集合M包含的所有點，可見點數(shù)量較多，輪廓擬合程度較差。若個數(shù)小于規(guī)定值z，輪廓上相關尺寸測量結果滿足要求，則目標零件形狀符合要求，否則為不合格品。

3 系統(tǒng)測試與檢驗效果分析

3.1 系統(tǒng)穩(wěn)定性分析

扁平細長帶鉤零件是一種邊緣光滑的沖壓件，但是臟物顆粒及圖像噪聲往往容易造成邊緣像素灰度值波動，進而影響檢測結果的可靠性，因此必須從算法層面對檢驗系統(tǒng)進行優(yōu)化調試。系統(tǒng)調試時，設定上文2.3.3節(jié)所述算法中y=1或y=10，在其他變量相同的情況下，對同一批300枚零件進行初檢，并對初檢得到的產品再檢，結果如表1及表2所示。對比表1、表2可知：y=1時，合格品檢出量較少，重復檢出率較低，為76.6%～81.8%；y=10時，合格品檢出量大幅增加，重復檢出率大幅提高，達到92.6%～95.8%。其原因是，零件輪廓上細微臟物顆粒及圖像噪聲易造成個別像素灰度值波動，進而造成輪廓點誤判，而真正的超差輪廓線段長度較大，取y=10時相比y=1時可以更有效地避免這種誤判。調試結果表明，合理的算法設計有效地避免了漏檢，提高了檢出率和檢測結果的穩(wěn)定性。

表1 設定y=1時的零件檢測實驗結果

3.2 檢驗效果分析

3.2.1 安全裕度

檢測系統(tǒng)隨機誤差很難完全消除，當真實輪廓位于極限輪廓附近時，可能產生誤檢，包括誤收和誤廢2種情況。本研究的檢測對象，一致性要求很高，誤檢率須控制在0.1%以內。為了嚴格避免誤檢，檢測系統(tǒng)的安全裕度A的值十分重要。經過標定測量，測得本系統(tǒng)的測量不確定度在7 μm以內，據此，安全裕度A可確定為7 μm。

3.2.2 誤收與誤廢

現(xiàn)舉例說明檢驗系統(tǒng)的檢測效果。任意將模板向外或向內膨脹、腐蝕3個像素尺寸，并提取為放大和縮小輪廓。此時合格品輪廓一致性的公差確定為±(42+7)μm(其中的42=14×3，7為安全裕度)。

對300枚未知零件進行檢測檢驗，第一次檢出a枚合格品，300-a枚非合格品，重復檢測10次。每次用投影儀分別對合格品和非合格品進行校驗，發(fā)現(xiàn)合格品中沒有一致性超差的非合格產品，而非合格品中存在一致性不超差的合格品。說明系統(tǒng)檢測的產品不存在誤收，但存在誤廢。

為減少誤廢，采用了遞進檢測的方式。對300枚未知零件檢測第一次，檢出a枚合格品，對剩余300-a枚檢第二次得b枚合格品，再對300-a-b枚檢第三次得c枚合格品，以此類推，統(tǒng)計每次遞進檢測后的合格品總數(shù)量。設遞進檢測次數(shù)為t，系統(tǒng)檢測速度約為70枚/min，重復10次，結果如表3所示。分析可知隨著遞進檢測次數(shù)t的增加，單次檢測得到的合格品數(shù)量逐漸減少，合格品總數(shù)量逐漸趨于穩(wěn)定。

用投影儀復檢所有機檢合格品，總體上一致性效果好，達到預設要求。但第一次機檢所得零件變形量較小，遞進檢測2、3、4次及以后，所得零件變形量增大，大多位于極限輪廓附近，但零件輪廓的最大偏差均不超過±(42+7)μm，說明系統(tǒng)檢測沒有誤收，合格品誤檢率均為0。

表3 遞進檢驗法所得合格品數(shù)量及誤檢率

在避免誤收的同時，應盡可能減少誤廢。由表3可見，遞進檢測1次，合格品平均檢出率達84%，進行再檢可大幅提高檢出率至93%～99%。說明遞進檢測可有效減少誤廢。

3.2.3 可控的一致性

實際檢驗時，若按單個像素尺寸設定模板零件縮放量，輪廓一致性公差最小可做到±(14+7) μm，優(yōu)于扁平細長帶鉤零件現(xiàn)行人工檢驗標準的一致性要求。通常而言，一致性公差設置值越小，檢出的零件總數(shù)越少。

所以，實際檢驗生產可根據產品檔次要求，合理控制一致性及檢驗次數(shù)，獲得最佳的一致性效果和檢出率。

4 結束語

針對目前某種扁平細長帶鉤零件依靠人工檢測的現(xiàn)狀，設計了一種基于視覺的自動化形狀檢驗系統(tǒng)，利用優(yōu)化的硬件以及軟件檢測算法，實現(xiàn)了高效、穩(wěn)定、高精度檢驗，系統(tǒng)具有以下優(yōu)點：

(1)優(yōu)化的檢測算法可降低臟物顆粒及圖像噪聲造成的影響，提高檢測的可靠性，大幅提高檢出率。

(2)在70枚/min的檢測速度下，檢測效果達到預設要求，誤檢率為0，檢出率可通過遞進檢測法大幅提高至93%～99%。檢測系統(tǒng)一致性效果可控，最低可達±(14+7) μm。

(3)該系統(tǒng)的應用有效地解決了人工檢驗速度慢、精準度低等問題。