基於機器視覺的連線板尺寸檢測系統設計

這是金屬加工（mw1950pub）釋出的第

15148

篇文章

編者按

為提高連線板尺寸檢測的質量及效率，去除因人為因素而造成的誤檢、漏檢現象，設計了一種基於機器視覺的自動化檢測系統。其以樹莓派為控制核心，應用OpenCV作為視覺識別基礎軟體框架，主要包含視覺檢測、輸送帶、連線板位置檢測以及分揀等裝置。當輸送帶傳輸連線板到位置檢測裝置時，其會發出訊號，

視覺檢測裝置獲取訊號後，拍照並對影象依次進行濾波、二值化、邊緣檢測和輪廓檢測處理，並分別提取標定區域、連線板零件區域，進行物件識別，然後與連線板零件標準尺寸進行對比計算和誤差分析。若不符合尺寸要求，則應用分揀裝置將其移至廢料區，從而實現連線板尺寸的機器視覺檢測。

1 序言

連線板在常規機械裝置中應用廣泛，常用於裝置中不同構件之間的連線。目前大部分的連線板尺寸檢測仍以人工檢測為主，通常是質檢人員透過眼睛觀測，找出明顯不符合尺寸要求的零件，並輔以抽檢的方式。但這種方式不但效率低，而且容易出

現漏檢、誤檢的現象。

隨著機器視覺的發展，其在工業生產中的應用越來越廣泛，對工業生產的加工與檢測都產生了巨大的影響。機器視覺可弱化人工檢測的主觀判斷，透過高分辨的視覺成像，對影象特徵進行分析提取，可有效提高檢測的精度及效率［1-5］。

本文結合實際生產需要，針對120Y型連線板（見圖1）設計了一種基於機器視覺的尺寸檢測系統。

圖1 120Y型連線板

2 檢測系統的總體結構設計

系統總體框架如圖2所示，包含上位機、工業相機、光源、標定圓、位置檢測感測器、分揀裝置、輸送帶、不合格品區和合格品區等，其中上位機以樹莓派為控制核心，包含26個IO引腳及豐富的通訊介面（如IIC、SPI、UART等），可讀取併發出控制訊號，在控制系統複雜程度不高時，可身兼上位機與下位機的所有功能，取代下位機。

圖2系統總體框架

系統工作流程如圖3所示，在工作時，被測零件由輸送帶傳輸，當其被運送至位置檢測感測器處時，位置檢測感測器立即向上位機發送被測零件到位訊號；上位機控制工業相機、光源，拍照並獲取影象資訊；在對影象資訊進行視覺識別並分析後，

若被測零件滿足圖樣要求，零件被傳輸到合格品區，否則，上位機便控制分揀裝置將其傳輸至不合格品區。

圖3系統工作流

3 系統軟體設計

根據連線板尺寸檢測系統需要，軟體部分由訊號輸入模組、影象採集模組、機器視覺處理模組和執行模組組成，軟體系統結構如圖4所示。其中訊號輸入模組用於採集位置檢測感測器發出的被測零件到位訊號；影象採集模組用於透過工業相機獲取被測零件及標定圓的影象資訊；機器視覺處理模組為本系統的核心組成部分，用於對輸入影象的前期處理、分割及識別，由濾波模組、二值化模組、邊緣檢測模組、輪廓檢測模組、分割處理模組、影象標定模組、零件識別模組和分析模組組成；執行模組根據機器視覺處理模組的分析結果，將被測零件分揀到不合格品區或合格品區。

圖4軟體系統結構

4 機器視覺處理模組關鍵技術分析

4.1 工業相機解析度的選擇

由圖1中120Y型連線板尺寸可知，尺寸精度要求為±0。3mm，故機器視覺檢測精度應至少比其高一個層級，取±0。1mm。對於機器視覺來說，至少需要兩個畫素來代表檢測目標中的最小特徵。因此工業相機應具備的最小畫素解析度為

式中，Rmin是工業相機的最小解析度（px）；Lmax是檢測目標的最大尺寸（mm），綜合考慮連線板零件尺寸及標定圓，取值為175mm；Lmin是檢測目標的最小特徵長度（mm），取值0。1mm；pmin是最小特徵的畫素數（px），取值為2px。

根據式（1）計算結果，選用海康工業相機MV-CE200-10GM/GC，解析度為5472px×3648px，滿足系統需求。

4.2 影象濾波處理

原圖與不同濾波效果對比如圖5所示。儘量保留影象細節特徵，並對目標影象進行噪聲抑制，是影象進行視覺識別時不可缺少的操作，其處理效果的好壞將直接影響到後續影象處理和分析的有效性和可靠性。在本系統設計時，應用OpenCV對影象分別進行中值濾波、高斯濾波和均值濾波處理（濾波核心大小均為3），由圖5可知，對影象進行高斯濾波與均值濾波後，噪點去除效果不理想，而中值濾波則達到了較好的效果，故本系統選用中值濾波作為影象濾波處理方式。

a）原圖 b）中值濾波

c）高斯濾波 d）均值濾波

圖5原圖與不同濾波效果對比

4.3 影象預處理、分割及標定

（1）影象預處理如圖6所示，在對影象進行二值化處理、邊緣檢測後，即可應用外部輪廓檢測的方式獲取輪廓區域，外部輪廓檢測後可應用函式cv：：drawContours將檢測到的輪廓繪製展示。

a）二值化處理

b）邊緣檢測

c）外部輪廓檢測

圖6影象預處理

（2）影象分割為標定圓區域及零件區域由圖1、圖5可知，零件外輪廓為矩形，標定圓外輪廓為圓，因此對兩者按不同的輪廓特徵進行區分。對檢測到的外部輪廓透過函式cv：：minAreaRect計算出每個輪廓的最小邊界矩形，並計算邊界特徵

式中，height是輪廓的最小邊界矩形的高度（px）；width是輪廓的最小邊界矩形的寬度（px）。

式中，area是輪廓面積（px2），perimeter是輪廓周長（px）。

根據式（2）、式（3）的計算結果，當Δ1、Δ2滿足設定值時，即可確定所計算輪廓為圓形，即標定圓區域，否則為零件區域，從而完成影象的分割。

（3）影象尺寸標定計算影象中兩個標定圓的中心距Lc，並以此建立畫素與尺寸測量之間的對應關係。

式中，x1、x2、y1、y2分別為兩個標定圓在影象中的橫、縱座標值。

則，每毫米的畫素值Tm為

式中，Lm是標定圓的實際中心距（mm）。

4.4 零件尺寸檢測

根據分割出的零件區域，透過計算其最小邊界矩形，可計算出零件最大寬、高尺寸

式中，mw、mh分別為零件寬、高的檢測值（mm），可透過與圖1中尺寸進行對比，來判斷是否滿足要求；pw、ph分別為零件寬、高的檢測畫素值（px）。

對於零件內部3個孔的尺寸檢測，可分別應用式（2）、式（3）對是否為圓孔進行判斷，並得到半徑的畫素值，再根據輪廓中心的畫素值座標，參照式（6）、式（7）轉換至毫米尺寸值，根據圖1對尺寸值進行判斷。零件內圓孔尺寸檢測結果如圖7所示，其中True表示尺寸符合要求，False表示尺寸不符合尺寸要求，x、y、r分別表示寬度、高度及半徑尺寸。

a）實測零件1

b）實測零件2

圖7零件內圓孔尺寸檢測結果

5 結束語

本系統應用機器視覺識別技術，透過對連線零件進行帶輸送、到位拍照和影象處理分析（影象濾波、二值化、邊緣檢測、特徵檢測、影象分割及尺寸標定等），並根據識別結果，對零件進行分揀，實現了連線板尺寸的自動化檢測。相比傳統人工檢測，可有效提高檢測效率，並降低誤檢率。

參考文獻：

［1］郝孟娟，董桂西，高立鵬，等。鐵塔構件制孔尺寸機器視覺線上檢測系統設計［J］。組合機床與自動化加工技術。 2020（2）：123-131。

［2］付曉雲。基於機器視覺的典型零件幾何尺寸檢測系統的設計［J］。儀表技術，2021（2）：32-35。

［3］劉楨杞，金永。鋼板外觀質量檢測系統設計［J］。光電工程，2018，45（7）：50-56。

［4］郭鵬躍，張嘉易，王曉蕊，等。微小零件的視覺檢測系統［J］。儀表技術與感測器，2017（8）：72-74。

［5］吳江。 O型密封圈幾何尺寸視覺測量系統的關鍵技術研究［D］。重慶：重慶大學，2014。

本文發表於《金屬加工（冷加工）》2022年第6期第65~68，作者：泰安北航科技園資訊科技有限公司葛振華，原標題：《基於機器視覺的連線板尺寸檢測系統設計》。