摘要:介绍了机器视觉的基本原理与虚拟仪器的设计思想,指出二者各自以及结合的优势。由此,构建一种基于虚拟仪器的机器视觉零件检测系统。该文中以检测方块和圆环为例验证该系统的功能。该系统利用机器视觉实现检测的自动化,同时提高系统的可扩展性。实验表明:该系统的检测的速度和精度可以满足工作地需求,而且操作简单,系统是有效的,可行的。
关键词:虚拟仪器;机器视觉;自动化;检测
中图分类号:TP393文献标识码:A文章编号:1009-3044(2009)32-9064-02
Applied Research of the Detection Parts Based on Virtual Instrument
LI Chao, ZHANG Yuan
(Huzhou Teachers College, Huzhou 13000, China)
Abstract: The basic principle of the machine vision and the design concept of virtual instrument were introduced, and pointed the dominant position of each one and their combination. The mac hine vision parts inspecting system based on virtual instrument was built. In this paper, it takes the box and circle"s detection as an example to verify the functionality of the system. In this system, machine vision is used to realize testing automatization, at the same time, it improves the scalability of system.The experiment results show that the speed and the accuracy of measurement fulfills the requirement of engineering. The operation is simple and the system is feasible and effective.
Key words: virtual instrument; machine vision; automatization; detection
与传统的人工检测方式相比,机器视觉具有自动化、非接触、抗疲劳、可预先设计检测流程等优点,在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合,常用机器视觉来替代人工视觉;同时在大批量工业生产过程中,用人工视觉检查产品质量效率低且精度不高,用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。机器视觉易于实现信息集成,是实现计算机集成制造的基础技术[1-3]。
虚拟仪器是基于计算机的仪器。它通过软件将计算机与测量仪器硬件结合起来, 可以充分利用现代计算机及网络的强大功能, 突破传统仪器在数据处理、显示、传输等方面的限制, 进而方便地对系统进行维护、扩展、升级。这种结合[4-5]。
1 机器视觉与虚拟仪器
1.1 机器视觉
机器视觉(Machine Vision, MV) 是研究计算机或其它处理器模拟生物视觉功能的科学和技术, 即用机器代替人眼进行测量和判断, 实现对目标的跟踪、识别、检测及控制。一个典型的MV应用系统包括光源、光学成像系统、图像捕捉系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械执行模块。如图1所示[6-8]。
1.2 虚拟仪器
虚拟仪器(virtual instrumention)是基于计算机的仪器。计算机和仪器的密切结合是目前仪器发展的一个重要方向。粗略地说这种结合有两种方式,一种是将计算机装入仪器,其典型的例子就是所谓智能化的仪器。随着计算机功能的日益强大以及其体积的日趋缩小,这类仪器功能也越来越强大,目前已经出现含嵌入式系统的仪器。另一种方式是将仪器装入计算机。以通用的计算机硬件及操作系统为依托,实现各种仪器功能。虚拟仪器主要是指这种方式[9-10]。
1.3 机器视觉和虚拟仪器的结合
基于硬件的机器视觉检测设备,造价昂贵,开发难度大,研发周期长,可扩展性及移植性不佳。而虚拟仪器可以克服这些问题,设计开发出价廉、高效,高精度的检测系统。再配合机器视觉,可以开发出性价比很高的设备。
2 基于虚拟仪器的零件检测系统
2.1 系统的结构及工作原理
该系统利用传统的机器视觉原理对工件图像信息进行采集和处理, 结合虚拟仪器技术, 采用Lab VIEW进行系统设计, 其基本原理如图2所示。
该系统分为五个部分:图像采集部分,数字化部分,图像处理部分,数据结果分析部分和控制执行部分。
1) 图像采集。系统通过摄像机完成对物料图像的采集。高质量的图像信息是系统正确判断和决策的原始依据,是整个系统成功与否的又一关键所在。目前在机器视觉系统中,CCD摄像机以其体积小巧、性能可靠、清晰度高等优点得到了广泛使用。
2) 数字化处理。通过图像采集卡来实现对物料图像数字化。图像采集卡对视频信号进行解析、数字化后输送给专用的图像处理系统。图像采集卡可以被认为是CCD与计算机的接口,在选取上应当注意以下几点:图像采集卡所支持的视频制式;输入通道路数;像素时钟;空间分辨率;支持的软件等[11]。
3) 图像处理。机器视觉系统中,视觉信息的处理技术主要依赖于图像处理方法,它包括图像增强、数据编码和传输、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容。图像处理将一幅图像变成另一幅改进后的图像,实质上就是将数字图像的灰度值分布作某种变换,使图像中受关注部分的信息更加突出,并且去除冗余信息,以使其适应于某种特殊的要求。经过这些处理后,输出图像的质量得到相当程度的改善,既改善了图像的视觉效果,又便于计算机对图像进行分析、处理和识别。
4) 数据结果分析。由于数字图像中不仅包含被测物体的信息,而且存在背景噪声的干扰。需要经过数字图像处理以达到提取目标特征量的目的。经过图像的数字化处理,图像已不是与原物完全一致的图像,它包含的信息量远比原物少,但是保留了物体有用的信息,去掉了不必要的干扰。这时的图像仅存所需要的信息并已很清晰,经过数字图像分析,可以从中抽取出物体的特征信息[12-13]。
5) 控制执行。在完成以上步骤之后,就是对于检测完毕的零件加以分类(可自动,也可手动),如合格,不合格,待定等。
2.2 关键技术
整个系统设计核心的是软件。而软件中的关键技术是算法的编写,在本设计设计中采用的是Lab VIEW中的视觉运动模块。借助函数可对于图像的采集,调入,数字化等不难编写,而算法例外,因为要考虑到实际环境对于检测时的影响。如外界噪声,自然光,震动。还要涉及要检测误差,如摄像机与零件的垂直度,拍摄时零件不同位置摆放时纠正的角度。此外还需考虑机械上的问题,如行为公差,形状公差等。算法的处理速度也要得到保证,在不失精度的前提下,尽可能的提检测效率[14]。
3 实验仿真
在实验中是用该系统对10个方块和10个圆环进行检测。为验证方块的可靠性,特设置检测方块的长宽。
对于方块的检测的仿真如图3和图4。图3中外围绿框表示检测范围,红色线表示方块四边所在的位置。图4显示检测的数据结果及判断等。
圆环的仿真效果如图5和6所示,图5是圆环的检测方式,检测圆环的内外径,圆心,圆环轮廓等,图6是检测结果的显示。主要检测半径大小,同心度等。
实验表明:方块长的均值为20.994 mm(标准值为21mm),宽的均值为21.003 mm(标准值为21mm),垂直度的均值为0.088mm。圆环的外径均值为45.996(标准值为46mm),内径均值为23.002(标准值为23mm)。由此可见测量结果波动很小, 该系统能够满足零部件测量精度要求。
4 结束语
机器视觉技术作为计算机科学的一个重要分支,其应用领域遍及工业、农业、科学研究、军事等,对这些领域自动化水平的提高发挥了重要作用。
利用机器视觉可以大大提高工件检测的速度和质量,将虚拟仪器与机器视觉相结合,可以大幅度降低仪器成本,且可以实现基于网络环境的实时检测,为实际工业应用提供方便。
参考文献:
[1] 刘继胜,钟良.机器视觉技术在质量检测中的应用[J].现代制造工程, 2004(2): 99-101.
[2] 段峰,王耀南,雷晓峰,吴奇钊.机器视觉技术及其应用综述[J].自动化博览,2002 (3):59-62.
[3] 焦圣喜,韩立强,岳晓峰,贾瑞庆.一种智能图像检测的方法[J].制造业自动化,2006,28(12):47-50.
[4] 秦树人.智能控件化虚拟仪器系统:原理与实现[M].科学出版社,2004(9):2-5.
[5] 刘钦圣,张晓丹.数值计算方法教程[M].工业出版社,1998.
[6] 陈锡辉.Lab View8.20程序设计从入门到精通[M].清华大学出版社,2000.
[7] 刘君华.虚拟仪器图形化编程语言[M].西安电子科技大学出版社,2001.
[8] 石博强.NATLAB数学计算范例教程[M].中国铁道出版社,2004.
[9] Rick Bitter, Taqi Mohiuddin, Matt Nawrocki. LABVIEW ADVANCED PROGRAMMING TECHINIQUES.2001 CRC Press LLC.
[10] Jin2Ichiro Apaki, Hiromu Suzuki1Study on change in diameter of round in straightening [J] 1Journal of Japan Society for Technology of Plasticity, 2007,13(1):3-13.
[11] 陈熙霖.视觉计算—人类感知能力的延伸[J].测控技术,2000,19(5):7-14.
[12] 杨军.ULMA NTi纸病检测系统[J].中华纸业,2003,24(3):33-36.
[13] 贺秋伟,王龙山,刘庆民,李国发.基于支持向量回归的小尺寸零件精密测量[J].光学精密工程, 2007,15(4):557-563.
[14] 霍忠文.国防科技信息资源建设凝思录[J].情报理论与实践,1998,(4):193-197.
相关热词搜索： 零件 检测 研究 虚拟仪器