网学网为广大网友收集整理了， 基于机器视觉的灯头产品质量在线检验系统研究 ，希望对大家有所帮助！
1 灯头产品及其质量缺陷介绍灯头是电光源产品的主要部件,按灯头的接口类型可以分为卡口灯头、螺口灯头、插脚灯头等等。灯头的尾部称为灯端,灯端一般由玻璃或其他绝缘材料内嵌焊片构成。本检测系统主要是针对卡口型双焊片灯头的质量检测进行设计的,其他类型灯头的质量检测与此类似。目前,卡口型双焊片灯头产品中存在的质量缺陷主要集中在灯端焊片破损、焊片错位、塞眼、光头等4个方面。其中塞眼缺陷是指灯端焊片中心的通孔在灯头制造过程中被堵住,这样会直接导致在电光源成品生产过程中无法插入铜丝;光头缺陷是指灯头的卡口端子缺损,这种缺陷将会导致生产出的电光源产品无法安装使用。4种具体的缺陷情况如图1所示。
四种主要的灯头缺陷情况对于不同的应用领域,机器视觉的应用都有其不同的特点。目前机器视觉技术在包装和印刷品质量检测方面的应用主要是利用CCD拍摄被检测产品影像与标准影像进行灰度对比或以RGB三原色为基础进行对比,以此来判别产品是否有破损或错印。而灯头产品的检测和一般的印刷品以及有着严格尺寸要求的铸件的检测相比有其特殊性,由于灯头产品是冲压而成的,本身尺寸就不是严格的一致,而且灯头各组成部分的相对位置的细微变化并不影响产品的合格性。由于具有以上特殊性,灯头产品不适合采用图像匹配的方法来进行质量检测。本检验系统主要采用了基于图像特征提取的方法来实现对灯头产品的质量检测。针对卡口型双焊片灯头产品中存在的4种缺计算机测量与控制 第17卷中华测控网chinamca.com陷,本检验系统设计了具有针对性的稳定高效的算法组合对灯头产品质量进行检测和缺陷的分类识别。
2 检验系统原理及其构成典型的机器视觉系统一般包括图像采集系统、图像处理部分、通信和I/O部分以及执行机构等。图像采集系统一般由图像采集卡、摄像机、镜头、光源等硬件组成。图像处理部分主要是指对图像进行分析识别的软件。本检测系统的硬件部分主要由PC机、图像采集卡、开关量卡、工业摄像机、镜头、光源、光电开关、剔除机构等组成。系统的结构原理图如图2所示。本文所属栏目http:///organ/
图2 系统结构原理图当灯头产品在流水线上运行到光电开关位置处,光电开关会产生一个脉冲信号,此信号通过开关量卡送入PC机, PC机收到信号后控制工业摄像机采集一帧灯头图像到内存,然后通过图像处理软件对灯头图像进行分析识别和特征提取处理,以判断灯头是否合格,如灯头不合格则根据缺陷类型向相应的剔除机构发送剔除信号进行分类剔除,如此不停运行。
3 检验系统中的关键算法3·1 灯头图片预处理图像识别处理的第一步就是要对采集得到的图像进行预处理,以消除各种噪声干扰为下一步的图像分割做好准备。本文采用了基于高斯模板的领域平算法对图像进行平滑处理来消除图像中的高频噪声。在对图像进行平滑的基础上,采用了大津阈值算法对灯头图像进行了分割处理,大津阈值分割算法虽然在很多情况下都不是最佳的分割,但分割质量通常都有一定的保障,可以说是最稳定的分割。实验表明在灯头图片的分割中采用大津法可以很好地实现我们的要求。采用大津法二值化前后的灯头图像如图3所示。
图3 预处理前后灯头图像下面将详细分析在灯头图片预处理的基础之上针对不同灯头缺陷所设计的灯头缺陷类型识别算法。
3·2 焊片缺损及错位检测对灯头焊片缺损缺陷的检测,本系统采用了基于面积比较的算法,标准合格灯头图像的焊片面积大小在一定的范围之内,如果灯头尾部焊片有缺损则它的面积大小将出现异常,所以可以采用相应的算法计算出灯头尾部两个焊片的面积大小,然后和标准值进行比较,如果面积大小差别超出设定阈值,则判定焊片有缺损。对焊片面积的计算本系统设计了基于区域生长思想的计算算法。区域生长是指从某个像素出发,按照一定的准则,逐步加入临近的像素,当满足一定的条件时,区域生长停止。本系统中焊片面积计算算法的具体步骤如下:
对图像进行顺序扫描,找到所要计算面积区域的一个点作为种子点,设该像素为(x0, y0);(2)以(x0, y0)为中心,顺序扫描(x0, y0)的4领域像素(x, y),如果(x, y)像素值为255,则将(x, y)压入堆栈并将其像素值置零,同时对压入堆栈像素个数进行计数,并累加其像素的坐标值;(3)从堆栈中弹出一个像素,把它当作(x0, y0),回到步骤(2);(4)当堆栈为空值时算法结束,返回步骤(2)中的压入堆栈像素的计数值(即特征区域面积值)和像素坐标的累加平均值。（本论文由网学http:// 整理提供，如需转载，请注明出处或联系我们的客服人员）
