[摘 要]本次研究主要以机器视觉作为基础，并深度结合了光机电的一体化科学技术，研发一种有着自动化观测识别功能光性智能化检定系统，此系统可准确检定出光学仪表的读数，提升工作效率及测试精度。检测结果可表明，此系统平行的测定结果绝对差值小于0.0002，可达国际标准，且能广泛应用在各类专业的实验室及教学的实验室当中。
[关键词]机器视觉；光性；智能检定；系统设计；实现；
前言：
本文主要围绕着以机器视觉作为基础光性职能化检定系统的设计及实现进行综述分析，望能够为相关专家及学者对这一课题的深入研究提供有价值的参考或者依据。
1、系统总体设计及实现
1.1 总体设计目标
该系统把人工智能、电、机、光等各项技术深度的结合，以实现自动化加注的折射液、图像远程采集、样品定量旋转等各项功能，借助机器视觉的算法来分析折光率的数值及变化特征，再通过智能认知及云计算等，比较分析测量结果及大数据，对介质主要种类进行精准地识别。
1.2 硬件系统设计
硬件部分，主要是由总控系统模块、识别分析系统模块、视频采集系统模块、加液系统模块、样品旋转系统模块、折光仪系统模块、底座功能系统所构成，分别实现该系统总控、采集及识别凸显、折射液的加注、定量旋转、测定折光率、安装固定等各种功能。①底座系统模块，主要用于折光仪的模块及旋转样品模块安装。底座及旋转样品装置的支架之间连接采用的是销轴，便于把旋转样品模式从运行模式垂直位置上旋转90°到待机模式水平的位置，方便手动操作、维护及清洗等；②折光仪器模块，组成部分包括高强图像的采集探头、目镜透镜、反光镜、透镜标尺、棱镜标尺、透镜组、铅玻璃的棱镜、光源等。为确保透镜边缘处图像的畸变效应能够降低，可于铅玻璃的棱镜反射端部分增设扇形的棱镜标尺；③旋转样品模块，组成部分包括大齿轮、小齿轮、步进的电动机、旋转筒、支撑筒、旋转样品装置的支架等。把旋转样品装置的支架与支撑筒一起固定好，两端设置好滑动的轴承，以对旋转筒起到支撑作用。小齿轮需安装于步进式电动机的输出轴上，大齿轮需安装于旋转筒上。在步进式电动机进行旋转期间，小齿轮（z1）会驱动着大齿轮（z2）实现旋转，带动着旋转筒实现旋转。为实现定量旋转，该装置可采用1.8°步距角步进式电动机（为200脉冲/圈），取传动比例i=z1/z2=7:2。在步进式电动机每次接收到一个脉冲的信号转动1.8°时，该旋转筒能够带动待检测样品实现转动0.25°。选装样品筒的下部位置安装好密封皮碗，能够屏蔽所处环境光线干扰，并阻断折射液的恢复。④压缩样品筒，属于独立装置，实际使用期间可插入至旋转筒的内部，并锁紧螺钉将其固定好。筒内需安装好压紧的弹簧，保证压紧力适中。压紧弹簧的底部设置软橡胶垫并接触样品，保证样品牢靠的压紧于棱镜的表面位置；⑤加液模块，组成包括加液管、加液器，把加液器有效固定在旋转筒上，加液管一段需连接好加液器，而另外一端则通过斜孔逐渐进入到筒的内部，一直到待检测样品周边；⑥采集视频系统模块，组成包括3组高清视频的采集探头、显示器、目镜的密闭罩、相应视频采集的控制器。2组摄像头需安装在折光仪的内部，并分别用铅玻璃的棱镜标尺及透镜标尺视频信息的采集，另外一组的摄像头则安置在目镜的密闭罩内部，套于折光仪目镜的观测孔之上，以对目镜内视频信息实施采集操作；⑦识别分析系统模块，内部组成包括数据库、机器视觉的自动检测软件。把摄像头所采集到视频信息，借助机器视觉的自动检测软件系统，来识别分析数值大小与变化规律，识别结果与同数据库内储存信息做笔记，实现介质光性基本特征的智能检测；⑧总控模块，内部组成包括操作软件、本地的计算机，并与识别分析系统模块、采集与观测视频系统模块、旋转样品系统模块等相连接，能够控制旋转样品方式、采集与观察、分析与存储测试的结果，最大打印出测试报告。
1.3 机器视觉系统软件设计
该系统以软件Python的语言编写为基础，通过Open CV库提供图像采集的API函数，包含着采集图像、增强对比度、颜色聚类、确定便捷、识别刻度这五个步骤。①从3个摄像头处采集图像，如图1（a）所示，截取明暗的显示部分。因本文主要提取3个摄像头图像，故i取值0、1、2各自抓取图片1张，总共3张。图像采集后，通过刻度识别函数(read Scale)，自(X，Y) 位置截取宽度为W，且高度为H部分，就是截取图像当中明暗显示部分；②图像增强对比度。用限制的对比度自适应方图的均衡算法，对图像的对比度进行调整，让图像明暗区域对比明显，如图1（b）所示；③分析颜色聚类。K 均值计算法，为无监督聚类学习计算法。该系统中，此算法把折光仪的目镜图像信息数据量化、分割为3个独立簇(k = 3) ，即为3个颜色，如图1（c）所示；④阴影边界确定。量化成3种颜色图像中查找每种颜色间边界。自上而下扫描图像，扫描窗口宽度为该图像宽度，高度则是3个像素。发现扫描的窗口含有两种颜色，且像素数差异较小，则扫描窗口高度处即为两种颜色边界；⑤光学刻度的转换及识别。扫描窗口的区域于图像高度位置，换算为光学标尺刻度值，获取1组折光率值。3个摄像头，应各自平行地采集、测定超过1000组折光率值，取各个摄像头的平行测定具体结果，取均值即为待测样品折光率的检测结果。
图2 系统4种不同的工作模式示图
2、校验应用结果
为验证此系统测试精度及工作的效率，由1名专业的实验员及1名初学者分别采用不同的工作模式，来对3种不同固体样品实施光性检定，以通过操作用时及测试结果之间差异性，评估此系统效率及准确向，如图3所示，为校验结果。最高工作效率的为模式3，实验员、初学者均于15-20s以内得到较高精准度的测试结果，绝对差值为＜0.0002，可满足于国际上针对于折光率的测试精度标准，证明此系统测试精度及工作效率均良好；最高准确度的为模式4，绝对的差值即为＜0.00015，获取折光率值较为准确。测试员熟练程度，对测试结果有着直接影响。处于不同模式之下，专业的实验员均可获取准确测试结果，但初学者工作效率及精确度有着较大差异。模式1精度极差、效率也最低；模式4的效率虽低，但工作的精度却较高，适合于初学者。
图3 系统应用具体结果的校验数据示图
3、结语
综上所述，此系统共有4种不同工作模式，可满足于教学示范、晶体定向的加工、光性研究等各种需求，提升工作效率及测试精度，且能够广泛应用于各类专业教学的实验室当中。
[参考文献]
[1]杨永灿, 孔令东. 基于机器视觉的测力仪智能检定的发展现状分析[J]. 江西建材, 2016(21):270-270.
[2]陈大川, 许小东, 陈永彬. 基于机器视觉的铰链精密检验系统[J]. 机电工程技术, 2015(3):64-67.
论文作者:罗通明
论文发表刊物:《科技新时代》2019年4期
论文发表时间:2019/6/17
标签：系统论文; 折光论文; 样品论文; 模块论文; 图像论文; 步进论文; 目镜论文; 《科技新时代》2019年4期论文;