(广东速美达自动化股份有限公司 广东东莞 523850)
摘要：本文阐述了机器视觉系统的组成、原理及特征，以机器视觉技术在无纺布口罩外观质量检测中的应用为例详细分析程序执行过程，该系统可自动识别瑕疵品并自动剔除，极大的提高了产品质量及生产效率。
关键词：机器视觉技术；工业；检测；应用
0引言
在工业生产中依靠人工分拣不合格品，分拣精度低、效率低，加上人眼主观判断误差以及视觉疲劳的存在，容易出现漏检、误检等情况。已经不能满足大规模产品线的生产需要。以机器视觉技术为基础的现代检测技术已经迅速发展起来，机器视觉系统的检测精度高、非接触检测、检测速度快，可实现产品缺陷检测及分析、报警、缺陷分类、缺陷剔除、图像显示等功能，有利于保证产品质量的稳定性及降低企业生产成本。
1．机器视觉检测系统概述
机器视觉检测技术采用无接触式视觉传感器，通过工业相机和图像处理单元获取生产线上产品的外观图像信息，根据图像对比判断产品合格性，实时反馈生产过程, 可实现自动化生产。机器视觉一般由照明设备、CCD相机及镜头、图像采集卡、视觉处理器等部分组成。照明设备为摄像机提供光源，CCD摄像机将获得的产品的图像信号传送给图像处理系统。图像处理系统根据图像的颜色、亮度等特征将图像信号转化成数字化信号，便于判断被检测物品的角度及尺寸是否合格，将不合格的产品送剔除。机器视觉检测技术有效降低了检测误差，提高了检测精度，提升了检测效率，在危险工况环境中可代替人力实现检测工作，机器视觉技术的广泛应用极大促进工业自动化的实现。
2．机器视觉系统分类及作用
机器视觉系统在工业中的应用主要包括尺寸测量、结构质量、表面质量及操作质量等四中检测类型。表 1 为不同检测类型对应的特征。 从表1 可以看出四个类型分别对应不同的特征。每种检测类型判断的依据都是质量与标准的符合程度。
表1 不同检测类型对应的特征
机器视觉系统也可按检测特征进行分类。不同的检测特征组成了检测系统的自由度，视觉系统自由度衡量系统的灵活性。在工业生产中机器视觉检测系统自由度包括：零件几何尺寸、形状、位姿、纹理及密度。自由度越多工业视觉系统的测试项目越多，复杂程度越高，成本越高。反之，自由度越少，视觉系统测试项目越少，成本越低。实际应用中要兼顾成本、自由度、复杂性之间的关系。
3．工业视觉系统的特征
工业视觉系统应尽可能的降低误报率及漏检率。不受照明、标识及背景条件的波动的干扰快速高效完成产品检测，并且要具有较高的性价比。应具有以下特征。
⑴支持多处理级
工业视觉系统有多个处理层次，低级处理包括二值化及滤波等图像处理；中级处理包括特征计算及分割等方面；高级处理完成图像分类及目标识别等高层次功能。视觉系统能够需要支持所有功能级。
⑵方便操作
机器视觉检测系统要便于操作及后期维护。系统采用图形用户接口GUI或可视化编程工具，便于操作者与应用进行交互动作，利用算法库的下拉菜单设定操作序列。生产工程师可根据生产需要完成应用开发工作，系统通过软件的重配置解决多种应用。有效的降低系统成本。
（3）支持高动态范围与帧率
视觉系统选用专用的软件支持，满足应用环境的速度要求，选用的传感器需要具有快速获取图像能力及较高的动态范围处理能力，可在变帧率情况下实现高动态范围的处理，最大程度上采集图像信息。
（4）可扩展性
科技不断发展，精密的电子元器件、镜头及摄像机将不停的更新换代，各种算法的不断更新，企业生产工艺的变化都决定了机器视觉监控系统在软件及硬件方面要具备扩展性能。降低后期改造成本，延长系统使用寿命。
4．工业视觉系统应用
本文以机器视觉技术在无纺布口罩外观质量检测中的应用为例进行分析。工艺流程为定型→成型→焊接冲切→上鼻梁条→上耳带→文字移印等工序。其中焊接冲切工序比较复杂，包括口罩外套与杯型口罩本体的压合、焊接及切边操作。焊接冲切质量直接关系到口罩的成品率。因此，生产过程中应当采取检测措施控制口罩质量。但无纺布口罩的成品和半成品在流水线的运行速度较高，采用人工检测方法无法适应生产需求。机器视觉检测系统可高效、准确的实现口罩质量检测。主要实现的过程包括：
⑴建立标准样本特征库
采用平行光源照亮样品，利用高速 CCD 线阵照相机及畸变小的光学镜头采集品样品的图像信息进行存储，图像需要精确地反映样品表面特性，因此，需要按不同方位对样品进行多次标定求其均值，可消除标定过程产生的随机误差和因镜头畸变引起的误差，得到较高的标定精度。标定得到的参数与被测样品各位置的光学参数一致，有利于样品的检测和相机抓拍的控制。
⑵抓拍高速运动工件图像
抓拍到的高速运动工件的图像一定要完整精确，采用闭环控制方法来实现：传感器将检测到工件的工位信息发送给相机控制单元，控制单元控制相机执行拍照动作, 将得到工件图像进行分割与定位, 确
定工件图像中心与整幅图像中心的相对位置偏差并反馈给相机控制单元, 多次调整相机拍照时间 , 使工件图像处于整幅图像中心位置,精确抓拍工件图像，保证图像的完整性。
⑶图像处理，
软件系统通过特定的算法提取产品的异常特征，如毛发、污点等异物，及鼻梁线、耳绳等部件有无缺失等。将被抓拍处理后的工件图像与标准样本特征库进行对比 , 找出不相符特征部分 ,如果不相符的部分在设定范围内，可认为口罩合格，超出异常特征允许范围的判定为瑕疵品，并采用剔废机构剔除。
5．结论
机器视觉技术在工业领域的应用，降低了劳动强度，提高了检测的精度，有效的保证产品合格率，节约生产成本，提高了经济效益。
参考文献：
[1]朱良. 机器视觉在工业机器人抓取技术中的应用[D].中国科学院研究生院(沈阳计算技术研究所),2016.
[2]邢金鹏,王勇.机器视觉技术在轮胎工业中的应用[J].世界橡胶工业,2016,43(03):6-10.
[3]陈英.机器视觉检测技术在工业检测中的应用[J].电子测试,2015(18):79-80.
[4]周衍超,罗浩彬.机器视觉技术在工业机器人的应用研究[J].装备制造技术,2015(06):193-195.
[5]张国福,沈洪艳.机器视觉技术在工业检测中的应用综述[J].电子技术与软件工程,2013(22):111.
[6]颜志强,曾钦志,张巧玲.机器视觉技术在木材工业中的应用研究概况[J].木材加工机械,2013,24(04):55-59.
[7].机器视觉技术在工业检测中的广泛应用[J].机械,2013,40(03):82.
[8]杜婷婷.机器视觉技术在电器工业中的应用[J].制造业自动化,2011,33(14):101-104.
[9]瞿磊,王亮.机器视觉技术在工业中的应用[J].广东自动化与信息工程,2003(04):16-18.
[10]李永祺.光电技术与机器视觉在钢铁工业中的新应用[J].钢铁钒钛,1994(01):57-62.
作者简介：谭有生（1978.12-05）；性别：男，籍贯：江西省瑞金市人，学历：专科，毕业于新余高等专科学校(现名新余学院)；现有职称：视觉技术工程师(无证)；研究方向：机器视觉。
论文作者:谭有生
论文发表刊物:《电力设备》2018年第20期
论文发表时间:2018/11/13
标签：视觉论文; 机器论文; 图像论文; 工业论文; 系统论文; 特征论文; 技术论文; 《电力设备》2018年第20期论文;