机器视觉的定位基于工业生产线上对不同零件尺寸的检测技术

系统主要由计算机主机、工业相机、LED光源和光电传感器、PLC可编程控制器、单片机控制器、暗箱等组成。其工作过程如下:首先是初始化设备和自检设备，然后计算机主机通过软件驱动工业相机(面阵式CCD传感器)，但此时工业相机只处于等待图像信号采集的状态。

在新兴市场经济和新技术不断崛起的背景下，生产高质量、低成本的产品是企业发展的迫切需要。然而，近年来，在现有的国内生产条件下生产的产品存在着很大的问题。传统意义上的生产要求设备处于经常工作状态，以便随时检测。然而，这种工作方式导致设备在一定时间内闲置，极大地浪费了生产资源，无法实现可靠的自动化生产；另一个更重要的原因是工业生产线上生产的产品。大多数人通过自己的主观意识或浅层测试方法来判断零部件的尺寸是否合格。这种判断方法检测到的精度根本不能满足客户的需求。基于上述诸多问题，一种基于机器视觉的检测方法应运而生，这一概念的提出给生产加工业带来了前所未有的变化。随着机器视觉的应用，机器视觉的应用大大提高了产品质量，降低了人口红利，在一定程度上降低了生产成本，推动了生产加工行业的自动化和智能化。

一、系统的整体结构

本研究是基于工业生产线上对不同零件尺寸的检测。机器视觉零件尺寸检测主要分为图像采集、图像分析处理、显示结果和控制三部分。系统主要由计算机主机、工业相机、LED光源和AT25640B-SSHL-B光电传感器、PLC可编程控制器、单片机控制器、暗箱等组成。其工作过程如下:首先是初始化设备和自检设备，然后计算机主机通过软件驱动工业相机(面阵式CCD传感器)，但此时工业相机只处于等待图像信号采集的状态。当光电传感器没有检测到物体时，工业相机继续等待图像信号的采集；当光电传感器检测到产品通过时，打开LED光源，触发工业相机采集部件的数字图像信号，然后关闭LED光源。单片机控制器通过USB串口通信将数据传输给计算机主机进行图像处理图像处理后，判断物体是否合格。如果不合格，将其放入不合格的产品收集箱。如果合格，将检测到下一个产品。

二、图像的处理与分析

1.生成标定文件

在图像处理过程中，更值得注意的是，对标定文件的生成有严格的要求。处理步骤包括创建标定模板、初始化内部参数、指定描述文件、收集标定数据、配置校正、标定计算、获取标定参数、生成标定文件等步骤。标定板用于标定过程中，这里我们规定其尺寸必须是视觉图像的四分之一。系统以20个不同位置的标定板图像进行标定，并设置标定图像的原始位置，从而生成标定文件的目。

2.灰度转换

在实际的生产加工中，由于环境因素的复杂影响，许多部件并不像我们想象的那么容易区分。因此，为了快速准确地识别它，我们必须转换灰度。RGB图像的每个像素颜色对应于三维空间中的一个点，而灰度图像像素的颜色可以对应于一条直线。因此，很容易得出结论，将彩色图像转换为灰度图像的本质是寻求三维空间中的映射。

3.滤波降噪

在图像采集过程中，由于零件结构的复杂性不同，图像中的噪声是不可避免的，噪声会影响系统对检测区域的识别和判断。因此，降噪滤波在整个检测系统中起着不可替代的作用。对于噪声处理，有线滤波法和非线滤波法，如mean_image算子对图像灰度值进行平均处理，达到降噪平滑图像的效果。中值滤波是一种非线性方法。然而，对于精度要求较高的零件尺寸检测，这两种滤波方法都无法达到预期的效果。因此，本文采用了另一种可靠的滤波方法——高斯滤波。高斯滤波器可用于完成高精度测量任务。

4.图像匹配

在工业生产加工中，我们检测到的零件往往不单一，有时涉及各种零件，可以通过模板匹配技术实现。模板匹配可用于完整性测试，区分不同类型的物体，并在图像中获得目标物体的位置。模板匹配有几种不同的匹配方法：基于灰度值的匹配、图形金字塔的匹配、基于灰度值的亚像素精度的匹配、旋转和缩放的模板匹配。在应用程序匹配中，我们主要用于区分不同类型的物体，许多其他技术可以分别产生不同的物体，但对于特定类型的物体来说，实现一个可靠的识别算法是非常复杂的。此外，如果被识别的物体经常发生变化。必须为每个物体开发一个新的识别算法。上述功能可以通过模板匹配技术来实现。

5.提取亚像素边缘

亚像素精度轮廓表示图像中两个区域之间的边界，一个区域的灰度值大于灰度阈值，另一个区域的灰度值小于灰度阈值。为了获得这个边界，我们需要将图像的离散转换为连续函数，这种转换可以通过双线插值来完成。在零件尺寸检测的工业生产中，工业相机采集的零件图像往往是像素精度。在零件尺寸检测中，我们需要达到比图像像素分辨率更高的精度。因此，从图像中提取亚像素精度是满足高精度要求的唯一有效途径。调用edge_sub_pix算子、gen_polygons_xld算子、se—lect_contours_ xld、算子和union_straight_contours_xld算子，通过滤波器canny可以对零部件目标Region进行亚像素边缘提取，并可以直接返回由像素点组成的边缘，具有亚像素精度。

6.转换为世界坐标

在图像分析和处理过程中，由于工业相机采集的图像会有一定程度的畸变，此时需要对图像进行一定程度的校正。转换为世界坐标的目的是使用标定的相机在世界坐标系中测量未失真。这对零件尺寸的检测有很好的效果。这种未失真的检测也可以通过立体重构来实现，但是立体重构的方法需要多个相机在不同的位置同时拍摄相同的物体，但是在实际应用中，由于成本和安装空间的限制，这种未失真的方法是不可取的。因此，在零件检测中，我们选择将其转换为世界坐标，以实现未失真的测量。系统参数是通过设置setorigi，然后将image-points_to_world算子转换为世界坐标。

基于机器的零件尺寸检测技术在工业生产中起着关键作用。随着机器视觉的应用，不难发现机器视觉的应用大大提高了产品质量，降低了人口红利，在一定程度上降低了生产成本，推动了生产加工行业走向自动化、智能化的道路。在机器视觉的应用中，物体特征的提取和尺寸的精确定位和测量是生产线上不可替代的环节。