计算机视觉检测技术的应用

计算机视觉检测技术的应用

检测技术是现代制造业的基本技术之一，是保证产品质量的关键。传统的人工检测往往需要专用的测量工具，这需要成本和时间。此外，受多种因素的影响，难以保证检测的质量，也不能满足现代工业生产的现场自动检测要求。现代制造业的发展需要更快速、有效的产品检测技术。采用基于图像处理的计算机视觉技术进行检测可靠性好、准确率高,可以大大提高检测精度、速度、自动化程度。1体的集成系统视觉传感器系统是以CCD图像传感器为主要元件构造而成的一个集现代光、机、电技术为一体的集成系统,涉及机械、光学、电子、计算机视觉、数字图像处理、软件工程等方面的技术。主要利用立体视觉原理,结合人类视觉系统的特点而设计的,此系统主要由三部分组成:图像的获取、图像的处理和分析、输出或显示,测量系统结构组成,如图1所示。2图像的整体特性分析由于光学镜头的原因和噪声等因素,采集到的零件图像精度会受到一定的影响。图像处理的目的是将传送过来的图像数据按照系统的目标进行处理分析,以便提取其尺寸特征。图像处理的目的是获得准确清晰的图像边缘。本文采取的具体图像处理过程如图2所示。(1)将采集到的图像转换成为数字形式。(2)将真彩色图像转换为灰度图来处理,以加快图像处理的速度以及缩减存储空间。(3)图像增强。我们发现灰度化后的图像里面背景噪声比较大,而且要从中提取所需要的信息比较麻烦,有一定的难度的。需要对图像进行增强,改善图像的质量。让观察者得到更直观清晰的适合分析的依据,有目的地强调图像的整体或局部特性。常用的增强技术包括:对比度扩展,增强图像中对像的边缘,清除噪声,保留图像中感兴趣的某些特性而抑制另一些特性。但是在实际的应用中,由于背景图像的干扰,直接运用这些方法很难把有用的信息提取出来。本文采用的图像增强的方法是在灰度直方图均衡化的基础上运用小波变换去噪技术,将背景无用的信息即噪声干扰减小到最小程度,使目标信息突出出来,这样可以为下一步图像分割创造良好的条件。(4)图像分割。图像分割就是指把图像分成各自具有特性的区域并提取出感兴趣的目标的技术和过程。为了辨识和分析图像中的目标,需要将它们从图像中分离提取出来,在此基础上才有可能进一步对目标进行测量和对图像进行利用。图像分割的方法很多,常用的有阙值处理和边缘检测两种方法。经过研究探讨采用了边缘检测中Canny边缘检测。Canny边缘检测是一种比较新的边缘检测算子,具有很好的边缘检测性能,得到了越来越广泛的应用。该检测法利用高斯函数的一阶微分,它能够在噪声抑制和边缘检测之间取得较好的平衡。具体步骤如下:①用高斯滤波器来对图像滤波,可以去除图像中得噪声;②用高斯算子的一阶微分对图像进行滤波,得到每个像素梯度的大小和方向;③对梯度进行非极大抑制;④对梯度取两次阙值得到两个阙值T1和T2,取两次取值的结果来交合为图像的边缘;⑤连接边缘。(5)图像特征提取。利用微分算子对图像进行检测所得的边界常常会发生断裂现象,在这种情况下,需要用曲线提取的方法把曲线连接起来。另外在某些情况下,需要把所需的曲线单独提取出来。本文采用了Hough变换来实现这方面的要求。至此就获得了准确的清晰的图像边缘,可以通过它来对零件的尺寸进行检测。采集的原始图像和处理后图像,如图3所示。3测量的尺寸和结果经过上述处理后的图像,就可以进行图像的分析计算了。3.1测量比标定方法采用一标准量块,在不改变测量参数的前提下对测量系统的测量比K=L/L0进行标定,其中L为该量块的计算机图像尺寸,以像素点个数表示,L0为该量块的标准尺寸,单位是毫米。3.2测量待测零件图像进入到标定好的测量系统,测得零件的图像尺寸为L1(像素数)。则该零件的测量尺寸为L2=L1K。3.3测量结果判定比较标准尺寸和测量尺寸,判断工件的尺寸是否在公差容许范围之内,从而对所测量的尺寸进行结果判定。测量结果和误差如表所示。根据表中的数据可以看出,基于图像处理技术的非接触式检测技术能比较精确地测量零件的尺寸,误差不超过0.01mm,满足实际生产要求。4误差分析通过改善系统性能,测量精度能更进一步地提高。4.1光栅反光度如:CCD摄像设备的分辨率带来的测量误差,分辨率越高,测量精度越高;光源亮度的不均匀造成的图像边缘提取误差;标准块尺寸不精确及反光度不均匀也可以带来测量误差;镜头畸变不能得到完全精确的校正引起图像非线性失真误差等等。4.2算法误差通过边缘提取方法得到边缘点的