2. 北京理工大学深圳研究院, 广东深圳 518057;
3. 深圳市润祥程科技有限公司, 广东深圳 518057
2. Shenzhen Research Institute, Beijing Institute of Technology, Shenzhen 518057, Guangdong, P. R. China;
3. Runxiangcheng Science and Technology Ltd. Co., Shenzhen 518057, Guangdong, P. R. China
机器视觉(Machine Vision)主要是利用计算机来模拟人或再现与人类视觉有关的某些智能行为,从客观事物的图像中提取信息进行处理,并加以理解,最终用于实际检测和控制[1]。通过机器对传输的影像自动判读处理,不仅可以节省人力资源,还可以提高检测控制的精度。
机器视觉作为光电技术应用的一个特定领域,是一项综合技术,其中包括数字图像处理技术、光源照明技术、光学成像技术、机械工程技术、控制技术、传感器技术、人机接口技术等。一个典型的机器视觉应用系统如图1所示[2, 3]。系统运行机制为首先采用CCD摄像机获得待测目标的图像信号,然后通过A/D转换成数字信号传送给图像处理统,根据亮度差异、像素分布以及色彩差异等信息,由系统进行各种运算来获取目标的特征,然后再根据预设的判别标准输出判断结果,去控制驱动执行机构进行相应处理。
机器视觉系统可以自动快速获取大量信息并且进行自动处理,这很好地解决了光学加工检测领域中还未完全实现自动化的问题。系统通过对抛光区域进行图像采集、分析与处理,与标准面型进行对比分析自动生成下一步的抛光路径等信息,循环抛光过程直至达到需求,完成抛光加工过程,无需人工干预。准确度与生产效率大大提高的同时,也提高了资源的利用率,降低了生产成本。
1 机器视觉关键技术的发展现状如图1所示,在机器视觉系统中,较为关键的技术有光源照明技术、光学成像系统、图像捕捉系统、图像采集与处理技术。其中照明光源、光学成像系统中的光学镜头、图像捕捉系统中相机选取的好坏是决定机器视觉系统成败的关键。
优良的光源和照明方案是目前机器视觉应用系统成败的关键之一。一个好的照明系统,应当具有以下特征[4]:尽可能突出目标的特征,在物体需要检测的部分与非检测部分之间尽可能产生明显的区别,增加对比度;保证足够的亮度和稳定性;物体位置的变化不应影响成像的质量。光源设备的选择必须符合所需的几何形状。同时,照明亮度、均匀度、发光的光谱特性也必须符合实际的要求,同时还要考虑光源的发光效率和使用寿命。
表1列出了几种主要光源的相关特性[2, 3]。其中,LED光源具有显色性好、光谱范围宽(可覆盖整个可见光范围)、发光强度高、稳定时间长等特点。近年来,随着LED制造工艺和技术的不断发展成熟,价格逐步降低,其在机器视觉领域正得到越来越广泛的应用,选用LED作为光源是一种趋势。
光学镜头是机器视觉系统中的重要件,其主要功能是光学成像。镜头的参数主要有焦距、视场、工作距离、分辨率、景深等。一个镜头的成像质量好坏,即其对像差校正的优良与否,可通过像差大小来衡量,常见的像差有球差、彗差、像散、场曲、畸变5种单色像差和位置与倍率两种色差。对定焦镜头和变焦镜头来讲,同一档次的定焦镜头的像差肯定比变焦镜头的小,因为变焦镜头必须折衷考虑,使各种不同焦距下的成像质量都相对较好,不允许出现某个焦距(在变焦范围内)下像质很差的情况,所以在机器视觉应用系统中,根据被测目标的状态应优先选用定焦镜[5]。
1.3 相机视觉图像获取有两种方式:主动视觉和被动视觉。主动视觉是指通过器件本身发光来产生视觉图像;被动视觉则指由传感器被动接收目标环境反射光来产生视觉图像。相机按其感光器的不同可以分为两大类: CCD相机和CMOS相机。CCD相机按照其使用的CCD感光器件的不同又可以分为线阵式和面阵式两大类。线阵CCD相机一次只能获得图像的一行信息,速度快、分辨率高,可以实现运动物体的连续检测,一般高速检测中多采用线阵CCD,而面阵CCD相机可以一次获得整幅图像的信息。目前在机器视觉系统中,应用面阵CCD获取图像的居多。
1.4 图像采集卡与图像处理技术在机器视觉系统中图像采集卡是控制摄像机拍照,完成图像采集与数字化,协调整个系的重要设备。由于图像信号的传输需要很高的传输速度,通用的传输接口不能满足要求,这是需要图像采集卡的主要原因[6]。
图像采集卡一般具有如下功能[2,3]:(1)图像信号的接收和A/D转换模块,负责将图像信号放大和数字化;(2)摄像机控制输入输出接口,主要负责协调摄像机进行同步和实现异步重置拍照、定时拍照等;(3)总线接口,负责通过PC机内部总线高速传输出数字数据,一般采用PCI接口,传输速率可高达130 MbPs,完全能胜任高精度图像的实时传输,且占用较少的CPU时间;(4)显示模块,负责高质量的图像实时显示;(5)通讯接口,负责通讯。其中(4)、(5)是某些图像采集卡的附加增强功能,随着计算机技术、微电子技术和大规模集成电路技术的快速发展,为了提高系统的实时性,对图像处理的很多工作都可以借助硬件完成,如DSP、专用图像信号处理卡等。
图像信号的处理是机器视觉系统的核心,它相当于人的大脑。视觉信息的处理技术主要依赖于图像处理方法,它包括数据编码和传输、图像增强、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容。经过这些处理后,输出图像的质量得到相当程度的改善,既优化了图像的视觉效果,又便于计算机对图像进行分析、处理和识别。
在图像信号处理的时间上要注意的是:为了满足系统对待测物图像连续无遗漏处理的实时性要求,必须使一帧图像的处理时间小于等于一帧图像的采集时间,即图像处理速度大于等于图像采集的速度。
2 机器视觉在光学加工中的应用现状 2.1 工业中的机器视觉由于机器视觉系统与被检测物体没有直接接触,因此在很多不适合人眼工作的环境中都可以使用机器视觉技术。机器视觉不仅是人眼的延伸,更重要的是它具有人脑的一部分功能,有着比人眼更高的分辨精度和速度。
在电子制造领域,其主要作用是引导机器人进行高精度PCB定位和SMT元件放置,同时进行器件的表面检测。在机械领域的应用主要是部件识别和在线质量检测,通过反馈控制来提高产品的产量和成品率。在汽车领域主要是装配的在线检测和零部件的离线检测,表面检测等。在食品饮料领域主要有包装检测和分类识别方面的应用。在纸产品领域主要是表面检测和均匀度检测,同时优化生产流程。在医药领域主要是包装检测和标签识别。
2.2 光学加工检测中的机器视觉光学加工检测中的抛光工艺是生产制造流程中必不可少的一步,在一个完整的制造流程中,抛光是在制造序列的最后步骤中执行的,在这一过程中任何一步出现缺陷意味着一个部分的不合格,从而产生大量的废料,再次制造或更换这些部分需要消耗大量的时间和能源,并产生一定污染。传统的抛光工艺在过去30年集成自动化方面并没有太大的发展,而其他的制造工艺已经实现了自动化和技术改进[7,8]。精加工(研磨和抛光)过程中仍然是需要人工执行的,特别是在自由曲面部分。对自由曲面进行抛光在工业领域中具有重要意义,例如对模具及其他复杂形状的部件进行抛光。
资源、人力、时间的大量消耗,环境保护的日益严峻推动着加工工艺技术的向前进一步发展,Dieste等[9, 10]研究了机器视觉系统技术在抛光流程中的应用。机器视觉检测系统与CAD\\CAM以及机器人系统的集成性是进一步发展的关键。在一般加工过程中,需要待加工的部件在完成粗加工后,由技术人员对抛光区域进行彩色标记,机器视觉系统能够自动获取这些区域并自动执行相应的抛光步骤。在完成一轮抛光过程后再对标记区域进行图像采集,对得到的标记轮廓内的区域与需要得到的标准面型进行对比分析与处理,生成相应的数据代码,其中包括下一步的抛光路径与驻留时间、抛光速度等信息,系统自动进行下一轮的抛光处理,直到检测区域与标准面型一致时,退出加工流程,抛光过程结束。
图2与图3显示的是传统抛光流程与采用机器视觉系统后的抛光流程。
图4显示了国外已经研制成功的带有机器视觉系统的精加工机器人及研磨抛光工具。图像是通过颜色渐进型CCD摄像机(图5)[11]进行采集的,采集图像后对图像进行边缘提取。图像的边缘的提取是机器视觉技术的核心算法,它包含了图像特征中的大部分信息,为后续的拟合、特征划分等提供了大量有价值的信息。边缘提取直接关系到机器视觉中的特征划分,它是后续各种图像处理算法的基础,人们对其投入了大量的研究,也已经涌现出了许多先进的技术。目前较为经典的边缘提取算法有Canny算法、Sobel算法、LOG算法、Kirsch算法、Robert算法、Robinson算法等。进一步研究改进这些算法对于提高图像处理能力,进而进一步提高机器视觉系统在加工检测领域中的应用具有重要意义,图6展示了文献[11]中提到的图像数字处理的一般步骤。
通过对图像处理技术的进一步探索与进,加大机器视觉系统中的光源、镜头等关键技术的研究,机器视觉技术能够完全实现光学加工检测的自动化,进而可以推动整个工业加工流程的完全自动化,提高企业生产效率与产品的合格率,同时提高资源利用率,加大对环境的保护。
3 总结与展望近年来,随着图像处理算法的快速发展,生产自动化程度的日益提高,机器视觉技术已受到人们越来越多的重视,加速了机器视觉技术向相关领域的发展。机器视觉技术在准确度以及效率方面的优势大大解决了生产过程中的一些迫切需要解决的问题。本文除简要介绍了机器视觉系统的构成及其关键技术的发展外,着重对其在光学加工检测中的应用进行了阐述,通过与传统的生产流程进行对比,展现机器视觉技术在光学加工检测领域中的巨大优势。当前,资源消耗、环境保护越来越受到人们的重视,体现在生产中就要求技术的发展能够提高资源的利用率,提高生产的效率与对环境的保护。
随着机器视觉的发展,人们对于机器智能化的需求越来越高。由于图像具有直观、易懂、形象等特点,使得图像的采集与处理的作用就显得尤为突出,机器视觉对图像处理的研究已经成为现代各国科学家的研究工作重点。
虽然广泛的应用给机器视觉技术带来了前所未有的发展机遇,但也存在一些问题,例如至今也没有一个最优的照明方案,这制约着机器视觉的发展,以及如何进一步优化图像处理算法都是下一步要需要着重解决的问题。
[1] | 章炜. 机器视觉技术发展及其工业应用[J]. 红外,2006,(2):11-17. Zhang W. The development of machine vision technology and its industrial application[J]. Infrared,2006,(2):11-17. |
[2] | 唐向阳,张勇,李江有. 机器视觉关键技术的现状及应用展望[J]. 昆明理工大学报,2004,29(2):36-39. Tang X Y,Zhang Y,Li J Y. The status and application prospect of key technology in machine vision[J]. Journal of Kunming University of Science and Technology,2004,29(2):36-39. |
[3] | 段峰,王耀南,雷晓峰. 机器视觉技术及其应用综述[J]. 自动化博览,2002,3:59-62. Duan F,Wang Y N,Lei X F. Overview of machine vision technology and its application[J]. Automation Panorama,2002,3:59-62. |
[4] | 张五一,赵强松,王东云. 机器视觉的现状及发展趋势[J]. 中原工学院学报,2008,19(1): 9-12. Zhang W Y,Zhao Q S,Wang D Y. Present situation and development trend of machine vision[J]. Journal of ZhongYuan University of Technology,2008,19(1):9-12. |
[5] | Kane J S,贡树行. 光学设计是机器视觉系统的关键[J]. 红外,1999,(8):37-39. Kane J S,Gong S H. The optical design is the key to machine vision system[J]. Infrared,1999,(8):37-39. |
[6] | 刘焕军,王耀南,段峰. 机器视觉中的图像采集技术[J]. 电脑与信息技术,2003,(1):15-21. Liu H J,Wang Y N,Duan F. Image acquisition technology in machine vision[J]. Computer and Information Technology,2003,(1):15-21. |
[7] | Narayanasamy R,Ramesh T,Pandey K S. An experimental investigation on strain hardening behaviour of aluminium -3.5% alumina powder metallurgy composite perform under various stress states during cold upset forming[J]. Materials and Design,2007,28:1211-1223. |
[8] | Sachtleber M,Raabe D,Eiland H. Surface roughening and color changes of coated aluminum sheets during plastic straining[J]. Journal of Materials Processing Technology, 2004,148:68-76. |
[9] | Dieste J A,Fernández A,Roba D,Gonzalvo B,Lucas P. Automatic grinding and polishing using spherical robot[J]. Procedia Engineering,2013,63:938-946. |
[10] | Dieste J A,Fernández A,Roba D. Rapid finishing of free form surfaces using milling machine and spherical robot[J]. Advanced Science Letters,2013,19:849-852. |
[11] | Dieste J A,Fernández A,Javierre C,Santolaria J. Environmentally conscious polishing system based on robotics and artificial vision[J]. Advanced Science Letters,2014,7(2):2-3. |