一種基於機器視覺的電子模切料缺陷檢測實現方法與流程
2023-07-11 21:12:11
本發明涉及一種基於機器視覺的電子模切料缺陷檢測實現方法。
背景技術：
隨著工業網際網路、傳感技術及新一代信息技術的顛覆式發展，世界主要製造業大國都競相推出其智能製造或工業網際網路戰略，頗具代表性的有：美國的先進位造戰略；德國的工業4.0；中國製造2025。通過物聯網、網際網路、大數據、雲計算、寬帶網絡等技術，通過接入傳感器，實現對物理設備的信息感知、網絡通信、遠程控制和協作，實現工業數據流交互、硬體/軟體之間的智能通信及安全控制。伴隨著自動化技術、電子信息技術與計算機技術的深入發展，工業控制現場的可視化交互能力與信息綜合處理能力已經成為工業自動化新的發展方向，機器視覺技術應運而生。
機器視覺是近年來發展起來的一項新技術，它利用光機電一體化的手段使機器具有視覺的功能。將機器視覺引入檢測領域，可以在很多場合實現在線高精度高速測量。它主要利用計算機來模擬人的視覺功能，從客觀事物的圖像中提取信息，進行處理並加以理解，最終用於實際檢測、測量和控制。機器視覺伴隨計算機技術、現場總線技術的發展，技術日臻成熟，已成為現代加工製造業不可或缺的技術裝備系統，廣泛應用於食品、化妝品、製藥、金屬加工、電子製造、印包裝、汽車製造等行業。在現代工業自動化生產中，涉及到各種各樣的檢查、測量，比如印刷電路板的視覺檢查、容器容積或雜質檢測、機械零件的自動識別分類和幾何尺寸測量、產品包裝上的條碼和字符識別等。通常這種帶有高度重複性和智能性的工作只能靠人工檢測來完成，在給工廠增加巨大的人工成本和管理成本的同時，仍然不能保證100％的檢驗合格率。如微小尺寸，形狀匹配，顏色辨識等，人眼根本無法連續穩定地進行精確快速的測量，從而引入了機器視覺技術。
作為電子製造領域的模切行業，特指用刀片做成的模具，或者不鏽鋼雕刻刀鋒的模具。經過平板壓平板，上下壓合方式，或圓輥壓圓輥，滾動壓合方式，做出非金屬產品的加工工藝。其中典型應用在印刷類產品(如：保護膜印刷，煙盒，包裝盒，標籤等)，消費類電子產品結構件(如：手機屏幕外保護膜，內部結構雙面膠，泡棉膠，背光模組用遮光膠，擴散材料，等等)。目前製造工廠普遍現狀：首檢效率不高，停機等待；生產過程需要不間斷檢查，容易出現誤判。基於製造業領域，特別是電子製造業領域對視覺識別技術的強烈應用需求，本設計方案把解決目前電子製造業領域產線模切材料尺寸、面積、形狀、表面缺陷等的自動檢測為主要目標，實現效率、質量、成本的可靠控制。
技術實現要素：
本發明的目的在於提供一種基於機器視覺的電子模切料缺陷檢測實現方法，該方法採用非接觸式的光學傳感系統，採用機器代替人眼來做測量和判斷，系統利用高清、高速CCD攝像機捕獲目標測量物體圖像，將目標測量物體圖像的像素分布和亮度、顏色等信息轉換成數字圖像信號；工控系統對這些信號進行各種運算，來抽取測量目標的特徵，如：形狀、面積、長度、位置等；然後參照預設的技術指標，將兩者進行對比；最後根據容許度和其他條件輸出結果，如：尺寸、角度、偏移量、合格/不合格、有/無等，來控制現場的設備動作,實現在線檢測產品缺陷及尺寸測量等核心需求。同時，可確保測量精度和速度，以及工業現場環境下的可靠性。基於機器視覺技術的智能尺寸檢測及缺陷檢測設備進行檢測不僅可以排除人的主觀因素的幹擾，而且還能對這些指標進行定量描述,避免因人而異的檢測結果，減小檢測分級誤差，大大提高生產率和分級精度。
為了解決上述技術問題，採用如下技術方案：
一種基於機器視覺的電子模切料缺陷檢測實現方法，其特徵在於包括以下步驟：
(a)檢測模板載入：根據所需要檢測的模切物料目標物，將相對應的模切物料目標物的模板載體放置到檢測標定位置。
(b)檢測目標傳送：通過電子模切料缺陷檢測機器視覺系統將模切物料目標物自動傳送到達模板載體上，並將模切物料目標物的模型導入到大數據分析平臺內，為檢測工作做準備。
(c)傳感器監測。
(d)圖像抓取：先通過工控系統控制目標相機控制系統，開始光源、CCD傳感設備的參數校正，然後相機控制系統實時探測、測量，對模切物料目標物進行圖像抓取，同時，相機控制系統會在工控系統配合下調節相機不同的光源角度進行連續圖像抓取採集，確保後續處理圖像的算法的判定精度。
(e)目標識別：先採用三角形匹配算法進行特徵提取，實現了產品缺陷特徵的高效提取；然後採用Blob分析方法進行圖像識別，可從圖像背景中分離出目標並檢測目標，實現目標物形狀、缺陷識別，計算出目標物面積；最後採用LBP算法進行紋理識別，分辨出模切物料目標物的表面紋理處理工藝。
(f)圖像處理：相機控制系統通過嵌入式機器視覺控制平臺對採集的目標圖像進行處理，具體過程如下：第一步：將抓取的圖像進行增強處理，先採用直方圖均衡化處理算法進行第一次圖像增強處理，把已知灰度概率分布圖像中的像素灰度作特定映射變換，使它變成一幅具有均勻灰度概率分布的新圖像，有效改善圖像清晰度，然後採用小波變換和開運算進行第二次圖像增強處理，進一步改善圖像清晰度；第二步：將上述增強處理後的圖像進行平滑處理，採用自適應平滑濾波算法，先通過平滑濾波的迭代運算使信號的邊緣得到銳化，然後經過多次迭代運算後，圖像按邊緣分塊實現自適應平滑；第三步：在完成圖像平滑處理後，利用RGB模型對圖像進行灰化處理，將24位的圖像數據轉換為8位的圖像數據，簡化圖像分析處理；第四步：將上述灰化處理後的圖像進行分割處理，採用空間域區域增長分割方法，對具有相似性質的像素連通集構成分割區域，將該圖像進行區域等分分割，得到M個局部圖像區域，每個局部圖像區域的尺寸大小相同，均為A*B，其中A和B均為相機控制系統預設值，每個局部圖像區域對應於模切物料目標物的相對應表面；第五步：在圖像分割處理完成後，對圖像進行邊緣銳化處理，加強圖像中的輪廓邊緣和細節，形成完整的物體邊界，達到將模切物料目標物從圖像中分離出來或將表示同一物體表面的區域檢測出來的目的。
(g)二值化處理。
(h)數據統計和檢測分析：工控系統把檢測現場數據實時傳送到工控雲大數據分析平臺，對得到的數據進行統計和分析，不斷優化過程控制工藝、檢測設備、檢測精度及效率。
進一步，在步驟(b)中，電子模切料缺陷檢測機器視覺系統包括嵌入式機器視覺控制平臺、工控系統、相機控制系統、檢測平臺、工控雲大數據分析平臺、顯示單元、通信單元和傳感單元，嵌入式機器視覺控制平臺分別於工控系統、相機控制系統、檢測平臺、工控雲大數據分析平臺、顯示單元、通信單元和傳感單元相連接。
進一步，在步驟(e)中，特徵提取的內容包括紋理特徵提取、形狀特徵提取和顏色特徵提取。
進一步，在步驟(f)中，採用小波變換和開運算第二次圖像增強的具體方法：先選擇合適的小波及分解層次對第一次圖像增強處理後的圖像進行分解：然後對分解後的小波係數分別進行處理，對低頻部分進行增強，對高頻部分進行衰減；最後將處理後的小波係數重構圖像，由此得到第二次圖像增強處理後的圖像。
進一步，在步驟(f)中，採用直方圖均衡化處理算法需要的變換函數表達式為：s(x，y)＝T(r(x，y))，其中，r(x，Y)為輸入圖像的灰度值，並進行歸一化處理得到r(x，Y)∈[O，1]；s(x，Y)是輸出的增強圖像的灰度值；T是一個變換函數，T必須滿足在[0，1]範圍內是單值且單調遞增的，保證T是可逆的。
進一步，在步驟(f)中，在RGB模型中，三基色的取值範圍為0到255，三基色值相等則為灰度圖象，其中任何一種圖像灰度的顏色C都可以表示為：C＝rR+gG+bB，其中C表示混合而成的顏色，R表示紅色，G表示綠色，B表示藍色，r表示紅色比例，g表示綠色比例，b表示藍色比例。
由於採用上述技術方案，具有以下有益效果：
本發明為一種基於機器視覺的電子模切料缺陷檢測實現方法，該方法採用非接觸式的光學傳感系統，採用機器代替人眼來做測量和判斷，系統利用高清、高速CCD攝像機捕獲目標測量物體圖像，將目標測量物體圖像的像素分布和亮度、顏色等信息轉換成數字圖像信號；工控系統對這些信號進行各種運算，來抽取測量目標的特徵，如：形狀、面積、長度、位置等；然後參照預設的技術指標，將兩者進行對比；最後根據容許度和其他條件輸出結果，如：尺寸、角度、偏移量、合格/不合格、有/無等，來控制現場的設備動作,實現在線檢測產品缺陷及尺寸測量等核心需求。同時，可確保測量精度和速度，以及工業現場環境下的可靠性。基於機器視覺技術的智能尺寸檢測及缺陷檢測設備進行檢測不僅可以排除人的主觀因素的幹擾，而且還能對這些指標進行定量描述,避免因人而異的檢測結果，減小檢測分級誤差，大大提高生產率和分級精度。具體具有以下有益效果：
1.在線控制精確性高:由於人眼有物理條件的限制，在精確性上自動化設備有明顯優點。即使人眼依靠放大鏡或顯微鏡來檢測產品，機器仍然會更加精確，因為它的精度能夠達到千分之一英寸。
2.確保重複性標準：機器可以以相同的方法一次一次的完成檢測工作而不會感到疲倦。與此相反，人眼每次檢測產品時都會有細微的不同，即使產品是完全相同的。
3.提高生產速度和效率：機器能夠更快的檢測產品，特別是當檢測高速運動的物體時，比如說生產線上，機器能夠提高生產效率。
4.確保客觀性：人眼檢測還有一個致命的缺陷，就是情緒帶來的主觀性，檢測結果會隨工人心情的好壞產生變化，而機器沒有喜怒哀樂，檢測的結果自然非常客觀可靠。
5.節約生產成本：由於自動化設備比人快，一臺自動檢測設備能並行執行需要多人才能完成的任務。而且設備不需要停頓、不會生病、能夠連續工作，可極大提高生產效率。
6.系統集成了圖像傳感/高速採集/處理/存儲、環境傳感、通信(有線/無線)、自動控制、可信計算、數據採集及分析平臺等核心功能單元及子系統，使得高效、可靠的機器視覺及工業互聯一體化應用需求成為現實；
具體實施方式
本方案主要實施的內容是研發設計一套能對電子模切產品的外觀、尺寸、形狀等做實時監控檢驗的智能尺寸檢測及缺陷檢測設備，其主要功能及性能需求目標如下：
1.外觀尺寸超差可以針對提示報警，標示某個尺寸超差；
2.外觀不良(產品有髒汙，廢料，缺陷)報警並標示具體位置；
3.形狀不良(產品多層結構，其中一層缺料，多料)報警並提示；
4.產品尺寸不超過10寸，厚度可以增加，用支架固定在設備上，觸屏彩色。
監控範圍控制為檢測產品大小，產品大小為1MM*1MM-400MM*500MM。
操作可以選擇性設定重點跟蹤對象，可以設定連續多少個產品出現不良自動停機。
智能尺寸檢測及缺陷檢測設備是以機器視覺技術為核心的系統集成，整個工業機器視覺端到端應用系統包括：視覺識別(圖像)、傳感、通信、控制、光源照明、光學成像、嵌入式/計算機軟硬體技術、通信、可信計算、雲計算及大數據技術等，核心是嵌入式機器視覺，具有實時多任務作業系統、高效GPU處理單元及應用處理器，可將圖像及視頻壓縮、傳輸與處理工作全部內嵌在晶片上，通過工控機或內嵌通信單元實時傳輸到數據採集及分析平臺，實現其他大數據或可視化分析應用需求。
本方案具體實施步驟如下：
(a)檢測模板載入：根據所需要檢測的模切物料目標物，將相對應的模切物料目標物的模板載體放置到檢測標定位置。
(b)檢測目標傳送：通過電子模切料缺陷檢測機器視覺系統將所述模切物料目標物自動傳送到達模板載體上，並將所述模切物料目標物的模型導入到大數據分析平臺內，為檢測工作做準備。
電子模切料缺陷檢測機器視覺系統包括嵌入式機器視覺控制平臺、工控系統、相機控制系統、檢測平臺、工控雲大數據分析平臺、顯示單元、通信單元和傳感單元，所述嵌入式機器視覺控制平臺分別於所述工控系統、所述相機控制系統、所述檢測平臺、所述工控雲大數據分析平臺、所述顯示單元、所述通信單元和所述傳感單元相連接。
(c)傳感器監測：開啟電子模切料缺陷檢測機器視覺系統內的傳感器設備，為後續的圖像抓取等工作做準備。
(d)圖像抓取：先通過工控系統控制目標相機控制系統，開始光源、CCD傳感設備的參數校正，然後相機控制系統實時探測、測量，對所述模切物料目標物進行圖像抓取，同時，相機控制系統會在工控系統配合下調節相機不同的光源角度進行連續圖像抓取採集，確保後續處理圖像的算法的判定精度。
(e)目標識別：先採用三角形匹配算法進行特徵提取，實現了產品缺陷特徵的高效提取，特徵提取的內容包括紋理特徵提取、形狀特徵提取和顏色特徵提取。然後採用Blob分析方法進行圖像識別，可從圖像背景中分離出目標並檢測目標，實現目標物形狀、缺陷識別，計算出目標物面積；最後採用LBP算法進行紋理識別，分辨出所述模切物料目標物的表面紋理處理工藝。
(f)圖像處理：相機控制系統通過嵌入式機器視覺控制平臺對採集的目標圖像進行處理，具體過程如下：
第一步：將抓取的圖像進行增強處理，先採用直方圖均衡化處理算法進行第一次圖像增強處理，把已知灰度概率分布圖像中的像素灰度作特定映射變換，使它變成一幅具有均勻灰度概率分布的新圖像，有效改善圖像清晰度，然後採用小波變換和開運算進行第二次圖像增強處理，進一步改善圖像清晰度。採用直方圖均衡化處理算法需要的變換函數表達式為：s(x，y)＝T(r(x，y))，其中，r(x，Y)為輸入圖像的灰度值，並進行歸一化處理得到r(x，Y)∈[O，1]；s(x，Y)是輸出的增強圖像的灰度值；T是一個變換函數，T必須滿足在[0，1]範圍內是單值且單調遞增的，保證T是可逆的。採用小波變換和開運算第二次圖像增強的具體方法：先選擇合適的小波及分解層次對第一次圖像增強處理後的圖像進行分解：然後對分解後的小波係數分別進行處理，對低頻部分進行增強，對高頻部分進行衰減；最後將處理後的小波係數重構圖像，由此得到第二次圖像增強處理後的圖像。
第二步：將上述增強處理後的圖像進行平滑處理，採用自適應平滑濾波算法，先通過平滑濾波的迭代運算使信號的邊緣得到銳化，然後經過多次迭代運算後，圖像按邊緣分塊實現自適應平滑。
第三步：在完成圖像平滑處理後，利用RGB模型對圖像進行灰化處理，將24位的圖像數據轉換為8位的圖像數據，簡化圖像分析處理。在所述RGB模型中，三基色的取值範圍為0到255，三基色值相等則為灰度圖象，其中任何一種圖像灰度的顏色C都可以表示為：C＝rR+gG+bB，其中C表示混合而成的顏色，R表示紅色，G表示綠色，B表示藍色，r表示紅色比例，g表示綠色比例，b表示藍色比例。
第四步：將上述灰化處理後的圖像進行分割處理，採用空間域區域增長分割方法，對具有相似性質的像素連通集構成分割區域，將該圖像進行區域等分分割，得到M個局部圖像區域，每個局部圖像區域的尺寸大小相同，均為A*B，其中A和B均為相機控制系統預設值，每個局部圖像區域對應於所述模切物料目標物的相對應表面。
第五步：在圖像分割處理完成後，對圖像進行邊緣銳化處理，加強圖像中的輪廓邊緣和細節，形成完整的物體邊界，達到將所述模切物料目標物從圖像中分離出來或將表示同一物體表面的區域檢測出來的目的。
(g)二值化處理：將上述圖像上的像素點的灰度值設置為0或255，將整個圖像呈現出明顯的黑白效果。
(h)數據統計和檢測分析：工控系統把檢測現場數據實時傳送到工控雲大數據分析平臺，對得到的數據進行統計和分析，不斷優化過程控制工藝、檢測設備、檢測精度及效率。
以上僅為本發明的具體實施例，但本發明的技術特徵並不局限於此。任何以本發明為基礎，為解決基本相同的技術問題，實現基本相同的技術效果，所作出地簡單變化、等同替換或者修飾等，皆涵蓋於本發明的保護範圍之中。