【正文】 表 51 合格限度樣品表面的缺陷數(shù)據(jù) (單位 ： 像素 ) 序號 掉角 劃痕 刀痕 麻坑 面積 周長 面積 周長 面積 周長 面積 周長 1 35 17 33 18 73 21 22 12 2 27 16 26 12 155 49 17 9 3 18 10 17 13 161 46 13 7 4 16 7 10 10 134 35 25 12 5 15 9 38 17 92 27 7 7 6 20 11 41 21 185 51 10 6 7 26 15 35 18 216 59 18 10 8 23 13 54 26 278 84 32 15 9 30 13 44 20 327 83 31 14 10 13 8 50 31 384 98 16 9 表 52 選取表面鍍層為鋅 、 工件規(guī)格為 ： D9* 的圓環(huán)形工件的掉角 、 麻坑 、 劃痕及刀痕等四種缺陷的合格限度樣品各 10 個 。 利用不變矩 ， 就可以計算出缺陷區(qū)域的形心坐標(biāo) ， 判斷缺陷區(qū)域是否在工件圖像的邊緣 ， 如果在邊緣 ， 則可以確定是掉角 ； 否則 ， 是麻坑 。 長春理工大學(xué)本科畢業(yè)設(shè)計 23 缺陷圖 像 掉角 其他缺陷 掉角或麻坑 刀紋、裂紋或劃痕 掉角 麻坑 刀紋 裂紋或劃痕 圖 426 工件表面缺陷分類二義樹表示 鑒于工件表面缺陷圖像不同特征之間有一定的相關(guān)性，為降低識別算法的復(fù)雜性，特征識別時采用階層識別的方法。 長春理工大學(xué)本科畢業(yè)設(shè)計 22 圖 423 缺陷標(biāo)識 經(jīng)過 處理 過程后，就可以得到標(biāo)記后的缺陷圖像，如圖 424 所示。 如果有缺陷，則缺陷是否是獨(dú)立的缺陷，圖像中有幾個缺陷，需 要對不同的缺陷進(jìn)行標(biāo)識。 圖 417 光 圈 掃描示意圖 其掃描過程如下 ： 長春理工大學(xué)本科畢業(yè)設(shè)計 19 首先，如圖 417 所示，以工件圓心為極坐標(biāo)系原點(diǎn) O 隨著極半徑 r 和極角 ?從小到大逐個 掃描每個像素點(diǎn)，極半徑 r 的范圍是從內(nèi)徑到工件的外徑，極角 ? 的范圍是從 0 到 2? 掃描時，由于圖像相當(dāng)于一個矩陣，需要將極坐標(biāo)系轉(zhuǎn)化為直角坐標(biāo)系，其轉(zhuǎn)換公式為 cossin????? ??xryr 在轉(zhuǎn)化到圖像矩陣中，為 00cossin ??????? ????x x ry y r 其中， 0x 和 0y 分別是工件圓心的橫坐標(biāo)和縱坐標(biāo)。 （ 2）圓環(huán)和圓片的判斷 在確定工件的圓心位置和半徑大小后，就需要判斷該工件時圓環(huán)還是圓片。反之， ? 愈大， ()?f 減小愈慢，曲線平坦，同時對應(yīng)于誤差為零的縱坐標(biāo)也小，曲線變低。 圖像實(shí)時采集模塊 缺陷識別模塊 圖像預(yù)處理模塊 缺陷檢測模塊 閾值選取模塊 圖像測量模塊 長春理工大學(xué)本科畢業(yè)設(shè)計 12 0 50 100 150 200 250 直方圖 直方圖 像素值 3000 2500 20xx 1500 1000 500 0 0 50 100 150 200 250 像素值 3000 2500 20xx 1500 1000 500 0 圖 43 灰度調(diào)整前及灰度調(diào)整后 圖像直方圖 4. 3 閾值選取模塊 閾值的選取對于分割圖像、提取缺陷信息至關(guān)重要，其方法也很多，本系統(tǒng)采取利用圖像的灰度直方圖來選取閾值，如圖 44 所示。 獨(dú)立于其它模塊 ， 可單獨(dú)驗(yàn)證一個模塊的正確性 ， 便于進(jìn)行調(diào)試 。 處理后的結(jié)果顯示的僅是全部輸入圖像的一個局部 ， 這種方法稱為裁剪 。采樣頻率在一定范圍內(nèi)可調(diào) ， 滿足不同場合的需求。本系統(tǒng)采用的是國產(chǎn) MTV1881EX 型號的黑白攝像頭 ，它的工作方式是將被攝物體的圖像經(jīng)過鏡頭聚焦到 CCD 芯片上， CCD 根據(jù)光的強(qiáng)弱積累相應(yīng)比例的電荷，各個像素積累的電荷在視頻時序的控制下，逐點(diǎn)外移，經(jīng)視頻捕捉卡濾波、放大處理， A/D 轉(zhuǎn)換后形成視頻信號輸出。 機(jī)器學(xué)習(xí)方法受到越來越多的關(guān)注模式識別的所有領(lǐng)域始終存在基于結(jié)構(gòu)與基于統(tǒng)計的兩大分支。 要求高速度和高精度 由于機(jī)器視覺通常要求高速度和高精度 ， 數(shù)字圖像處理中的許多新算法目前還難以應(yīng)用。在一些不適合于人工作業(yè)的危險工作環(huán)境或人工視覺難以滿足要求的場合 ， 常用機(jī)器視覺來替代人工視覺 ； 同時在大批量工業(yè)生產(chǎn)過程中 ， 用人工視覺檢查產(chǎn)品質(zhì)量效率低且精度不高 ， 用機(jī)器視覺檢測方法可以大大提高生產(chǎn)效率和生產(chǎn)的自動化程度。人們從 20 世紀(jì) 50 年代開始研究二維圖像的統(tǒng)計模式識別 ， 60 年代 Roberts 始進(jìn)行三維機(jī)器視覺的研究 ， 70 年代中 ， MIT 人工智能實(shí)驗(yàn)室正式開設(shè)機(jī)器視覺 課程 ， 80 年代開始 ， 開始了全球性的研究熱潮 ， 機(jī)器視覺獲得了蓬勃發(fā)展 ， 新概念、新理論不斷涌現(xiàn) 。 對圖像的處理和分析一般可用算法的形式描述 ， 而大多數(shù)的算法可以用軟件實(shí)現(xiàn) ， 只有在為了提高速度或克服通用計算機(jī)限制的情況下才用特制的硬件 。 圖像的數(shù)據(jù)編碼和傳輸 數(shù)字圖像的數(shù)據(jù)量是相當(dāng)龐大的 ， 一幅 512 X 512 個像素的數(shù)字圖像的數(shù)據(jù)量為 256K 字節(jié) ， 若假設(shè)每秒傳輸 25 幀圖像 ， 則傳輸?shù)男诺浪俾蕿? 比特 /秒 。 對圖象分析來說 ， 分析的結(jié)果也可以解析系統(tǒng)的主要顯示設(shè)備是電視顯示器 。 另一種稱為數(shù)字化器 ，它能將上述模擬電信號轉(zhuǎn)化為數(shù)字離散的形式 。 圖像采集可采用 CCD 的照相機(jī) 、 帶有視像管的視頻攝像機(jī)和掃描儀等 。圖象分析則主要是對圖像中感興趣的目標(biāo)進(jìn)行檢測和測量 ， 以獲得它們的客觀信息從而建立對圖像的描述。 圖像技術(shù)和圖像工程 圖像技術(shù)在廣義上是各種與圖像有關(guān)的技術(shù)的總稱。 客觀世界在空間上是 三維 (3D)的 ， 但一般從客觀景物得到的圖像是二維(2D)的。 長春理工大學(xué)本科畢業(yè)設(shè)計 3 第 2 章 圖像技術(shù)及機(jī)器視覺簡介 圖像處理技術(shù) 機(jī)器視覺系統(tǒng)中 ， 視覺信息的處理技術(shù)主要依賴于圖像處理方法 ， 它包括圖像增強(qiáng)、數(shù)據(jù)編碼和傳輸、平滑、邊緣銳化、分割、特征抽取、圖像識別與理解等內(nèi)容。電子生產(chǎn)加工設(shè)備 ： 電子元件制造設(shè)備、半導(dǎo)體及集成電路制造設(shè)備、元器件成型設(shè)備、電子工模具。 所以，人工檢測難以達(dá)到降低消耗、提高產(chǎn)品質(zhì)量的目的，采用機(jī)器視覺的表面缺陷檢測成為迫切需要。 CCD。 4．本人完全了解學(xué)校關(guān)于保存、使用畢業(yè)設(shè)計（論文）的規(guī)定，即：按照學(xué)校要求提交論文和相關(guān)材料的印刷本和電子版本；同意學(xué)校保留畢業(yè)設(shè)計（論文） 的復(fù)印件和電子版本，允許被查閱和借閱；學(xué)校可以采用影印、縮印或其他復(fù)制手段保存畢業(yè)設(shè)計（論文），可以公布其中的全部或部分內(nèi)容。 以上承諾的法律結(jié)果將完全由本人承擔(dān)！ 作 者 簽 名： 年 月 日 長春理工大學(xué)本科畢業(yè)設(shè)計 I 中文摘要 為了不斷提高產(chǎn)品質(zhì)量和生產(chǎn)效率，金屬工件表面缺陷在線自動檢測技術(shù)在生產(chǎn)過程中顯得日益重要。 image processing。 針對這種現(xiàn)狀 ， 課題組決定自行開發(fā)工件表面缺陷在線檢測系統(tǒng) ， 確保各類缺陷及時準(zhǔn)確檢出 ， 從根本上解決人工檢測效率低、精度低的問題 ， 同時 ， 還可以降低原材料消耗、能耗和人力成本 ， 該課題還可以推廣到其他需要表面質(zhì)量檢測的行業(yè)中 ， 如印刷、包裝等行業(yè) ， 因此具有重要的實(shí)際應(yīng)用價值和現(xiàn)實(shí)意義。機(jī)器視覺系統(tǒng)還在質(zhì)量檢測的各個方面已經(jīng)得到了廣泛的應(yīng)用 ， 并且其產(chǎn)品 在應(yīng)用中占據(jù)著舉足輕重的地位。經(jīng)過這些處理后 ， 輸出圖像的質(zhì)量得到相當(dāng)程度的改善 ， 既改善了圖像的視覺效果 ， 又便于計算機(jī)對圖像進(jìn)行分析、處理和識別。一幅圖像可以用一個 2D 數(shù)組 ?（ x， y） 來表示 ， 這里 x 和 y 表示 2D空間 XY 中一個坐標(biāo)點(diǎn)的位置 ， 而 ? 代表圖像在點(diǎn) (x， y)的某種性質(zhì) F 的數(shù)值。目前人們主要研究的是數(shù)字圖象 ， 主要應(yīng)用的是計算機(jī)圖像技術(shù)。圖像理解的重點(diǎn)是在圖象分析的基礎(chǔ)上 ， 進(jìn)一步研究圖像中各目標(biāo)的性質(zhì)和它們之間的相互聯(lián)系 ， 并得出對圖像內(nèi)容含義的理解以及對原來客觀場景的解釋 ， 從而指導(dǎo)和規(guī)劃行為。 圖象顯示可用電視顯示器 、 隨機(jī)讀取陰極射線管和各種打印 機(jī) 等 。 下面介紹這兩種裝置的常用器件。 輸入顯示器的圖象也可以通過硬拷控制 。 高信道速率意味著 投資高 普及難度 。 進(jìn)入 90 年代尤其是 21 世紀(jì)后 ， 人們設(shè)計了各種與工業(yè)標(biāo)準(zhǔn)總線兼容的可以插入微機(jī)或工作站的圖像卡 。 機(jī)器視 覺系統(tǒng)的概念、組成及特點(diǎn) 機(jī)器視覺是將圖像處理、計算機(jī)圖形學(xué)、模式識別、計算機(jī)技術(shù)、人工智能等眾多學(xué)科高度集成和有機(jī)結(jié)合 ， 而形成的一門綜合性的技術(shù)。而且機(jī)器視易于實(shí)現(xiàn)信息集成 ， 是實(shí)現(xiàn)計算機(jī)集成制造的基礎(chǔ)技術(shù)。因此 ， 機(jī)器視覺技術(shù)在工業(yè)生產(chǎn)中的實(shí)際應(yīng)用速度遠(yuǎn)遠(yuǎn)滯后于圖像處理理論的發(fā)展速度。如果說基于幾何的計算機(jī)視覺主要通過幾何 ， 描述物體及其運(yùn)動的三維結(jié)構(gòu) ， 屬于結(jié)構(gòu)方法 ， 已得到較系統(tǒng)的研究 ； 而在計算機(jī)視覺中的統(tǒng)計方法除較好地用于圖像的底層處理外 ， 一直顯得不完善更不用說系統(tǒng)化了。 3. 2 圖像采集卡 本系統(tǒng)采用的是大恒 PCIXR 視頻捕捉卡，具有高品質(zhì)的視頻采集性能，具備高速 PCI 總線，采集頻率為 3D 幀 /秒，顯示畫面流暢不間斷 ； 顯示分辨率640X480。 視頻輸入窗口和顯示窗口 視頻輸入窗口是指數(shù)字化后的輸入圖像尺寸 。 另一種方法是采用對視頻輸入窗口采用抽點(diǎn)和抽行的方法減少其大小 ， 即根據(jù)視頻輸入窗口和圖像顯示窗口的相對大小設(shè)置縮小比例系數(shù) ， 處理后的結(jié)果顯示的是縮小的全部輸入圖像 ， 這種方法稱為比例縮小 。采用模塊化原理使軟件結(jié)構(gòu)清晰 ， 容易閱讀理解和維護(hù) 。 圖 44 濾波前及濾波后的灰度直方圖 4. 4 圖像測量模塊 （ 1） 工件尺寸和位置測量 根據(jù)閾值選取模塊所計算的閾值分割圖像，將圖像二值化處理，便于圖像整體信息的掃描，如圖 45 所示。圖 48 中三個測量列所得的分布曲線不同，其標(biāo)準(zhǔn)差 ? 也不相同，且 1 2 3? ? ???。圓環(huán)和圓片的區(qū)別就是：圓環(huán)的中心是空心，也是就說所采集工件圖像的中心數(shù)據(jù)為背景信息；而圓片的中心為實(shí)心，所采集工件圖像的中心數(shù)據(jù)為工件表面信息。 根據(jù)圓環(huán)和圓片的判斷結(jié)果來確定是掃描圓環(huán)還是圓片，如果是圓環(huán)就要從小于工件內(nèi)環(huán)半徑的區(qū)域開始掃描，一直掃描到工件外徑外的區(qū)域 ； 如果是圓片，就 以根據(jù)該工件的外徑大小，只從外徑內(nèi)的區(qū)域掃描到外徑外的區(qū)域，根據(jù)所檢測的工件形狀適當(dāng)減小運(yùn)算量，提高圖像的處理速度。 設(shè)有一幅已經(jīng)分割出的二值圖像 ， 如圖 420 所示 ， 圖中 A 代表缺陷 ， 0 代表背景 ， 規(guī)定用 4 連通準(zhǔn)則加標(biāo)記 。 圖 424 缺陷標(biāo)識 二值圖像的小區(qū)域消除 通過對圖像內(nèi)每個標(biāo)記操作的區(qū)域進(jìn)行計算，求得總區(qū)域的數(shù)目，同時求得每個區(qū)域的 像素個數(shù)。利用二叉樹線性分類器，如圖 426 所示，逐層選用不同的描述特征 ，選擇描述特征的準(zhǔn)則是同種特征值相差最明顯的，保證描述特征具有較大 相互 獨(dú)立性。 （ 3） 識別刀紋 、 裂紋和劃痕 刀紋一般寬度和長度較大 ， 而且面積也大 ， 不變矩長短徑之比要比裂紋和劃痕小 ， 同時 ， 缺陷區(qū)域的分散度和復(fù)雜度較大 ， 綜合利用這幾點(diǎn)就可以確定刀紋 。 同樣只 要 有缺陷就判定為不合格 。 只要檢測到有裂紋缺陷 ， 則 判定為不合格品。 表 41 圓度判斷數(shù)據(jù) 工 件 工 件 半 徑 R 最 小 半 徑 r (Rr) ? ?Rr /R 掉 角 方 向 掉 角 角 度 工 件 A 152像 素 149像 素 3像 素 工 件 B 152像 素 142像 素 10像 素 （ 2） 識別麻坑和掉角 麻坑和掉角區(qū)別就是麻坑在工件表面的內(nèi)部 ， 而掉角在 工件表面的邊緣 。同時，這些描述特征對于目標(biāo)缺陷大小的變化、旋轉(zhuǎn)、平移是不變的。 連接性 8 連通 ， 如圖 423 所示 ， 圖中有 A、 B、 C 三個不連通的缺陷 。 圖 419 閾值分割及反色后圖像 4. 5 缺陷檢測模塊 對缺陷進(jìn)行檢測，首先必須確定經(jīng)過處里后的圖像是否有缺陷，如果沒有， 則工件無缺 陷 。為了在實(shí)際應(yīng)用中得到比較理想的圖像數(shù)據(jù)，而且又有利于后續(xù)的圖像處理，必須把光圈去掉。 圖 411 x 方向 和 y 方向上的