【正文】 及意義 傳統(tǒng)的產(chǎn)品表面質(zhì)量檢測主要采用人工檢測的方法。近年來，迅速發(fā)展的以圖像處理技術(shù)為基礎(chǔ)的機器視覺技術(shù)恰恰可以解決這一問題?；跈C器視覺技術(shù)的缺陷檢測系統(tǒng)，由于其非接觸檢測測量，具有較高的準(zhǔn)確度、較寬的光譜響應(yīng)范圍，可長時間穩(wěn)定工作，節(jié)省大量勞動力資源，極大地提高了工作效率。 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，采用機器視覺的表面缺陷檢測成為迫切需要。 然而 ,本課題要對各種形狀、不同大小的金屬片在線檢測 ,必然對檢測方法和處理速度有很高的要求 ,圖像處理與模式識別領(lǐng)域中的許多新算法目前很難應(yīng)用到實際工程項目中。本論文的目標(biāo)就是以己有的圖像處理理論為基礎(chǔ) ,通過大量的實際實驗 ,設(shè)計適合本產(chǎn)品表面缺陷檢測的算法。具體如 PCB 印刷電路 ： 各類生產(chǎn)印刷電路板組裝技術(shù)、設(shè)備 ， 單、雙面、多層線路板 ， 覆銅板及所需的材料及輔料 ； 輔助設(shè)施以及耗材、油墨、藥水藥劑、配件 ； 電子封裝技術(shù)與設(shè)備 ； 絲網(wǎng)印刷設(shè)備及絲網(wǎng)周邊材料等。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。除此之外 ， 機器視覺還用于其他各個領(lǐng)域。目前在我國隨著配套基礎(chǔ)建設(shè)的完善 ， 技術(shù)、資金的積累、各行各業(yè)對采用圖像長春理工大學(xué)本科畢業(yè)設(shè)計 2 和機器視覺技術(shù)的工業(yè)自動化、智能化需求開始廣泛出現(xiàn) ， 國內(nèi)有關(guān)大專院校、研究所和企業(yè)近兩年 在圖像和機器視覺技術(shù)領(lǐng)域進(jìn)行了積極思索和大膽的嘗試 ，逐步開始了工業(yè)現(xiàn)場的應(yīng)用。真正高端的應(yīng)用還很少 ， 因此 ， 以上相關(guān)行業(yè)的應(yīng)用空間還比較大。 長春理工大學(xué)本科畢業(yè)設(shè)計 3 第 2 章 圖像技術(shù)及機器視覺簡介 圖像處理技術(shù) 機器視覺系統(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、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。 圖像和數(shù)字圖像 從廣義上說 ， 圖像是自然界景物的客觀反映 ， 是人類認(rèn)識世界和人類本身的重要源泉。它是用各種觀測系統(tǒng)以不同形式和手段觀測客觀世界而獲得的 ， 可以直接或間接作用于人眼并進(jìn)而產(chǎn)生視知覺的實體。圖像信息不僅包含光通量分布 ， 而且也還包含人類視覺的主觀感受。 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。例如常用的圖像一般是灰度圖 ， 這時 ? 表示灰度值 ， 它常對應(yīng)客觀景物被觀察到的亮度值。為了能用數(shù)字計算機對圖像進(jìn)行加工處理 ， 需要把連續(xù)的圖像在坐標(biāo)空間 XY 和性質(zhì)空間 F 都進(jìn)行離散化。這里 I 代表離散化后的 ?， (r， c)代表離散化后的 (x， y)， 這里 I、 e、 r 的值都是整數(shù)。 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。這包括利用計算機和其它電子設(shè)備進(jìn)行和完成的一系列工作 ， 例如圖像的采集、獲取、編碼、存儲和傳輸 ， 圖像的合成和產(chǎn)生 ， 圖像的顯示和輸出 ， 圖像的變換、增強、恢復(fù) （ 復(fù)原 ） 和重建 ， 圖像的分割 ， 目標(biāo)的檢測、表達(dá)和描述 ， 特征的提取和測量 ， 序列圖像的校正 ， 3D景物的重建復(fù)原 ， 圖像數(shù)據(jù)庫的建立、索引和抽取 ， 圖像的分類、表示和識別 ，圖像模型的建立和匹配 ， 圖像和場景的解釋和理解 ， 以及基于它們的判斷決策和行為規(guī)劃等等。 圖像工作者普遍認(rèn)為 需對圖像和 圖像 處理技術(shù)進(jìn)行綜合研究和應(yīng)用 ， 這個工作的框架就形成了圖像工程。 圖像工程的內(nèi)容非常豐富 ， 根據(jù)抽象程度和研究方法等的不同可分為三個層次 ： 圖象處理、圖象分析和圖像理解。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。 由上所述 ， 圖象處理、圖象分析和圖像理解是處在三個抽象程度和數(shù)據(jù)量 各有特點的不同層次上。圖象分析則進(jìn)入了中層 ， 分割和特征提取把原來以像素描述的圖像轉(zhuǎn)變成比較簡潔的非圖形式的描述。 數(shù)字圖像處理系統(tǒng) 圖像處理和分析系統(tǒng) 一個基本的圖像 （ 處理和分析 ） 系統(tǒng)構(gòu)成的各模塊都有特定的功能 ， 分別是采集 、 顯示 、 存儲 、 通信 、 處理和分析 。 圖像 采集可采用 CCD 的照相機 、 帶有視像管的視頻攝像機和掃描儀等 。 圖像存儲可采用磁帶 、 磁盤 、 光盤和磁光盤等 。 最后 ， 圖象處理和分析主要是運算 ， 所使用的設(shè)備主要是計算機 。 圖像采集模塊 采集數(shù)字圖象需要兩種裝置 。 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 。 固態(tài)陣列是由稱為感光基元的離散硅成像元素構(gòu)成的 。 固態(tài)陣列中主要元件是電荷藕合器件CCD。 放大器輸出的電壓信號與感光基元行的內(nèi)容成比例 。 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 。 在每個偏轉(zhuǎn)位置 ， 電子槍束的強度的一種簡便方法是利用標(biāo)準(zhǔn)輸寄存器隔開 。把水平傳輸寄存器的內(nèi)容送進(jìn)放大器就得到 1 幀隔行的視頻信號 。 將 2 幀合起來就得到隔行掃描電視的 1 場 (?)。 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 。 因此 ， 傳輸過程中 ， 對圖像數(shù)據(jù)進(jìn)行壓縮顯得非常重要 。 圖像數(shù)據(jù)編碼一般采用預(yù)測編碼 ， 即將圖像數(shù)據(jù)的空間變化規(guī)律和序列變化規(guī)律用一個預(yù)測公式表示 ， 如果知道了某一像素的前面各相鄰像素值之后 ， 可以用公式預(yù)測該像素值 。 變換壓縮方法是將整幅圖像分成一個個小的 (取 8 X 8 或 16 X 16)數(shù)據(jù)塊 ， 再將這些數(shù)據(jù)塊分類 、 變換 、 量化 ， 從而構(gòu)成自適應(yīng)的變換壓縮系統(tǒng) 。 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現(xiàn) ， 只有在為了提高速度或克服通用計算機限制的情況下才用特制的硬件 。 這不僅減少了成本 ， 也促進(jìn)了圖象處理和分析 專用軟件的發(fā)展 。 圖象處理和分析中的一個重要事實是對特殊的問題需要特殊的解決方法 。機器視覺發(fā)展到現(xiàn)在已有 15 年 的 歷史。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)行三維機器視覺的研究 ， 70 年代中 ， MIT 人工智能實驗室正式開設(shè)機器視覺 課程 ， 80 年代開始 ， 開始了全球性的研究熱潮 ， 機器視覺獲得了蓬勃發(fā)展 ， 新概念、新理論不斷涌現(xiàn) 。一般地說 ， 機器視覺是研究計算機或其他處理器模擬生物宏觀視覺功能的科學(xué)和技術(shù) ， 也就是用機器代替人眼來做測量和判斷。 有 照明部分、圖像獲取部分、圖像顯示部分和圖像處理部分。然后再根據(jù)其結(jié)果顯示圖像 ， 輸出數(shù)據(jù) ， 發(fā)出指令 ， 配合執(zhí)行機構(gòu)完成位置調(diào)整 ， 好壞篩選 ， 數(shù)據(jù)統(tǒng)計等自動化流程。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。因此 ， 在現(xiàn)代自動化生產(chǎn)過程中 ， 人們將機器視覺系統(tǒng)廣泛地用于工況監(jiān)視、成品檢驗和質(zhì)量控制等領(lǐng)域。由于歷史發(fā)展或領(lǐng)域本身的特點 ， 這些學(xué)科有某種程度的相互重疊。這些技術(shù)在機器視覺中是并列關(guān)系 ， 相互協(xié)調(diào)應(yīng)用才能構(gòu)成一個成功的工業(yè)機器視覺應(yīng)用系統(tǒng) 強調(diào)工業(yè)可靠性 機器視覺強調(diào)工業(yè)現(xiàn)場環(huán)境下的可靠性 ， 要求能夠適應(yīng)工業(yè)生產(chǎn)中惡劣的環(huán)境 ， 有較高的容錯能力和安全性 ， 不會破壞工業(yè)產(chǎn)品。 要求高速度和高精度 由于機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。 機器視覺系統(tǒng)的應(yīng)用及發(fā)展動向 機器視覺檢測應(yīng)用 機器視覺系統(tǒng)在高速、細(xì)微和重復(fù)的制造過程中顯得非?？煽?， 因此被廣泛用于加工制造企業(yè) ， 完成大批量生產(chǎn)過程中的重復(fù)性檢測任務(wù)。機器視覺檢測是非接觸無損檢測 ， 與傳統(tǒng)的檢測手段相比 ， 它具有不可替代的優(yōu)越 性 ， 因而得到了廣泛的應(yīng)用。 機器視覺系統(tǒng)的發(fā)展動向 近年來計算機視覺 (即機器視覺 )的發(fā)展大致表現(xiàn)在以下三個方面 ： 基于幾何方法的計算機視覺計算理論體系已臻于完整計算機視覺的研究目標(biāo)之一是使機器能感知三維環(huán)境中物體的幾何信息 ， 包括它的 形狀、位置、姿態(tài)、運動等。 機器學(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。 針對眾多特定領(lǐng)域的應(yīng)用研究不斷深入 ， 較大規(guī)模的應(yīng)用系統(tǒng)逐步走向商業(yè)化隨著當(dāng)前計算機的性能價格比飛速提高 ， 眾多特定領(lǐng)域的計算機實時應(yīng)用系統(tǒng)的商業(yè)化已成為可能。 長春理工大學(xué)本科畢業(yè)設(shè)計 9 第 3 章 系統(tǒng)總體設(shè)計 本系統(tǒng)是由 CCD 攝像頭、照明系統(tǒng)、圖像采集卡、機械裝置、主控計算機等部件組成，圖 31 為系統(tǒng)結(jié)構(gòu)圖。下面分別介紹系統(tǒng)的各部分的組成及工作原理。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。 動態(tài)捕捉影像以靜態(tài)圖像方式存盤，提供 BMP， JPG， TIP， TGA 等多種存盤格式。 由于要檢測工件的兩 個表面 ， 所以需要在硬件上使用兩路視頻輸入 ， 每路采集不同表面的圖像 。 視頻輸入信號及采樣頻率 凡符合 PAL 制式 (625 行 ， 50 場 /秒 )和 NTSC 制式 (525 行 ， 60 場 /秒 )的視頻設(shè)備輸出的圖像信號均可作 為該 視頻捕捉卡 的輸入源。采樣頻率在一定范圍內(nèi)可調(diào) ， 滿足不同場合的需求。 在 PAL 制式 ， 輸入窗口最大尺寸為 768 X 576。 圖像顯示窗口是指在 VAG 顯示器上顯示的圖像尺寸 ， 其最大值不能超過輸入圖像窗口 。 一種方法是減少視頻輸入窗口的大小 ， 即重新設(shè)置起始行 、 終止行 、 起始列 、 終止列 。 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 。 也可以將兩種方法結(jié)合起來 ， 達(dá)到所需要的結(jié)果 。 為了設(shè)計出實用有效的軟件 ， 必須按照軟件工程的理論 ， 進(jìn)行充分的分階段的分析和設(shè)計 。 對模塊內(nèi)部的修改 ， 對模塊外部沒有影響 ； 增加或刪除幾個模塊 ， 不影響整個程序 ； 2)可讀性 。 獨立于其它模塊 ， 可單獨驗證一個模塊的正確性 ， 便于進(jìn)行調(diào)試 。 本系統(tǒng)中 ， 按照算法要求設(shè)計了各子程序 。 系統(tǒng) 主要有以下幾個模塊 ： 圖像實時采集模塊、圖像預(yù)處理模塊、 閾 值選取模塊、圖像測量模塊、缺陷檢測模塊、缺陷識別模塊，其過程如圖 41 所示。 4. 2 圖像預(yù)處理模塊 為去掉噪聲對圖像的于擾，要將剛采集的圖像數(shù)據(jù)進(jìn)行預(yù)處理，如 ： 去除孤立點、平滑、濾波等 ； 同時，還要對圖像進(jìn)行灰度調(diào)整，增加對比度，為后續(xù)的圖像處理工作做準(zhǔn)備，如圖 42 所示。 圖像實時采集模塊 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 2021 1500 1000 500 0 0 50 100 150 200 250 像素值 3000 2500 2021 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。 圖 45 圖像位置信息掃描 灰度值 直方圖 0 50 100 150 200 250 0 50 100 150 200 250 直方圖 像素值 6000 5000 4000 3000 2021 1000 0 像素值 6000 5000 4000 3000 2021 1000 0 灰度值 長春理工大學(xué)本科畢業(yè)設(shè)計 13 圖 46 掃描示意圖 由圖 46 所示，可列 ： ? ? ? ?? ?? ? ? ?? ?00, , / 2y , , / 2從 左 到 右 從 右 到 左從 上 到 下 從 下 到 上??x F i j F i jF i j F i j 那么，可得到