当前位置: 首页 > 技术资讯

视觉检测技术的应用

发布日期:2016/5/13 11:42:37


    非接触测试技术很多,特别值得一提的是视觉测试技术。现代视觉理论和技术的发展,不仅在于模拟人眼能完成的功能,更重要的是它能完成人眼所不能胜任的工作,所以视觉技术作为当今最新技术,在电子、光学和计算机等技术不断成熟和完善的基础上得到迅速发展。视觉测试技术是建立在计算机视觉研究基础上的一门新兴测试技术。与计算机视觉研究的视觉模式识别、视觉理解等内容不同,视觉测试技术重点研究物体的几何尺寸及物体的位置测量,如轿车白车身三维尺寸的测量、模具等三维面形的快速测量、大型工件同轴度测量、共面性测量等。它可以广泛应用于在线测量、逆向工程等主动、实时测量过程。视觉测试技术在国外发展很快,早在20世纪80年代,美国国家标准局就预计,检测任务的90%将由视觉测试系统来完成。美国在80年代就有100多家公司跻身于视觉测试系统的经营市场,可见视觉测试系统确实很有前途。在1999年10月的北京国际机床博览会上已见到国外利用视觉检测技术研制的仪器,如流动式光学三坐标测量机、高速高精度数字化扫描系统、非接触式光学三坐标测量机等先进仪器。

1.1 机器视觉技术的优越性

    由于机器视觉系统可以快速获取大量信息,而且易于自动处理,也易于同设计信息以及加工控制信息集成,因此,在现代自动化生产过程中,人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合,常用机器视觉来替代人工视觉;同时在大批量工业生产过程中,用人工视觉检查产品质量效率低且精度不高,用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成,是实现计算机集成制造的基础技术。总之,随着机器视觉技术自身的成熟和发展,可以预计它将在现代和未来制造企业中得到越来越广泛的应用。

1.2 机器视觉工业检测系统类型
    机器视觉工业检测系统就其检测性质和应用范围而言,分为定量和定性检测两大类,每类又分为不同的子类。机器视觉在工业在线检测的各个应用领域十分活跃,如:印刷电路板的视觉检查、钢板表面的自动探伤、大型工件平行度和垂直度测量、容器容积或杂质检测、机械零件的自动识别分类和几何尺寸测量等。此外,在许多其它方法难以检测的场合,利用机器视觉系统可以有效地实现。机器视觉的应用正越来越多地代替人去完成许多工作,这无疑在很大程度上提高了生产自动化水平和检测系统的智能水平。

1.3 计算机视觉检测系统
    计算机视觉是指用计算机来实现人的视觉功能,也就是用计算机来实现对客观的三维世界的识别与理解,这种三维理解是指对被观察对象的形状、尺寸、离开观察点的距离、姿态、质地、运动特征(包括方向和速度)等的理解。计算机视觉是一门边缘学科,涉及计算机、自动化、集成技术、光学、视觉心理和生理、脑研究等众多领域,其研究范围很广,包含了图像处理的绝大部分内容,如图像的增强与恢复、模式识别等。此外还包括诸如边缘提取、图像分割、纹理分析、形状分析、图像序列分析和三维景物分析的高层次视觉模型和知识的表示、推理、知识库、人工智能等内容。根据使用的目的、完成的功能不同,计算机视觉检测系统的结构不同,其复杂程度也不尽相同。如用于检测印刷电路板缺陷的计算机视觉系统,由于只要求对二维印刷电路板面进行检测,系统相对简单,一般由一台摄像机、图像采集器、计算机、二维工作台及软件系统组成。而象轿车白车身计算机视觉检测系统,则由于待测物体庞大,需检测的区域较多,且要求在线检测,因此系统结构相当复杂。基本组成包括:多个(甚至多种)视觉传感器、传感器安装及调整架、系统总控制台(包括视觉信息采集及处理计算机、控制电路),车身定位系统、传输系统、软件系统以及其它辅助部件。如图1所示为一典型的轿车车身计算机视觉检测系统。这类系统最明显的特征是系统具有多个甚至几十个视觉传感器,有的还配置多种类型的视觉传感器,我们称这种系统为/多视觉检测系统。



多视觉检测系统是在80年代末才逐步发展起来的工业检测系统,由于它能完成工业生产中一些复杂、庞大工件的100%在线检测,现已成为视觉检测发展的一支主流。国外一些大公司、大企业都竞相研究、开发多视觉检测应用技术,以满足生产中不同检测目的的需要。

2 多视觉检测系统组成
    多视觉检测系统的硬件构成如图2所示。主要由被检工件、定位机构、电控模块及总控制台组成。传送机构完成检测前先把被检工件运送到检测系统,检测完后再把工件送出检测系统;定位机构保证被检工件定位到系统所要求的初始状态;视觉传感器阵列一般固定在检测架上,并根据具体检测需要安装在空间不同位置,分别拾取各待测区域的原始三维信息;电控模块,完成对传感器阵列供电,并根据控制台命令完成各传感器之间工作协调;总控制台完成整个检测系统的过程控制,采集各传感器信息,经视觉计算处理,获得检测结果。



此外,由于视觉检测系统必须先经过空间坐标系标定之后才能使用,因此硬件组成上还包括用于系统标定的各种硬件,如经纬仪(或三坐标机)等。多视觉检测系统是一个智能化系统,需要有计算机的软件计算及管理,况且由于系统本身的复杂性,检测系统软件在检测系统中举足轻重。它主要完成传感器信息采集、数据处理、系统协调控制、用户界面管理、报表输出等。根据实际需要还有工艺分析等软件。多视觉检测系统的性能评价指标包括:检测精度、检测速度、自动化、智能化、易维护性、柔性、开放性检测系统、良好的人-机界面。

3 多视觉检测系统的基本工作原理

    根据视觉传感器获取的信息,经过计算处理,可获得空间特定线(如点结构光传感器)、特定面(如线结构光传感器)上待检测点的位置。以线结构光为例,光投射器在空间中投射形成一个光束面,根据光束面与摄像机之间的位置关系可求得光束平面上点位置与像平面上点坐标的一一对应关系。检测时,光投射器投射出的光平面与待检物体表面相交,从而在空间中形成一条亮曲线(或直线)。这条亮曲线显然在投射光束平面内,同时亮曲线按一定的透视投影关系,在像面上成像,计算机通过检测亮线在像平面上的投影坐标,并根据光束平面与摄像机位置关系等信息,可计算出光束平面与物体表面交线在光束平面上的位置关系。多视觉检测系统的所有视觉传感器将在空间上形成多个特定线,或特定面。仅根据传感器本身的信息,系统还不能完成检测任务。系统必须知道所有这些特定线、特定面在检测空间上的位置关系,因此必须采用整体标定方法,对它们的空间位置关系进行标定。根据整体标定结果和传感器信息则可计算出待检测点在整体坐标系上的位置,并对检测结果做出评价。可以这样理解,多视觉检测系统是一种空间三坐标测量系统,但它只对空间中特定线、特定面、特定区域上的点进行坐标测量。

4 计算机视觉在工农业检测中的应用
    由于计算机视觉技术具有非接触、获得信息量大、作用距离远等特点,特别是随着计算机图像处理技术的不断发展,近几十年来,它在工业、农业、科学研究、军事等方面都获得了十分广泛的应用。下面主要介绍一下计算机视觉技术在工业检测中的应用概况。工业检测:图像识别技术在工业领域的应用,主要用于能够代替人眼的计算机系统。在高速、大批量、连续自动化生产流水线,往往需要视觉系统进行质量检查、零件辨识和尺寸测量;实际上,在发达国家,几乎任何产品的生产,从半导体芯片到食品饮料,甚至人工钻石,都越发依赖视觉系统的应用,可以用于基于图像处理技术的非接触精密测量、产品表面质量检测与监控、基于机器视觉的工业自动化闭环控制、流水线产品外观质量检测设备、复杂形状非接触精密测量设备。医疗:B超、CT、X光、ECT、内窥镜、病理分析、医学影像、血管造影,细胞图像分析系统等。采用医疗图像分析系统,可对血液细胞自动分类计数、染色体分析、癌症细胞识别等。公安:指纹识别、痕迹辨认、电子警察、图像自动跟踪、安全监控等。石油:岩石图像分析系统,能够分析含油数量等信息。金融:印章支票真伪判别、票证处理、柜员机自动检测、金库监控、运钞车现场自动检测与传输等。其中纸币印刷质量检测系统利用图像处理技术,通过对纸币生产流水线上的纸币20多项特征(号码、盲文、颜色、图案等)进行比较分析,检测纸币的质量,替代传统的人眼辨别的方法。交通:汽车车牌识别、高速公路收费、违章闯红灯检测、交通管制系统等。采用智能交通管理系统,通过在交通要道放置摄像头,当有违章车辆(如闯红灯)时,摄像头将车辆的牌照拍摄下来,传输给中央管理系统,系统利用图像处理技术,对拍摄的图片进行分析,提取出车牌号,存储在数据库中,可以供管理人员进行检索。体育:足球越位及出界报警、保龄球道计分、运动人体动作分析等方面。商标管理:可以建立商标图像库,利用图像检索技术,对新申请的商标与图像库里的注册商标进行分析,检查是否设计相似或雷同。数字图书馆:数字多媒体内容的发布和管理。金相分析:金相图像分析系统能对金属或其它材料的基体组织、杂质含量、组织成分等进行精确、客观地分析,为产品质量提供可靠的依据。瓶装啤酒生产流水线检测系统:可以检测啤酒是否达到标准的容量、啤酒标签是否完整等。下面介绍机器视觉在质量检测中的应用实例机器视觉系统在质量检测的各个方面得到了广泛的应用,例如:采用激光扫描与CCD探测系统的大型工件平行度、垂直度测量仪,它以稳定的准直激光束作为测量基线,配以回转轴系,旋转五角标棱镜扫出互相平行或垂直的基准平面,将其与被测大型工件的各面进行比较。在加工或安装大型工件时,可用该认错器测量面间的平行度及垂直度。以频闪光作为照明光源,利用面阵和线阵CCD作为螺纹钢外形轮廓尺寸的探测器件,实现热轧螺纹钢几何参数在线测量的动态检测系统。视觉技术实时监控轴承的负载和温度变化,消除过载和过热的危险。将传统上通过测量滚珠表面保证加工质量和安全操作的被动式测量变为主动式监控。用微波作为信号源,根据微波发生器发出不同波特率的方波,测量金属表面的裂纹,微波的频率越高,可测的裂纹越狭小。总之,类似的实用系统还有许多,下面我们较详细地介绍六个实用机器视觉系统。

(1)基于机器视觉的仪表板总成智能集成测试系统

    EQ140-II汽车仪表板总成是我国某汽车公司生产的仪表产品,仪表板上安装有速度里程表、水温表、汽油表、电流表、信号报警灯等,其生产批量大,出厂前需要进行一次质量终检。检测项目包括:检测速度表等五个仪表指针的指示误差;检测24个信号报警灯和若干照明灯是否损坏或漏装。一般采用人工目测方法检查,误差大,可靠性差,不能满足自动化生产的需要。基于机器视觉的智能集成测试系统,改变了这种现状,实现了对仪表板总成智能化、全自动、高精度、快速质量检测,克服了人工检测所造成的各种误差,大大提高了检测效率。整个系统分为四个部分:为仪表板提供模拟信号源的集成化多路标准信号源、具有图像信息反馈定位的双坐标CNC系统、摄像机图像获取系统和主从机平行处理系统。

(2)金属板表面自动探伤系统

    金属板如大型电力变压器线圈扁平线收放机朦胧皮等的表面质量都有很高的要求,但原始的采用人工目视或用百分表加探针的检测方法不仅易受主观因素的影响,而且可能会为被测表面带来新的划伤。金属板表面自动探伤系统利用机器视觉技术对金属表面缺陷进行自动检查,在生产过程中高速、准确地进行检测,同时由于采用非接触式测量,避免了产生新划伤的可能。在此系统中,采用激光器作为光源,通过针孔滤波器滤除激光束周围的杂散光,扩束镜和准直镜使激光束变为平行光并以45b的入射角均匀照明被检查的金属板表面。金属板放在检验台上。检验台可在X、Y、Z三个方向上移动,摄像机采用TCD142D型2048线阵CCD,镜头采用普通照相机镜头。CCD接口电路采用单片机系统。主机PC机主要完成图像预处理及缺陷的分类或划痕的深度运算等,并可将检测到的缺陷或划痕图像在显示器上显示。CCD接口电路和PC机之间通过RS-232接口进行双向通讯,结合异步A/D转换方式,构成人机交互式的数据采集与处理。该系统主要利用线阵CCD的自扫描特性与被检查钢板X方向的移动相结合,取得金属板表面的三维图像信息。

(3)汽车车身检测系统
    英国ROVER汽车公司800系列汽车车身轮廓尺寸精度的100%在线检测,是机器视觉系统用于工业检测中的一个较为典型的例子,该系统由62个测量单元组成,每个测量单元包括一台激光器和一个CCD摄像机,用以检测车身外壳上288个测量点。汽车车身置于测量框架下,通过软件校准车身的精确位置。测量单元的校准将会影响检测精度,因而受到特别重视。每个激光器/摄像机单元均在离线状态下经过校准。同时还有一个在离线状态下用三坐标测量
机校准过的校准装置,可对摄像机进行在线校准。检测系统以每40 s检测一个车身的速度检测三种类型的车身。系统将检测结果与从CAD模型中摄出来的合格尺寸相比较,测量精度为?0.1mm。ROVER的质量检测人员用该系统来判别关键部分的尺寸一致性,如车身整体外型、门、玻璃窗口等。实践证明,该系统是成功的,并将用于ROV-ER公司其它系统汽车的车身检测。

(4)精密装配机器人视觉系统
    机器人视觉是一门新兴的发展迅速的学科,80年代以来,机器人视觉的研究已经历了从实验室走向实际应用的发展阶段。从简单的二维图像处理到高分辨率多灰度的图像处理,从一般的二维信息处理到三维视觉处理以及模型和算法的研究都取得了很大的进展。而计算机工业水平的飞速提高以及人工智能、并行处理和神经元网络等学科的发展,更促进了机器人视觉系统的实用化和涉足许多复杂视觉过程的研究。目前,机器人视觉系统正在广泛地应用于视觉检测、机器人的视觉引导和自动化装配领域中。



在机器人的工业应用中,装配机器人对视觉系统有着更高的要求。通过与非视觉传感器(如力觉、接近觉和触觉等)传感器功能的相互协调配合,视觉系统要完成机器人对装配工件的识别定位及检测功能,使装配机器人实现典型的装配动作,如抓取、插入和拧紧等动作。西安交通大学人工智能与机器人研究所在/八#五0期间为863项目/精密装配机器人0研制了一套实时视觉系统,并已推广应用于国防、医学等领域,获得1996年国家科技进步二等奖。这套视觉系统硬件部分的核心是图像预处理单元,具有以下主要功能:视频信号输入符合CCIR、RS170标准;采集速度25帧/s;图像分辨率512@512@8 bit;采用PCI总线与视频总线;具有图像处
理专用的高速流水线计算单元。此外,系统可同时支持8个物理像机,每个物理像机又可对应4个虚拟像机。对于不同的像机安装方式提供相应的视觉校正功能。具有与机器人的装配作业及传送带节拍相适应的实时检测和识别功能。传送带的状态可由串行接口的通迅来与视觉系统同步。视觉系统与机器人控制器的通迅采用RS-232接口,只传输识别结果或某些参数,不传输图像数据。视觉系统软件部分的核心是进行工件识别,为此我们提出了一种基于模型的猜测)验证的识别方法,即利用工件边缘的多边形表示和具有几何不变性的矩形特征给出匹配猜测,然后利用精心设计的快速验算法给出识别结果,并且利用/角点0等局部特征,对粘结、遮掩等情况下的工件识别进行了研究。系统可实现以下基本功能:对于几何边数小于30,孔数小于10的工件实时提取多类基于总体和局部的特征,在此基本特征基础之上,进行基于区域模板匹配的实时工件定位和识别、基于梯度图像的实时模板匹配以及基于CAD模型的简单三维物体的动态识别和三维定位。在具体应用过程中,对于一般复杂程度的工件具有1~10工件/s的识别速度,平面定位精度误差不大于1个象素。

(5)硬币边缘字符在线检测系统
    机器视觉作为一种高速、高精度的检测系统目前已广泛地应用于汽车、制药、电子与电气、制造、包装/食品/饮料、医学等行业。其特点是自动化、客观、非接触和高精度,与一般意义上的图像处理系统相比,机器视觉强调的是精度和速度,以及工业现场环境下的可靠性。它首先采用CCD照相机将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征,如:面积、长度、数量、位置等;最后,根据预设的容许度和其他条件如尺寸、角度、偏移量、个数、合格/不合格、有/无输出结果。



造币工厂工艺要求极为严格。为保证每一道工序生产的可靠性,必须对生产中的产品进行100%检测。2000年10月新发行的第五套人民币中,壹圆硬币的侧边加工采用高速滚边机,增强了防伪功能。鉴于生产过程的严格控制要求,南京造币厂的工程师们,选定在造币的最后一道工序上安装视觉检测系统。最后的一道工序即压印工艺,完全是在线检测。这对图像检测系统提出了更高要求。首先是高速性,既要求CCD相机是高速的,同时图像识别系统
也要求计算速度和存储能力很强。当硬币下落时,速度类似自由落体。平均速度10件/s。那么每件测量的时间必须小于100 ms,同时考虑物体运动速度均匀,应尽量采用高速的系统。松下电工的新视觉产品A210通过试验监测,其触发、采集图像、计算的时间之和在40 ms之内,完全满足要求。另外就是确定相机拍摄位置。由于硬币在高速运行中,要准确地拍摄,必须有同步触发信号。为此,我们采用了高速反射式光纤传感器检测。在照明方面,为了削弱硬币弧形边缘的高反光效应,得到较好的图像质量,采用的是两组LED环形灯加频闪控制器配合图像采集。在多方调研、实验,安装调试后,经过长达半年的生产验证,达到了100%的不良品检出率。2000年12月底通过国家造币印钞总公司的新产品鉴定,并建议在全行业内推广。

(6)智能视觉监控简介
    动态场视觉监控是计算机视觉领域一个新兴的应用方向。视觉监控区别于传统意义上的监控系统在于其智能性。简单而言,不仅用摄像机代替人眼,而且用计算机代替人、协助人,来完成监视或控制任务,从而减轻人的负担。视觉监控具有广泛的应用前景和潜在的经济价值,引起了国际上许多著名科研机构以及研究人员的兴趣。动态场景的视觉监控是模式识别国家重点实验室智能识别与数字安全研究组最重要的研究方向之一,以动态场景视觉监控方面的应用基础研究为主。研究内容包括:
①快速准确的运动检测。运动检测主要是从监控摄像机所捕捉的序列图像中检测是否有运动物体存在。
②实时性的基于三维模型的车辆与行人的定位、识别和跟踪。
③基于移动摄像机的视觉监控技术,即将现有参数固定的静态摄相机改进为参数可自动调节的动态摄相机。
④多摄像机的协作监控。单个摄像机的视野有限,要监控大范围的动态场景就需要多个摄像机,此外,多个摄像机也有利于解决遮挡问题。多摄像机的定标与数据融合是两个关键问题。
⑤事件的机器学习方法,通过对序列图像进行自组织、自学习的方法建立事件的分布模式,从而达到事件识别的目的。
⑥异常现象的检测、报警与目标的行为预测。视觉监控系统的最终目的是为了解释监视场景中所发生的事件,根据要求对异常事件进行报警,并能根据当前目标所处的状态对将要发生的事件进行预测。
⑦研究对目标运动情况给出语义上的解释的方法,并将简单的行为识别与语义理解推广到对交通场景的自然语言描述。
⑧远距离的身份识别。生物特征识别技术与人的运动分析的结合是视觉监控系统的一个重要问题。脸像与步态是具有可感知性与非接触性等优点的生物特征,是目前被认为可以用于视觉监控系统中的身份识别的两个主要生物特征。目前主要研究脸像、步态、体形特征相融合的人的身份识别,其目标是实现一个包括以上研究内容的动态场景集成分析演示系统。

5 结论
    可见,随着计算机技术与视觉技术的不断发展,计算机视觉检测技术的应用会更加广泛。因此,掌握这门技术是十分必要的。总之,随着对定量研究的重视,新的描述方式、求解手段的研究,以及感知手段的改进,计算机视觉的研究必将迎来一个更加繁荣的时代。






热点聚焦