（机械电子工程专业论文）基于机器视觉的钢板表面缺陷检测技术研究.pdf

摘要 摘要 钢板作为工业生产中不可或缺的重要原材料，它质量的好坏直接影响工业 发展，因此对它表面质量的控制意义非常重大。传统的人工钢板表面质量检测 方法不仅消耗大量的劳动力，而且检测效率和质量较低。因此，研究开发高质 量的钢板表面缺陷自动检测系统已经成为国内钢铁企业的迫切需求。机器视觉 检测技术是一门依托于计算机科学，以机器代替人工进行自动检测的技术，将 它应用于钢板表面缺陷检测不仅可以实现自动检测，降低劳动成本，而且可以 大大提高检测的效率和质量。因此，基于机器视觉的钢板表面缺陷检测技术研 究已逐渐成为国内许多高校和钢铁企业检测研究的重要方向。 本文以钢板表面划痕缺陷为检测对象，对基于机器视觉钢板表面缺陷检测 中的一些关键技术进行了研究，主要完成的工作如下： l 、在分析机器视觉工业检测应用中相机和镜头选用原则基础上，结合实验 室钢板表面划痕缺陷静态检测精度要求，通过计算确定出检测用相机和镜头。 通过图像的处理效果表明，所选相机和镜头满足检测精度要求。 2 、研究了机器视觉钢板表面缺陷检测的照明技术。综合机器视觉光源照明 系统中光源和照明方式两发面理论，以l e d 为照明光源，分别在高低角度和明 暗域照明方式下进行多组照明实验，并通过实验数据分析总结出不同照明方式 下钢板表面划痕缺陷的检测效果，为钢板表面划痕检测系统照明模块的确定提 供依据。 3 、在分析张正友基于多平面模板的像机标定方法基础上，进行标定算法的 改进，并且利用改进算法对c a n o n e o s 4 5 0 d 数码相机进行标定。与传统的张正友 标定方法相比，改进的方法中加入了像机切向畸变的影响，综合考虑像机的径 向畸变和切向畸变，更加完善了标定模型，提高了像机的标定精度。 4 、研究了钢板表面划痕缺陷图像检测方法，并通过图像灰度化处理、图像 滤波、图像增强、边缘检测以及图像的数学形态学处理，最终实现钢板表面划 痕缺陷的提取和划痕长度的测量。 关键词：机器视觉照明摄像机标定图像处理 a b s t r a c t a b s t r a c t a sa l li n d i s p e n s a b l ea n di m p o r t a n tk i n do fr a wa n dp r o c e s s e dm a t e r i a l s ，t h e q u a l i t yo fs t e e lp l a t ed e c i d e st h e i n d u s t r i a ld e v e l o p m e n td i r e c t l y , s oi ti s v e r y s i g n i f i c a t i v et oc o n t r o li t ss u r f a c eq u a l i t y t r a d i t i o n a ld e t e c t i o nm e t h o d so fs u r f a c e d e f e c t so fs t e e lp l a t en o to n l yc o m s u m el a r g ea m o u n t so fl a b o r , b u ta l s od e t e c tt h e s u r f a c ed e f e c t sa tal o we f f i c i e n c ya n dp o o rq u a l i t y t h e r e f o r e ，i ti su r g et od e v e l o pa n a u t o m a t i cs u r f a c ed e f e c t sd e t e c t i o ns y s t e mf o rs t e e lp l a t ei nd o m e s t i cs t e e le n t e r p r i s e s m a c h i n ev i s i o nd e t e c t i n gt e c h n o l o g yb a s e do nt h ec o m p u t e rs c i e n c eu s e sm a c h i n et o c a r r yo u tt h ea u t o m a t i c a ld e t e c t i o ni n s t e a do fm a n u a ll a b o r u s i n gt h i st e c h n o l o g yt o d e t e c ts u r f a c ed e f e c tf o rt h es t e e lp l a t e sn o to n l ya c h i e v e sa u t o m a t i cd e t e c t i o na n d r e d u c e st h el a b o rc o s t ，b u ta l s or a i s e st h e e f f i c i e n c ya n di m p r o v e t h eq u a l i t y t h e r e f o r e ，t h er e s e a r c ho ns u r f a c ed e f e c t sd e t e c t i o nf o rs t e e lp l a t eb a s e do nm a c h i n e v i s i o nt e c h n o l o g yh a sb e c o m ea l lh o t s p o ti nm a n yd o m e s t i cu n i v e r s i t i e sa n ds t e e l e n t e r p r i s e s t h i sd i s s e r t a t i o nw h i c ht a k e st h es c r a t c hd e f e c to fs t e e lp l a t es u r f a c ea sd e t e c t i o n o b j e c t ，d o e sr e s e a r c h e so ns o m ek e yt e c h n o l o g i e so f d i s f i g u r e m e n td e t e c t i n go fs t e e l p l a t es u r f a c eb a s e do nm a c h i n ev i s i o n t h r o u g ht h i sd i s s e r t a t i o n , t h ef o l l o w i n g a c h i e v e m e n t sh a v e b e e nm a d e ： 1 r e s t0 1 1t h ea n a l y s i so fs e l e c t i n gp r i n c i p l e so fc a m e r aa n dl e n si nm a c h i n e v i s i o ni n d u s t r i a ld e t e c t i o na p p l i c a t i o n s ，c a m e r a sa n dl e a s e sf o rd e t e c t i o na r e d e t e r m i n e db yc a l c u l a t i o ni na c c o r d a n c ew i t ha c c u r a c yr e q u i r e m e n ta b o u tt h es t a t i c d e t e c t i o no fs c r a t c hd e f e c t so nt h es u r f a c eo fs t e e lp l a t ei nl a b o r a t o r y t h er e s u l ta f t e r i m a g ep r o c e s s i n gs h o w st h a tt h e s e l e c t e dc a m e r aa n dl e n ss a t i s f y t h ea c c u r a c y r e q u i r e m e n t 2 m a k i n gas t u d yo f t h ei l l u m i n a t i o nt e c h n o l o g yo ft h es c r a t c hd e f e c t sd e t e c t i o n o fs t e e lp l a t e i n t e g r a t i n gb o t hl i g h ts o u r c ea n di l l u m i n a t i o nm o d et h e o r yi nm a c h i n e v i s i o nl i g h ts o u r c ei l l u m i n a t i n gs y s t e m t a k i n gl e da sl i g h ts o u r c e ，m u l t i g r o u p i l l u m i n a t i n ge x p e r i m e n t sh a v eb e e nc a r r i e do u ti nd i f f e r e n tc o n d i t i o n sw h i c ha r eh i g h a n g l e ，l o wa n g l e ，b 而出一f i e l da n dd a r kf i e l d a n ds h i l lu pt h ee f f e c to fs c r a t c hd e f e c t i l a b s t r a c t d e t e c t i o no fs t e e lp l a t ei nd i f f e r e n ti l l u m i n a t i o nm o d e sb vm e a n so fe x p e r i m e n t a ld a t a a n a l y s i s ，w h i c hp r o v i d e sg i s tf o rl i g h t i n gm o d u l eo ft h es c r a t c hd e f e c t sd e t e c t i o n s y s t e mf o rs t e e lp l a t e 3 r e s to nt h ea n a l y s i so fz h a n g sa l g o r i t h ma b o u tc a m e r ac a l i b r a t i o n , p r o p o s i n g a ni m p r o v e da l g o r i t h mt oc a l i b r a t et h ec a m e r ac a n o n e o s 4 5 0 d c o m p a r e dt ot h e t r a d i t i o n a lz h a n g sa l g o r i t h m t h ei m p r o v e da l g o r i t h mi m p o r t st a n g e n t i a ld i s t o r t i o n , c o n s i d e r st h ei n f l u e n c e so ft h er a d i a ld i s t o r t i o na n dt h e t a n g e m i a ld i s t o r t i o n , c o n s u m m a t e st h ec a l i b r a t i o nm o d e l ，a n di n c r e a s e st h ec a l i b r a t i o np r e c i s i o n 4 t h ed i s s e r t a t i o ns t u d i e st h ei m a g ed e t e c t i o nm e t h o d so ft h es u r f a c es c r a t c h d e f e c to fs t e e lp l a t e ，a n du s e st h em e t h o d so fi m a g eg r a yp r o c e s s i n g ，i m a g ef i l t e r i n g ， i m a g ee n h a n c e m e n t , e d g ed e t e c t i o na n dm o r p h o l o g i c a li m a g ep r o c e s s i n gt oe x t r a c t t h es c r a t c hd e f e c ta n dt om e a s u r e si t sl e n g t h k e yw o r d s ：m a c h i n ev i s i o n ；i l l u m i n a t i o n ；c a n l e r ac a l i b r a t i o n ；i m a g ep r o c e s s i n g i i i 目录 目录 第1 章绪论1 1 1 课题背景及研究意义1 1 1 1 课题背景1 1 1 2 课题研究意义1 1 2 机器视觉检测技术2 1 2 1 机器视觉技术概述2 1 2 2 国内外机器视觉表面检测技术的研究现状3 1 3 本文主要研究内容6 第2 章机器视觉检测相机和镜头的选择7 2 1 引言。7 2 2 相机的分类一7 2 3 图像传感器8 2 4 相机的确定l o 2 5 镜头的选择1 0 2 6 本章小结1 1 第3 章机器视觉照明系统1 2 3 1 引言1 2 3 2 光源1 2 3 2 1 光源的分类1 2 3 2 2 机器视觉检测常用光源1 3 3 3 照明方式1 4 3 3 1 背景光照明。1 5 3 3 2 前景光照明1 5 3 3 3 同轴光照明。1 7 3 4 照明实验和实验结果分析1 8 3 4 1 高、低角度照明实验。1 8 i v 目录 3 4 2 明、暗域照明实验2 6 3 5 本章小结2 8 第4 章机器视觉的标定技术研究2 9 4 1 引言2 9 4 2 摄像机模型2 9 4 2 1 针孔模型2 9 4 2 2 非线性模型一31 4 3 像机标定方法3 2 4 4c a n o ne o s4 5 0 d 数码像机的标定3 7 4 5 标定结果误差分析4 0 4 6 本章小结4 1 第5 章机器视觉钢板表面划痕长度测量4 3 5 1 引言4 3 5 2 图像的灰度化处理4 4 5 3 图像的裁剪：4 5 5 4 图像的滤波4 6 5 5 图像的灰度增强4 7 5 6 钢板表面划痕缺陷的边缘检测5 0 5 7 图像的数学形态学处理5 2 5 8 钢板表面划痕长度计算5 4 5 9 误差分析5 6 5 1 0 本章小结5 6 第6 章总结与展望5 7 6 1 总结5 7 6 2 展望5 7 致谢。5 9 参考文献6 0 攻读学位期间的研究成果6 4 v 第1 章绪论 第1 章绪论 1 1 课题背景及研究意义 1 1 1 课题背景 在当前工业迅速发展的时代，钢板作为工业重要原材料，在国民经济发展 中占有举足轻重的地位。随着人们需求的提高，市场竞争的不断加剧，我们对 钢板表面质量提出了更高的要求。可以说，钢产品的表面质量很大程度上反映 了钢铁企业的发展水平。 在钢板连铸连轧生产过程中，由于连铸钢坯、轧制设备、加工工艺等多方 面原因，导致钢板表面出现辊印、夹杂、结疤、划痕、裂纹和斑点等不同类型 的缺吲l 】【2 j 。这些缺陷严重降低了钢板的抗腐蚀性、耐磨性和抗疲劳强度等性能， 这对钢产品用户将产生极不利的影响。因此必须采取合理方法保证钢板的生产 质量，保障用户的权利和工业建设顺利发展，这就要求钢铁企业在钢板生产过 程中及时检测出有缺陷的钢板并进行适当处理，只有这样，才能有效保障钢板 的质量。所以，钢板表面缺陷检测成为钢板生产中极其重要的环节。 1 1 2 课题研究意义 目前，用于钢板表面缺陷检测的方法主要有人工检测法【3 1 、涡流检测法【4 】【5 1 、 漏磁检测法【6 1 、红外检测法【7 】【8 1 和超声波扫描法【9 】【1 0 1 。 人工检测法是一种凭借人眼进行表面缺陷检测的方法，这种方法的检测效 果有限。当被测对象的运动速度高于1 5 m s 时，人眼很难分辨细微的表面缺陷， 从而易造成钢板表面缺陷的漏检。利用人工检测法对钢板表面缺陷进行检测不 仅不能保证钢产品质量，而且往往需要限制生产线的运行速度，降低了生产效 率；涡流检测、红外检测和漏磁检测等钢板表面缺陷检测方法往往只适于精度 要求不高的检测，并且这些方法检测原理有局限，限制了可检测缺陷的种类， 更难以进行缺陷的定量描述。所以，迫切需要一种钢板表面缺陷检测新技术能 在弥补上述检测方法不足的基础上，有效提高钢板检测质量和效率。基于机器 视觉的钢板表面缺陷检测技术正好适应了这一需求，该技术实现了机器视觉技 术与钢板表面缺陷的检测相结合，并且能在钢铁生产线正常运行的条件下实时、 第1 章绪论 准确地检测钢板表面缺陷。基于机器视觉的钢板表面缺陷检测技术的应用将实 现钢板表面缺陷的自动检测，这将不仅有利于降低人工劳动成本，而且能极大 提高钢板表面缺陷检测效率和检测质量。 目前，国外有关机器视觉钢板表面缺陷自动检测技术研究已经非常成熟， 并且已开发的自动检测系统质量和稳定性都达到了十分高的水平，而我国这方 面研究起步较晚，技术水平与国外相比有很大差距。国内大部份钢铁企业的钢 板表面缺陷检测系统都是向国外公司购买的，这必然导致企业生产成本大幅提 高，利润空间骤减，不利于企业的长期稳定发展。 因此，我们需要加大基于机器视觉的钢板表面缺陷检测技术研究，只有这 样，才能逐步突破技术难关，最终开发出稳定实用具有自行知识产权的钢板表 面缺陷自动检测系统，实现钢板表面缺陷的高效率高质量检测，从而降低企业 生产成本，提高利润，为国家创造更多财富。因此，基于机器视觉的钢板表面 缺陷检测技术的研究意义非常重大。 1 2 机器视觉检测技术 1 2 1 机器视觉技术概述 机器视觉发展迅速，已成为计算机科学的重要研究领域之一。机器视觉学 科起源于两方面：一方面来自摄影测量学，对摄影图像进行测量分析时引进计 算机技术，通过对拍摄图像进行数字化处理，然后将相应的算法编制成程序， 完成对场景结构的定量分析和计算；另一方面是统计模式识别，最初的工作是 对二维图像的分析和识别，如字符识别、工件表面质量检测、显微图片和医学 图片的分析和解释等1 1 1 】。2 0 世纪6 0 年代，r o b e r t s 通过计算机程序从数字图像 中提取出诸如立方体、锲形体、棱柱等多面体的三维结构，并且可以描述物体 的形状和它们的空间关系【1 2 】。r o b e r t s 的研究开创了以理解三维场景为目的的机 器视觉研究。2 0 世纪7 0 年代中期，麻省理工学院人工智能实验室正式开设“机 器视觉 课程，人工智能实验室吸引了国际上许多知名学者参与机器视觉理论、 算法和系统设计的研究。d a v i dm a r t 教授应邀在该实验室领导一个以博士为主的 研究小组，1 9 7 7 年提出了不同以往全新的机器视觉理论【l 引。m a r t 最初的开发工 作是用计算机实现人的立体视觉功能，在此基础上形成了他自己的视觉理论整 体框架。m a r t 的视觉计算理论是建立在计算机技术的基础上，系统地概括了心 2 第1 章绪论 理物理学、神经生理学、临床神经病理学等学科已取得的重要成果，是迄今为 止最系统的视觉理论。机器视觉这门学科与这一理论框架有着密切的联系。 m a r t 把机器视觉系统的研究分为三个层次：第一层是理论层面，即研究视 觉系统的目的和策略，输入和输出；第二层是表示与算法层面，即研究如何由 一种表示变换为另一种表示；第三层是硬件的实现层面，即如何用硬件实现上 述表示和算法。m a r t 理论比较系统地揭示了用二维图像恢复三维物体形态的可 能性和基本方法，为机器视觉学科的形成和发展奠定了重要的基础。 机器视觉的研究热潮始于2 0 世纪8 0 年代，到了8 0 年代中期，这一领域的 研究已获得迅速发展，许多相关的新方法和新理论被提出，如：基于感知特征 群的物体识别理论框架、主动视觉理论框架、视觉集成理论框架等。机器视觉 是一项包括数字图像处理技术、机械工程技术、控制技术、光源照明技术、光 学成像技术、传感器技术、人机接口技术等技术的综合性技术。 机器视觉检测技术是建立在机器视觉技术研究基础上的一门检测技术。与 机器视觉研究的模式识别、视觉理解等内容不同，机器视觉检测技术是质量检 验、定量检验和非接触测量的重要手段，重点研究物体的几何尺寸及物体位置 的测量【14 1 。利用机器视觉技术的检测系统相比于一般意义上的图像处理系统更 强调实时性，要求高速和高效【l5 】【l 引。在多数工业检测场合，利用人眼进行检测 难以满足检测要求，据报道人眼检测效率最多只能够达到8 0 1 1 7 1 ，因此我们需 要机器视觉替代人工视觉实现工业的自动检测。实验表明，在大批量工业生产 过程中，利用机器视觉技术进行检测不损坏待检产品、检测精度高，并带有一 定的智能l i 引。 1 2 2 国内外机器视觉表面检测技术的研究现状 目前，机器视觉检测技术在国外发达国家已得到了广泛应用，并且国外已 开发出基于机器视觉检测的系统。系统具体利用的检测方法主要有基于激光扫 描的机器视觉检测方法、固体摄像器件c c d 检测法等【l9 1 。 基于激光扫描的机器视觉检测系统：日本川崎公司【2 0 】在2 0 世纪7 0 年代中 期研制了镀锡板在线机器视觉检测装置。1 9 7 1 年，英国钢铁公司、伦敦c i t y 大学、s i p a 工学院联合开发出以5 m w 的h e n e 激光器作为扫描光源、1 2 面反 射棱镜和柱面镜光学系统、使用光电倍增管接收的检测系统【2 1 1 。该系统的设计 思想和总体结构，成为以后各种有关激光表面检测技术发展的基础。 3 第1 章绪论 1 9 8 8 年美国s i c k 公司田1 在冷轧厂检测线上安装五台表面缺陷检测设备 ( a s i s ) ，低功率h e - n e 激光器发出的激光经过反射镜投射到一个高精度的多面 体棱镜表面，通过多面体棱镜的旋转运动产生垂直于钢板运动方向的横向扫描。 光线经多面体棱镜反射后通过远心光路系统投射到钢板表面，钢板表面反射和 散射的光线被光接收装置接收后，由光电倍增器完成光电转换，转换信号传输 至后级计算机系统完成图像信号处理和缺陷识别任务。 固体摄像器件c c d 检测 2 3 1 ：固体摄像器件c c d 检测是利用特殊光源对钢 板表面进行照射，并利用c c d 摄像机扫描带钢进行成像，然后通过对采集到的 图像进行一系列图像处理以得到钢板表面缺陷二值图像，最后通过提取二值图 像中的几何特征参数来判断是否存在缺陷。检测系统结构示意图如图1 1 所示。 拉簟 o o 豳 糸曩舒 毫帆 图1 1c c d 表面缺陷检测系统结构示意图 1 9 8 3 年h o n e y w e l l 公司【2 4 】在美国能源部的资助下，开发出连铸板坯表面在 线检测装置。该装置采用了线阵c c d 器件，通过增加c c d 芯片的有效象元数 和提高其帧转移速率的方式，结合先进的数字图象处理部件，该装置能可靠检 出针孔等微细表面缺陷。 1 9 8 6 年w e s t i n g h o u s e 公司和e a s t m a nk o d a k 公司【2 5 】在美国钢铁协会( a i s i ) 资助下，针对带钢表面缺陷检测提出了各自的系统解决方案。其中w e s t i n g h o u s e 公司系统采用线阵c c d 摄像机和高强度的线光源监视运动带钢表面，在最高带 速和最大带宽下可进行分辨率为1 7 m i n x 2 3 m m 的横、纵缺陷检测，并提出了将 明域、暗域及微光域三种照明光路形式组合应用于检测系统的思路。 美国c o g n e x 公司先后研制成功了i s 2 0 0 0 自动检测系统和i l e a r n 自学习分 4 第1 章绪论 类器软件系统【2 6 】。这两套系统实现了带钢表面多种类型缺陷的检测，并且检测 精度很高，检测精度是其他检测系统2 5 至3 0 倍。 德国p a r s y t c c 公司开发了h t s 2 与h t s 2 w 表面缺陷检测系统【2 7 1 ，分别应 用于冷轧和热轧的钢板表面缺陷检测。h t s 系统利用l e d 阵列作为光源，利用 面阵高灵敏度c c d 摄像头作为图像采集设备，结合明域和暗域相结合照明方式 实现钢板表面缺陷的检测和分类。h t s 系统对不同轧制生产线状况的适应能力 非常强。 在国内，钢板表面缺陷检测技术的研究起步较晚，整体水平还较低，基于 机器视觉的检测技术尚处于初期发展阶段。 1 9 9 5 年华中理工大学罗志勇等人提出一种新型的表面自动检测系统【2 引。该 系统采用多台面阵c c d 成像，并使用了几何分段、数据合成的检测方法。罗志 勇选择全可编程的图像数字化器和全可编程的高速数字信号处理器作为数字图 像处理平台，构造出多d s p 并行工作的主从式信号处理系统，并利用该系统进 行了冷轧带钢表面孔洞、重皮和边裂等缺陷检测和最小带宽测量实验。同年， 哈尔滨工业大学机器人研究所1 2 9 】开始研究静态检测条件下的带钢表面主要缺陷 检测。 上海宝钢在国内最早采用带钢表面质量自动检测系统：宝钢的1 4 2 0 m m 电 镀锡机组出口配置了在线激光表面检测仪，在带钢高速运行情况下针对带钢表 面质量进行检测并进行缺陷分类，能自动识别出巾0 1 m m 以上各种缺陷，分类 能力达到9 5 以上i3 0 i 。 2 0 0 2 年北京科技大学徐科等人提出了基于机器视觉的连铸板坯缺陷区( r o l l 检测方法【3 1 1 ，他们在l e d 光源构成的暗场照明方式下，利用多个面阵c c d 摄 像机同步采集连铸坯表面图像，提取出r o i 图像的几何、投影、纹理等特征， 并对不同位置的同类r o i 进行搜索、提取及合并。最后采用模式识别统一熵理 论对所提取r o i 区域的多维特征向量进行降维处理，实现了钢板表面缺陷的在 线检测。整套系统的结构如图1 2 所示。 2 0 0 5 年西安建筑科技大学王快社【3 2 】等人研制出带钢表面缺陷检测装置，能 检测出数十种o 5 m m x 0 5 m m 的表面缺陷，且检出率在8 5 以上。该装置配备了 两种不同的照明方式，可以将不同类型的缺陷( 两维或三维缺陷) 在采集到的图 像中有效地显示出来；其中所有的图像处理和缺陷分类算法都由软件实现，以 便于系统的使用和更新，同时还使用了一些新的图像处理和缺陷分类算法，使 5 第1 章绪论 检测和分类结果更为理想可靠。 稔铡凝甓 援移嚣 i 嘲 翟瑟蒸麓罗簿 争二 移攀謦移 隈。鬏。 。叠 【曼秘 l琴r 1 。 图1 2 系统的总体结构 1 3 本文主要研究内容 本文了研究机器视觉检测中系统硬件选型、光源照明技术、摄像机标定以及 图像处理等方面关键技术，并在实验室静态检测条件下利用机器视觉检测技术， 实现钢板表面划痕缺陷的提取和划痕长度的测量。论文具体研究工作可以概括 为以下几个部分： 1 、研究机器视觉检测中图像采集相关硬件设备的选用。 2 、通过照明实验研究机器视觉检测系统光源照明模块中照明光源和不同照 明方式对钢板表面缺陷检测效果的影响。 3 、研究摄像机的标定技术。摄像机标定是图像检测中非常重要的内容之一， 目前关于摄像机标定的理论研究已比较成熟，标定方法种类较多。在实际应用 中应根据相应的标定精度要求选择合适的标定方法进行像机的标定。本文在研 究张正友基于多平面模板像机标定方法的基础上提出一种改进的标定方法来提 高标定精度，并利用改进的标定方法对课题中选用的相机进行标定。 4 、实现钢板表面划痕缺陷的检测和划痕长度测量。以钢板表面划痕的检测 和划痕长度测量做为机器视觉钢板表面缺陷检测的一个应用，通过图像检测算 法的处理提取出钢板表面划痕缺陷，并结合像机标定内容实现划痕长度的测量。 6 第2 章机器视觉检测相机和镜头的选择 第2 章机器视觉检测相机和镜头的选择 2 1 引言 基于机器视觉的检测主要是由被测目标对象图像采集，图像信号的转化和 处理，以及检测结果的输出几部分共同组成的检测过程。如图2 1 所示。 卜标h 集卜图鬻化 1 r 检测结果输出 图2 1 机器视觉检测过程示意图 图像采集作为基于机器视觉检测的初始环节，作用非常重要。采集到好的 目标图像，往往能简化后续的图像处理过程，得到高精度的检测结果，大大提 高检测效率。要采集好的目标图像，必然对像机、镜头等图像采集设备和光源 照明系统有相应的要求，我们必须根据特定场合的检测精度要求进行选择和搭 配。本章将对课题中像机和镜头的选择进行介绍，下一章将对课题光源照明系 统相关内容进行详细介绍。 2 2 相机的分类 相机作为机器视觉检测中图像获取关键设备，它作用的重要性不言而喻。 而市面上相机的品种繁多，只有根据需要选择合适的相机才能更好的完成机器 视觉检测。 相机的分类有其自身的标准。相机可以按照图像传感器芯片类型、传感器 结构特性、扫描方式、分辨率大小、频率响应范围等方面标准进行分类。具体 分类如图2 2 所示。 7 第2 章机器视觉检测相机和镜头的选择 考虑，选择 集图像的质 第2 章机器视觉检测相机和镜头的选择 量，因此我们在进行机器视觉检测用相机选择时，应把图像传感器作为重要的 考虑因素。 图像传感器是实现将光学图像信号转换成相应电信号的器件，它将入射到 传感器光敏面上按空间分布的光强信息，转换为按时序串行输出的电信号一视 频信号。2 0 世纪6 0 年代后期，成熟的半导体集成电路技术为传感器技术的迅猛 发展奠定了良好的基础。这一时期，固体图像传感器作为传感器中的一大类获 得了蓬勃发展，它被广泛应用于工业、交通、医学领域。 固体图像传感器主要包含两大类，它们分别是电荷耦合器件( c h a r g e c o u p l e d d e v i c e ，c c d ) 和互补金属氧化物场效应管( c o m p l e m e n t a r y m e t a l o x i d e s e m i c o n d u c t o r ，c m o s ) i 茎t 像传感器例。 c c d 是由美国贝尔实验室( b e l ll a b s ) 的维拉博伊尔( w i l l a r ds b o y l e ) 和乔 治史密斯( g e o r g ee s m i t h ) 在1 9 6 9 年发明的【3 4 1 ，之后被大量生产：经过4 0 多年的发展，c c d 器件及其应用技术的研究取得了惊人的进展。c c d 器件具备 光照灵敏度高、噪音低、像素小等优点，这些优点使得c c d 技术的应用广度和 深度不断加大，c c d 的像素水平不断向更高方向发展，已由早期的十万像素级 发展到目前应用的千万像素级水平。 c m o s 图像传感器是2 0 世纪7 0 年代在美国航空航天局( n a s a ) 的喷气推进 实验室( j p l ) 诞生的，同c c d 图像传感器几乎是同时起步的【3 5 1 。诞生之初，由于 其性能的不完善严重影响了图像质量，从而制约了它的发展和应用。c m o s 图 像传感器过去存在像素大、信噪比小、分辨率低等缺点，一直无法和c c d 技术 抗衡，所以c m o s 的发展落后于c c d p 6 】【3 7 1 。但是随着c m o s 技术的快速发展， c m o s 图像传感器过去像素大、信噪l l d , 、分辨率低等缺点都得到了有效的改 进，因此它现在越来越多的被应用于各个领域。并且近年来，大规模集成电路 设计技术的发展和用户对小型化、低功耗和低成本成像系统的需求，使得c m o s 图像传感器再次成为研究的热点【3 8 】。 与c c d 相比，c m o s 图像传感器技术在许多方面具有明显优势【3 9 】： 1 、c m o s 图像传感采用成熟的c m o s 技术，可将敏感单元阵列、模拟、数 字功能等模块集成在单一芯片上，形成片上摄像系统( c a m e r ao na c h i p ) ，减小 了系统的复杂性，有效降低了成本； 2 、c m o s 图像传感器固有的列并行读出模式，容易实现对像素数据的高速 随机读取； 9 第2 章机器视觉检测相机和镜头的选择 3 、c m o s 图像传感器功耗仅为普通c c d 图像传感器的十分之一或更低； 4 、c m o s 图像传感器具备宽光谱灵敏度、图像处理片上集成、对局部像素 信息编程随机访问等优点。 综合工业应用图像传感器研究的发展趋势以及c m o s 图像传感器的自身优 势，课题选择应用基于c m o s 图像传感器的面阵相机进行机器视觉钢板表面缺 陷检测技术的研究。 2 4 相机的确定 考虑到课题是在实验室静态检测环境下对钢板表面划痕缺陷检测进行研 究，且检测精度要求为0 1 m m ，而钢板的表面尺寸为2 2 0 m m * 5 0 m m ，因此相机 的分辨率至少需要2 2 0 0 5 0 0 p i x e e l 。基于实验室现有的硬件条件，课题选用基于 c m o s 图像传感器的c a n o ne o s4 5 0 d 面阵数码相机作为检测相机，它有多级分 辨率，最高分辨率可达4 2 7 2 * 2 8 4 8 p i x c e l ，总像素达1 2 4 0 万像素，完全可以满足 课题需要。在本文的机器视觉钢板表面缺陷检测技术研究中，我们不使用相机 的最高分辨率，而是将相机分辨率调至2 2 5 6 * 1 5 0 4 p i x c e l ，这样在满足课题检测 精度的同时能极大提高图像后续的处理速度。 2 5 镜头的选择 相机的镜头类似于人眼的晶状体。如果没有晶状体，人眼看不到任何物体。 同理，没有镜头，相机就无法输出清晰的图像。在图像检测系统中，镜头的质 量直接影响到系统整体性能。一般情况下，选择镜头时需要考虑成像面、焦距、 视角、工作距离、视野和景深等参数，它们之间的相互关系如图2 3 所示。 焦距、工作距离、视野范围和成像面大小之间满足以下关系： f 只1 = ：v 乃x d 。v 日 ( 2 1 ) f = h xd h 、。 其中：f 1 、f 2 为水平和垂直方向焦距，镜头的实际焦距由f l 、f 2 中较小值 确定；d 为最大工作距离，v * h 为像面的大小，而v * h 为视野f o v 。由公式( 2 1 ) 可知：镜头的焦距与视野成反比，而与最小工作距离成正比，镜头焦距越大， 其视角、视野越小，而工作距离越远。 1 0 第2 章机器视觉检测相机和镜头的选择 图2 3 相机成像示意图 课题中，我们必须根据检测的工作距离，即相机与钢板之间的距离，利用 公式( 2 1 ) ，计算出镜头的焦距，最终选择出合适型号的镜头。实验室检测的工 作距离为6 0 c m ，通过计算可得课题所需镜头的焦距为1 8 m m 。我们最终选用 c a n o ne o s4 5 0 d 配套镜头( 18 5 5 m m 3 5 5 6 i s ) ，该配套镜头是变焦镜头，可以 实现焦距在1 8 m m 5 5 m m 范围内的焦距变换。 相机和镜头经过搭配后对钢板表面进行图像采集，成像效果表明所选用的 相机和镜头满足课题研究要求。 2 6 本章小结 本章从机器视觉钢板表面缺陷检测系统中相机和镜头的选择出发，详细分 析了检测系统中相机和镜头的选用原则，并结合课题实验环境和检测精度要求， 选择出合适的相机和镜头用于钢板表面缺陷的检测。 第3 章机器视觉照明系统 第3 章机器视觉照明系统 3 1 引言 在机器视觉检测系统中，照明系统的性能直接决定了采集图像的质量和后 续图像检测算法处理难易程度 4 0 l 。由于没有通用的机器视觉照明设备，所以针 对每个特定的应用实例，要选择相应的照明装置配合适当的照明方式，以达到 最佳效果1 4 l 】。照明系统主要包括光源和照明方式两方面。可以说，在机器视觉 检测系统应用中，光源和照明方案的好坏直接影响图像的成像质量，间接决定 了整个系统的成败【4 2 】。下面就课题中机器视觉光源照明系统中的光源和照明方 式两方面内容进行详细阐述。 3 2 光源 3 2 1 光源的分类 光源主要包括自然光源和人工光源。自然光源是指太阳、月亮等自然界存 图3 i 光源的分类 1 2 第3 章机器视觉照明系统 在的发光体，这些光源对地面辐射不稳定，难以控制。人工光源是人为将其他 形式的能量( 热能、电能、化学能) 转换成光能，从而提供光通量的器件设备。 按照发光原理的不同，人工光源一般可分为热致发光光源、气体放电光源、固 体照明光源和激光光源等不同类型，如图3 1 所示。 3 2 2 机器视觉检测常用光源 机器视觉工业检测中常用的光源主要有白炽灯、荧光灯、金卤灯、l e d 光 源以及其他特殊光源( 如激光、紫外光光源) 等，如图3 2 所示。 ，一”羧? 己一黟 白炽灯 鬈辨弦”。“聊沏j 。j fj “”驽4 铭”燃 金卤灯 荧光灯 屏 l e d 灯 图3 2 机器视觉常用光源 c c d 非接触式应用检测系统分为两种类型1 4 3 】，第一种是通过测量被测物体 的像确定某些特征参数；另一种是测量被测物体空间频域分布确定某些特征参 数。其中对于第一种检测，一般选用白炽灯或卤钨灯作为照明光源，而另一种 的检测主要应用氦氖气体激光器等激光照明光源，主要是考虑到激光光源的单 色性和相干性好、准直度高等特点。 文献 4 4 介绍了利用高频荧光灯作为照明系统光源对运动钢板表面进行缺 陷检测，并且对表面夹杂、孔洞、斑点等缺陷检测效果进行了分析。从分析结 果看，高频荧光灯照明配合线阵c c d 摄像机对运动钢板表面缺陷检测是有效的。 13 第3 章机器视觉照明系统 文献 4 5 1 介绍了利用高、低功率l e d 多组光源作为机器视觉检测系统照明 实验光源，实现瓷砖几何尺寸的在线检测。 随着l e d 制造工艺的成熟，在常用的机器视觉工业检测照明光源中，l e d 光源由于显色性能好、光谱范围宽、发光亮度高、寿命长等特点，已经越来越 广泛地被应用于机器视觉领域m 。 综合机器视觉工业检测中典型光源各自特点，可将其归纳如表3 1 所示。 表3 1 人工光源的分类 典型光源特点 钨光源 采用交流电源存在工频问题；照度不均匀；产热多 需配合高频电路，产生很大均匀照度场，热量不多；光谱分布存在 荧光灯 限制 光强可达稳定；光强的角度分布可调，但光强会因为散射和反射损 卤钨灯 失：价格昂贵 较高的发光强度，发光度在时间上恒定；