机器视觉技术及应用 课件 项目4 视觉检测

检测金属垫片缺陷对已有示例图片，如图所示，进行仿真训练，运用简单的像素检测工具，对搜索框内的图像进行像素统计，完成金属垫片缺陷的检测。通过完成此学习任务，可以掌握像素统计的三种工具，获取像素、获取区域像素、像素值之和。4.1.1获取像素获取像素是指返回图像的单个像素。4.1.2获取区域像素获取区域像素是指返回输入图像中像素数组。4.1.3像素值之和像素值之和是指计算图像像素值之和。4.1.4像素强度像素强度是指通过分析指定区域中的像素强度来验证对象存在。主要应用于快速简便的验证是否存在。该操作计算所选区域的图像像素的基本统计信息，并检查它们是否适合定义的范围。使用的统计数据是像素值的平均值和标准偏差。4.1.5检测工件有无对如图所示的图片，进行仿真训练，运用简单的像素检测工具，对搜索框内的图像进行像素统计，完成判别工件有无。4.1.6金属垫片缺陷判断以金属垫片为例，分别拍摄标准件与瑕疵件，并确定其平均像素值，拍摄图像效果如图所示。经过比对标准件和瑕疵件的灰度平均值的大小，设定最大灰度均值和最小灰度均值，从而判断工件是否为瑕疵件。零件分类如图所示，对视野中目标图形进行分类，区分钉子、螺钉和螺母。通过完成此学习任务，可以掌握区域运算，包括区域交集、差集、并集、对称差集、数组并集；掌握区域数组处理，包括区域分类、最大特征区域、最小特征区域、区域数组排序。4.2.1区域数组处理1.区域分类区域分类是指根据所选的特征和范围，拆分为区域数组。应用于有一个区域数组，如果需要获取其中一些区域，以进行进一步处理，可以选择该指令。（1）此操作接受一个区域数组并将其拆分为输出数组，具体取决于每个计算的特征值如何适合（特征值的最小值，特征值的最大值）范围。对于特征值低于特征值的最小值的区域，将传递到数组区域（Reject）和数组区域（Below）。对于特征值在（特征值的最小值，特征值的最大值）范围内的区域，将传递到数组区域（Accept）。对于特征值高于特征值的最大值的区域，将传递到数组区域（Reject）和数组区域（Above）。（2）在特征值的最小值大于特征值的最大值的特殊情况下，使用第一个匹配条件，这意味着将高于特征值的最大值和低于特征值的最小值的值的对象传递到数组区域（Below）。2.最大特征区域返回输入区域数组中最大计算特征值的区域。应用于有一个区域数组，想从中选择一个最符合某个条件的区域，可以使用该指令。该指令计算每个输入区域选定的特征值，并返回最大的那个。3.最小特征区域最小特征区域是指返回输入区域数组中最小计算特征值的区域。应用于有一个区域数组，想从中选择一个最符合某个条件的区域，可以使用该指令。该指令计算每个输入区域选定的特征值，并返回最大的那个。4.区域数组排序区域数组排序是指将输入的区域数组的顺序根据其计算的特征值升序/降序排列。该操作根据每个输入区域计算的所选特征值对输入区域阵列进行排序。4.2.2金属零件的分类保险丝缺陷检测检测如图所示的保险丝两引脚之间的导线是否断开。要求将检查结果绘制在图像上。如果保险丝损坏，则绘制一个圆圈将其圈出，反之则不绘制。通过本任务的实施，从任务分析、硬件选型、硬件搭建到软件实施，可以系统掌握实际缺陷检测项目的实施。（a）检测前

（b）检测后

4.3.1硬件选型1.相机选型在实验室环境下，首先确认视野范围及检测精度等需求，通过计算公式反推出相机的分辨率选型范围。以我们拍摄视野55mm×40mm，精度要求为0.1mm为例，代入公式55/分辨率长×n=精度，则相机的分辨率在550×400以上就可达到要求。通过观察实验物品之间的特征差异判断，本实验需要通过一些区域处理工具区分出合格品与不良品之间的差异，分辨率高一些有助于实验效果，因此实验选择分辨率160万（1440×1088）的智能相机。2.镜头选型在物距为有限的情况下，根据视野与焦距的运算公式f=Y'·L/Y，计算出焦距的大约取值范围，焦距越小拍摄视野越大，畸变也越大。由于此实验对视野与物距的取值没有严格的要求，此处镜头选型为8mm低畸变工业镜头。3.光源选型观察检测物品可以发现，差异在于保险丝断开时，物品金属部分被分成完全独立的两个部分，可以通过多个区域处理工具的配合实现检测功能，因此打光效果需要突出断裂的特征，且能将金属部分与半透明部分区分开来，金属部分不透光，通过试验法得知面光源背部打光的方式获得的图片效果最好，所以此实验选择面光源（注意确认样品厚度），面光源大小只需略大于拍摄特征区域即可。4.选型清单序号名称规格参考型号1相机分辨率1440×1088帧率107曝光方式全局曝光靶面1/3”SV-RS160C-C2镜头类型普通定焦镜头焦距8mmSL-LF08-C3光源类型背光源尺寸160mm×160mm颜色白色功率20WSI-JB160160-W4.3.2硬件平台搭建

4.3.3软件检测保险丝如果是缺陷产品会比合格产品多区域，可以使用多次分割区域。使用区域数组来获取区域数，并判断出缺陷产品。金属零件缺陷检测检测如图所示的一组金属零件。要求将检查结果绘制在图像上。如果零件损坏，则绘制一个圆圈将其圈出，反之则不绘制。通过完成此学习任务，掌握形态学处理，包括区域形态膨胀、腐蚀、关闭、开口、细化、增浓、移除像素分支、区域填充。4.4.1形态学处理1.区域形态膨胀区域形态膨胀是指使用预定义内核在区域上执行形态扩张。主要应用于使区域更厚或者填充其中的小孔，如图所示。2.区域形态腐蚀区域形态腐蚀是指使用预定义的内核对区域执行形态腐蚀。主要应用于使区域更薄或者消除小部件，如图所示。3.区域形态关闭区域形态关闭是指使用选定的预定义内核在区域上执行形态关闭。主要应用于填充区域内的小缝隙，但是不会使它变厚，如图所示。4.区域形态开口区域形态开口是指使用预定义核在区域上执行形态开口。主要应用于从区域中移除小部件，而且不会使它变薄，如图所示。5.移除像素分支移除像素分支是指从区域中移除一个像素宽度的分支。该操作将从输入区域中删除长度不超过最大长度的所有分支，如图所示。6.区域形态细化区域形态细化是指使用预定义内核在区域上执行形态细化。该操作执行形态细化。和其他区域形态学操作相似，使用叫做内核（或者结构元素）的形状进行细化。7.区域形态增浓区域形态增浓是指使用预定义的内核在区域上执行形态增浓。该操作执行形态增浓。和其他区域形态学操作相似，使用叫做内核（或者结构元素）的形状执行增浓。8.区域填充区域填充是指扩展输入区域，使其包含先前位于其孔中的所有像素。该操作扩展一个区域，以包含任何区域孔内的所有像素。区域的孔是像素的连接区域，不属于该区域，不接触区域框架的边界，如图所示。4.4.2硬件选型1.相机选型在实验室环境下，首先确认视野范围及检测精度等需求，通过计算公式反推出相机的分辨率选型范围。观察产品差异得知，实验需要通过区域分析分辨出合格和不合格产品，相机像素高有助于区分差异，以我们拍摄视野120mm×90mm，精度要求为0.1mm为例，代入公式120/分辨率长×n=精度，则相机的分辨率在1200×900以上就可达到要求。因此实验选择分辨率160万（1440×1088）的智能相机。2.镜头选型在物距为有限的情况下，根据视野与焦距的运算公式f=Y'·L/Y，计算出焦距的大约取值范围，焦距越小拍摄视野越大，畸变也越大。由于此实验对视野与物距的取值没有严格的要求，此处镜头选型为8mm低畸变工业镜头。3.光源选型本实验需要通过多个区域工具配合实现功能，产品为金属薄片，由于金属反光特性，正面打光难以提取产品完整区域，通过测试可知，面光源打背光的方式得到的外轮廓和整体区域效果最好，所以此实验选择面光源（注意确认样品厚度），面光源大小只需略大于拍摄特征区域即可。4.选型清单序号名称规格参考型号1相机分辨率1440×1088帧率107曝光方式全局曝光靶面1/3”SV-RS160C-C2镜头类型普通定焦镜头焦距8mmSL-LF08-C3光源类型背光源尺寸160mm