视觉检测原理介绍.docxVIP

技术细节 本项目应用了嵌入式中央控制及工业级图像高速传输控制技术，基于 CCD/CMOS与 DSP/FPGA的图像识别与处理技术，成功建立了光电检测系统。应用 模糊控制的精选参数自整定技术，使系统具有对精确检测的自适应调整 , 实现产 品的自动分选功能。 图  1  控制系统流程图 光电检测系统主要通过检测被检物的一些特征参数 (灰度分布 ,RGB 分值等 )， 从而将缺陷信息从物体中准确地识别出来， 通过后续的系统进行下一步操作， 主要分为以下几部分 CCD/CMOS 图像采集部分 系统图像数据采集处理板中光信号检测元件 CCD/CMOS 采用进口的适合于 高精度检测的动态分析单路输出型、保证实际数据输出速率为 320MB/s 的面阵 CCD/CMOS 。像素分别为 4000*3000 和 1600*1200，帧率达到 10FPS。使用 CCD/CMOS 作为输入图像传感器，从而实现了图像信息从空间域到时间域的变 换。为了保证所需的检测精度， 需要确定合理的分辨率。 根据被检测产品的大小 , 初步确定系统设计分辨率为像素为 0.2mm。将 CCD/CMOS 接收的光强信号转换 成电压幅值，再经过 A/D 转换后由 DSP/ FPGA 芯片进行信号采集，即视频信号 的量化处理过程，图像采集处理过程如图所示： 2 图像采集处理过程 数据处理部分 在自动检测中，是利用基于分割的图像匹配算法来进行图像的配对为基础 的。图像分割的任务是将图像分解成互不相交的一些区域， 每一个区域都满足特 定区域的一致性， 且是连通的， 不同的区域有某种显著的差异性。 分割后根据每 个区域的特征来进行图像匹配， 基于特征的匹配方法一般分为四个步骤： 特征检 测、建立特征描述、特征匹配、利用匹配的“特征对”求取图像配准模型参数。 算法基本步骤如下 : 利用图像的色彩、灰度、边缘、纹理等信息对异源图像分别进行分割，提取区域特征； 进行搜索匹配，在每一匹配位置将实时图与基准图的分割结果进行融合，得到综合分割结果； 利用分割相似度描述或最小新增边缘准则找出正确匹配位置。 设实时图像分割为 m 个区域，用符号 {A1，A2，, Am}表示，其异源基准图 像分割为 n 个区域，用符号 {B1，B2，, Bn}表示。分割结果融合方法如下 : 在每一个匹配位置，即假设的图像点对应关系成立时，图像点既位于实时图 中，又位于其异源基准图像中，则融合后区域点的标识记为： （A1B1，A1B2，, ， A2B1，A2B2，, ）。标识 AiBj 表示该点在实时图中位于区域 i ，在基准图中位于 区域 j 。算法匹配过程如下图所示： 其中图 (a) 为实时图，被分割为 {A1,A2,A3} 三个区域；图 (b) 为异源基准图，被分割为 {B1，B2，B3}三个区域；分割结果间存在区域合并、 过分割现象；图 (c) 是正确匹配位置上的分割融合结果；图 (d) 是某一错误匹配位置上的分割融合结果。比较图 (c) 、(d) 可以看出，在正确的匹配位置，融合的结果是对同一景象的最小分割，即最简单的描述假设。 为了将正确匹配和错误匹配区分开来， 采用了最大区域重合度准则。 设某次比较的实时图被分为 n 个区域，基准图被分割为 m 个区域，根据像素 所属的融合区域统计二维直方图，得到下图中的所有 。 通过对此二维直方图分析可以估计基准图分割和实时图分割的相似程度。 最大区域重合度 S 定义如下。 由于匹配时，实时图窗口的图像是不变的， 是在基准图不同位置取窗口图像， 的物理意义是统计每一个基准图区域被实时图各个区域分割所保留的最大主 区域的像素个数之和。在正确的匹配位置 ,S 应取最大值。当实时图区域与基准图区域一一对应时，分割相似度 S 达到理论上最大值，为窗口像素总数。 下图是最大区域重合度匹配的匹配系数图， 纵轴坐标表示最大区域重合度计算的像素数。大量的现场应用表明，本算法具有良好的分割与匹配效果。 缺陷识别是一个典型的多通道随机信号检测系统，对于产品的检测内容而言，需要根据颜色、面积、形状等参数制定缺陷识别标准，此外算法还要设计为多级分选系统，每组 CCD/CMOS+DSP/FPGA 图像数据采集处理板可以按照不同的等级要求定制， 每组分选系统根据不同缺陷的等级定制不同的控制算法。 系统提供多种控制算法并固化到系统的内部存储器中， 每种算法作为系统参数显示在菜单上。 具体各缺陷对应的算法如下： 序号 缺陷种类 算法 1 脏污 色空间变换 +滤波 +膨胀 +分割 +增强 +特征提取 2 飞边 边缘提取 +分割 +增强 +特征提取 3 毛刺 边缘提取 +分割 +增强 +特征提取 4 划伤 滤波 +形态处理 +分割 +增强 +特征提取 5 掉漆 色空间变换 +滤波 +膨胀