基于ccd的微小零件检测系统.docxVIP

基于ccd的微小零件检测系统 1 线阵cdd的检测方法 随着cd-rom技术的发展和成像技术的成熟，以及光学检测器技术的不断发展，以及波形技术的不断完善，结果表明，光学检测器越来越受到重视。原有落后的手工检测方法虽然在一定程度上能满足测量需要,但是由于其操作复杂,容易使操作者产生疲劳,所以人为因素影响较大。目前国内外相关的研究已经相当广泛和深入,尤其是线阵CCD方面,更是日趋成熟。如各种细丝在线监测系统,尺寸测量系统,各种自动探伤系统等。但是自动检测或是无人监视监测方面还有很多问题要进一步研究,介绍了实现全自动显微检测系统的各种技术,如图像处理算法,微进给装置的实现,自动对焦距技术等。 2 自由度工作台 可以实现各种工件CCD显微检测的测量系统一般包括:CCD摄像头;图像采集卡;586以上档次的计算机;显微镜;光源;三自由度工作台(或专用夹具安装有磁栅尺)等部分。系统的操作过程是:由操作人员将工件放到工作台上,通过监视器将工件边缘的图像移入监视器屏幕,手工调整好焦距,按下采集键或鼠标,计算机自动计算相关的参数,并显示测量结果。可以看出,其自动化程度并不彻底。因此,针对此问题进行进一步研究,提出了几种改进原有系统而实现全自动显微检测的方法。 2.1 光电转换器件 到目前为止,CCD检测系统智能视觉方面还不很成熟,及若要系统自动找到工件的边界还存在一定的问题。因为试图采用图像处理算法实现模式识别需要计算机处理大量的图像,这显然是不现实的。而且对于精密微小零件来说,不容易实现定位,即使采用人工方法在显微镜下找到所需检测的边缘也是不容易的。 采用一种光电转换开关,既可以将光信号转换成电信号,由计算机来接收此电信号,并以此判断边界是否进入屏幕范围内。其精度是靠光电转换器件的灵敏度实现的。在摄像头上安装光电开关来接收透射光信号,当有边缘进入摄像范围,光电转换器件产生信号脉冲,计算机接受此脉冲后自动停止工作台的移动。 2.2 图像自动对流解决 当系统判断出工件边界已经进入到屏幕中时,自动对焦距装置接受指令开始工作,其工作原理图如图1。系统采用一种目前比较先进的实时黑白图像卡(如大桓公司生产的VESA-M实时图像卡),该种卡的突出特点是可以将每秒钟抓取的25～30幅图像实时的存入计算机的扩展内存,而这种功能对需要处理连续图像的场合,如X光照片、心脏序列图像分析等问题具有很大优势。 系统中,摄像头在垂直方向以某一预先给定(实验获得)的速度移动,而其位移读数采用磁栅(或光栅)通过数据采集卡读入计算机,计算机通过计算分析这一系列图像中每一幅图像的边缘特征参数及与之对应的位移值,求出特征参数曲线和相对应的位移曲线,找出特征参数曲线上最佳的对焦点和与之对应位移曲线上的点,驱动步进电机带动摄像头移动到此点而实现图像的自动对焦过程。 采用边缘邻域统计法求边缘特征参数,即以阈值为参考灰度值取其某一领域内的灰度值的均值作为边缘特征参数求出其特征曲线,以特征曲线上的最大值所对应的点作为最佳对焦点,据此找到对应位移曲线上的点。 2.3 曲线模板匹配识别 系统自动找到复杂工件的某一边缘并自动采集一幅图像后,经过图像处理和模式识别,自动判断边缘形状,以确定是哪一类边缘以及采用何种曲线(直线、圆弧等)进行边缘拟合和参数计算。 如果预先已经确定了曲线的形状,那么用已知的函数进行边缘拟合可以不考虑噪声对系统精度的影响。但是对于自动识别系统来说,进行模式识别之前就不得不考虑噪声的问题了。因此,本系统软件中包含去噪声的算法,如中值滤波、模板平滑等算法。 在测量系统中,工作边缘形状多为相交直线、圆弧和圆弧的切线以及椭圆等,因此识别算法的主要工作是判别以上各种形状的区别。 我们采用曲线模板匹配法,即预先给定几种工件的边缘形状曲线模板,其形状见图2所示。用此曲线模板同实际的边缘进行对比,当其均方误差为最小时,既可以判定边缘的形状并采用相应的算法进行最小二乘圆弧、直线、椭圆的拟合。此方法的问题在于配准的实现,即将模板与对象物的中心对正并旋转一定的角度后才能进行匹配。本系统的配准算法为求信号图像的中心矩、高阶矩特征和主轴的倾角,将图像的中心和主轴倾角确定出来。再将模板的重心与其对正,旋转一定的角度后,进行匹配识别。所用公式见式(1)。 其中,M00为信号图像物体的面积;M10为物体对横坐标的一阶矩;M01为物体对纵坐标的一阶矩;θ为物体的主轴倾角;M11为物体的二阶中心矩;M20为物体对横坐标的二阶矩;M02为物体对纵坐标的二阶矩。 当被测物体与模板配准后,求其边缘各点坐标与模板(必须先调整模板与物体的相对大小比例系数)上相应位置的均方误差,误差越小即越相似,以此便实现了识别过程。 图3 像素x0的3×3邻域 3 数据处理算法 3.1 阈值的确定及其处理 确定图像的阈值有很多算法,如最