1、第12章 基于计数和测量的智能视觉应用第12章 基于计数和测量的智能视觉应用12.1 采血试管计数采血试管计数12.2 轴承尺寸测量轴承尺寸测量本章小结本章小结第12章 基于计数和测量的智能视觉应用12.1 采血试管计数采血试管计数12.1.1 行业背景介绍行业背景介绍医药行业是一个产品质量至关重要的行业。医药行业经常用到的采血试管一般是真空玻璃管,可以实现定量采血,如图12-1所示。第12章 基于计数和测量的智能视觉应用图12-1 采血试管示例第12章 基于计数和测量的智能视觉应用12.1.2 项目需求分析项目需求分析以某采血管自动化装配线为例,采血管在生产过程,“端帽”和“垫片”安装是容易
2、出现问题的两个工位,而这两个组件的漏装会导致很严重的质量问题。所以,在这两个组件安装完毕后的工位设计一套视觉检测系统,将“无端帽”和“无垫片”的产品进行标记(当出现问题产品时给喷码枪发一个I/O信号,喷码枪会在产品上打标记)。如图12-2所示,虚线框中为无端帽试管,颜色相较于其他试管偏蓝;实线框中为无垫片试管,中心区域较其他试管偏黑。第12章 基于计数和测量的智能视觉应用图12-2 一组采血管(100支)第12章 基于计数和测量的智能视觉应用根据以上工况,得出视觉系统选型需要的关键参数如下:(1)拍摄范围。(2)安装高度。(3)检测精度。(4)检测速度。(5)运动速度。(6)信号输出类型。第1
3、2章 基于计数和测量的智能视觉应用12.1.3 硬件系统构建硬件系统构建根据项目分析结果,设计如下视觉系统的核心器件:(1)工业相机。(2)工业镜头。(3)光源。(4)智能视觉控制器。根据上述核心器件选型,视觉系统的硬件安装示意图如图12-3所示。第12章 基于计数和测量的智能视觉应用图12-3 采血试管计数视觉系统的硬件安装示意图第12章 基于计数和测量的智能视觉应用12.1.4 计数方案配置计数方案配置1.流程分析流程分析在进行试管检测时,首先对图像进行预处理,将图像的色彩空间从 RGB转换为 HSV,然后提取其中的 H 通道,对 H 通道的图像进行灰度处理;然后对图像中的试管部分进行异色
4、试管检测、正常试管检测和缺垫试管检测处理。在对图像进行完上述操作后,就可以确定试管是否合格了。图12-4所示是检测流程图。第12章 基于计数和测量的智能视觉应用图12-4 检测流程图第12章 基于计数和测量的智能视觉应用2.检测方案配置检测方案配置(1)打开 VisionBank,在工具栏点击“环境设置”,在弹出的对话框中的“相机选择”项里选择 MicroVision相机,如图12-5所示。“IO 与光源控制”选择对应 SVC300控制器的IO 卡型号,如图12-6所示。第12章 基于计数和测量的智能视觉应用图12-5 相机选择示意图第12章 基于计数和测量的智能视觉应用图12-6 IO 方式
5、选择示意图第12章 基于计数和测量的智能视觉应用(2)导入一帧不合格产品的图片作为工程设计的参考图,点击编辑界面右上角的“预处理”工具,如图12-7所示。第12章 基于计数和测量的智能视觉应用图12-7 导入参考图第12章 基于计数和测量的智能视觉应用(3)添加“转化为灰度图”工具,选择提取通道为“H 通道”,会出现如图12-8所示的界面。第12章 基于计数和测量的智能视觉应用图12-8 灰度工具配置页面第12章 基于计数和测量的智能视觉应用(4)添加“斑块计数”工具,识别端帽颜色不同的产品;设置工具栏中的参数,识别不正常的试管端帽。工具参数栏中的“区域类型”用于设置处理区域的形状,这里选择“
6、矩形区域”较为合适。“使用掩模”用于忽略处理区域中的某片区域,这里不做选择。“斑块颜色”是工具要计数的斑块的颜色,这里选择“白色”。“二值阈值”是将处理区域分割为“斑块”和“背景”区域的灰度阈值,参数范围为-1255,可根据检测效果进行调节,当参数为-1时表示根据直方图自动选择阈值,当参数在0255之间时表示用户指定阈值,默认值为190,这里设置的阈值为135。第12章 基于计数和测量的智能视觉应用“面积范围”是指检测出的斑块要符合的面积范围(像素单位),参数范围为非负整数,当面积最小值为0时表示最小面积不限制,当最大值为0时表示最大面积不限制。“筛选”用于通过斑块的特征参数对斑块进行过滤。点
7、击“筛选”,设置“筛选”参数筛选出半径大于20的白色圆,如图12-9所示,识别出的两个白色的大圆就是颜色不正常的试管端帽。第12章 基于计数和测量的智能视觉应用图12-9 添加“斑块计数”工具第12章 基于计数和测量的智能视觉应用(5)添加另一个“斑块计数”工具,设置工具栏中的参数,识别正常颜色的端帽产品。工具栏中的参数同上一步,其中“筛选”的参数设置为筛选出半径大于4且小于20的白色圆,如图12-10所示,识别出96个白色的小圆,就是颜色正常的试管端帽。第12章 基于计数和测量的智能视觉应用图12-10 添加另一个“斑块计数”工具第12章 基于计数和测量的智能视觉应用(6)添加“公式运算”工
8、具,如图12-11所示,计算100个试管里面有几个是没有垫片的试管,计算方式为100减去垫片检测个数及异色试管统计个数。在工具参数栏中的“计算公式”中选择运算公式“100-X1”,然后添加两个“斑块计数”的结果作为“参考数值”,得到“公式计算”的结果为2,表示有两个缺垫的试管。第12章 基于计数和测量的智能视觉应用图12-11 添加“公式运算”工具第12章 基于计数和测量的智能视觉应用(7)双击“流程单元”,“流程触发信号”设置到“输入0”上,用来触发相机拍照,如图12-12-所示。(8)双击“图像单元”,选择“结果 NG”信号到“输出1”,如图12-13所示。第12章 基于计数和测量的智能视
9、觉应用图12-12-配置“流程触发信号”第12章 基于计数和测量的智能视觉应用图12-13 配置“结果输出”第12章 基于计数和测量的智能视觉应用(9)点击“环境设置”里的“数据存档”栏目,选择数据保存路径以及保存的方式,可以选择保存原图、保存界面截图以及设置图片格式,如图12-14所示。(10)软硬件以及通讯设置完成后运行软件,进行检测,检测结果如图12-15所示。第12章 基于计数和测量的智能视觉应用图12-14 配置“数据存档”第12章 基于计数和测量的智能视觉应用图12-15 检测结果示意图第12章 基于计数和测量的智能视觉应用3.检测准确性验证流程及思路检测准确性验证流程及思路任何机
10、器视觉项目在调试完成后,都需要对系统的软硬件配置参数进行验证,验证的目的是确保硬件系统可以100%地将所有“异常”特征(没有套帽和垫片的情况)凸显出来,同时我们之前设置的参数(比如用圆外径筛选)是可以全部区分“正常”和“异常”情况的。第12章 基于计数和测量的智能视觉应用12.2 轴承尺寸测量轴承尺寸测量12.2.1 行业背景介绍行业背景介绍动力系统是汽车的“心脏”,汽车零部件生产制造过程中质量把控至关重要。目前,上汽、一汽和东风等大型汽车企业均采用机器视觉检测,来确保庞大数量的产品生产监控。轴承是汽车动力系统中的关键部件之一,也是影响整车安装的关键部件,如图12-16所示。第12章 基于计数
11、和测量的智能视觉应用图12-16 轴承示例第12章 基于计数和测量的智能视觉应用12.2.2 项目需求分析项目需求分析所有检测都只通过一个摄像头来完成,光学分拣机的自动化部分本案例不做叙述,与视觉系统设计相关的核心要素如下:(1)拍摄范围:本项目识别的轴承尺寸外径为32mm,视野范围设计为45mm34mm(相机芯片比例为4 3)。(2)安装高度:本工位以视觉检测功能为核心,其他机构都以视觉系统的参数需求为主,所以安装空间无特殊要求。第12章 基于计数和测量的智能视觉应用(3)识别精度:本项目涉及的精度分析有两部分,一是尺寸测量,产品的工艺误差为5m,所以检测精度设计为0.005mm;二是字符识
12、别,字迹的宽度为0.1mm 左右,由于采用相同的硬件,这部分精度要求可以不做考虑。(4)识别速度:按照流水线的运行速度,每秒能通过2个产品,故视觉系统的识别速度设计为每秒4帧图片。(5)运动速度:流水线速度为0.05m/s,属于低速抓拍,工业相机依然需要帧曝光。(6)通讯方式:本项目使用的控制系统是台达PLC,需要的信号只是产品是否合格,所以采用IO 输出结果信号。第12章 基于计数和测量的智能视觉应用12.2.3 硬件系统构建硬件系统构建基于项目需求分析的数据,构建以下核心视觉部件:(1)工业相机。(2)工业镜头。(3)光源。(4)智能视觉控制器。综合上述核心器件选型,视觉系统硬件安装示意图
13、如图12-17所示。第12章 基于计数和测量的智能视觉应用图12-17 轴承尺寸测量视觉系统的硬件安装示意图第12章 基于计数和测量的智能视觉应用12.2.4 测量方案配置测量方案配置1.流程分析流程分析在检测一个汽车零件轴承的尺寸是否合格之前,首先对采集到的图片进行定位,防止产品发生偏移引起检测误差;然后对图像进行两次圆检出,检出轴承的内径和外径,计算待测轴承的尺寸。检测流程图如图12-18所示。第12章 基于计数和测量的智能视觉应用图12-18 轴承检测流程图第12章 基于计数和测量的智能视觉应用2.检测方案配置检测方案配置(1)打开 VisionBank软件,点击“环境设置”,在弹出的对
14、话框中的“相机选择”栏里选择所对应的相机品牌,在“IO 与光源控制”框中选择IO 方式,如图12-19所示。第12章 基于计数和测量的智能视觉应用图12-19 IO 配置第12章 基于计数和测量的智能视觉应用(2)回到 VisionBank主界面,导入一帧轴承图片。选中“图像单元”,点击主界面右上角的“标定”按钮,选择“长度/面积标定”栏目,标定图可以是一定大小的棋盘格或者网格标定板,也可以是比例尺。选择为比例尺标定时,仅粗略标定像素与物理单位之间的比例关系,即缩放比,可用于简单的测量。为了得到更高的精度,需要考虑相机倾斜安装和镜头畸变等因素,必须使用“标定板”标定方法。本项目采用棋盘格标定板
15、进行标定,将事先做好的棋盘格放在检测位置上,点击“采集图像”;然后输入选中的总行数、总列数以及间隔距离,点击标定,如图12-20所示,这样就完成了像素尺寸转化为实际尺寸的操作。第12章 基于计数和测量的智能视觉应用图12-20 棋盘标定第12章 基于计数和测量的智能视觉应用(3)点击主界面右上角的“预处理”工具,选择合适的预处理算法,提高导入图像的质量。考虑到检测目标的生产环境的影响,拍摄的图像可能会有噪声,预处理除了进行灰度化处理,还要添加高斯滤波消除噪声。后续再选择的模块是在预处理之后的图像上执行的。在主界面右下角视觉模块栏的“定位”模块中找到“特征定位”。双击该工具,图像界面出现两个矩形
16、选择框,较大的选择框为搜索区域,较小的选择框为“特征定位”的模板搜索区域。我们选择字符区域作为模板区域,将两个选择框拖曳至如图12-21所示位置。第12章 基于计数和测量的智能视觉应用图12-21 添加“特征定位”工具第12章 基于计数和测量的智能视觉应用图12-22所示的“特征定位”工具参数栏中的“可靠度”值越高,定位的结果越准确,但过高的准确率会增加定位时间,参数范围为010,默认值为6。“最大角度”是待测图像中目标与模板的角度差异最大值,参数范围为0180,默认值为15。“检出阈值”控制待定位物体与模板的相似程度,参数范围为1599,默认值60。根据实际的检测需求和效果来调整参数的值,设
17、置可靠度为6,检出阈值为60,最大角度为180,如图12-22所示。第12章 基于计数和测量的智能视觉应用图12-22“特征定位”工具参数栏第12章 基于计数和测量的智能视觉应用(4)在“特征定位”工具参数栏的右边可以看到一副缩小的图像,该图像展示了模板图像以及提取出的轮廓特征,点击“重定义”可以更改模板区域,点击“编辑”会弹出图12-23所示的界面,可以通过“参考点”中的不同模式选择模板图像的参考点,作为特征定位的定位点。另外还可以通过“模型参数”中的“边缘尺度”和“边缘阈值”调整模板图像中的边缘点个数。第12章 基于计数和测量的智能视觉应用图12-23 编辑模板第12章 基于计数和测量的智
18、能视觉应用(5)在主界面右下角视觉模块栏的“有无”模块中找到“圆检出”。“圆检出”的实现原理是在设定的环形 ROI区域内等间距设置一组由外圆环到内圆环的扫描线;沿扫描线进行投影累积后计算均值(差分滤波),由均值的大小和符号确定是否符合预设参数,每条扫描线中扫描出一个边缘点;最后将扫描出的边缘点拟合圆作为检测出的圆。添加两个“圆检出”工具,调整区域如图12-24和图12-25所示,点击“添加”,该工具用来识别出轴承的内外径拟合圆。需注意,要勾选图12-24中左下角的“使用标定”栏目下的“长度/面积”标定,这样输出的结果值才是实际测量值。第12章 基于计数和测量的智能视觉应用图12-24 内径“圆
19、检出”工具第12章 基于计数和测量的智能视觉应用图12-25 外径“圆检出”工具第12章 基于计数和测量的智能视觉应用(6)在主界面右下角视觉模块栏的“其它”模块中找到“公式运算”,添加“公式运算”工具,计算上面检测出的两个圆的直径。点击左下角的“添加参考”,添加想要计算的数据,这里添加“圆检出#1.圆直径”。同理,再添加一个“公式运算”计算出“圆检出#2.圆直径”,如图12-26所示。第12章 基于计数和测量的智能视觉应用图12-26 计算“圆检出#1”和“圆检出#2”的圆直径第12章 基于计数和测量的智能视觉应用(7)双击软件界面左上方的“图像单元”,点击下方“添加”按钮,添加“图像单元#
20、1”的OK、NG 输出信号的通道,如图12-27所示。(8)点击“环境设定”里的“数据存档”栏目,选择数据保存路径以及保存方式,可以选择保存原图、保存界面截图以及设置图片格式,如图12-28所示。(9)点击主界面左下角的“文件输出内容及格式定义”,添加想要保存的数据,如图12-29所示。这样就可以在上一步所设置的路径下找到检测出的轴承内外径的Excel数据文件。(10)软硬件以及通讯设置完成后,运行软件进行检测。第12章 基于计数和测量的智能视觉应用图12-27 添加“图像单元”的状态信号第12章 基于计数和测量的智能视觉应用图12-28 设置数据存栏第12章 基于计数和测量的智能视觉应用图1
21、2-29 导出数据第12章 基于计数和测量的智能视觉应用3.检测准确性验证流程及思路检测准确性验证流程及思路本项目属于典型的尺寸测量类项目,尺寸测量类项目的重复精度验证包括两方面:一是视觉系统本身的软硬件配置精度是否满足要求,验证方法是取一个合格产品,在视觉系统视野范围内随机移动测量25次数据,测量结果的最大值和最小值之差就是视觉系统本身的重复精度;二是验证视觉系统选择的光源和软件算法的“抗干扰”能力,验证方法是取25个不同的合格产品,随机放在视野范围内获取测量结果,一般用测量结果的平均值和合格产品本身尺寸的平均值来比较误差。第12章 基于计数和测量的智能视觉应用本本 章章 小小 结结本章分别围绕计数和测量技术,详细介绍了采血试管计数和轴承尺寸测量两个智能视觉应用案例,展示了颜色面积测量技术、圆检测技术等在具体检测过程中的应用范式,加深读者对利用基础的视觉工具组合进行各类智能视觉应用的理解,提升读者对前面章节知识的学习效果。
