工業(yè)視覺(jué)系統(tǒng)應(yīng)用技術(shù)

第六章視覺(jué)測(cè)量與檢測(cè)技術(shù)

學(xué)習(xí)目標(biāo)掌握工業(yè)視覺(jué)在尺寸精確測(cè)量和產(chǎn)品特征/缺陷檢測(cè)領(lǐng)域應(yīng)用的技術(shù)原理和方法流程；通過(guò)案例學(xué)習(xí)，理解不同行業(yè)典型測(cè)量與檢測(cè)任務(wù)的解決方案架構(gòu)。工業(yè)制造領(lǐng)域中的視覺(jué)檢測(cè)應(yīng)用1視覺(jué)硬件系統(tǒng)技術(shù)的積累和突破為智能制造提供了更強(qiáng)大的感知能力。從電子產(chǎn)品制造到汽車零部件生產(chǎn)，從食品包裝到航空航天部件加工，視覺(jué)檢測(cè)技術(shù)廣泛滲透于各個(gè)細(xì)分領(lǐng)域。以汽車制造工業(yè)為例，工業(yè)機(jī)器人利用視覺(jué)檢測(cè)系統(tǒng)能夠快速且精準(zhǔn)的定位和安裝各種復(fù)雜形狀的汽車零部件，極大地提升了檢測(cè)的準(zhǔn)確性與穩(wěn)定性，為汽車的安全性能與整體質(zhì)量提供了堅(jiān)實(shí)保障。工業(yè)制造領(lǐng)域中的視覺(jué)檢測(cè)應(yīng)用前景廣闊，但也面臨諸多挑戰(zhàn)。只有通過(guò)不斷創(chuàng)新與突破，才能充分發(fā)揮視覺(jué)檢測(cè)技術(shù)的優(yōu)勢(shì)，推動(dòng)工業(yè)制造向更高質(zhì)量、更智能化的方向發(fā)展，為我國(guó)制造業(yè)的轉(zhuǎn)型升級(jí)與經(jīng)濟(jì)的可持續(xù)發(fā)展注入強(qiáng)大動(dòng)力。2產(chǎn)品尺寸測(cè)量工業(yè)視覺(jué)尺寸測(cè)量過(guò)程一般包括圖像采集、圖像處理和數(shù)據(jù)分析三個(gè)步驟。根據(jù)測(cè)量需求和精度選定合適的工業(yè)相機(jī)、鏡頭、光源等設(shè)備組件采集圖像；然后對(duì)圖像進(jìn)行必要的預(yù)處理，如噪聲濾波、邊緣增強(qiáng)、灰度處理等；然后，使用邊緣檢測(cè)算法，如Canny、Sobel等方法識(shí)別物體的邊緣，提取所需的幾何特征；最后通過(guò)計(jì)算機(jī)視覺(jué)算法進(jìn)行尺寸測(cè)量和數(shù)據(jù)分析?？ǔ吖ぞ呖ǔ吖ぞ呤且环N測(cè)量目標(biāo)邊緣及邊緣對(duì)的位置、特征或相互之間距離的視覺(jué)工具，通常用于檢測(cè)和測(cè)量物體的幾何特征，如長(zhǎng)度、寬度、直徑、間距等。視覺(jué)算法會(huì)根據(jù)邊緣極性類型的不同，選取合適的極值點(diǎn)查找目標(biāo)。點(diǎn)線圓查找1.點(diǎn)查找特征點(diǎn)檢測(cè)算法是計(jì)算機(jī)視覺(jué)和圖像處理中的核心技術(shù)之一，用于從圖像中提取具有顯著特征的點(diǎn)，例如查找兩條邊緣線的交點(diǎn)。2.線查找線查找工具在計(jì)算機(jī)視覺(jué)和圖像處理領(lǐng)域中用于識(shí)別和提取圖像中的線性結(jié)構(gòu)，常用于圖像分析、形狀檢測(cè)和模式識(shí)別。3.圓查找圓查找是在圖像中指定區(qū)域內(nèi)基于邊緣檢測(cè)和擬合的方法確定符合特定要求的圓周及相關(guān)數(shù)據(jù)，如圓中心點(diǎn)坐標(biāo)、圓半徑、擬合誤差等。點(diǎn)圓測(cè)量測(cè)量點(diǎn)到圓心的連線長(zhǎng)度實(shí)現(xiàn)點(diǎn)到圓距離的測(cè)量，通常用于工業(yè)生產(chǎn)中測(cè)量精度、位置校準(zhǔn)和質(zhì)量檢測(cè)等場(chǎng)合。線線測(cè)量線線測(cè)量是測(cè)量圖像中兩條直線之間的幾何關(guān)系，通過(guò)向量點(diǎn)積公式計(jì)算兩條直線之間的相交點(diǎn)（如有）、線間距離和夾角等參數(shù)。圓圓測(cè)量圓圓測(cè)量模塊涉及到檢測(cè)圖像中的圓，一般與圓查找模塊配合使用，計(jì)算它們之間的幾何關(guān)系（如距離、相交面積等）。3特征檢測(cè)線邊緣缺陷檢測(cè)線邊緣缺陷檢測(cè)模塊的設(shè)計(jì)旨在檢測(cè)產(chǎn)品或材料中線狀結(jié)構(gòu)（如直線、曲線）上的缺陷。這種檢測(cè)經(jīng)常應(yīng)用于檢測(cè)電纜、管道、軌道或印刷電路板等產(chǎn)品的邊緣是否有瑕疵、缺口或不規(guī)則性。圓弧缺陷檢測(cè)圓弧缺陷檢測(cè)模塊用于識(shí)別和分析工業(yè)產(chǎn)品中圓弧形特征的缺陷，模塊可以識(shí)別諸如裂縫、咬邊、凹陷和表面不平等缺陷。4實(shí)戰(zhàn)案例一：三極管引腳尺寸測(cè)量項(xiàng)目需求分析具體測(cè)量需求如下：產(chǎn)品材質(zhì)：金屬、塑料尺寸范圍：2mm-10mm測(cè)量精度：0.1mm視野確定：50mm*50mm（視野范圍要比樣品大，并保證有充分的移動(dòng)冗余空間）成像系統(tǒng)工作距離：200mm硬件方案設(shè)計(jì)根據(jù)視野大?。?0mm*50mm）和測(cè)量精度±0.1mm等檢測(cè)要求，選擇面陣相機(jī)

相機(jī)像素=（長(zhǎng)邊像素?cái)?shù)×n）×（短邊像素?cái)?shù)×n）精度余量按照3倍計(jì)算，得出相機(jī)的長(zhǎng)邊像素?cái)?shù)量為1500，短邊像素?cái)?shù)量為1500。選擇MV-CS032-10GM（320萬(wàn)像素黑白相機(jī)、分辨率2048×1536、CMOS芯片、像元尺寸3.45μm×3.45μm、C-Mount接口）根據(jù)鏡頭焦距計(jì)算公式：

焦距=工作距離×CCDSensor尺寸÷視野計(jì)算得出鏡頭焦距約為21.2mm

，結(jié)合現(xiàn)有鏡頭型號(hào)，選擇MVL-HF1628M-6MPE（600萬(wàn)分辨率）鏡頭。根據(jù)檢測(cè)需求分析和設(shè)備選型，視覺(jué)采集硬件系統(tǒng)架設(shè)方案視覺(jué)測(cè)量流程設(shè)計(jì)5實(shí)戰(zhàn)案例二：光伏電池片制造缺陷質(zhì)檢項(xiàng)目需求分析現(xiàn)有某光伏電池系列產(chǎn)品，需對(duì)電池片邊緣破損和斷裂等制造缺陷進(jìn)行識(shí)別檢測(cè)。其中，產(chǎn)品材質(zhì)為硅基半導(dǎo)體材料，電池片來(lái)料位置固定、視野范圍約為100mm*100mm，崩邊破損識(shí)別精度0.5mm，視覺(jué)采集系統(tǒng)工作距離約為250mm。硬件方案設(shè)計(jì)根據(jù)工件材質(zhì)及邊緣識(shí)別檢測(cè)特點(diǎn)，打光方案選擇背光源，可以呈現(xiàn)對(duì)比明顯的邊緣效果；相機(jī)及鏡頭選型可參考案例一。視覺(jué)檢測(cè)流程設(shè)計(jì)具體流程步驟如下：

1）調(diào)用特征匹配（高精度匹配）工具模塊2）利用位置修正模塊建立基準(zhǔn)點(diǎn)3）利用直線邊緣檢測(cè)模塊分別查找四條直線邊的缺陷4）利用格式化整理檢測(cè)結(jié)果，按照項(xiàng)目檢測(cè)要求將邊緣缺陷區(qū)域的中心坐標(biāo)輸出5）條件檢測(cè)判斷。使用條件檢測(cè)模塊通過(guò)判斷缺陷個(gè)數(shù)判斷工件是否合格。6）完成缺陷檢測(cè)流程，使用發(fā)送數(shù)據(jù)模塊，將上述四個(gè)條件分支的檢測(cè)結(jié)果格式化處理后別發(fā)送至相應(yīng)的控制或通信設(shè)備6實(shí)戰(zhàn)案例三：齒輪測(cè)量案例硬件方案設(shè)計(jì)硬件方案設(shè)計(jì)過(guò)程略，具體內(nèi)容可參考案例一。視覺(jué)流程設(shè)計(jì)1）采集圖像后，分別調(diào)用特征匹配（快速匹配）和位置修正工具模塊進(jìn)行特征定位操作2）檢測(cè)齒輪輪轂圓心和輪齒頂點(diǎn)。使用圓查找工具模塊檢測(cè)輪轂軸孔利用組合模塊，搜索所有匹配的輪齒，逐一測(cè)量每個(gè)輪齒頂點(diǎn)到齒輪輪轂圓心的距離；利用位置修正工具定位匹配的輪齒，逐一確定后續(xù)視覺(jué)工具模塊運(yùn)行時(shí)所對(duì)應(yīng)的輪齒位置利用頂點(diǎn)檢測(cè)工具模塊檢測(cè)所有的輪齒齒頂頂點(diǎn)3）使用點(diǎn)圓測(cè)量工具，分別調(diào)用前述視覺(jué)流程中檢測(cè)到的輪轂圓心和輪齒頂點(diǎn)，計(jì)算