基于数码平板的GAP视觉自动检测系统设计

潘 辉,杨龙兴,梁 栋,杨浩轩

(江苏理工学院 机械工程学院,江苏 常州 213001)

基于数码平板的GAP视觉自动检测系统设计

潘 辉,杨龙兴,梁 栋,杨浩轩

(江苏理工学院 机械工程学院,江苏 常州 213001)

针对目前数码平板的边框与屏幕之间的缝隙对其外观质量的影响和缝隙检测精度的要求，设计开发了数码平板的GAP视觉自动检测系统。首先根据待检测平板的结构特征，给出了检测系统的机械结构简图，并对该系统的检测流程作简单阐述。再借助计算机视觉理论，采用二次滤波、膨胀与腐蚀算法，并借助图像处理软件，实现了数码平板的GAP图像自动检测与质量分类，加强了检测的可靠性。

数码平板；GAP；自动检测；图像处理

当今社会人们对于数码平板产品的质量追求越来越高，而其边框与屏幕的缝隙(GAP)大小，直接影响其外观和防尘性能，如何检测其缝隙，使其满足合格指标并兼顾检测效率，一直困扰着生产企业。目前，部分加工厂采用先进的三坐标测量仪[1-3]来进行人工检测，但其使用不便、检测效率低下，且设备价格昂贵；也有部分企业采用一些半自动检测装置[4]，但仍然需要劳动力参与，且效率不高。近年来，随着国外计算机视觉检测水平的不断发展，三维检测、微小结构检测技术正不断发展，国内视觉检测水平也处于逐步上升的趋势，且广泛应用在电子工业产业中。本文所述检测系统的研发，充分利用数字图像处理技术与机电一体化控制技术，不仅能实现GAP的自动检测，而且也能实现平板的自动抓取，以及合格品和不合格品分类，能够解决大部分电子厂商的自动化问题。

1 视觉检测系统与结构

本文是对一种基于计算机视觉检测技术的应用，该技术结合了计算机技术、光电信息技术、智能技术，具有以下特点：快速性、非接触性、柔性、智能化等。该系统视觉检测内容为数码平板的缝隙，即数码平板的边框与屏幕之间的缝隙。检测系统主要包括图像采集组件、PLC控制设备、交流伺服电机、气缸、分类传输机构以及通信部分。

1.1视觉检测系统

该系统是在平板边框与屏幕压合后对其缝隙进行检测的系统设计。该系统图像采集组件由图像采集软件、光源、CCD数字相机、镜头等组成，通过计算机采用图像处理算法，可得到GAP的尺寸大小及其精度。其系统结构框图如图1所示。

视觉自动检测策略如下：自动检测GAP时，需将待测平板放置于视觉检测系统的移动平台上。在光源照射下，被测平板间隙会投射光源发出的光线，该光线被CCD相机捕捉，CCD将视频转成数字图像信号供计算机处理，计算机运用数字算法对图像数据处理运算，得出待检测平板GAP参数，并与设置的产品标准参数相比，判断其GAP值是否与设置参数相符。在检测期间，被测平板定位在移动平台上，并随着移动平台对3个不同的工位进行检测。因为GAP大小是线性变化的，所以选取数码平板的最两端以及中间部分进行检测。每一次检测，相机都会得到两个间隙值D1，D2，通过均值法得到Da=(D1+D2)/2，看Da是否在公差范围内。每个产品分别进行3次检测，得到Dal，Dam，Dar。当Dal，Dam，Dar中有任意一值不在公差范围内，则认定该产品为不合格品，该产品需返回重新压合；反之，若Dal，Dam，Dar都在公差范围内，则认定该产品为合格品，可以进行下一道工序。

1.2机械机构设计

根据该系统框图(图1)中的组成要素，设计出视觉检测总体结构如图2所示。

该系统机械结构主要由GAP检测相机、合格品与不合格品传送装置以及待检测品传送装置等组成，每个机构机械部分的动力来源采用交流伺服电机驱动，为避免传送装置的振动对检测精度的影响，每个机构传动之间相互独立。GAP检测装置主要通过2个定位气缸对检测平板定位后，再通过丝杠传动实现平台的移动；CCD相机则采用触发软件自动采集图像，检测GAP大小；并将图像处理结果经RS232转RS485线路传送给PLC，通过PLC输出检测结果。合格品与不合格品传送装置通过皮带传动实现合格品与不合格品的分类，且两者运动方向相反；待检测装置则是通过皮带传动将已经压合完成的平板传送到抓取位置。具体流程框图如图3所示。

2 图像处理及算法实现

2.1图像预处理

为了在保证检测精度的同时注重检测效率，图片质量至关重要，需对采集图像进行数字化处理。通过相机采集到的原始图像可能因为环境因素会含有噪声，因此必须先对原始图像进行灰度校正、噪声过滤等预处理。因为噪声的空间不相关性，图像中噪声的空间频谱更加强烈，通常可以采用低通滤波的方法去除噪声[5]，再通过锐化处理来增强图像各点间灰度差，凸显有效信息，但这也会出现噪声被增强的可能，从而影响边界检测。针对该状况，本系统采用了二次平滑滤波的方法，即滤波—锐化—再滤波[6-8]。本文首先采用滤波因子为3的中值滤波因子对原始图像进行平滑处理，再将滤波后的结果经过阶梯锐化处理来增强图像效果，凸显有用信息。假设用函数f(x,y)来表示一幅图像，则点(x,y)处的梯度为：

用其差分形式表示为：

G(x,y)=|f(x,y)-f(x+1,y)|+

|f(x,y)-f(x,y+1)|

最后采用5×5的高斯滤波因子对锐化后图像作平均值处理，通过以上方法，图像质量得到了质的提高，获得了效果良好的边缘提取信息。图4为本系统采用二次平滑滤波的方法对原始图像滤波前后的比较。

2.2轮廓边缘提取

边缘检测法是轮廓提取的基本方法，即利用空域微分算子，将模板与待处理图像采用卷积运算得到一个新的图像。主要原理：检测时，局部图像会呈现出不连续性边缘，微分算子的作用是将不连续的边缘连成完整的边界。经典的边缘检测算子主要有微分算子(Roberts、Prewitt、Sobel、Laplacian等)、拉普拉斯高斯算子以及Canny算子等，本文采用的轮廓提取方法是：首先采用灰度阈值法对图像进行阈值分割，再利用数学形态学方法对阈值处理图像进行优化，至此完成具有单像素边缘的图像轮廓提取。

本文采用的图像分割是单阈值分割方法，其处理步骤如下：首先确定分割阈值，其次将像素的灰度值与确定阈值相比较。阈值分割的基本原理是：若原始图像D(u,v)的灰度值区间为[Zmin,Zmax]，在D(u,v)内设定一个突变阈值Z0，且Zmin

阈值分割目的在于保留尽可能多的原始图像特征，舍弃不需要的信息[9]。因此，单阈值法中最关键的问题就是如何正确地确定灰度值的突变阈值Z0。本文利用迭代法来确定突变阈值Z0，主要是基于数学上的二分法思想。首先根据软件灰度直方图，确定初始阈值，采用该阈值将图像分割为目标和背景，再取两者灰度值的平均值作为新的阈值，最后通过有限次迭代循环直至相邻两次循环所得阈值差非常小时，停止循环，确定突变阈值Z0。该方法思想简单，易于实现，主要步骤如下：

a.确定图像灰度值的最大值Zmax和最小值Zmin，则新的阈值Z0为(Zmax+Zmin)/2；

b.根据Z0将图像分割为目标和背景，分别对两者的灰度值作平均得到Zd和Zb；

c.求出新阈值Z1=(Zd+Zb)/2；

d.若Z0与Z1近似相等，则所得即为阈值，否则令Z0=Z1代入b继续循环运算，直至Z0与Z1近似相等。

图5为阈值处理后的图像。

2.3膨胀、腐蚀

由图5可知，经过阈值分割得到的二值图像中，由于有灰尘等噪声的影响，存在断线、空洞、毛刺等缺陷，直接采用缺陷图像进行轮廓提取会给测量带来误差，影响精度。为了解决这些问题，本文采用数学形态学来对图像进行再次优化。形态学变换包括4种基本运算[10]：膨胀(Dilation)、腐蚀(Erosion)、开运算(Open)和闭运算(Close)。实际运用中，应根据以下原则对图像进行合适的运算处理：

a.在尽可能保证基本形状特征的基础上，对边界进行平滑处理，去除空洞和毛刺；

b.在保证测量精度的前提下，保持目标图像的尺寸。

理论上，膨胀可以达到增大目标、缩小孔洞的目的；腐蚀能够使图像的边界收缩、内孔增大,消除噪声。本文采用膨胀与腐蚀的算法进一步修补二值图像的缺陷。图6，7为基于数学形态学优化后的效果图。

数学形态学是一门建立在数学理论基础上的学科，它是一种新型的图像处理方法和理论，并且广泛应用于计算机数字图像处理。其基本思想是利用一个称作结构元素的“探针”收集图像的信息。结构元素在形态学中的作用相当于信号处理中的“滤波窗口”[11]。本系统采用3×3结构元素，如图8所示。

a.腐蚀运算数学表达式为：

g(x,y)=erode[f(x,y),B]=AND[Bf(x,y)]

式中：g(x,y)为腐蚀后的二值图像；f(x,y)为原二值图像；B为结构元素；Bf(x,y)定义为Bf(x,y)=[f(x-bx,y-by),(bx,by)∈B];算子AND定义为当且仅当x1=x2=…=xn=1时，AND(x1,…,xn)等于1，否则为0。

b.膨胀预算数学表达式为：

g(x,y)=dilate[f(x,y),B]OR[Bf(x,y)]

式中算子OR定义为：当且仅当x1=x2=…=xn=0时，OR(x1,…,xn)等于0，否则为1。

3 实验分析

该系统检测软件采用的是现在流行的通用视觉处理软件VisionBuilderAI。VisionBuilderAI是美国国家仪器公司开发的一款视觉处理软件，其具有开发周期短、后期维护容易等特点，已广泛使用于工业领域。数字相机采用800万像素的JAI相机，利用标准的GigEVision接口来传输数据 ，分辨率为3 296 ×2 472，像素尺寸5.5μm×5.5μm。为了满足检测精度要求，本系统采用多次测量取均值作为真值，利用上述分析步骤处理采集到的图像。其具体步骤如图3所示，表1为一组缝隙检测的数据。产品间隙的实际标准尺寸为233μm,根据表1中3次检测所得检测值,求其平均值与方差分别为233.15μm,由表1可知,测量精度较高，满足生产要求的检测精度。

4 结束语

本文通过对平板缝隙检测分析，阐述了工业生产现场中视觉检测系统的方案和机械结构设计，采用机电一体化控制技术与图像识别技术相结合的方法，对被测产品进行了实时检测，通过数字图像处理技术对GAP是否合格实施了自动在线测量。该方法既保证了检测的智能化和产品质量的一致性，又有效地提高了工厂的生产效益，为后续的平板组装实现自动化柔性生产提供了可能。

[1] 张学昌,高学敏,邵建敏,等.基于三坐标测量仪的双目视觉测量方案及其数据分析[J].工具技术,2004,38(6):65-67.

[2] 黄风山,钱惠芬.三坐标测量机驱动的摄像机标定技术[J].光学精密工程,2010,18(4):952-957.

[3] 白月飞,高青松,金伟.浅谈三坐标测量机及其应用[J].现代制造技术与装备,2009(6):29-31.

[4] 姬海莉.在Helava数字摄影测量工作站中实现半自动化矢量采集[J].铁道勘察,2004,30(3): 51-52.

[5] 杨小冈,孟飞.一种实用的图像滤波算法[J]. 计算机应用,2009(6):217-219.

[6] 奕 新,李铁一.二次滤波法提取图像边缘信息方法及其应用[J].青岛海洋大学学报,1999, 29(1):107-111.

[7] 黄庆华,周荷琴,冯焕清.一种快速有效的图像脉冲噪声滤除方法[J].计算机工程与应用,2002 (17):113-114.

[8] 吴彰良,刘洁.基于计算机视觉的油封尺寸检测系统设计[J].计算机测量与控制,2012,20(5):58-60.

[9] 崔屹.数字图像处理技术与应用[M].北京:电子工业出版社,1997:122-125.

[10]CarstenSteger,MarkusUlrich,ChristianWiedemann. 机器视觉算法与应用[M].北京:清华大学出版社,2008.

[11] 张艳玲,刘桂雄,曹东,等.数学形态学的基本算法及在图像预处理中应用[J].科学技术与工程,2007,3(7):356-359.

The development of automated visual inspection system based on the GAP of digital tablet

PAN Hui, YANG Longxing, LIANG Dong, YANG Haoxuan

(Jiangsu University of Technology, Jiangsu Changzhou, 213001, China)

In order to solve the problems of the gap impact between the frame and the screen of digital tablet on its appearance quality and the requirements of the gap accurate testing, it designs an automated visual inspection system based on the GAP of digital tablet. According to structural features of detected table, it designs the mechanical structure diagram of the detection system and describes a brief description of the system testing process. Based on computer vision theory and aiming at enhancing the reliability of the detection, it uses the image processing software to process the images with the algorithm combined with quadratic filter, expansion and corrosion. This realizes the GAP automatic detection and the quality classification of digital tablet.

digital tablet; GAP; automatic detection; image processing

10.3969/j.issn.2095-509X.2015.02.013

2014-12-31

潘辉(1990—)，男，江苏建湖人，江苏理工学院硕士研究生，主要研究方向为无损检测。

TP29

A

2095-509X(2015)02-0051-05