基于HALCON的工业零件检测研究

桂林电子科技大学信息科技学院 孙天一 蒙煌昌 江素婷 黄金海

1 引言

机器视觉系统在国内外都已经有所应用，它可以被用于：分析图像，并且生成一个对被成像物体的描述。这些描述必须包含：关于被成像物体的某些方面的信息，而这些信息将被用于：实现某些特殊的任务。机器视觉可以使用在社会生产和人们生活的各个方面，在替代人的劳动方面，需要用人眼观察、判断的事物，都可以用机器视觉来完成，最适合用于大量重复动作（例如工件质量检测）和眼睛容易疲劳的判断等。

HALCON能够让使用者在最短时间里开发出视觉系统，包含了一套交互式的程序设计界面HDevelop，可在其中以HALCON程序代码直接撰写，修改，执行程序。通过利用halcon软件中的多种算法对计算机所采集到的零件图像进行处理，最终确认其是否符合使用或生产等条件。

2 检测系统方案设计

系统硬件整体由工作台、支架、传送带、工业相机、计算机等设备组成。在电机的驱动下，滚轮匀速运转，带动传送带转动；工业相机获取电机驱动的传送带上零件的图像，再将图像传递给计算机进行图像处理，通过一系列的处理与分析来判断其是否符合工业生产标准。若符合，则将其直接传送至下一流程；若不符合，则通过计算机向在旁的检验人员报告。由图1所示，为系统整体设计。

图1 系统整体设计

3 检测实现

3.1 图像获取

在硬件系统模块中的电机驱动电路控制下，传送带匀速转动，将待检测零件传送至工业相机镜头正下方，工业相机与计算机相连接，相机获取传送带上的零件图象，将其传送给计算机，利用HALCON软件进行计算，在图像采集中为防止外部光源对检测结果的影响，通常在相机上方添加遮光板，能有效增加检测精准度。

3.2 图像处理

HALCON是一套完善的标准的机器视觉算法包，拥有应用广泛的机器视觉集成开发环境； HALCON灵活的架构便于机器视觉，医学图像和图像分析应用的快速开发。使用HALCON机器视觉图像软件对采集到的图像先进行预处理：二值化、特征提取、开运算、区分连通域，使所要获取的目标图像更清晰并将需要检测的工业零件与无关背景杂质进行区分，需要进行多次反复腐蚀和膨胀，最终获得所能够判断的目标图像的轮廓。

用halcon采集图片代码：grab_image_async (Image, AcqHandle, -1)

3.2.1 二值化

图像的二值化可以使图像中数据量大大地减少，将整个图像呈现出明显的黑白效果，从而能凸显图像中目标的轮廓。这一步即可采用图像分割，其公式如下。其中，T为阈值，对于物体的图像元素g(i,j)=1，对于背景的图像元素g(i,j)=0。即此时g(i,j)=1为元器件部分，g(i,j)=0为背景部分。

下图是相机获取到的一个六边螺母零件，左边是采集到的初始图像，右边是经过二值化处理后的图像。

对图片进行二值化代码：threshold (Image, Regions, 203, 255)

图2 初始图

图3 经过二值化的图

3.2.2 开运算

在二值形态学图像处理中，除了腐蚀和膨胀这两种一次运算外，还有二次运算操作，开运算就是其中一种。开运算处理，是对图像先进行腐蚀然后再膨胀。腐蚀，是删除对象边界某些像素，具有收缩图像作用；膨胀则是添加对象边界某些像素，具有扩大图像作用。

膨胀是求局部最大值的操作，核B与图形卷积，即计算核B覆盖的区域的像素点的最大值，并把这个最大值赋值给参考点指定的像素。这样就会使图像中的高亮区域逐渐增长。在经过二值化的图像中存在较多干扰，如背景材料的大面积反光，背景表面的不平整，待检测工业零件表面的反光，严重影响检测的精确性，经过膨胀处理可以填充因反光问题所产生的器件内部空隙，并放大背景材料产生的干扰。与之相反的腐蚀就是求局部最小值的操作。并把这个值赋给参考点的指定像素，将较小的干扰去除。

下图是通过相机摄取到的图像传递给计算机，在halcon软件中对该零件进行开运算处理的部分程序。

膨胀：dilation_circle (Regions, Region Dilation, 3.5)

腐蚀：erosion_circle (Region Erosion, Region Erosion1, 3.5)

区分连通域： connection (Region Dilation2, Connected Regions)

在经过多次的腐蚀及膨胀后区域中只存在待检测器件及较大的背景反光区域，无法通过腐蚀进行去除，此时就需要将各个区域进行连通域的划分，如图6中所示在进行区分连通域后图像中将各个连通域用不同颜色来区别表示。

图4 膨胀处理的图

图5 腐蚀处理的图

最后使用HALCON中的区域选择算子选取需要的连通域。

连通域选择算子：select_shape (ConnectedRegions, SelectedRegions, ‘column’, ‘and’, 437.96, 721.3)

图6 区分连通域

图7 最后结果

3.3 结果判断

计算机检测零件的规格，判断是否在标准零件的数值范围内，若在该范围内，则该零件符合工业生产标准；若不符合，则将其淘汰。

检测零件的面积的代码如下：

disp_message(Window Handle,’面积’+Area+’坐标:’+Column,’Window’ ,0,0,’white’,’false’)

如上图7中检测出的该零件面积数值，完全在标准范围内，所以最终得出结果，该零件符合标准。

在本次实验中，分别对100个工业零件进行了检测，其中符合要求的有92个，占总体的92%，绝大多数零件均符合工业标准。

4 结论

该基于halcon的工业零件检测系统在时间和经济等各方面都比人工检测要实用得多，而且最后的检测结果也更加准确，更符合现在化工业生产。机器视觉的运用在当代还在不断发展，多年来的增长速度均高于工业平均增长速度，目前机器视觉已是许多机器和生产线中不可或缺的一部分。

[1]Carsten Steger , Markus Ulrich ,Christian Wiedemann.Machine Vision Algorithms and Applications,2008.

[2]Benhold Klaus Paul Horn.Robot Vision[M].中国青年出版社.2014,3.

[3]陈兵旗.机器视觉技术及应用实例详解[M].化学工业出版社,2014,4.

[4]张铮.数字图像处理与机器视觉——Visual C++与Matlab实现[M].人名邮电出版社.2014,5.

[5]Milan Sonka,Vaclav Hlavac.图像处理分析与机器视觉[M].清华大学出版社,2016,6.