轨道交通显示器自动测试系统的设计与应用

李璐 温占燕 高峰

摘 要 在轨道交通显示器检测中，人工检测存在低效率、主观性强以及成本高的问题，针对这些问题设计了一套轨道交通显示器自动测试系统。该测试系统基于工控机、机器人、CCD、PCI、音频采集麦克等构成硬件平台，和LabVIEW 开发的软件构成一套轨道交通显示器自动化测试系统。实践证明，该系统具有较高的工作效率、可靠性，同时操作简单且稳定性高。

关键词 显示器;自动化测试;机器视觉;LabVIEW

引言

显示器在人机交互中扮演者重要的角色，其质量将会对用户读取和处理信息有着至关重要的影响。传统的检测以人工检测为主，而人工检测需要对测试结果进行主观的判断，不同操作员得出的测试结果不一样，存在一定的主观性。同时，操作员在测试时容易受到注意力等因素影响，一定程度上会导致较大的人为误差，导致产品质量下降。

1 系统概述

轨道交通显示器需要测试液晶屏坏点、音频输出、MVB通讯等功能。本测试系统包括硬件和软件系统两部分。

2 硬件系统

硬件系统如图1所示，主要包括CCD图像采集、音频采集与机器动作模块。

2.1 CCD图像采集模块

CCD为图像传感器，能够将光信号转换为电信号，再通过模数转换，从而能够获取、存储以及传输图像[1]。轨道交通显示器需要对显示器的MVB、以太网通讯等功能进行测试，需要使用CCD进行图像采集以做分析及处理。本系统采用的CCD 具有500万像素，能够手动对焦以及调整光圈大小，能够通过程序对其曝光时间等重要参数进行设置。

2.2 音频采集模块

音频采集模块包括音频采集麦克以及音频数据采集卡，麦克风是一种将声音信号转化成电信号的器件，通过数据采集卡将模拟信号量化采集转为数字信号，并通过总线与工控机进行通信[2]。轨道交通显示器需要进行喇叭杂音测试，需要对其发出的音频信号进行采集以分析及处理。本系统采用GRAS麦克风进行声音信号采集，使用NI的PCI-4474音频采集卡对麦克风送过来音频信号进行数模转换以送上位机 。

2.3 机器动作模块

轨道交通显示器需要对按键、触摸屏等功能进行测试，需要点击显示器对应触摸屏界面以及物理按键。本系统使用爱普生工业机器人LS6-602S，其小型、高精度且能高速度运行，为垂直多关节四轴机器人，精度±0.01mm，配备RC90控制器和EPSON RC+7.0软件系统，通过示教实现显示器触摸和按键。

3 软件结构

软件结构主要包括ROI选定及检测、坏点以及音频检测。

3.1 ROI选定及检测

轨道交通显示器需要对MVB通讯、以太网通讯等功能进行测试，控制机器人点击对应按键并执行测试，完成后对结果进行字符识别并判定。首先打开相机设置曝光时间并拍照，选定ROI并对其进行OCR识别，最后对识别出的结果进行判定。

ROI区域选定时，对于位置变动的使用模板匹配可以完成对图片ROI位置信息的确定。首先将明显图标制作成模板并学习，再将机器人到指定位置上进行拍照获得目标图像，模板匹配并返回要选定图标的位置信息。对于位置不变的采用绝对坐标的方式。OCR为光学字符识别，本系统使用NI OCR Training进行训练形成测试对应的字符库，经人工训练能正常识别字。

3.2 坏点检测

坏点分为亮点和暗点，使用白黑红黄蓝五种纯色背景下进行检测。在纯色背景下，坏点与其周围有着很大的灰度变化，存在比较明显的边缘特征，可以通过对其最外层边缘进行识别与统计[3]。通过获取图像灰度变化率来获取其变化情况以找到区域之间的边界。本文采用NI的VDM提供的边缘检测函数进行检测，通过使用边缘检测函数，能很显著的检测出显示器液晶屏中灰度有变化的暗点与亮点。

3.3 音频检测

轨道交通显示器需要对喇叭输出音频进行测试，由语音采样和质量评价两个部分构成，其中采样部分由音频采集模块进行采集，质量评价部分则调用PESQ算法对语音文件评估并输出MOS平均意见分。PESQ为主观语音质量评价，是通过客观模型来模拟主观感觉的评价[4]。将人工试听无问题的音频进行采集并作为参考文件，获取采样音频，调用PESQ算法得到采样音频的MOS得分值。其值越高则表明失真越小，语音评估质量越高。

4 结束语

本文基于CCD图像采集模块、音频采集模块以及机器动作模块和LabVIEW开发环境设计了一套轨道交通显示器自动测试系统。该测试系统能够测试显示器坏点、音频输出還有MVB通讯、以太网通讯等功能，实现测试过程全自动化，操作方便;实践证明，该系统具有较高的工作效率、可靠性，同时操作简单且稳定性高。

参考文献

[1] 杨冬冬，汪激，刘寅.基于机器视觉的CAN总线多功能数字显示器测试系统的设计[J].机电一体化，2015，（3）：45-47，56.

[2] 王绪隆，张梦玉，张仲宁，等.基于Labview的音频信号采集与处理系统设计[C].2018年全国声学大会.2018年全国声学大会论文集.南京：南京大学声学研究所，2018：7-9.

[3] 蔡湘云.利用机器视觉的检测液晶屏幕坏点分析[J].电子测试，2017，（9）：47-48.

[4] 梁民.PESQ算法在4G通信网络中的应用研究[J].现代电子技术，2016，463（8）：14-16.