机器视觉在工业自动化检测系统中应用

卫晶

摘要：工业技术升级促使人力逐渐被更多的机器所替代，对工业技术进行改良和升级在自动化生产中的需求也越来越大，本文从机器视觉技术角度出发，探讨了如何做好机器视觉在工业自动化检测系统中的具体应用，力求不断推进工业生产质量的提升。

关键词：机器视觉;工业自动化检测;应用

引言

当今工业高速发展，在我国国民经济中的地位得到了显著提升。我国的工业生产结构逐渐转化为技术、知识密集型工业结构，对工业生产过程中的效率和创新有了更高的要求。同时，社会上涌现了越来越多的智能化流水线、车间、工厂，在工业生产智能化方向也有了更多需求。机器视觉作为人眼的重要“替代系统”，在越来越多的领域中快速发展起来。

1、关于机器视觉技术

1.1、技术概念

机器视觉是用机器代替人眼来做测量和判断，通过机器视觉产品即图像摄取装置将被摄取的目标转换成图像信号，传送给图像处理系统，根据先验知识或标定数据，对采集到的图像进行识别、定位、测量等操作。将机器视觉技术与各种智能装备结合将使其具有更高的工作效率。

1.2、技术优势

伴随工业生产的不断改造升级，机器视觉技术早已成为更加系统化的、成熟的技术，拥有自己特定的、稳定的模块功能，如光学镜头、光源、工业相机等。利用相机、镜头、光源的不同组合模式可以实现多种不同场景、不同功能的系统需求。

机器视觉技术在工业制造、生产领域的优势主要体现在以下几个方面：一方面，降低对人工的身体负荷，在某些工业生产现场，并不适合人长期工作，或长期工作不能保证稳定的工作效率，因某些机械安全或有害物质的原因，应尽量减少人员的长期劳作，作为替代人眼的机器视觉就可以发挥作用。另一方面，机器视觉技术打破传统人眼不可见，利用不同的镜头和相机可以实现对更细微、更精细的产品和材料进行测量和判别，扩展了人眼范围。此外，机器视觉技术的非接触式测量对被测对象不会造成任何应力损伤，提高了系统的可靠性。

2、机器视觉与智能质量检测

对于现代化工业生产而言，目标的检测形式十分多样，且对检测需求一般较大。例如，针对机械零件规格、条形码和包装条码、产品外包装、瓶口及打印缺陷等多种问题予以细致检测，这对检测能力提出了更高要求，在确保检测速度的前提下，要不断提升检测的精确度。在此精确测量任务中，人眼识别处于一定的劣势状态，如果采取人工的方式实施质量檢测，可能会消耗大量的时间。以啤酒瓶生产为例，在此过程中要求针对瓶子规格和外观缺陷问题进行质量检测。一个工厂平均每天会产生数以万计的啤酒瓶，如果全部采用人工的方式进行检测，则可能会导致大量的人力资源浪费。

3、机器视觉技术在工业自动化检测中的实践应用

3.1、工件质量检测

自动化生产中，要求工件符合安全生产的标准，这样能够更好地维护机械运行状态，避免安全漏洞。鉴于自动化生产往往是成批走量式的生产，其产品交付中一旦发生个别化的工件不合格，就会带来一系列的连锁反应，导致最后的产品交易无法成功，且影响企业声誉。而人力检测工件不仅工程量巨大，不确定的干扰也多，检测质量难保障。相对的，机器视觉技术则统统避免了这些问题。尤其是它能到达人的视觉无法到达的精细之处，找到问题真正所在，极大地确保了生产质量安全。在具体的相关应用上，该技术在汽车生产行业有很好的价值发挥。

3.2、黏度检测

流体因为其流动性很难检测，利用机器视觉可以实现对流体的黏度检测。在检测前，摄像机通过步进电机驱动往复运动一周，利用模板匹配方式识别待测黏度计的上下计时标线，实现对被测流体的跟踪。待测定开始时，摄像机运行至上计时标线水平面，流体受重力影响向下流动，液面下降。在流体自身黏度的影响下，流体在流过刻线时为层流状态，其液面呈弯月面形状。当流体液面曲线与上计时标线相切时，输出触发脉冲起始计时，然后摄像机快速运行至下计时标线水平面，检测到流体液面曲线与下计时标线相切时输出截止脉冲结束计时，以两次脉冲的时间间隔作为流体流动时间。在检测过程中，毛细管黏度计中的流体处于运动状态，检测系统得到的是动态图像。通过高速摄像机将动态图像解析为连续的静态图片，通过高精度定位模板匹配方式识别计时起点和终点。检测软件系统对采集的视频图像进行输入输出，对采集图片进行处理，通过灰度处理、去噪、二值化、形态学开、闭操作及膨胀、腐蚀等处理对图像中像素进行处理、识别，实现自动测量。

3.3、缺陷检测

缺陷检测一直是机器视觉的一个重要应用领域。缺陷检测系统可以应用在金属表面、玻璃表面、纸张表面、电子元器件表面等对外观有严格要求又有明确指标的产品生产中。缺陷检测需要利用先进的机器视觉检测技术，对待测物表面的斑点、凹坑、划痕、色差、缺损等缺陷进行检测。机器视觉检测系统包括CCD相机组件、传输带、视觉光源、工业采集卡、工业计算机等，利用机器视觉中的差影法可以将摄取到额图像中的重叠和突变的图像要素剔除，可以更加快速的适应流水线生产模式的检测。然而，差影法的缺陷也很明显，不够精准的探测到图像重叠或突变的边界，如果不对差影法进行优化的话很容易剔除掉存在缺陷的耦合区域边界值，差影法对零件的表面进行检测是会设定好相关的阈值，阈值可以将缺陷的形态进行定位，利用计算好的算子来进行精度的反馈，实现增强对比计算的准确度和精度，避免出现图像的缺陷区域丢失。

3.4、材料检测

对于钢铁、玻璃、金属等特殊材质的材料，在其合格检测时有很大难度，肉眼不可见，利用机器视觉系统对其材料切断面进行图像采集，采用高倍率镜头可以实现对内部结构细微图像的放大采集，根据采集的切断面图像进行检测就容易得多，根据图像处理算法，算出材料的特性区域大小、面积、某种材质的含量、比重等，可以检测其生产的材料是否符合规格。

4、结语

对于工业制造行业而言，机器视觉技术十分关键。通过机器视觉技术可以在一定程度上节约生产成本和劳动力，在提升企业生产效率的前提下，减少产品次品率，同时实现非接触测量。由于机器视觉技术具有上述优点，在一定程度上推动了工业的智能化发展。然而，目前我国的机器视觉技术水平仍然有待提升，要求相关机构积极展开对于这一技术的探索，努力攻克现存的技术难题，以促进其在工业生产领域中的智能化和自动化应用，为我国早日成为现代化科技强国奠定坚实的基础。

参考文献

[1]谢吉航. 基于机器视觉的工业仪表自动测度方法与应用[D].电子科技大学，2018.