基于机器视觉缆索聚乙烯表面直径在线测量设计

王婷婷，尹辉俊，尹波

（广西科技大学a.机械与汽车工程学院；b.创新创业学院，广西柳州 545006）

0 引言

缆索聚乙烯（Polyethylene，简称PE）表面的直径大小是评价缆索在生产线中PE表面包裹均匀度的重要标准，如果直径过大就会浪费外层PE，造成资源的浪费，而直径过小会影响缆索的使用寿命。缆索作为悬架桥和斜拉桥的主要承重结构，其直径不标准必然会对悬架桥和斜拉桥安全产生极大的影响。

目前，缆索PE表面直径测量主要是靠人工目测。由于缆索在生产过程中是一直行走的，人工检测无法在生产过程中对缆索进行接触测量，只能等缆索生产完成后对缆索PE表面进行接触测量。人工目测精度不高，检测标准不统一[1-2]。在国内针对机器视觉的测量中，邓斌攸等[3]利用两级成像对家具板件尺寸进行检测，测量精度为±0.05 mm，但是硬件设备成本高，且精度较低。李晋鑫等[4]利用最小二乘法拟合直线对内丝接头尺寸进行测量，测量精度为±0.01 mm，但局限性较大，对长度较长的零件测量精度较低。文中通过对提取边缘进行分段之后，再进行直线拟合，进一步提高了测量的精确度。实验结果表明，测量精度较高，稳定性较强，可以达到工厂要求的测量标准。

1 缆索PE表面缺陷在线检测系统

硬件系统和软件系统两个部分组成了缆索PE表面直径检测实验平台。硬件部分主要包括了计算机、大恒工业相机、光学镜头、环形LED工业光源及警报模块组成。当系统启动时，工业相机采集生产线上缆索PE表面图像。其次，软件系统对图片进行形态学处理、感兴趣（ROI）区域提取、外轮廓线提取，计算出缆索PE表面的直径大小。如果检测到缆索PE表面直径大小不在规定范围之内，计算机对警报模块进行控制，发出响声，同时存储好缆索PE表面直径值。实验平台结构如图1所示。图2是在实验室条件下搭建的实验平台。

图1 实验平台图

图2 缆索PE表面直径在线测量试验台

软件系统是基于图像处理软件Halcon和C#联合开发，其核心部分算法如图3所示。

图3 核心算法图

2 相机标定

相机标定是机器视觉测量检测的重要基础。计算出镜头的畸变，那么就可以将有畸变的图像转换为正常状态的图像，利用Halcon中的gen_radial_distortion算子生成镜像畸变映射图，消除图片由于畸变产生的扭曲，以便于后续的测量。世界坐标系（X1，Y1，Z1）即为标定板所在的坐标系、相机坐标系（X2，Y2，Z2）、图像坐标系（X,Y）是相机成像的3种成像模型，为了得到摄像机的内部和外部参数，利用Halcon中的CameraParameters算子和CameraPose算子。然后通过gen_caltab算子生成标定板，标定板如图4所示，其中黑色圆点行数和列数均为7，黑色原点的半径为0.9375 mm，圆点的中心间距为3.75 mm。标定板的数据是物理尺寸和像素间的转换至关重要的部分。

图4 标定板图

3 图像滤波

由于本实验用的是大恒工业相机，采集到的是黑白图片，所以不需要对图像进行灰度化处理。但在缆索生产线上，因环境因素的影响而产生的噪点会影响图像特征的提取，增加图像算法复杂度，因此需要对图像进行滤波处理。常用的滤波有均值滤波[5]、中值滤波[6]、导向滤波[7]。

利用Halcon 中的guided_filter (Image, Image,ImageGuided, 3, 20)算子。输入图像Image设为I，通过引导图像Image 设为H，经过滤波后得到的输出图像为ImageGuided设为O，则有

式中：i和j分别为像素下标；Wij为和引导图像H相关的滤波核。

导向滤波假设了输入图像和引导图像H在滤波窗口ωi存在局部线性关系，根据以下公式计算位置i滤波后的灰度Oi＇值：

图像经过3种滤波处理的效果如图5～图8所示，可以看到导向滤波不仅模糊掉了不需要的细节部分，也很好地保留了图像的边缘信息。

图5 原始图像

图6 中值滤波

图7 均值滤波

图8 导向滤波

4 感兴趣区域（ROI）提取

常见的阈值分割有自动全局阈值分割和局部阈值分割，经过实验对比，Halcon中的var_threshold基于局部动态的阈值分割方法在本实验条件下效果更好。此分割方法是根据局部的标准差和均值，分割图像中邻域像素满足条件的区域，在不均匀、嘈杂或不均匀照明的图片上将缆索区域提取出来。

5 直径检测

5.1 边缘检测

常见的边缘检测有Roberts算子[8]、Soble算子[9]、Canny算子[10]。因为缆索边缘灰度值比较陡峭，所以使用Roberts算子对边缘进行检测，同时Roberts边缘定位比较准确。

G（x,y）为Robert交叉算子，用梯度函数的Robert绝对值来近似以便简化计算，则有：

利用Soble算子、Canny算子、Roberts算子处理边缘效果如图9～图11所示。

图9 Soble算子效果图

图10 Canny算子效果图

图11 Robert算子效果图

5.2 边缘分段

首先利用skeleton 算子对Robert算子提取出的边缘进行骨架提取，其次利用gen_contours_skeleton_xld 算子将骨架的轮廓提取出来，然后利用segment_contours_xld 算子，select_contours_xld 算子和union_adjacent_contours_xld将轮廓的亚像素提取出来。效果如图12所示。

图12 边缘亚像素

如图13所示，检测出来的边缘局部差别较为明显，因此需要将提取出来的边缘进行等分。利用get_contour_xld(SelectedContours1, Row, Col)得到轮廓的像素点集合，然后将得到的这些点等分成10个集合，通过gen_contour_polygon_xld把等分好的点集合连接在一起就将轮廓线分成了10段。像素点集合数据如图13所示，轮廓十等分效果如图14所示。5.3 直线的拟合将得到的十等分的轮廓按照1～10的顺序，利用fit_line_contour_xld中的加权最小二乘法，最小二乘法原理[11-12]如图15所示。

图13 集合数据图

图14 轮廓线十等分图

如图15所示，平面存在n个点，f（x1，y1）、f（x2，y2）、…、f（xn，yn），将图上的n个点拟合成一条直线，设这条直线的方程为

图15 最小二乘法图

直线的拟合就是计算出该方程中的系数a和b。

根据以下公式，通过求Y方向的差值平方和最小，计算出a和b：

即要求R最小：

式中，r为点到直线的y方向的距离。

加权最小二乘法[13]就是在原来模型的基础上进行加权，使之成为一个新的不存在异方差性的模型。通常权值可以取为：

式中，τ为人为设定的阈值。

直线拟合之后的效果如图16所示。

图16 直线拟合效果图

然后利用Halcon中的distance_sl算子计算出两条线之间的最小和最大距离，求最小、最大距离的平均值。最后对十等分的轮廓线距离求平均值，得到最终的缆索直径。

6 缆索PE表面直径线检测实验

如图17所示，软件系统基于VS2019平台，使用Halcon开发图像处理算法，使用C#的winform技术编写软件界面。软件界面分为显示窗口、直径检测、数据保存、关闭系统4个模块。当检测到缆索表面直径时，会自动记录缆索直径并将数据保存在指定文件夹内。当缆索PE表面直径没有在规定的范围内时，警报器会响起，通知工作人员。

图18是缆索生产线图。通过实验对比可知，视觉测量和人工测量的最大偏差数据为0.02 mm，检测偏差较小。与李晋鑫等[4]直接利用最小二乘法拟合直线相比，平均精度提升了0.02 mm，同时本实验法更加适合较大工件的测量。平均每张图片的检测时间为215 ms。综上所述，基于机器视觉的缆索PE表面直径无接触测量可以达到工厂的要求。

图18 缆索生产线图

7 结语

本文利用机器视觉设计了缆索PE表面直径测量系统，利用大恒工业相机获得缆索PE表面图像,对图像进行滤波处理，其次利用Roberts算子找到缆索PE表面边缘。然后将边缘进行十等分，最后通过加权最小二乘法对十等分的边缘按照顺序进行直线拟合，由此计算出缆索的直径。实际检测效率高，测量精度较高，可以避免人工检测过程中各种因素对测量精度的干扰，进一步提高检测的自动化程度。但由于生产线中干扰因素的影响，后续还需要提高测量的精度，对算法进行进一步优化，同时提高测量速度与精度，提高在线测量效率。

表1 检测结果对比图cm