沈瑋，李凱，王斌，王化明

(1. 南京航空航天大學(xué) 機(jī)電學(xué)院，江蘇 南京 210016； 2. 江蘇艾薩克科技有限公司，江蘇 揚(yáng)州 225000)

0 引言

傳統(tǒng)的牙刷表面注膠質(zhì)量檢測大多使用人工目測的方法，存在效率低下、誤檢率高、檢測標(biāo)準(zhǔn)不一致等缺點，已經(jīng)不能滿足當(dāng)前高效率、高質(zhì)量的牙刷生產(chǎn)需求。視覺檢測技術(shù)通過視覺代替人工對牙刷表面注膠質(zhì)量進(jìn)行分析和判斷，與人工檢測相比，具有：1) 檢測效率高。檢測速度快；2) 檢測準(zhǔn)確率高。長時間的人工檢測會導(dǎo)致視覺疲勞從而造成誤判，但是視覺檢測具有無法比擬的一致性以及重復(fù)性，可以保持長時間的穩(wěn)定工作；3) 檢測實時性好?？梢约捎谏a(chǎn)線中，滿足實時、大批量在線檢測需求[1-2]。因此可大幅提高企業(yè)的生產(chǎn)效率以及降低生產(chǎn)成本。

牙刷的注膠缺陷主要有多膠和缺膠兩種：多膠如圖1(左)所示，是指牙刷表面注膠區(qū)域大于標(biāo)準(zhǔn)表面注膠區(qū)域；缺膠如圖2(右)所示，是指牙刷表面注膠區(qū)域少于標(biāo)準(zhǔn)表面注膠區(qū)域。本文目的是通過視覺檢測技術(shù)準(zhǔn)確判斷出牙刷表面注膠是否存在以上兩種缺陷，實現(xiàn)注膠質(zhì)量檢測。主要工作包括：1) 注膠檢測視覺系統(tǒng)的設(shè)計，包括光源和照明方式的設(shè)計以及工業(yè)相機(jī)和鏡頭的選型。2) 注膠檢測算法的研究，主要包括圖像預(yù)處理、圖像分割以及缺陷判定等。

圖1 多膠缺陷(左)和缺膠缺陷(右)

1 系統(tǒng)設(shè)計

1.1 系統(tǒng)總體方案

注膠視覺檢測系統(tǒng)如圖2所示。該系統(tǒng)主要由工控機(jī)、CMOS相機(jī)以及照明光源組成。在工控機(jī)上編寫人機(jī)界面，通過軟件觸發(fā)工業(yè)相機(jī)采集圖像，完成圖像處理，最后將處理結(jié)果顯示在人機(jī)界面上。

圖2 系統(tǒng)設(shè)計圖

1.2 光源和照明方式設(shè)計

照明系統(tǒng)是視覺系統(tǒng)的關(guān)鍵部分之一，直接決定著圖像質(zhì)量以及檢測算法的復(fù)雜程度。牙刷表面注膠圖像應(yīng)該滿足：1) 對比度高，目標(biāo)與背景邊界清晰；2) 注膠表面的顏色信息需要還原真實性，不能過度曝光等。考慮到牙刷長條形的形狀，綜合實用性及經(jīng)濟(jì)性的考慮，采用條形光源直射光作為光源及照明方式。同時被檢測的牙刷注膠部分長約為8 cm，選用LED條形光源，光源參數(shù)如表1所示。

表1 光源參數(shù)

1.3 工業(yè)相機(jī)及鏡頭選型

工業(yè)相機(jī)主要有CCD相機(jī)和CMOS相機(jī)，兩者主要區(qū)別在于圖像傳感器原理不同。CCD相機(jī)采用CCD芯片，一般價格較高，具有無灼傷、無滯后及低功耗等優(yōu)點。CMOS相機(jī)采用CMOS芯片，具有良好的集成性、低功耗及輸出圖像無拖影等優(yōu)點[3]。綜合考慮成本、分辨率及信噪比等因素，選擇MER-310-12UC-L型號的CMOS相機(jī)，相機(jī)參數(shù)如表2所示。鏡頭的主要指標(biāo)是鏡頭光學(xué)后主點到焦點的距離。所選鏡頭是Computar公司的M1214-MP2鏡頭，焦距為12 mm。圖3為系統(tǒng)采集的牙刷圖像，可見牙刷與背景邊界清晰，表面藍(lán)色(圖3中部灰色)注膠部分顏色保留完好，達(dá)到預(yù)期效果。

表2 相機(jī)參數(shù)

圖3 牙刷表面注膠圖像

2 牙刷表面注膠檢測算法研究

2.1 算法流程

牙刷表面注膠質(zhì)量檢測算法的流程框圖如圖4所示。

圖4 算法流程框圖

算法是基于HSV彩色空間對牙刷表面注膠進(jìn)行圖像分割操作，對得到的感興趣區(qū)域進(jìn)行區(qū)域特征表示與描述，最后根據(jù)與標(biāo)準(zhǔn)值的比較判定牙刷注膠是否合格。

2.2 圖像去噪

圖像在采集與傳輸?shù)倪^程中，由于鏡頭、光電轉(zhuǎn)換器件以及外界光照等因素的影響，不可避免會在圖像中產(chǎn)生隨機(jī)噪聲。針對圖像噪聲，一般采用濾波的方法加以消除，圖像濾波分為空間域濾波以及頻域濾波，文中采用空間域中值濾波的方法來去除圖像噪聲。

中值濾波是一種基于空間域操作的非線性空間濾波，用空間域中灰度的中值代替圖像當(dāng)前的像素點，具有不明顯模糊邊界的優(yōu)點[4]。對彩色圖像進(jìn)行中值濾波的方法是將RGB空間的彩色圖像分解成R、G、B 3幅單色圖像，然后用大小為9×9的方形濾波器對各單色圖像進(jìn)行中值濾波，再將3幅處理完的圖像合成生成新的圖像。中值濾波前后的注膠圖像如圖5所示，其表面注膠邊緣以及顏色信息清晰可見。

圖5 中值濾波前后圖像

2.3 彩色空間轉(zhuǎn)換

在實際應(yīng)用中，存在著多種不同的彩色空間，有RGB、HSV、HIS以及CMY等多種彩色模型。最常見的是RGB彩色空間模型，在該模型中每個彩色像素點分別對應(yīng)著紅、綠、藍(lán)3個分量，但是RGB彩色空間中的3個分量值會隨著外界光場強(qiáng)度的變化而改變。HSV顏色空間是由色調(diào)H、飽和度S以及亮度V 3個分量組成，它將亮度信息從彩色中分解出來，色調(diào)和飽和度與人類的感知相對應(yīng)，在圖像處理算法中有著廣泛的應(yīng)用[5]。

因為牙刷生產(chǎn)現(xiàn)場環(huán)境復(fù)雜，不可避免會受到外界光照的影響，所以在RGB彩色空間分割表面注膠區(qū)域易受到外界干擾，因此，在HSV顏色空間對牙刷表面注膠進(jìn)行圖像分割。RGB彩色空間到HSV彩色空間的轉(zhuǎn)化公式是[6]：設(shè)給定RGB彩色空間圖像中的每個像素點向量值為(R,G,B)，各個分量取值范圍為[0, 1]；轉(zhuǎn)化到HSV彩色空間中圖像的每個像素點向量值為(H,S,V)，各個分量取值范圍為[0, 1]。設(shè)Tmax為(R,G,B)向量中的最大值，Tmin為(R,G,B)向量中的最小值，則：

V=Tmax

(1)

S=(Tmax-Tmin)/Tmax

(2)

(3)

若根據(jù)式(3)求得的H<0，則:

H=H+360

(4)

HSV彩色空間中的色調(diào)H、飽和度S分量比較重要，文中采用色調(diào)H分量做處理。圖6所示為牙刷表面注膠圖像轉(zhuǎn)化到HSV空間中的H分量圖像。

圖6 色調(diào)H分量圖像

2.4 二值化及形態(tài)學(xué)處理

分析圖6，注膠部分圖像的H分量值主要集中在145～155之間，因此采用多閾值處理，將135～165像素值范圍之間的像素點分割為一個物體，其余的像素點則當(dāng)作背景。分割后的圖像如圖7所示，從圖像中可以看出，雖然注膠部分已成功分割，但圖像中仍有一些無關(guān)的細(xì)線及白點噪聲。這些噪聲的存在會對后續(xù)的區(qū)域特征表示產(chǎn)生干擾。既要消除這些噪聲又不能對被分割的注膠區(qū)域產(chǎn)生影響，因此采用形態(tài)學(xué)處理中的開操作來對二值化后的圖像進(jìn)行處理。形態(tài)學(xué)開操作將圖像先腐蝕后膨脹，具有平滑物體輪廓以及去除細(xì)小突出物的效果。文中采用7×7的方形結(jié)構(gòu)元對圖像進(jìn)行開操作運(yùn)算，處理完的圖像如圖8所示。

圖7 二值化后圖像

圖8 開操作后的圖像

2.5 描述與判斷

將圖像分割成一個或多個區(qū)域后，分割后的像素集需要提取相應(yīng)特征進(jìn)行描述。根據(jù)注膠的特點，采用區(qū)域的面積、周長及寬度等特征描繪區(qū)域。區(qū)域的面積定義為該區(qū)域中像素的數(shù)量，周長是其邊界的長度，寬度是其最小外接矩形水平方向的邊長長度。選取了具有典型特征的10支牙刷樣本，采用上述圖像處理步驟得到注膠區(qū)域后計算其面積、周長及寬度等特征(像素)參數(shù)，結(jié)果如表3所示。

從表中可以看出，不合格牙刷表面注膠均與合格產(chǎn)品有較大的偏離，因此提出一種簡便易行的判斷方法。首先是獲得合格牙刷表面注膠面積A、周長的值P以及寬度W，并將其作為標(biāo)準(zhǔn)值，再設(shè)置合理閾值T1、T2和T3。當(dāng)待檢測牙刷表面注膠面積A1、周長P1及寬W1滿足公式(5)條件時，將該牙刷判斷為合格，合理閾值的設(shè)置需要更多

實驗樣本數(shù)據(jù)作為參考。由表3可見，采用該方法能夠判別牙刷注膠的缺膠和多膠等缺陷。

(5)

表3 實驗結(jié)果 像素(Pixel)

3 結(jié)語

研究了牙刷表面注膠的質(zhì)量檢測方法，根據(jù)該類牙刷注膠表面的顏色信息，將圖像從RGB彩色空間轉(zhuǎn)化到HSV彩色空間進(jìn)行分割，提取圖像特征并進(jìn)行判斷。實驗表明，采用該視覺檢測方法能夠?qū)崿F(xiàn)牙刷表面注膠質(zhì)量的檢測，處理效果良好，達(dá)到預(yù)期檢測目標(biāo)。

[1] 王耀南, 陳鐵健, 賀振東,等. 智能制造裝備視覺檢測控制方法綜述[J]. 控制理論與應(yīng)用, 2015, 32(3):273-286.

[2] 王奇. 基于機(jī)器視覺的外螺紋表面缺陷檢測系統(tǒng)研究[D]. 重慶：重慶大學(xué), 2015.

[3] 穆向陽, 張?zhí)? 機(jī)器視覺系統(tǒng)的設(shè)計[J]. 西安石油大學(xué)學(xué)報(自然科學(xué)版), 2007, 22(6):104-109.

[4] 劉同海, 滕光輝, 付為森,等. 基于機(jī)器視覺的豬體體尺測點提取算法與應(yīng)用[J]. 農(nóng)業(yè)工程學(xué)報, 2013(2):161-168.

[5] 張麗靜, 孫杰, 殷曉宇. 基于HSV顏色空間的車牌定位方法[J]. 微計算機(jī)信息, 2008, 24(7)：253-254.

[6] 馬玲, 張曉輝. HSV顏色空間的飽和度與明度關(guān)系模型[J]. 計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報, 2014, 26(8):1272-1278.