基于OpenMV的零件缺陷檢測系設(shè)計

江達(dá)飛 徐中貴

摘 要：本文以軸對稱零件為研究對象，設(shè)計了一套以O(shè)penMV視覺模塊為核心的在線零件檢測系統(tǒng)。該系統(tǒng)以最小轉(zhuǎn)動慣量求解二維圖像對稱軸為核心算法，結(jié)合STM32單片機(jī)控制系統(tǒng)，可實現(xiàn)零件對稱軸長度的測量，并以此對尺寸不合格產(chǎn)品進(jìn)行篩選。

關(guān)鍵詞：OpenMV;在線識別;對稱軸檢測

Abstract： This paper took axisymmetric parts as the research object， designed an online parts detection system with the OpenMV vision module as the core. The system takes the minimum moment of inertia to solve the two-dimensional image axis of symmetry as the core algorithm， combined with STM32 single-chip microcomputer control system， it can realize the measurement of the length of the part axis of symmetry， and thus screen the unqualified products.

Keywords： OpenMV;online recognition;symmetry axis detection

1 研究背景

“中國制造2025”指出我國要從制造大國轉(zhuǎn)向制造強(qiáng)國。為實現(xiàn)上述目的，智能制造成為重要的轉(zhuǎn)型手段[1]。在智能制造過程中，機(jī)器視覺通過微型計算機(jī)來模擬人類視覺的功能，使用攝像機(jī)攝取目標(biāo)并將其轉(zhuǎn)化為圖像信號，再利用人工智能算法對數(shù)據(jù)進(jìn)行分析處理，可應(yīng)用在眾多傳統(tǒng)傳感器無法測量的領(lǐng)域。本項目針對中小型企業(yè)由于生產(chǎn)設(shè)備精度低，生產(chǎn)的諸如注射針頭這類軸對稱零件存在尺寸偏差的問題，設(shè)計了一套以O(shè)penMV為核心的缺陷檢測系統(tǒng)，通過對零件的對稱軸長度進(jìn)行測量，檢測該零件是否達(dá)標(biāo)，并通過分揀裝置，對不合格產(chǎn)品進(jìn)行分離，提升產(chǎn)品整體質(zhì)量。

2 系統(tǒng)方案設(shè)計

2.1 系統(tǒng)整體構(gòu)成

系統(tǒng)主要由上料裝置、動力傳輸裝置、圖像識別裝置和分揀裝置四個部分組成[2]。其中，上料裝置主要將生產(chǎn)出的零件逐個傳送到物料帶上;動力傳輸裝置由伺服電機(jī)和傳送帶組成，通過主控芯片實現(xiàn)對檢測速度的精準(zhǔn)控制;圖像識別利用視覺識別算法檢測出零件的對稱軸，并測量出零件的尺寸，從而判斷零件是否存在缺陷;分揀裝置由單片機(jī)控制，通過接收OpenMV分析的結(jié)果，對缺陷零件進(jìn)行分揀。

2.2 關(guān)鍵算法設(shè)計

剛體動力學(xué)中指出，質(zhì)量分布均勻的軸對稱剛體，在繞其對稱軸轉(zhuǎn)動時產(chǎn)生的轉(zhuǎn)動慣量最小[3]。對于二維圖像來說，可以把它近似看作一個擁有極低厚度和單位密度的剛體，那么只要求解出該剛體對于哪條直線的轉(zhuǎn)動慣量最小，即為該二維圖像的對稱軸。

3 系統(tǒng)硬件設(shè)計

系統(tǒng)硬件結(jié)構(gòu)如圖1所示。電源模塊使用開關(guān)電源芯片，其穩(wěn)定性是整個系統(tǒng)平穩(wěn)運行的首要保證[4]。電源芯片在選型時需考慮整個系統(tǒng)的最大功率，因為系統(tǒng)中存在光源及舵機(jī)等設(shè)備，峰值電流可達(dá)到3 A左右，本設(shè)計使用了MP2303A芯片。視覺識別單元使用OpenMV模塊，其核心包含了OV7755感光元件和STM32F765單片機(jī)，支持320×240 16-bit RGB565彩色圖像，內(nèi)置MicoPython及常用的圖像處理函數(shù)，可實現(xiàn)圖像識別的快速開發(fā)。除此之外，OpenMV還引出了眾多IO接口方便擴(kuò)展，包括UART、SPI、IIC通信接口和10個通用IO?？紤]到設(shè)計需要控制的外設(shè)較多，其他設(shè)備并未直接使用OpenMV進(jìn)行控制，而是通過串口外擴(kuò)一個STM32單片機(jī)。

4 系統(tǒng)軟件設(shè)計

軟件流程圖2所示。首先調(diào)用snapshot（）函數(shù)，從攝像頭中抓拍一張圖像數(shù)據(jù)，然后使用find_blobs（）函數(shù)尋找零件所在的目標(biāo)區(qū)域。如果目標(biāo)區(qū)域是第一次越過圖像中心線，則說明是本次是新的待測零件，find_blobs（）函數(shù)返回零件所在的矩形區(qū)域以及零件圖像的質(zhì)心坐標(biāo)。使用binary（）函數(shù)對圖像進(jìn)行二值化，并使用dilate（）函數(shù)對圖像進(jìn)行“膨脹”運算，降低圖像噪聲，然后遍歷目標(biāo)區(qū)域有效點并計算出[M]和[N]，從而推算出對稱軸的函數(shù)表達(dá)式。最后根據(jù)直線函數(shù)關(guān)系計算出零件內(nèi)部對稱軸的長度，并與合格零件的數(shù)據(jù)進(jìn)行比對，推斷出零件是否存在缺陷。

5 結(jié)語

本文以O(shè)penMV視覺模塊為核心，設(shè)計了一種適用于測量軸對稱零件缺陷的檢測系統(tǒng)，通過二維圖像軸對稱算法，檢測出零件投影的對稱軸，并以此計算出零件在對稱軸上的長度，從而推斷出零件是否存在缺陷，最后通過STM32單片機(jī)控制系統(tǒng)對缺陷零件進(jìn)行篩選，提高產(chǎn)品出廠時的合格率。

參考文獻(xiàn)：

[1]丁可浩，邱丹丹.基于OpenMV的智能分揀貨物機(jī)器人[J].電子世界，2020（2）：163-164.

[2]唐啟慧，谷紫穎，李振華.基于機(jī)器視覺的注射液針頭膠帽缺陷檢測[J].包裝工程，2019（13）：201-206.

[3]宋保運.一種新的檢測多邊形對稱軸的方法[J].洛陽理工學(xué)院學(xué)報（自然科學(xué)版），2014（2）：58-61，70.

[4]梁楠，郭雷，于勇.基于極小慣量的灰度圖像對稱軸檢測方法[J].微處理機(jī)，2009（6）：62-64.