易煥銀，劉志明，楊潤

（廣東交通職業(yè)技術(shù)學(xué)院機(jī)電工程系，廣東廣州 510650）

1 概述

隨著電力、電子工業(yè)的發(fā)展，由各種顏色的線纜線束組成的連接線在電力、電子產(chǎn)品中應(yīng)用得越來越廣泛，如接插線、通訊連接線、電腦連接線、汽車連接線、屏蔽線等[1]。在生產(chǎn)過程中各種顏色的導(dǎo)線往往要求嚴(yán)格按照規(guī)定的順序排列，而在線束線序檢測(cè)中，目前還有很多企業(yè)使用人工肉眼判別的方法進(jìn)行檢測(cè)，因易引起視覺疲勞而造成漏錯(cuò)、誤檢。

為了提高線序檢測(cè)的效率和穩(wěn)定性，文獻(xiàn)[1]提出了一種速度和檢測(cè)成功率較高的基于顏色聚合向量的線序檢測(cè)方法，文獻(xiàn)[2]設(shè)計(jì)了一種對(duì)電池線序的狀態(tài)進(jìn)行識(shí)別的線序檢測(cè)電路，文獻(xiàn)[3]設(shè)計(jì)了一種應(yīng)用于多通道聲吶接收機(jī)的自動(dòng)線序測(cè)試裝置，文獻(xiàn)[4]設(shè)計(jì)了一種基于視覺的彩色排線線序檢測(cè)設(shè)備，文獻(xiàn)[5]提出了一種基于機(jī)器視覺與模糊控制的電纜線序識(shí)別方法及設(shè)備。

目前，基于機(jī)器視覺的導(dǎo)線線序檢測(cè)方法和設(shè)備檢測(cè)效率較高，但往往要求線纜按指定的位置和方向放置才能進(jìn)行檢測(cè)，且在測(cè)試前需要多次嘗試獲取導(dǎo)線局部像素的顏色值來設(shè)置各種導(dǎo)線顏色的標(biāo)準(zhǔn)色，調(diào)試時(shí)間較長、靈活性不足。本文設(shè)計(jì)了一種基于機(jī)器視覺的彩色線束線序檢測(cè)方法，能自動(dòng)獲取單條導(dǎo)線的RGB三個(gè)通道的顏色均值，從而提高了設(shè)置各種導(dǎo)線顏色標(biāo)準(zhǔn)值的效率和穩(wěn)定性，通過導(dǎo)線最長的輪廓的最小外接矩形的方向判別導(dǎo)線的擺放方向，實(shí)現(xiàn)自動(dòng)適應(yīng)各種擺放角度的檢測(cè)對(duì)象。算法的運(yùn)行效率高（平均用時(shí)約為32 ms），檢測(cè)正確率達(dá)100%，達(dá)到了實(shí)際工業(yè)應(yīng)用的要求。

1 方法設(shè)計(jì)

圖1為本方法的結(jié)構(gòu)圖，由五個(gè)模塊構(gòu)成：圖像采集模塊、導(dǎo)線顏色庫的建立模塊、圖像預(yù)處理與檢測(cè)方向確定模塊、線序檢測(cè)和檢測(cè)結(jié)果顯示模塊。

圖1 方法結(jié)構(gòu)圖

1.1 圖像采集

系統(tǒng)硬件包括計(jì)算機(jī)、彩色工業(yè)相機(jī)、工業(yè)鏡頭和LED環(huán)形光源，計(jì)算機(jī)與工業(yè)相機(jī)連接，LED環(huán)形光源的亮度可調(diào)，用于建立成像環(huán)境，工業(yè)相機(jī)和工業(yè)鏡頭用于獲取導(dǎo)線表面圖像，計(jì)算機(jī)用于控制工業(yè)相機(jī)進(jìn)行圖像采集以及后續(xù)的圖像處理算法。系統(tǒng)采用500萬像素CMOS面陣彩色相機(jī)、LED環(huán)形光源和25mm的工業(yè)鏡頭。圖2(a)為系統(tǒng)采集到的導(dǎo)線原圖。

圖2 原圖、掩碼圖與檢測(cè)方向

1.2 導(dǎo)線顏色庫的建立

本方法識(shí)別導(dǎo)線顏色的基本原理是比較被測(cè)導(dǎo)線顏色的RGB平均值與導(dǎo)線顏色庫中的各種導(dǎo)線的基準(zhǔn)顏色，以RGB差值的絕對(duì)值之和最小的那種顏色為測(cè)量結(jié)果。由于環(huán)境光照非絕對(duì)均勻以及導(dǎo)線不同部位的反射光線存在差異等原因，同一顏色導(dǎo)線的不同位置成像有明顯區(qū)別。傳統(tǒng)通過手動(dòng)獲取局部位置的RGB值后，多次手動(dòng)設(shè)置該導(dǎo)線的基準(zhǔn)色的方法效率較低且穩(wěn)定性不夠高。為了加快各種顏色導(dǎo)線的基準(zhǔn)顏色的獲取，本方法通過圖像處理的方法自動(dòng)獲取各種導(dǎo)線的基準(zhǔn)顏色，進(jìn)而快速建立導(dǎo)線顏色庫。方法為分別將各種顏色的導(dǎo)線放入測(cè)量視野中，算法通過連通域分析[6]獲取包含導(dǎo)線的所有像素，再計(jì)算出這些像素的RGB平均值并在圖像中顯示，具體實(shí)現(xiàn)方法的細(xì)節(jié)與1.3類似。如圖3所示為粉紅色導(dǎo)線的RGB顏色均值的獲取結(jié)果。

圖3 單條導(dǎo)線顏色的自動(dòng)提取

1.3 圖像預(yù)處理與檢測(cè)方向的確定

圖像預(yù)處理的基本思路是排除噪聲干擾并獲取各個(gè)導(dǎo)線在圖像中覆蓋的所有像素點(diǎn)，而檢測(cè)方向的確定是為了使本方法適應(yīng)各種不同擺放條件下的線束。

(1)首先，將原彩色圖像（記為f()x,y）轉(zhuǎn)換為灰度圖，記為g(x,y)，然后進(jìn)行反向二值化，得到的二值圖像gb(x,y)由式(1)表示。

式中T為經(jīng)實(shí)驗(yàn)得到的最優(yōu)閾值，本文實(shí)驗(yàn)中T為240。

(2)對(duì)gb(x,y)進(jìn)行連通域分析，保留面積大于某一閾值（實(shí)驗(yàn)中取1000）的聯(lián)通區(qū)域以去除小的噪點(diǎn)，得到二值圖gC(x,y)，如圖2(b)所示，該圖像的前景即為后續(xù)相應(yīng)位置導(dǎo)線顏色識(shí)別的掩碼區(qū)域。說明：由于導(dǎo)線中間反光比較強(qiáng)烈的部分不利于顏色的準(zhǔn)確識(shí)別，閾值分割自動(dòng)將其轉(zhuǎn)為背景區(qū)域。

(3)首先對(duì)gC()x,y進(jìn)行膨脹處理（本實(shí)驗(yàn)中采用半徑為5的矩形結(jié)構(gòu)化元素），然后根據(jù)配置文件中標(biāo)準(zhǔn)導(dǎo)線數(shù)目N（本實(shí)例為4），保留面積最大的N個(gè)聯(lián)通區(qū)域及各自的重心，結(jié)果圖記為gN()

x,y，如圖2(c)所示。由于導(dǎo)線中間反光較為強(qiáng)烈部分可能在反向二值化后將同一條導(dǎo)線分為兩個(gè)連通域，從而導(dǎo)致算法誤判為兩條導(dǎo)線，因此需先進(jìn)行膨脹處理。gN()x,y的各連通域即為各導(dǎo)線的位置，其重心為后續(xù)步驟判斷導(dǎo)線順序的關(guān)鍵依據(jù)。

(4)對(duì)gN(x,y)進(jìn)行腐蝕后與gN(x,y)求差，得到導(dǎo)線的邊沿圖像，保留最大的連通域后，求其最小外接矩形RECT，如圖2(d)所示。本算法以矩形RECT長邊的方向?yàn)楦鲗?dǎo)線的擺放方向。

1.4 線序檢測(cè)

此部分主要包括兩部分內(nèi)容，首先識(shí)別各導(dǎo)線的顏色，然后根據(jù)1.3(4)中確定的檢測(cè)方向和1.3(3)中獲得的各導(dǎo)線重心的位置關(guān)系確定各種顏色的順序關(guān)系。

(1)對(duì)gN(x,y)的每個(gè)連通域，求取gC(x,y)中為前景的所有像素點(diǎn)在f()

x,y中對(duì)應(yīng)像素的R、G、B三個(gè)通道的平均值。

(2)把(1)中的R、G、B值與導(dǎo)線顏色庫中的各個(gè)R、G、B相比較，若各通道的差值的絕對(duì)值之和都大于指定閾值（實(shí)驗(yàn)中取100）則判為該顏色導(dǎo)線未經(jīng)過訓(xùn)練，否則判為顏色庫中各通道差值的絕對(duì)值之和最小的對(duì)應(yīng)顏色。

(3)檢測(cè)導(dǎo)線的線序。首先，求取過圖像原點(diǎn)O且垂直于1.3(4)中矩形長邊的直線L，如圖4的直線L所示。然后，求取各個(gè)導(dǎo)線的重心（圖4中為G1至G4共四個(gè)點(diǎn)）在直線L上的垂足（圖4中為P1至P4共四個(gè)點(diǎn)）。最后，根據(jù)各垂足離圖像原點(diǎn)O的距離為判據(jù)確定各導(dǎo)線的線序（實(shí)驗(yàn)中的規(guī)則為：距離越小排序越靠前）。

圖4 線序檢測(cè)的關(guān)鍵點(diǎn)位

1.5 檢測(cè)結(jié)果顯示

檢測(cè)結(jié)果顯示如圖5所示。比較各導(dǎo)線與參數(shù)配置文件中的順序編號(hào)是否一致，若一致則在其重心位置用淺灰色標(biāo)注該檢測(cè)顏色，否則在其重心位置用深灰色標(biāo)注該檢測(cè)顏色。若所有的N條導(dǎo)線的順序都與配置文件中的一致，則該線序檢測(cè)通過，在圖像右上角顯示淺灰色字符串“OK”，否則顯示深灰色字符串“NG”。同時(shí)，在圖像左上角顯示預(yù)設(shè)線序和檢出線序及檢測(cè)結(jié)果的文字提示。

圖5 檢測(cè)結(jié)果顯示

2 實(shí)驗(yàn)驗(yàn)證

以O(shè)penCV和MFC實(shí)現(xiàn)的檢測(cè)系統(tǒng)對(duì)粉紅、紅、黃、黑、藍(lán)、綠共6種顏色的導(dǎo)線進(jìn)行測(cè)試。經(jīng)過8組不同的線序組合各100次實(shí)驗(yàn)，共得到800次各類導(dǎo)線擺放情況下的檢測(cè)實(shí)驗(yàn)結(jié)果，基于本方法實(shí)現(xiàn)系統(tǒng)的線序檢測(cè)結(jié)果的正確率為100%，在實(shí)驗(yàn)筆記本電腦（型號(hào)：華碩FX86F，CPU主頻：2.2GHz，RAM：8G）上運(yùn)行，平均檢測(cè)時(shí)間為32.08 ms。圖6為導(dǎo)線傾斜擺放情況實(shí)驗(yàn)的排序過程圖片和檢測(cè)結(jié)果圖，可見算法可以自動(dòng)識(shí)別導(dǎo)線的擺放方向。

圖6 方向不定情況的檢測(cè)示例

3 結(jié)束語

針對(duì)目前的機(jī)器視覺導(dǎo)線線序檢測(cè)系統(tǒng)無法自動(dòng)適應(yīng)導(dǎo)線擺放方向變化等問題，設(shè)計(jì)了一種高適應(yīng)性的彩色導(dǎo)線線序檢測(cè)方法。該方法通過導(dǎo)線最長輪廓的最小外接矩形的方向，判別導(dǎo)線的擺放方向，根據(jù)各導(dǎo)線重心在檢測(cè)方向投影離圖像原點(diǎn)的距離為依據(jù)，確定視野中各導(dǎo)線的線序。該方法可自動(dòng)適應(yīng)任意方向的線束。經(jīng)過實(shí)驗(yàn)驗(yàn)證，算法的運(yùn)行效率和檢測(cè)正確率較高，具有一定的實(shí)用價(jià)值。