石英腕表表盘缺陷检测机器视觉整机解决方案

时间：2024-05-04

文/董辉

（劳雷工业上海市 201306）

机器视觉及人工智能技术虽然在近些年迎来了蓬勃发展，但其理论早在数十年前就已经非常成熟，只是却决于当时的硬件速度，CPU满足高强度算法的及时处理。近些年来各类专有芯片和传统芯片的大幅跃进，使机器视觉的市场化迎来了蓬勃发展。

玻璃镜片的检测一直以来都以人工为主，主要由于镜片的透光性和反射性给机器视觉方案带来了极大的困扰。本方案通过大量的前期理论及后期实验研究，研发出了石英玻璃的划痕解决方案，完全满足流水线的玻璃划痕检测需求。

1 总体方案设计

本文设计的检测设备主要分为软件部分和硬件部分。软件部分包括视觉算法、操作系统平台等。硬件部分包括PCB主板、CCD相机、光源、显示设备、拓展接口、机械结构等。如图1所示。

1.1 系统功能

流水线上的镜片传送至检测区，检测区自动触发CCD相机获取待检镜片图像，图像经过主板的算法处理后反馈检测信息，产线获取到检测结果后采取剔除或者通过的动作。

在任何过程中都可以通过触摸屏进行人工干预，设置精度等参数或者停止、启动产线等。

1.2 系统设计

1.2.1 相机选择

如图2，以直径为28.3的镜片来计算像素大小。相较于缺口，划痕的宽度更小，更不容易识别。相机的像素确定将基于划痕。由图可以看出，一个方格的大小基本跟划痕宽度大小相匹配。一个方框即可以作为一个像素点。像素大小为

Rsmall=94*94=8836 Pixels

实际应用过程中，镜片直径会超出以上两个样本。所以，设计时应留有余量，以50MM*50MM的视野进行计算。在此视野下如果想达到以上所计算的清晰度，像素应为：

50*50/Rbasic=28.03*28.03/(94*94)*Rbasic=28115 Pixel

为了获得更清晰的图像，便于后期进行图像处理，用四个像素点来描述一个划痕宽度，得到更为合适的分辨率：

R=Rbasic*16=449851≈45 万像素

至此，像素参数确定，应选择至少45万像素相机。相机视野应能调整到50MM*50MM。

最终选取了大恒水星MER-132-30GM CCD相机，MER-132-30GM具有高分辨率、高清晰度、高精度、低噪声等特点，适用于工业检测、医疗、科研、教育以及安防等领域。

1.2.2 光源

如图3，为防止光线干扰，适配了条形光源，经试验最终选取科麦视觉的HF-TX20020型号的四条光源组成的闭合光源组。如图4所示。

1.2.3 处理器平台

如图5，根据软件的算法强度，选用了I5-7500作为核心处理器。基于Intel I5 处理器的核心，选用了ASUS PRIME B250M主板，同时支持独立显卡，后期可方便拓展。

图1

图2

图3

系统平台采用Window 10系统，兼容型强，员工操作容易上手。

1.2.4 触摸交互屏

车间工人需要与机器进行交互操作，传统的方式是键鼠套装。本设计考虑到了灰尘等影响，以及操作体验，采用了万如15寸工业触控屏，将显示和输入完美集成在了一起。

2 软件平台

图4

图5

图6

图7

图8

2.1 软件架构

如图6，从算法上讲，C/C++最容易实现，灵活方便，包括opencv等的编程库都是基于此语言，还有众多的经典算法，都是基于此。但是如果用C/C++，界面的实现就相对繁琐。而像Labview这样的语言又太过于死板。在此设计中，选用了折中的C#语言。

相对而言，C#语言集成度相对较高，也没有高集成度带来的语言生硬等问题。众所周知，Win10操作系统全部由C#编写，C#在win10平台上具有极高的集成度和灵活性。

本产品采用了Visual Studio为开发环境，采用C#作为软件语言，在算法上大量采用了opencv的库函数。由于opencv是基于C++开发的，本设计引用的opencv库实际上是以opencv为蓝本进行了包装的C#库-Emgu CV。

对于相机部分，所选的大恒图像的CCD相机有基于C#的SDK开发包，可以十分方便的进行整合。

2.2 软件流程及图像处理流程

软件流程及图像处理流程如图7所示。

设备开机后自动启动软件监听产线平台指令，产线平台给出待检镜片就绪指令后，软件触发CCD相机拍照获取原始图片，原始图片经过降噪等预处理之后，先进行镜片识别，然后进行镜片内几何划痕检测，一旦检测到划痕后将划痕标记并显示的触摸屏上，同时发送指令给产线，产线采取剔除动作。如果未检测到划痕，则发送合格指令给产线。图8展示了具有多条划痕的玻璃检测结果。