CN101832951A - 基于机器视觉系统的pvc圆形管材表面瑕疵在线检测方法 - Google Patents

Abstract

本发明公开了一种基于机器视觉系统的圆形PVC管材表面瑕疵在线检测方法。用四个工业相机安装在管材表面，采集视频信号传入PC机；进行预处理；求得每个像素所对应的实际面积；对图像进行余弦修正，使得图像面积与管材真实曲面面积逼近；设定相机定时拍照时间，把拍摄的图像保存至工程工作空间并覆盖之前图像，对图像进行修正；统计其中的异类像素的数目，计算出图像中异类像素的面积；达到设定的最小阈值时，PC机发出信号控制瑕疵标记执行机构在瑕疵附近标记，累计图像异类连通区域的面积和个数，定时清零图像异类连通区域的面积和个数并加权图像异类连通区域数量和面积对此段管材表面瑕疵进行检测给出等级。本发明实现自动化管材表面瑕疵检测。

Description

基于机器视觉系统的PVC圆形管材表面瑕疵在线检测方法

技术领域

本发明涉及基于机器视觉系统的产品表面质量的无损在线检测技术，尤其涉及一种基于机器视觉系统的圆形PVC管材表面瑕疵在线检测方法。

背景技术

随着PVC管材在生产生活中的越来越多的使用，PVC管材生产的自动化水平和质量(包括表面质量)也遭遇到了空前的竞争压力，随着竞争的激烈化，消费者对PVC管材质量要求越来越高，表面质量原本被消费者所忽视的指标现已成为PVC管材质量的重要指标了。瑕疵作为管材表面质量的一项重要指标，瑕疵检测势必成为PVC管材生产环节中的必不可少的一环。

瑕疵检测是一种无损检测和非接触检测技术。传统的表面瑕疵检测主要依靠工人肉眼判断进行检测，圆形PVC管材表面是圆柱曲面，根据光沿直线传播原理，在管材两侧设置工人进行管材表面疵点检测时，不足以保证对管材表面的完全覆盖，然而对于水平运动的PVC管材生产线，在管材外围设置三人进行检测不易实现，且加大人工成本。再加上生产线上的高噪声、光线昏暗、气味浑浊等恶劣环境对检测工人的身体造成损害，且工作强度大。

由于上面所述的问题，使得目前的管材表面瑕疵检测还停留在离线人工检测，考虑到人视觉停留和视觉疲劳往往会造成瑕疵的漏检而且检测工人的情绪等主观因素会影响管材瑕疵的检测和表面质量等级的评定，这势必会造成管材表面质量没有统一标准，也就很难具有说服性。这不仅大大降低了生产效率，而且让生产厂家在激烈的市场竞争中处在不利地位。

发明内容

针对人工检测的上述问题，本发明的目的在于提供一种基于机器视觉系统的圆形PVC管材表面瑕疵在线检测方法，是将应用于电子印刷电路板、印刷品等瑕疵检测的机器视觉在线检测技术扩展到立体连续产品的生产线上。

本发明采用的技术方案的步骤如下：

1)四个工业相机在同一圆周等分安装在圆形PVC管材表面，将采集到的四路视频信号经图像采集卡传入PC机；

2)对四个工业相机采集到的四幅PVC管材表面图像在PC机中进行滤波、增强、阈值、特征提取和边缘检测预处理，修正改善由于管材运动引起的图像模糊和运动方向上的尺寸失真；

3)根据工业相机视野的面积大小及像素个数求得每个像素所对应的实际面积；

4)将获得的PVC管材表面图像进行余弦修正，减少PVC管材表面多点重复对应PVC管材表面图像中一个像素，使得PVC管材表面图像面积与PVC管材真实曲面面积逼近；

5)根据PVC管材生产速度和相机视野中覆盖PVC管材的长度设计程序，设定工业相机定时拍照时间间隔，并把拍摄的四幅PVC管材表面图像保存至工程工作空间并覆盖之前的PVC管材表面图像，对四幅PVC管材表面图像进行步骤2)修正；

6)对步骤5)修正之后获得的PVC管材表面图像统计其中的异类像素的数目，再根据步骤3)中的每个像素对应的实际面积计算出PVC管材表面图像中异类像素的面积；

7)根据PVC管材表面图像中异类连通区域的个数和PVC管材表面图像中异类区域像素面积，设定最小的PVC管材表面图像异类连通区域中像素报警面积和PVC管材表面图像异类连通区域个数，一但达到设定的最小阈值时，PC机发出信号控制PVC管材表面瑕疵标记执行机构在瑕疵附近标记，并累计PVC管材表面图像异类连通区域的面积和个数，定时清零PVC管材表面图像异类连通区域的面积和个数，通过加权PVC管材表面图像异类连通区域数量和面积对此段PVC管材表面瑕疵进行检测，根据质量给出等级评定。

所述的PVC管材表面瑕疵检测为斑点、气泡、划痕或麻坑检测。

本发明具有的有益效果是：

本发明采用机器视觉系统对生产线上运行的圆形PVC管材表面瑕疵进行检测，取代人工检测提高生产自动化水平和管材表面质量的客观性，如有瑕疵出现，PC机则会发出信号控制标记执行机构在瑕疵处标记，且累加管材表面瑕疵个数和面积，通过定时清零瑕疵个数和面积，通过加权瑕疵数量和面积对此段管材做出其表面质量等级评定。本方法大大降低了工人的检测劳动强度并基本实现管材表面瑕疵检测的完全自动化，提高了检测精度和准确度，并使得管材表面质量的标准更加客观性。

附图说明

图1是管材表面与投影成像的对应关系图(截面)。

图2是矩形长边沿管材径向方向的图像。

图3是图2的二值化处理后图像。

图4是矩形长边沿管材轴向方向的图像。

图5是图4二值化处理后图像。

图6是圆形纸片图像。

图7是图6二值化处理后图像。

图8是检测系统的流程。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

本发明包括以下步骤：

1)四个工业相机在同一圆周等分安装在圆形PVC管材表面，将采集到的四路视频信号经图像采集卡传入PC机；

根据工业相机焦距、景深调节物距使得工业相机获得清晰的管材表面图像，以最优物距固定安装工业相机，用可使管材通过的黑箱装置遮蔽工业相机和被检测段PVC管材，对PVC管材实施外加光源同轴照明，然后根据检测精度和最小分辨率协调调节镜头光圈、工业相机曝光时间、增益量和光源照明亮度，以便捕获最优的PVC管材表面图像；

2)对四个工业相机采集到的四幅PVC管材表面图像在PC机中进行滤波、增强、阈值、特征提取和边缘检测预处理，修正改善由于管材运动引起的图像模糊和运动方向上的尺寸失真；

3)根据工业相机视野的面积大小及像素个数求得每个像素所对应的实际面积；

4)将获得的PVC管材表面图像进行余弦修正，减少PVC管材表面多点重复对应PVC管材表面图像中一个像素，使得PVC管材表面图像面积与PVC管材真实曲面面积逼近；

余弦修正原理如下：根据工业相机的二维成像原理，PVC管材的圆柱曲面经光学镜头在CCD感光单元上形成二维平面，这是由于PVC管材表面点的重叠投影造成的。由于工业相机视角一般很小，可以将目标的成像近似为目标的平行光投影成像，利用物理学中简谐运动和匀速圆周运动的对应关系(匀速圆周运动在其直径上的投影是简谐运动)模型化处理管材表面和其投影成像，又因为管材的轴向方向上的曲率为0，故可不考虑管材的轴向重叠投影，即将管材曲面上的点看作匀速圆周运动上单位时间的位移量，成像图像上的点视为弹簧振子的位移量，这样可以再管材实际曲面和其成像平面之间建立函数对应关系，如图1所示，从图中可以得到式(1)

根据式(1)可以求得

和ab的对应关系：

由三角函数中的积化和差公式可得式(3)，

(cosθ₁-cosθ₂)＝-2sin[(θ₁+θ₂)/2]·sin[(θ₁-θ₂)/2]       (3)

当

和ab小于一定范围，即θ→0时，有

$-2\sin [({\mathrm{\θ}}_1-{\mathrm{\θ}}_2)/2]=2\sin \frac{\mathrm{\θ}}{2}\≈\sin \mathrm{\θ}\≈\mathrm{\θ}---\left(4\right)$

则有式：

(cosθ₁-cosθ₂)＝sin[(θ₁+θ₂)/2]·sinθ            (5)

式(2)可简化为：

令α＝(θ₁+θ₂)/2，即sinα＝sin[(θ₁+θ₂)/2]

故当θ→0时，有

根据上面的余弦修正原理，把感兴趣区域的管材进行阈值处理后，找出管材上距离工业相机最近的线，从这条线像两边进行对称的余弦修正，考虑到式(7)中，随着α的减小，像素ab所对应的弧

所对应的圆心角θ就会变大，就会造成式(7)中误差的变大，故合理选择适当的α的取值范围，由于对管材表面的完全图像采集至少需要三个工业相机从每隔120度的方向对管材表面进行图像采集，此时α至少要在[30，90]内取值，考虑到系统的鲁棒性，故需要给α一定的裕量以抑制生产线上管材偏离相机视野中心的扰动，将α得取值范围设定在[20，90]，本发明采用四个工业相机，此时α至少要在[45，90]内取值，这样α的裕量就可以设定得小一些，由图1可得：

$y_i=\frac{x_i}{\sin {\mathrm{\θ}}_i}---\left(8\right)$

x_i为每个像素在管材径向方向上的实际长度，y_i为每个像素对应的在管材径向方向上的弧线实际长度，θ_i为图1中的α。

$\underset{1}{\overset{N}{\mathrm{\Σ}}}\mathrm{\ρ}|{\mathrm{\θ}}_{i+1}-{\mathrm{\θ}}_i|=\underset{1}{\overset{N}{\mathrm{\Σ}}}{y}_i---\left(9\right)$

式中ρ是管材半径，设 $\mathrm{\γ}=\underset{1}{\overset{N}{\min }}{\mathrm{\θ}}_i,$ $N=\frac{\mathrm{\ρ}\cos \mathrm{\γ}}{x_i}$

再将求得的实际弧长除以每个像素的实际宽度，得出修正后的像素个数，从而使得所求成像平面面积逼近原管材曲面展开面面积，根据管材在生产线上的运动速度合理设定程序参数控制相机定时拍照，既使得能够对管材全表面的图像捕获，又使得前后捕获的图像中重叠面积最小。

对图2，图4进行二值化处理，得到图3和图5，对图3和图5进行余弦修正后，分别求出图2和图4中粘贴在管材表面上已知面积(200mm²)的矩形黑色矩形纸片的面积201.347mm²和196.558mm²，发现同样一个纸片由于在管材上的粘贴方式不同而使得计算面积略有差别，这主要是由于算法中α的取值范围的不同引起的，对于图2，算法中的α的取值范围为[α₁，90]，对于图2，算法中的α的取值范围为[α₂，90]，很显然，和图4相比，图2中纸片长边沿管材轴向，这样就使得纸片大部处在管材中心而边缘的纸片面积较小，这样就有α₁＞α₂，就会减小计算误差，即如果疵点越靠近管材中轴面积就会越准确，而越偏离中轴就会误差越大，且比实际面积要小。另外由于图像噪声和阈值选取的因素也会对计算结果造成不可预测的影响，但通过对图2和图4利用余弦修正后的误差在1.73％内完全符合检测精度的要求。为增加说服力，利用余弦修正的方法对管材上粘贴已知直径(20mm)的圆形纸片如图6进行验证，对图6进行二值化得到图7，对图7进行余弦修正处理并求得结果为308.959mm²和实际的面积314.159mm²相比，相对误差也在1.73％之内。

5)根据PVC管材生产速度和相机视野中覆盖PVC管材的长度设计程序，设定工业相机定时拍照时间间隔，并把拍摄的四幅PVC管材表面图像保存至工程工作空间并覆盖之前的PVC管材表面图像，对四幅PVC管材表面图像进行步骤2)修正；

6)对步骤5)修正之后获得的PVC管材表面图像统计其中的异类像素的数目，再根据步骤3)中的每个像素对应的实际面积计算出PVC管材表面图像中异类像素的面积；

7)根据PVC管材表面图像中异类连通区域的个数和PVC管材表面图像中异类区域像素面积，设定最小的PVC管材表面图像异类连通区域中像素报警面积和PVC管材表面图像异类连通区域个数，一但达到设定的最小阈值时，PC机发出信号控制PVC管材表面瑕疵标记执行机构在瑕疵附近标记，并累计PVC管材表面图像异类连通区域的面积和个数，定时清零PVC管材表面图像异类连通区域的面积和个数，通过加权PVC管材表面图像异类连通区域数量和面积对此段PVC管材表面瑕疵进行检测，根据质量给出等级评定。

完成管材表面瑕疵面积的计算后，累计瑕疵个数和瑕疵面积，根据不同的检测要求和等级标准，设计每隔10分钟或5分钟对累计清零，利用式(10)对瑕疵面积和个数加权获得等级评定。

d＝ps+(1-p)n                      (10)

式中，d表示此段管材表面质量的等级，p是加权系数，s是累计瑕疵面积，n是累计瑕疵数目。

整个系统检测流程如图8所示。

所述的PVC管材表面瑕疵检测为斑点、气泡、划痕或麻坑检测。

Claims (2)

1.一种基于机器视觉系统的圆形PVC管材表面瑕疵在线检测方法，其特征在于，该方法包括以下步骤：

1)四个工业相机在同一圆周等分安装在圆形PVC管材表面，将采集到的四路视频信号经图像采集卡传入PC机；

2)对四个工业相机采集到的四幅PVC管材表面图像在PC机中进行滤波、增强、阈值、特征提取和边缘检测预处理，修正改善由于管材运动引起的图像模糊和运动方向上的尺寸失真；

3)根据工业相机视野的面积大小及像素个数求得每个像素所对应的实际面积；

4)将获得的PVC管材表面图像进行余弦修正，减少PVC管材表面多点重复对应PVC管材表面图像中一个像素，使得PVC管材表面图像面积与PVC管材真实曲面面积逼近；

5)根据PVC管材生产速度和相机视野中覆盖PVC管材的长度设计程序，设定工业相机定时拍照时间间隔，并把拍摄的四幅PVC管材表面图像保存至工程工作空间并覆盖之前的PVC管材表面图像，对四幅PVC管材表面图像进行步骤2)修正；

6)对步骤5)修正之后获得的PVC管材表面图像统计其中的异类像素的数目，再根据步骤3)中的每个像素对应的实际面积计算出PVC管材表面图像中异类像素的面积；

7)根据PVC管材表面图像中异类连通区域的个数和PVC管材表面图像中异类区域像素面积，设定最小的PVC管材表面图像异类连通区域中像素报警面积和PVC管材表面图像异类连通区域个数，一但达到设定的最小阈值时，PC机发出信号控制PVC管材表面瑕疵标记执行机构在瑕疵附近标记，并累计PVC管材表面图像异类连通区域的面积和个数，定时清零PVC管材表面图像异类连通区域的面积和个数，通过加权PVC管材表面图像异类连通区域数量和面积对此段PVC管材表面瑕疵进行检测，根据质量给出等级评定。

2.根据权利要求1所述的一种基于机器视觉系统的圆形PVC管材表面瑕疵在线检测方法，其特征在于：所述的PVC管材表面瑕疵检测为斑点、气泡、划痕或麻坑检测。

Images