CN102692216A - 基于机器视觉技术的实时光纤绕制缺陷检测方法 - Google Patents

Abstract

本发明涉及基于机器视觉技术的实时光纤绕制缺陷检测方法，主要解决光纤绕制过程存在缺陷的自动检测问题，采用机器视觉装置和工控机；其中：机器视觉装置包括CCD高清摄像机和LED光源；工控机包括内置嵌入式视频图像处理软件的中央微处理器和显示器；对CCD高清摄像机采集回的被测光纤图像，经过去噪，SOBEL算子法边缘化和OSTU法二值化后，得到清晰的目标图像，对绕制光纤使用改进的运动光纤检测算法处理后，得到光纤的坐标信息，以此判断光纤的绕制状态。本发明能在不同的光纤绕制速度下，准确检测出光纤绕制过程中存在的断纤、排纤不均匀及光纤回叠等缺陷，实时显示检测结果，并可自动进行报警，保存缺陷产生时的视频图像信息。

Description

基于机器视觉技术的实时光纤绕制缺陷检测方法

技术领域

本发明属于测试与控制技术领域，涉及一种基于机器视觉技术的实时光纤绕制缺陷检测方法。

背景技术

光纤环是光纤陀螺中的关键器件，它是光纤陀螺中用于敏感输入角速度引起的两相向传播光波之间的Sagnac相位差的部件。因此对光纤陀螺来说，它既是提高精度的途径，同时也是影响精度的主要因素。为了保证光纤环有高质量的静态特性和瞬态特性，在光纤环的绕制过程中需采用特殊的对称缠绕方法、精密的绕制技术，它的缠绕质量的好坏直接决定光纤陀螺的精度。由于各种原因，光纤在绕制过程中会出现断纤、排纤不均匀、光纤回叠等问题，当出现这些问题没有及时检测到进而修正的话，会影响整个光纤环的缠绕质量。光纤直径都是微米级的，且无色透明，所以肉眼从外观很难检查出光纤环的缠绕质量。

因此，本发明公开的一种在光纤环自动绕制过程中，基于机器视觉技术的实时光纤绕制缺陷检测方法对光纤绕制过程进行实时监测，实现光纤绕制缺陷的实时自动监测，并在出现缺陷时，进行报警提示，保存绕制出现缺陷时的视频图像信息，这样在光纤绕制出现缺陷时，可以及时报警做出相应处理，有利于提高光纤绕制质量，减少次品率，同时提高光纤绕制的自动化程度及缺陷检测效率。

发明内容

本发明所要解决的技术问题是在光纤自动绕制过程中，采用机器视觉技术对光纤绕制缺陷进行自动检测，确保能够实时准确的对光纤绕制过程中存在的断纤、排纤不均匀、光纤回叠等缺陷进行自动报警，及时处理。

本发明为实现其目的所采取的技术方案是：

基于机器视觉技术的实时光纤绕制缺陷检测方法，采用机器视觉装置和工控机，其中：所述机器视觉装置包括光源和高清摄像机，所述光源采用LED光源，设置在光纤绕丝机机架上正在绕制的待检测光纤环一方，即采用背光照明方式；所述高清摄像机采用CCD高清摄像机，固定在光纤绕丝机机架上正在绕制的待检测光纤环的另一方，光源与高清摄像机相对设置，并通过高清摄像机上设置的接口与所述工控机通讯；所述工控机包括内置嵌入式视频图像处理软件的中央微处理器和显示器；所述高清摄像机、显示器均与工控机的中央微处理器相连接，中央微处理器对采集回的视频图像进行一系列处理，得到实时绕制光纤的坐标信息，根据得到的坐标信息进行判断光纤绕制的状态；其特征在于：该方法有以下处理过程：

1）待绕制光纤环开始绕制时，由工控机的中央处理器控制CCD高清摄像机进行视频图像采集；

2）中央微处理器从高清摄像机读取拍下的视频图像信息，根据光纤绕丝机的绕制速度，进行视频图像信息的抽样提取，提取出部分帧图像进行处理识别；

3）对提取的帧图像用静态图像处理方法进行图像预处理，以减小噪声对图像的干扰；即进行灰度化、去噪、使用Sobel算子法进行边缘检测及使用全局阈值法中的Otsu法对图像进行二值化处理；

4）对进行了图像预处理后的各帧图像进行差分图像C、D处理，即计算F_n-1-F_n-2＝C，F_n-F_n-1＝D；其中：F_n,F_n-1，F_n-2分别是采集回的视频图像进行抽样后在n时刻，n-1时刻，n-2时刻的帧图像；

5）设定阈值T，将T的值转化为double型数据T'，即计算T/256=T′；

6）分别对上述差分图像C、D取绝对值，分别判断C，D与T'的大小，并运用find函数找到差分图像C、D中值大于T'的所有点的图像坐标系中满足条件的坐标，并分别记到矩阵(row1，col1)，(row2，col2)中；灰度值大于T′时将其值置为255，即白色；反之小于T'的将其灰度值置为0，即黑色；

7）分别找出差分图像C矩阵中(row1，col1)，差分图像D矩阵中(row2，col2)的最小列行坐标值并分别记为u1，v1，u2，v2，并运算u=u2-u1，v=v2-v1；

其中：u表示最后的差分图像中光纤像素点坐标中列坐标的最小值；

v表示最后的差分图像中光纤像素点坐标中行坐标的最小值；

8）最后判断u，v的值。由光纤的直径参数和CCD高清摄像机的像素点尺寸可知，并设定：

当u大于10时，可以判断此时光纤绕制出现缺陷，即绕制光纤出现了排纤不均匀现象；

当v大于3时，可以判断此时光纤绕制出现缺陷，即绕制光纤出现了光纤回叠现象；

当u,v都近似等于0时，可以判断此时光纤绕制出现缺陷，即绕制光纤出现了断纤现象；

9）出现缺陷时，根据缺陷类别自动报警提示，并保存此刻图像信息，实时显示检测结果。

本发明具有的实质性特点和有益效果：

本发明的基于机器视觉技术的实时光纤绕制缺陷检测方法，能准确高效的检测出光纤绕制过程中存在的断纤、排纤不均匀、光纤回叠等缺陷，自动进行报警，自动保存缺陷产生时的视频图像信息、实时显示检测结果、能在不同的光纤绕制速度下实时准确的检测光纤绕制状态、具有人机友好界面，只要将视频图像接入本系统，不需要进行外部软件设置即可自动进行事件检测，方便用户操作、由于光纤直径是微米级的，因此本方法也可用于其它类似产品的缺陷检测、替代人工检测的不确定性，提高了产品的绕制质量，实现自动化智能化的现代化生产。

附图说明

图1为光纤绕制缺陷检测系统的构成示意图

图2为光纤绕制缺陷检测方法流程图

图中：1-高清摄像机，2-工控机，3-正在绕制的待检测光纤环，4-光源，5-显示器，6-报警器,7-光纤绕丝机机架

具体实施方式

以下结合附图和具体实施方式对本发明做进一步说明。

如图1所示，光纤绕制缺陷检测系统，采用机器视觉装置和工控机；所述机器视觉装置包括光源4和高清摄像机1；所述工控机2包括内置嵌入式图像处理软件的中央微处理器和显示器5；所述高清摄像机1、显示器5均与工控机2的中央微处理器相连接。所述光源4采用LED光源，设置在光纤绕丝机机架7上正在绕制的待检测光纤环3正下方，即采用背光照明方式，光源与高清摄像机相对设置；所述高清摄像机1采用CCD高清摄像机，固定在光纤绕丝机机架7上正在绕制的待检测光纤环3正上方的横梁上，并通过高清摄像机1上设置的接口与所述工控机2通讯；所述工控机2包括内置嵌入式视频图像处理软件的中央微处理器和显示器5；所述高清摄像机、显示器均与工控机的中央微处理器相连接，中央微处理器对采集回的视频图像进行一系列处理，得到实时绕制光纤的坐标信息，根据得到的坐标信息进行判断光纤绕制的状态，若光纤绕制过程中有断纤、光纤回叠、排纤不均匀等缺陷发生，通过工控机2的中央微处理器向报警器6发送报警命令。

视频图像是直观而具体的信息表达形式，是对客观事物生动、形象的描述。大量与视频有关的研究和应用随着与视频数据获取、处理和保存有关的设备和技术的普及而被大量应用，视频图像中的运动分析应用最为广泛，它必须经过数字化处理，并且以一定的格式存储到计算机的存储设备中才能用计算机处理相关视频信息，并且视频图像的运动检测算法也通常由于应用范围的不同而采用不同的检测方法。

因此，本发明中介绍的对光纤绕制缺陷的检测方法，是根据光纤及光纤绕制过程的特性并对传统的运动目标检测方法进行了改进最终形成了对光纤绕制缺陷成功检测的方法。

本发明基于机器视觉技术的实时光纤绕制缺陷检测方法，检测过程如图2所示，具体包括下述步骤：

1）待检测光纤环开始绕制时，由工控机的中央处理器控制CCD高清摄像机进行视频图像采集；

2）中央微处理器从高清摄像机读取采集到的视频图像信息，根据光纤绕丝机的绕制速度，进行视频图像信息的抽样提取，提取出部分帧图像进行处理识别；

3）对提取的帧图像用静态图像处理方法进行灰度化、去噪、Sobel算子法进行边缘锐化、Otsu法对图像进行二值化等一系列图像预处理，尽量减小噪声对图像的干扰；

4）对进行了图像预处理后的各帧图像进行做差分运算，差分图像C、D的计算为：F_n-1-F_n-2＝C，F_n-F_n-1＝D；

其中：F_n,F_n-1，F_n-2分别是采集回的视频图像进行抽样后在n时刻，n-1时刻，n-2时刻的帧图像；

5）设定阈值T，并计算T/256=T'，将T的值转化为double型数据T′；

6）分别对上述差分图像C、D取绝对值，分别判断C、D与T′的大小，并运用find函数找到差分图像图C，D中值大于T'的所有点的图像坐标系中满足条件的坐标，并分别记到矩阵(row1，col1)，(row2，col2)中。灰度值大于T′的将其值置为255，即白色，反之小于T'的将其灰度值置为0，即黑色；

7）分别找出差分图像图C矩阵中(row1，col1)，差分图像图D矩阵中(row2，col2)的最小列行坐标值，并分别记为u1，v1，u2，v2，并运算u=u2-u1，v=v2-v1；

其中：u表示最后的差分图像中光纤像素点坐标中列坐标的最小值；

v表示最后的差分图像中光纤像素点坐标中行坐标的最小值。

8）最后通过判断u，v的值判断光纤绕制缺陷。由光纤的直径参数和CCD摄像机的像素点尺寸设定阈值，根据本发明中所检测的光纤直径和使用的CCD摄像机像素点尺寸设定为：

当u大于10时，可以判断此时光纤绕制出现缺陷，即绕制光纤出现了排纤不均匀现象；

当v大于3时，可以判断此时光纤绕制出现缺陷，即绕制光纤出现了光纤回叠现象；

当u,v都近似等于0时，可以判断此时光纤绕制出现缺陷，即绕制光纤出现了断纤现象；

9）出现缺陷时，根据缺陷类别由工控机2控制报警器6自动报警提示、保存此刻视频图像信息、输出信号给相应控制机构、实时显示检测结果。

Claims (1)

1.一种基于机器视觉技术的实时光纤绕制缺陷检测方法，采用机器视觉装置和工控机，其中：所述机器视觉装置包括光源和高清摄像机，所述光源采用LED光源，设置在光纤绕丝机机架上正在绕制的待检测光纤环一方，即采用背光照明方式；所述高清摄像机采用CCD高清摄像机，固定在光纤绕丝机机架上正在绕制的待检测光纤环的另一方，光源与高清摄像机相对设置，并通过高清摄像机上设置的接口与所述工控机通讯；所述工控机包括内置嵌入式视频图像处理软件的中央微处理器和显示器；所述高清摄像机、显示器均与工控机的中央微处理器相连接，中央微处理器对采集回的视频图像进行一系列处理，得到实时绕制光纤的坐标信息，根据得到的坐标信息进行判断光纤绕制的状态；其特征在于：该方法有以下处理过程：

1）待绕制光纤环开始绕制时，由工控机的中央处理器控制CCD高清摄像机进行视频图像采集；

2）中央微处理器从高清摄像机读取拍下的视频图像信息，根据光纤绕丝机的绕制速度，进行视频信息的抽样提取，提取出部分帧图像进行处理识别；

3）对提取的帧图像用静态图像处理方法进行图像预处理，以减小噪声对图像的干扰；即进行灰度化、去噪、使用Sobel算子法进行边缘检测及使用全局阈值法中的Otsu法对图像进行二值化处理；

4）对进行了图像预处理后的各帧图像进行差分图像C、D处理，即计算F_n-1-F_n-2＝C，F_n-F_n-1＝D；其中：F_n,F_n-1，F_n-2分别是采集回的视频图像进行抽样后在n时刻，n-1时刻，n-2时刻的帧图像；

5）设定阈值T，将T的值转化为double型数据T'，即计算T/256=T′；

6）分别对上述差分图像C、D取绝对值，分别判断C，D与T'的大小，并运用find函数找到差分图像C、D中值大于T'的所有点的图像坐标系中满足条件的坐标，并分别记到矩阵(row1，col1)，(row2，col2)中；灰度值大于T′时将其值置为255，即白色；反之小于T'的将其灰度值置为0，即黑色；

7）分别找出差分图像C矩阵中(row1，col1)，差分图像D矩阵中(row2，col2)的最小列行坐标值并分别记为u1，v1，u2，v2，并运算u=u2-u1，v=v2-v1；

其中：u表示最后的差分图像中光纤像素点坐标中列坐标的最小值；

v表示最后的差分图像中光纤像素点坐标中行坐标的最小值；

8）最后判断u，v的值。由光纤的直径参数和CCD高清摄像机的像素点尺寸可知，并设定：

当u大于10时，可以判断此时光纤绕制出现缺陷，即绕制光纤出现了排纤不均匀现象；

当v大于3时，可以判断此时光纤绕制出现缺陷，即绕制光纤出现了光纤回叠现象；

当u,v都近似等于0时，可以判断此时光纤绕制出现缺陷，即绕制光纤出现了断纤现象；

9）出现缺陷时，根据缺陷类别自动报警提示，并保存此刻视频图像信息，实时显示检测结果。

Images