机器视觉检测是建立在计算机视觉和图像处理基础上的一门新兴检测技术,它将图像作为检测的手段,用计算机来模拟人的视觉功能,从二维图像中提取被测工件对象的结构和属性等信息,通过图像处理获得被测工件对象各种可描述参数,并对参数进行理解和判断,最终用于实际检测、测量和控制,具有非接触、测量精度高、适用范围广和自动化程度高的特点。通常机器视觉检测根据工件对象的几何尺寸、形状和表面属性等参数对图像进行检测,并根据检测结果控制执行机构产生相应的动作。

机器视觉在线检测系统一般由工业相机、传感器单元、控制单元、光源系统、图像处理单元和执行机构等组成。由于机器视觉在线检测安装在生产线上,与生产线保持同步,其关键技术是检测的实时性,而合理科学的系统总体架构设计是实现实时检测的基础,为此广州汇道电气从机器视觉在线检测系统的工作原理入手,研究高速在线视觉检测系统的总体架构设计,并给出了具体的软硬件设计方案。 

机器视觉在线检测系统的工作原理 

    机器视觉检测模拟人眼对物体识别的过程,是根据人类认知世界以及做出判断的规律设计出的。在线机器视觉检测设备安装在生产线上,实现检测与生产速度的同步,特别是用于高速生产线上产品的检测,其检测速度大大高于人裸眼的检测速度。在线机器视觉检测分为图像获取、图像处理和瑕疵产品的分类三个步骤。图像获取是为了得到高质量的可用于图像检测的二维图像;图像处理的目的是对获取的二维图像进行分析,以判断二维图像是否符合预设的要求,不合要求的二维图像判断为瑕疵产品图像;瑕疵产品分类是将有瑕疵的产品通过执行机构从正常的产品中剔除出来,使得合格产品和不合格的瑕疵产品自动被分成两类。 

 图像处理 

    对工件图像进行快速处理是在线视觉检测的关键,其核心是采用高速的图像识别与匹配算法。为了满足快速实时处理的目的,需要事先对标准工件样本图像进行学习,建立标准样本特征库,然后再将被检测工件图像与标准样本特征库中的特征进行对比,找出被检测工件图像特征与特征库中的特征不相符的部分,若不相符的部分超出规定的范围,即可以判定为瑕疵工件。 

机器视觉在线检测系统的总体架构设计 

    在机器视觉检测系统中,常常采用数据集中处理的方式即工业相机、光源、传感器、图像处理单元、以及瑕疵分类执行机构的控制均由单一的中央处理器集中完成。这种方式虽然降低了设备设计制造的复杂度和成本,但是也会带来中央处理器负担较重的问题。当生产线速度较快,两个工件之间的时间间隙较小,且需要处理的图像较复杂时,这种方式就难以胜任在线实时检测。为了解决上述机器视觉检测系统难以应用在高速智能制造中的问题,根据两层网络的控制理论,提出基于两层网络控制的机器视觉检测系统架构,采用两层网络的概念将视觉检测系统分为执行器部分、控制器部分(执行器控制)和高层控制器部分(图像处理)三个层次。三个部分之间根据需要通信的数据量采用不同的网络及通信协议。各部分根据数据处理量的要求使用各自不同的中央处理器,做到各层次的控制单元各负其责,相互协作,共同参与,将任务分解完成,实现并行的实时检测。