基于机器视觉的PVC喷涂边缘检测方法

发布时间：2020-01-14

　　摘　　　要：为有效提高汽车的舒适性、安全性，减缓车身外部被腐蚀的速度，在电泳后在车身底部增添喷涂一层PVC胶.基于机器视觉系统设计一套以检测车底PVC胶喷涂边缘的检测装置，并简单概括了机器视觉的整体框架，分别论述了机器视觉系统相机、镜头及光源的选取及图像特征提取方法，包括周长、面积.最后对该设计进行验证，验证成功检测率为99.5%，具有较高的检测概率，此方法能够高效满足生产线对于质量检测的实时性及准确性的需要.

　　关键词：车底;PVC喷涂;机器视觉;工业相机;图像处理

　　随着生活水平的提高，汽车逐渐进入到我们的生活中.高速、安全、舒适是我们对于车的基本要求，但由于路面的凹凸不平及沙石的存在，使汽车在快速行驶过程中，车身底部及车身下部与外界产生严重的撞击和冲刷，严重破坏车身底部及下部表面层，致使表面涂层失去防腐功能.为有效地提高汽车寿命、安全性及舒适性，增强车身底部密封性，在轮罩及车底增添0.5～1.0mm厚的PVC涂料.

　　传统的PVC胶喷涂方式为手工喷涂，这种喷涂方式具有设备投资小，简单易操作的优势，但由于是人工进行操作，存在很多不规范因素，如胶雾厚度不足、漏喷或过喷等现象.通常需增加防雾装置，后续还需增加擦拭喷雾工序，严重影响生产节奏及质量.随着科技的快速发展，很多车企采用机器人喷涂PVC胶，部分或全部替代人工喷涂PVC操作，但这一技术的实施也存在不足，如设置同一参数进行PVC喷涂，但由于每次填充的胶稀释度不同，喷涂的效果也是有差异的，因此需要一个检测装置检测喷涂效果，有效改善PVC胶喷涂，增强车底密封性[1].

　　基于机器视觉检测PVC胶喷涂就是利用机器来替代人眼进行判断的一套智能化检测装置.机器视觉技术是一项综合性很强的智能化技术，包含机械结构、控制系统、数字处理系统、光学成像原理、大数据及人机交互等，是需要各个子系统相互协作，共同推进才能完成检测的一套工业智能检测系统.这一检测系统主要强调在现场中应用的实用性，能够快速地适应现场恶劣的工作环境，且内部需含有合理的通讯接口，具有较强的通用性及安全性.其次机器视觉系统还强调实时性，要求在使用过程中能够具有较高的精度及实时转化速度，因此被称为“自动化眼睛”.机器视觉的设计主要是利用计算机对于人的视觉功能进行模拟，模仿人的某些智能行为，并通过传感器提取目标点确定拍摄位置后，在采集到的图像中不断地进行学习提取信息处理，并不断地加深学习[2-3]，最终输出实际检测数值并加以控制的智能化检测装置，基于机器视觉检测PVC胶的喷涂可以有效地检测胶雾喷涂面积，控制喷涂质量，减少PVC胶的浪费.

　　1系统检测流程框架

　　车底PVC胶检测结构图如图1所示，整个系统是基于BP神经网络模拟人脑的神经网络系统，BP神经网络具有优秀的处理及自学习能力，同时还可分类识别、联想记忆及知识处理等，是一套自适应能力非常强大的神经网络系统[4].机器视觉检测系统包含CCD图像采集单元、图像处理模块及控制系统等，其中图像采集单元主要包含硬件CDD工业千兆相机及镜头、条形LED光源，这一部分主要负责采集图像原图单元，相机及光源由下向上拍摄，将所采集到的数字图像直接传输给模块处理单元，本单元主要检测车底PVC胶喷涂未喷涂区域边框位置及大小，因PVC未喷涂区域的位置不一，因此在采集图像时相机及光源也需在不同位置进行放置.控制系统主要包含PLC、光电传感器、工控机等硬件及软件部分，可以实现自动拍摄、采集图像及不合格喷涂现象报警等功能，实现拍摄车辆台数、统计等功能.

　　2图像采集

　　2.1工业相机

　　工业相机是机器视觉系统中关键组件之一，选择一款合适的相机是机器视觉系统设计阶段重要环节之一[5].工业相机中的主要参数有相机的分辨率、相机帧数、曝光方式及接口类型，而根据芯片的类型不同还可分为CCD和CMOS两种相机.CCD相机是集光电转换、信号读取于一体的固体成像的相机，这款相机具有无灼伤、低功耗、寿命长等优势，而COMS相机是将模拟转换电路、图像信号处理、图像放大器集于一体的相机，具有价格低、高集成性、低功耗等优点，在实际工业视觉生产中得到了广泛的应用.

　　工业相机一般是安装在生产线中替代人眼定位、检测的装置.拍摄特征点，对现场结果进行判定以便后续控制现场设备.通常对于相机的选取，首先要知道精度的要求及相机分辨率，可通过公式计算

　　其次需明确对于相机的像素要求，确定相机与工控机之间的接口形式是GIGE、CameraLink、USB中的哪一种后比较相机价格.对于车底检测，考虑现场环境为室内检测，室内温度可控制在25～35℃范围内，但相机每天工作时长为17h，因此选用寿命长，低功耗、具有较高稳定性的CCD相机.整车车底检测范围为1800mm×1200mm，分为6个相机共同检测18次，每个相机检测范围为100mm×200mm，精度要求为0.1，因此设置视野范围为200mm×220mm(因车运动过程中会出现偏差，因此视野范围应适当放大)，假设光源照射良好，我们需相机分辨率为200/0.1/2=1000像素，另一方220/0.1/2=1100像素，也就是像素至少要选择1000×1100以上的，10帧/s的帧率即可，本测试系统中选择的是1280×1024像素的相机.

　　2.2镜头

　　镜头是连接相机与被测物间的纽带，对相机的拍摄效果及成像原理有着决定性的作用.镜头的种类繁多，因此在选择镜头时，需注意焦距、光圈、视角、工作距离和景深几个参数.

　　一般用像差描述镜头成像的好坏，即理想中与实际应用中差异.本测试系统中根据相机固定位置确定工作距离，分别选用了12、16、25mm焦距的镜头对同一位置进行了测试，测试结果显示12mm焦距的镜头拍摄距离远，图像偏小，不易于清晰分析图像;焦距为16mm的工业镜头测试成像结果适中，作为待选项;而选用25mm工业镜头进行测试，发现被测物放大多倍，不易检测全面物体;综合考虑确定16mm工业镜头最适合本系统拍摄.

　　2.3光源

　　光源在机器视觉系统中有着非常重要的作用，常见的光源有白炽灯、气体放电灯、LED光源、荧光灯等，LED光源即发光二极管，是将电能直接转化为光能的一种半导体固态组件，目前机器视觉系统中最常使用的就是LED光源，这种光源具有低耗电、高频率操作、高亮度、低热量、安全性能高、使用寿命长、价格低廉的优点.LED光源根据制造结构的不同还可分为条形光源、线性光源、环形光源、同轴光源等.

　　选择适合的光源能有效地突出被测特征，能与背景区域形成鲜明的对比，改善整个系统的明亮度，提高分辨率，简化软件的计算，确保整个系统的稳定性.视觉系统中的光源主要有3大类.①正向照射：将照明系统放置在被测物与相机前面，能够清晰地照射出被测物的缺陷，一般选用条形光源、点光源、环形光源等，可根据安装位置调节光源亮度及高度，能够有效观察被测情况及细节.②背向照射：将照明系统放置在被测物与相机后面，一般选用均匀的背光源、同轴光源及平行光源等.这种照射方式是以光源的亮度作为背景，照射被测物，使被测物边缘明显突出，但不能观察被测物表面细节.③结构光照射：这种照射方式是将光线通过一定结构照射到被测物上，通常应用于大面积照射物体，一般选用四面无影光源或圆顶光源等.可实现大面积均匀照射，但这种光源一般体积较大[6-7].

　　基于机器视觉PVC喷涂边缘检测的设计光源的选定，因车底宽度为1200mm，两轮罩宽度共600mm，整车检测宽度为1800mm，光源预留100mm，因此选用的光源长度为1900mm，即条形光源或线性光源.在设计阶段分别对线性光源和条形光源进行了试验，发现条形光源照射面积大，照射面光线均匀，线性光源照射面积小，但照射强度大，因本系统照射车底面积均匀，要求光线照射均匀无反射，故确定选用条形光源.同时对于光源放置位置进行了检测，发现背向照射、结构光照射存在反光现象，影响相机采集到的图片质量，因此本系统采用的照明方式为正向条形光源照射.

　　2.4定位

　　在生产过程中，虽然车是匀速前进的，但换滑轮床时难免产生晃动，因此选择的定位孔会存在位置偏差.图像采集后，在处理图像前需对定位孔进行一定的处理，一般是以定位孔圆心进行检测，用两条圆弧中垂线交点确定定位孔圆心，流程如下.

　　(1)对采集到的图像进行阈值分割，确定检测边界，获取定位孔图像.

　　(2)在选择的图像上随意定一点A，使该点顺着图像走至固定像素点后定义为B，可得出AB弦长，重复该动作，得到多条相应的弦长.

　　(3)利用每2条弦计算出一个圆心坐标.

　　(4)分析坐标结点值，与设定在图像上的像素孔点位置重合度较高的，则定义为PVC未喷涂定位孔.确定好PVC未喷涂定位孔后向边缘处延伸4条检测值.

　　3特征点提取及检测位置识别

　　车底图像采集后可根据被测区域的几何特征分析，这里采用周长、面积特征作为评判车底PVC未喷涂区域的评估参数[8-9].

　　3.1特征点提取

　　在机器视觉中周长指图像检测区域边界点所有像素点数量的总和，若检测区域为合格最大范围，则整个检测区域周长为Lmax，包含噪声周长可设定为Lmin.若PVC喷涂边缘超过标准范围，则未喷涂区域会出现多于周长数值，即检测PVC边缘周长应介于Lmax与Lmin之间，因此可将检测边缘连通周长值作为检测PVC边缘特征参数.

　　4实验结果分析

　　本实验主要是针对车底PVC未喷涂边缘距离检测.以某品牌车底未喷涂区域为例进行了检测，选用130万像素CCD千兆相机，16mm镜头，条形LED光源.随机抽取样本量为1000台，任取一台车检测过程如图2所示.

　　实际检测在提前设置合格阈值的前提下，根据1000台车该区域检测的结果如表1所示.

　　根据检测样本的数量中对于检测结果图像比较突出的进行了对比，如图3所示.

　　实验过程中，基于机器视觉PVC喷涂边缘检测的成功检测样本虽然占99.58%，但实际识别过程中也存在检测错误现象，这里针对比较明显的错误图像进行了对比，在图3a的基础上分别对图3b和图3c两图像进行了分析.图3b中，图像在选择边缘时，由于光线照射过强，使系统在选择时误将带PVC胶面与机械凸起部分的边界当成边缘，而未识别本应识别的边界而产生误判;图3c中以原图为基准，由于车在前行时产生震动，致使机器视觉系统在选择定位孔时产生偏差，以右上侧孔作为定位孔进行检测，输出错误图像.不过通过视觉系统中自学习的设置，不断充实检测系统正负样本量，可大大降低机器视觉系统的误判率，进而使检测更加精确，有效满足生产需要.

　　5结　　语

　　随着智能化的快速发展，机器视觉这一智能化产业逐步替代传统人眼检测，节省了大量的人力物力，同时增加了生产效率、提高了生产精度，而车底PVC的喷涂质量差不仅影响后续总装生产的硬件安装的速度，还大量浪费PVC胶.机器视觉这一技术的实现可以有效地预防PVC胶浪费，保证喷涂质量的一致性.概述了对于特征点位的提取，从实验结果可以看出，对偏差在一定范围内的PVC未喷涂区域，该检测方法具有较高的准确率，能够满足生产线对于质量检测的实时性及准确性的要求.

　　基于机器视觉的PVC喷涂边缘检测方法相关期刊推荐：《工业控制计算机》(月刊)创刊于1988年，由中国计算机学会工业控制计算机专业委员会、江苏省计算技术研究所有限责任公司主办。读者群涵盖电力、机械、石化、冶金、交通、通信、轻工、医药、智能建筑、仪器仪表等多个领域，成为国内知名的专业技术期刊之一，得到了广大工控、自动化界人士的认可。本刊适合从事工业控制、自动化仪器仪表应用、开发、研究的企业技术管理人员、科研院所研究人员及高校师生。