在新興市場經濟和新型技術不斷崛起的背景下，生產出高品質且價格低廉的產品是企業(yè)發(fā)展的急切需求，然而近些年來在國內現有生產條件下生產出的產品存在著很大的問題。

傳統(tǒng)意義上的生產需要設備處于時常工作狀態(tài)以便于隨時檢測，然而這樣的工作方式導致了設備在一定的時間內出現設備閑置的現象，大大的浪費了生產資源并無法實現可靠的自動化生產；

還有一個更為重要的原因在于工業(yè)生產線上生產出的產品，對于其尺寸精度的測量人們大多數都通過自己的主觀意識或者粗淺的測試方法去判別零部件尺寸是否合格，這樣的判斷方式檢測出的精度根本滿足不了客戶的需求。

基于上述諸多問題的提出，一種基于機器視覺的檢測方法應運而生，此概念的提出為生產加工業(yè)實現自動化、智能化帶來了空前的變革。

隨著機器視覺的應用，機器視覺的應用大大的提高了產品的質量、降低了人口紅利并能在一定程度上降低生產成本，帶動生產加工業(yè)走向自動化、智能化的道路。

一、系統(tǒng)的整體結構

基于工業(yè)生產線上對不同零部件尺寸的檢測，機器視覺的零部件尺寸檢測主要分為圖像采集、圖像分析處理、顯示結果及控制三個部分。

系統(tǒng)主要由計算機主機、工業(yè)相機、LED光源和光電傳感器、PLC可編程控制器以及單片機控制器、暗箱等。

其工作過程是：首先初始化設備并自檢設備，然后計算機主機通過軟件驅動工業(yè)相機(面陣式CCD傳感器)，但是工業(yè)相機在此時只是處于一個等待采集圖像信號的狀態(tài)，當光電傳感器沒有檢測到物體時，此時工業(yè)相機繼續(xù)等待采集圖像信號；當光電傳感器檢測到產品經過時，打開LED光源并觸發(fā)工業(yè)相機采集零部件數字圖像信號，然后關閉LED光源，單片機控制器經過USB串口通信方式將數據傳輸給計算機主機進行圖像處理，圖像處理后判斷物體是否合格，不合格就放入不合格產品收集箱，合格就檢測下一個產品。

二、圖像的處理及分析

1.標定文件的生成

在圖像處理過程中，更值得說明的是標定文件的生成是有嚴格要求的，其處理的步驟依次為創(chuàng)建標定模板、初始化內參、指定描述文件、收集標定數據、配置校正、標定計算、獲得標定參數、生成標定文件等步驟。在標定的過程中運用到了標定板，在這里我們規(guī)定其大小必需為視野圖像的1／4。系統(tǒng)以二十幅不同位姿的標定板圖像進行標定并設置好標定圖像的原始位姿，從而生成標定文件目。

2.灰度轉換

在實際的生產加工中，由于復雜的環(huán)境因素的影響很多零部件并不是像我們想象中的那么容易區(qū)分。因此，為了快速準確的識別我們必須對其進行灰度轉換。RGB圖像每個像素顏色都對應三維空間上的一個點，而灰度圖像像素的顏色可以對應于一條直線來表示。因而，很容易得出彩色圖像轉換為灰度圖像實質是尋求一個在三維空間上的映射。

3.濾波降噪

在圖像采集過程中由于零部件結構的復雜程度不一，因而圖像中的噪聲是不可避免的，噪聲會影響系統(tǒng)對檢測區(qū)域的識別與判定。所以降噪濾波在整個檢測系統(tǒng)中起到了不可替代的作用。對于噪聲的處理有線性的濾波方法和非線性的濾波方法，如均值濾波為線性方法，采用mean_image算子對圖像灰度值進行平均處理從而達到降噪平滑圖像的效果。中值濾波為非線性的方法。然而對于精度要求比較高的零部件尺寸檢測，這兩種濾波方法都不能達到我們預期的效果。所以本文采用另一種可靠的濾波方法——高斯濾波。使用高斯濾波器，可以完成高精度的測量任務。

4.圖像匹配

在工業(yè)生產加工中，我們所檢測的零部件往往不是單一的，有時候會涉及各種各樣的零部件，通過模板匹配技術就可以實現。模板匹配可以用來做完整性檢測、區(qū)分不同類型的物體和得到目標物體在圖像中的位姿。模板的匹配有幾種不同的匹配方式：基于灰度值的匹配、使用圖形金字塔進行的匹配、基于灰度值的亞像素精度的匹配、帶旋轉和縮放的模板匹配。在應用匹配的時候我們主要是用來區(qū)分不同類型的物體，很多其他的技術都能分別出不同的物體，但對某種特殊類型的物體來說，實現一個可靠的識別算法是很復雜的。另外如果被識別物體經常發(fā)生變化。就必須為每種物體開發(fā)一個新的識別算法。通過模板匹配技術就可以實現上述功能。

5.提取亞像素邊緣

亞像素精度輪廓表示圖像中兩個區(qū)域之間的邊界，這兩個區(qū)域中一個區(qū)域的灰度值大于灰度閾值，而另一個區(qū)域的灰度值小于灰度閾值。為了獲得這個邊界我們需要將圖像的離散轉換成一個連續(xù)函數，而通過雙線插值的方法就能完成這種轉換。在零部件尺寸檢測的工業(yè)生產中，通過工業(yè)相機采集回來的零部件圖像往往都是像素精度的，在零部件尺寸檢測中我們需要達到比圖像像素分辨率更高的精度，因此從圖像中提取亞像素精度是達到高精度要求的唯一有效的途徑。調用edge_sub_pix算子、gen_polygons_xld算子、se—lect_contours_ xld、算子和union_straight_contours_xld算子，通過濾波器canny可以對零部件目標Region進行亞像素邊緣提取，并可以直接返回由像素點組成的邊緣，具有亞像素精度。

6.轉換為世界坐標

在圖像的分析與處理過程中，由于工業(yè)相機采集回來的圖像會出現一定程度上的畸變，那么這個時候我們就要對圖像進行一定程度的校正。轉換為世界坐標的目的在于使用標定后的攝像機可以在世界坐標系內進行未失真的測量。這對于零部件尺寸的檢測有著很好的效果。這種未失真的檢測用立體重構的方法也可以實現，但是立體重構的方法需要多個攝像機在不同的位置上同時拍攝同一物體，但是在實際應用中由于成本和安裝空間的限制，這種未失真的方法是不可取的。因此在零部件檢測中，我們選擇了轉換為世界坐標來達到未失真的測量。通過set origin pose算子設置原始位姿獲得系統(tǒng)參數，然后運用image—points_to_world算子轉換為世界坐標。

基于機器的零部件尺寸檢測技術，在工業(yè)生產中起著舉足輕重的作用。隨著機器視覺的應用，我們不難發(fā)現，機器視覺的應用大大的提高了產品的質量、降低了人口紅利并能在一定程度上降低生產成本，帶動生產加工業(yè)走向自動化、智能化的道路。在機器視覺的應用中，物體特征的提取和尺寸的精確定位及測量是生產線上不可替代的環(huán)節(jié)。

　　如果你的工業(yè)生產線中，可能用的到機器視覺或AI深度學習方面的技術來做自動檢測，那不妨和我們盈泰德科技聊聊，我們會先根據你的需求分析，從一個專業(yè)的角度免費來給你設計一個合適你的方案，然后聽取你的意見，再詳細洽談，最后即使沒能達成合作，我們也非常希望能多認識個朋友。