基于機器視覺的汽車配件尺寸在線自動檢測方法及裝置的制作方法

專利名稱：基于機器視覺的汽車配件尺寸在線自動檢測方法及裝置的制作方法
技術領域：
本發明涉及利用機器視覺和圖像處理技術進行在線檢測的技術領域，主要涉及在 汽車配件生產現場，利用機器視覺系統對汽車配件尺寸進行在線檢測方法及裝置。
背景技術：
在汽車配件自動化流水線的生產車間，需要對汽車配件的各種尺寸進行檢測。目 前，工廠生產中對配件尺寸的檢測主要依靠人工測量的方法。由于自動化流水線每分鐘生 產多個零件，而每個零件需要對多個零件尺寸如配件長度、高度、圓的半徑等進行檢測，在 兩個零件生產間隔完成這些測量工作是幾乎不可能完成的。因此，實際生產中，采用的是產 品抽檢的方法。該方法不能保證未抽檢產品的合格率。而且，由于人工檢測勞動強度大，人 工長時間工作容易產生視覺疲勞，無法保證檢測質量，因此也無法保證抽檢產品出廠的合 格率。而且生產效率和成品率較低，產品的一致性較差，同時操作人員勞動強度大，并且對 其技能具有很高的要求。隨著對產品性能、質量穩定性的要求和產量需求的不斷提高，人工 測量愈來愈難以適應。近年來，計算機視覺作為一種測量定位手段越來越引起人們的重視， 它是綜合運用圖像處理、精密測量、以及模式識別、人工智能等技術的非接觸檢測方法。在基于機器視覺的測量技術中，邊緣檢測的精度和準確度是圖像測量的關鍵指 標。經典的邊緣檢測算法是基于圖像梯度的微分算子方法。這種算子需要對每一個像素進 行計算，實際應用中常用小區域模板卷積來進行近似計算。經典的算子包括Roberts模板、 Sobel模板I^rewitt模板、Kirsch模板、Laplacian模板等。此類模板的典型特點是簡單， 方便，但抑制噪聲的能力較弱。近些年，隨著智能優化技術的興起，利用智能優化技術對圖像進行邊緣檢測研究 引起了人們很大的興趣，出現了基于遺傳算法、粒子群優化(簡稱PS0)等許多新的邊緣檢 測方法，基于智能優化的邊緣檢測技術研究是現在邊緣檢測算法的主要研究方向。粒子群優化算法是一種基于群體智能方法的演化計算技術，該算法最大的優勢就 是實現起來簡單并且沒有許多參數需要調整。目前，基于粒子群優化進行圖像邊緣檢測的 研究主要有張穎等研究的粒子群優化算法在柔性邊緣檢測方法選取中的應用，石振剛等提 出的將粒子群算法與模糊聚類算法相結合并應用于圖像邊緣檢測的方法，以解決后者的初 值敏感性和易陷入局部極值這兩大缺陷，聶篤憲等提出的應用粒子群優化算法對邊緣檢測 模板系數進行優化的方法。然而，由于粒子群優化算法存在易早熟、局部搜索能力較差等缺 點，影響了該算法在機器視覺和邊緣檢測中的廣泛應用。

發明內容
本發明要解決的技術問題是針對現有汽車配件尺寸人工檢測勞動強度大及容易 產生視覺疲勞、無法保證檢測質量及產品出廠合格率低的問題，提供了一種基于機器視覺 的汽車配件尺寸在線自動檢測方法及裝置，大大降低了工人的檢測勞動強度，提高了配件 產品檢測的精確度，可以有效保證出廠產品的合格率。
本發明解決其技術問題所采用的技術方案是一種基于機器視覺的汽車配件尺寸 在線自動檢測方法，方法為(1)根據對汽車配件尺寸的精度要求，設置拍攝清晰汽車配件圖像的攝像機參 數；(2)利用工業攝像機以及由外部觸發信號控制所述攝像機拍攝在線運行汽車配件 圖像傳至計算機；(3)設置待檢測汽車配件標準尺寸，根據要求設置檢測參量的精度；(4)選擇清晰完整的標準汽車配件圖像作為標準圖像進行圖像算法處理，提取圖 像邊緣，計算汽車配件參量；圖像模板存貯于計算機，每個汽車配件存貯一幅標準圖像模 板；(5)由外部觸發信號控制攝像機，實時拍攝自動化流水線上汽車配件的圖像，并將 拍攝的圖像傳輸至計算機供檢測；(6)計算機對接收到的實時拍攝汽車配件圖像進行圖像算法處理，提取圖像邊緣， 計算汽車配件參量；(7)通過計算所得汽車配件參量與(3)中設置的汽車配件標準尺寸比較，根據要 求設置的檢測參量精度，在檢測參量精度范圍之內的為合格產品，在檢測參量精度范圍之 外的為次品，由計算機提示進行次品處理。在基于機器視覺的測量技術中，邊緣檢測的精度和準確度是圖像測量的關鍵指 標。針對經典的邊緣檢測算法存在精度低，抗噪能力弱等缺點，本發明提出采用粒子群優化 進行邊緣檢測的方法。針對粒子群優化算法存在易早熟、局部搜索能力較差等缺點。本發 明提出了基于混沌變異的量子粒子群優化(簡稱CMQPS0)算法進行圖像邊緣檢測的方法， 該方法將量子門變異技術融入到量子粒子群優化算法當中，利用量子非門實現粒子搜索方 向的變異以避免早熟收斂。并在此基礎上，提出將混沌搜索融入到變異量子粒子群優化算 法當中，利用混沌搜索的隨機性、遍歷性來提高算法在局部區域的細搜能力，來進行精密測 量，提高測量的精度。進一步，所述的中的圖像算法處理為基于混沌變異量子粒子群優化進行圖像 算法處理，并計算配件參量，具體為(4a)對實時拍攝的汽車配件圖像進行灰度化操作；(4b)對圖像進行3*3均值濾波；(4c)利用混沌變異量子粒子群優化算法白適應搜索閾值，并以此作為邊緣檢測算 子的門限值；(4d)對灰度圖像進行二值化處理；(4e)基于混沌變異量子粒子群優化算法設計Sobel算子模板設計；(4f)基于Sobel算子進行邊緣檢測；(4g)零件參量測量；(4h)最優閾值和Sobel算子保存。其中Ge)參照Ge)的算法，Sobel算子模板具有如下的運算形式 e(n) = YjWj(Ti)X^n) (1)，其中e(n)代表了邊緣特征，Wj代表了模板的不同權重，\代表了圖像的灰度值。圖像的邊緣檢測問題可以轉化為邊緣檢測濾波器系數\的尋優問題，基 于混沌變異量子粒子群優化算法進行最優Sobel算子設計的主要步驟如下 初始化邊緣模板系數，在允許的范圍W，255]內隨即設置初始化粒子群； 用模板對標準測試圖像進行檢測，并與理想邊緣比較，根據式(1)確定適用值； 根據要求，大部分粒子按量子粒子群算法更新粒子的位置和速度；部分粒子按 量子非門進行變異更新； 確定全局最優粒子和個體最優粒子，對全局最優粒子進行混沌搜索。 檢查終止條件，輸出最佳模板系數，算法結束，否則回到第二步。進一步，所述的(6)中的圖像算法處理為基于混沌變異量子粒子群優化進行圖像 算法處理，并計算配件參量，具體為(6a)對實時拍攝汽車配件的圖像進行灰度化操作；(6b)對圖像進行3*3均值濾波；(6c)利用4(c)確定的最優閾值對灰度圖像進行二值化處理；(6d)利用4 (e)確定的最優Sobel算子進行邊緣檢測；(6e)基于標準零件定位，進行零件參量計算。—種基于機器視覺的汽車配件尺寸在線自動檢測裝置，具有位于汽車配件生產線 上方的攝像機、連接在攝像機上的計算機，計算機上連接有具有不合格產品進行報警的報 警裝置，攝像機上連接有安裝在汽車配件生產線上控制攝像機的光電開關和位于汽車配件 生產線上方與光電開關配套使用的的光源。當有汽車配件經過時，由于感應裝置的感應控 制攝像機進行拍攝，然后將拍攝的圖像傳于計算機進行計算，合格則通過，不合格啟動報警 裝置進行處理。本發明的有益效果是本發明的基于機器視覺的汽車配件尺寸在線自動檢測方法 及裝置，采用機器視覺系統對汽車配件進行在線檢測，取代人工抽檢，如有次品出現，則通 過人機界面在計算機中提示，并進行報警，操作工據此進行次品處理，大大降低工人的檢測 勞動強度；提高了生產效率和產品合格率。本發明可根據用戶要求設置所述檢測參量的精 度范圍，既能達到用戶要求，又能有效提高檢測速度。另外，為克服經典圖像處理技術存在 的缺點，本發明提出了基于粒子群優化算法進行圖像處理的方法，針對粒子群優化算法存 在易早熟、局部搜索能力較差等缺點。本發明提出了基于混沌變異的量子粒子群優化(簡 稱CMQPS0)算法進行圖像邊緣檢測的方法，該方法將量子門變異技術融入到量子粒子群優 化算法當中，利用量子非門實現粒子搜索方向的變異以避免早熟收斂。并在此基礎上，將混 沌搜索融入該改進算法，利用混沌搜索的隨機性、遍歷性來提高算法在局部區域的細搜能 力，實現精密計算。這些技術，大大提高了測量的精度。


下面結合附圖和實施例對本發明進一步說明。圖1是自動檢測裝置的結構示意圖；圖2是汽車配件的一個結構示意圖；圖3是圖2待測參量示意圖；圖4是自動檢測工藝步驟圖5是標準汽車配件圖像處理算法流程圖；圖6是待測汽車配件圖像處理算法流程圖。圖中1、汽車配件生產線，2、攝像機，3、計算機，4、報警裝置，51、光電開關，52、光 源，6、汽車配件。
具體實施例方式現在結合附圖和優選實施例對本發明作進一步的說明。這些附圖均為簡化的示意 圖，僅以示意方式說明本發明的基本結構，因此其僅顯示與本發明有關的構成。如圖1所示一種基于機器視覺的汽車配件尺寸在線自動檢測裝置，具有位于汽車 配件生產線1上方的攝像機2、連接在攝像機2上的計算機3，計算機3上連接有具有不合 格產品進行報警的報警裝置4，攝像機2上連接有安裝在汽車配件生產線1上控制攝像機2 的光電開關51和位于汽車配件生產線1上方與光電開關51配套使用的的光源52。圖2是汽車配件的一個結構示意圖；圖3是圖2待測參量示意圖；圖4是自動檢測 工藝步驟圖；圖5是標準汽車配件圖像處理算法流程圖；圖6是待測汽車配件圖像處理算 法流程圖。具體實施過程為1.將北京大恒圖像設備公司的型號為DH-HV1303UC的彩色攝像機2，固定在汽車 配件自動化流水線正上方1. 6m處，攝像機2使用日本Computer M0814-MP鏡頭，光圈調到 最大值，增益(其決定圖像的反差效果)調為8 ；觸發模式選1 (外觸發)，采用白色30W大 功率LED面光源52，正上方照射，以便能比較穩定地拍攝到清晰的汽車配件圖像，并顯示在 計算機3屏幕上。2.對每個標準圖像設置檢測點位置并設定標準尺寸，按客戶要求設置汽車各配件 的精度要求，如配件的長度、寬度、圓的半徑的相對誤差均應該小于等于0. 25%等，如超出 要求精度，則判定為不合格產品或次品。3.采用擴散反射型的歐姆龍光電開關51，型號為E3JK-DS30M。由光電開關51啟 動外部觸發與控制信號，啟動攝相機拍攝自動化流水線上運行的汽車配件圖像6，由操作 人員選擇標準產品的清晰完整的汽車配件圖像作為標準圖像，對標準圖像進行圖像算法處 理，提取圖像邊緣，計算汽車配件參量；每個汽車配件均存貯一幅標準圖像模板于計算機3 中。對標準圖像進行圖像算法處理的步驟如下(3a)對實時拍攝汽車配件的圖像進行灰度化操作；(3b)對圖像進行3*3均值濾波；(3c)利用混沌變異量子粒子群優化算法自適應搜索最優閾值，并以此作為邊緣檢 測算子的門限值；(3d)對灰度圖像進行二值化處理；(3e)基于混沌變異量子粒子群優化算法設計最優Sobel算子模板設計；(3f)基于最優Sobel算子進行邊緣檢測；(3g)零件參量計算；(3h)最優閾值和Sobel算子保存。其中(3c)參照(3e)的算法，Sobel算子模板具有如下的運算形式βe{n) = Yjw]{n)x]{n)
“=1 (1)其中，e(n)代表了邊緣特征，Wj代表了模板的不同權重，Xj代表了圖像的灰度值。 這樣，圖像的邊緣檢測問題可以轉化為邊緣檢測濾波器系數\的尋優問題。可總結基于混 沌變異量子粒子群優化算法進行最優Sobel算子設計的主要步驟如下 初始化邊緣模板系數，在允許的范圍W，255]內隨即設置初始化粒子群； 用模板對標準測試圖像進行檢測，并與理想邊緣比較，根據式(1)確定適用值； 根據要求，大部分粒子按量子粒子群算法更新粒子的位置和速度；部分粒子按 量子非門進行變異更新； 確定全局最優粒子和個體最優粒子，對全局最優粒子進行混沌搜索。檢查終止條件，輸出最佳模板系數，算法結束，否則回到第二步。4.由光電開關51啟動外部觸發信號控制所述拍攝相機，實時拍攝自動化流水線 上在線運行汽車配件的圖像，并按下述步驟對實時拍攝的圖像進行處理(4a)對實時拍攝汽車配件的圖像進行灰度化操作；(4b)對圖像進行3*3均值濾波；(4c)利用3 (C)確定的最優閾值對灰度圖像進行二值化處理；(4d)利用3 (e)確定的最優Sobel算子進行邊緣檢測；(4e)基于標準零件定位，進行零件參量計算。5.如有檢測參量超出設定參量精度范圍之外，則由計算機3啟動報警裝置4，計算 機通過人機交互界面進行提示，提示操作人員進行汽車配件次品處理，轉第4步繼續拍攝， 否則直接轉第4步繼續拍攝。判斷產品尺寸是否在合格范圍內，如合格精度要求是0.25%，則當配件的長、寬、 和配件中的圓半徑相對誤差均小于0. 25%時，作為合格產品送入下一工序裝配；若任一尺 寸超出范圍，則通過報警裝置的聲光電報警，提示操作人員將其作為不合格產品直接剔除。上述實施例只為說明本發明的技術構思及特點，其目的在于讓熟悉此項技術的人 士能夠了解本發明的內容并加以實施，并不能以此限制本發明的保護范圍，凡根據本發明 精神實質所作的等效變化或修飾，都應涵蓋在本發明的保護范圍內。
權利要求
1.一種基于機器視覺的汽車配件尺寸在線自動檢測方法，其特征在于其方法為(1)利用工業攝像機以及由外部觸發信號控制所述攝像機拍攝在線運行汽車配件圖像 傳至計算機；(2)根據對汽車配件尺寸的精度要求，設置拍攝清晰汽車配件圖像的攝像機參數；(3)設置待檢測汽車配件標準尺寸，根據要求設置檢測參量的精度；(4)選擇清晰完整的標準汽車配件圖像作為標準圖像進行圖像算法處理，提取圖像邊 緣，計算汽車配件參量；圖像模板存貯于計算機，每個汽車配件存貯一幅標準圖像模板；(5)由外部觸發信號控制攝像機，實時拍攝自動化流水線上汽車配件的圖像，并將拍攝 的圖像傳輸至計算機供檢測；(6)計算機對接收到的實時拍攝的汽車配件圖像進行圖像算法處理，提取圖像邊緣，計 算汽車配件參量；(7)通過計算所得汽車配件參量與(3)中設置的汽車配件標準尺寸比較，根據設置的 檢測參量精度，在檢測參量精度范圍之內的為合格產品，在檢測參量精度范圍之外的為次 品，由計算機提示進行次品處理。
2.根據權利要求1所述的基于機器視覺的汽車配件尺寸在線自動檢測方法，其特征在 于所述的中的圖像算法處理為基于混沌變異量子粒子群優化進行圖像算法處理，并 計算配件參量，具體為(4a)對實時拍攝的汽車配件圖像進行灰度化操作； (4b)對圖像進行3*3均值濾波；(4c)利用混沌變異量子粒子群優化算法自適應搜索閾值，并以此作為邊緣檢測算子的 門限值；(4d)對灰度圖像進行二次化處理；(4e)基于混沌變異量子粒子群優化算法設計Sobel算子模板設計；(4f)基于Sobel算子進行邊緣檢測；(4g)零件參量計算；(4h)最優閾值和Sobel算子保存。其中Ge)參照Ge)的算法，Sobel算子模板具有如下的運算形式 式(1)中e(n)代表了邊緣特征，％代表了模板的不同權重，\代表了圖像的灰度值。 圖像的邊緣檢測問題可以轉化為邊緣檢測濾波器系數\的尋優問題，基于混沌變異量子粒 子群優化算法進行最優Sobel算子設計的主要步驟如下 初始化邊緣模板系數，在允許的范圍W，255]內隨即設置初始化粒子群； 用模板對標準測試圖像進行檢測，并與理想邊緣比較，根據式(1)確定適用值； 眷根據要求，大部分粒子按量子粒子群算法更新粒子的位置和速度；部分粒子按量子 非門進行變異更新； 確定全局最優粒子和個體最優粒子，對全局最優粒子進行混沌搜索。
檢查終止條件，輸出最佳模板系數，算法結束，否則回到第二步。
3.根據權利要求2所述的基于機器視覺的汽車配件尺寸在線自動檢測方法，其特征在于所述的(6)中的圖像算法處理為基于混沌變異量子粒子群優化進行圖像算法處理，具 體為(6a)對實時拍攝汽車配件的圖像進行灰度化操作； (6b)對圖像進行3*3均值濾波；(6c)利用4(c)確定的最優閾值對灰度圖像進行二值化處理； (6d)利用4(e)確定的最優Sobel算子進行邊緣檢測； (6e)基于標準零件定位，進行零件參量計算
4. 一種用于權利要求1方法的檢測裝置，其特征在于具有位于汽車配件生產線(1) 上方的攝像機O)、連接在攝像機( 上的計算機(3)，計算機C3)上連接有具有不合格產 品進行報警的報警裝置，攝像機( 上連接有安裝在汽車配件生產線(1)上控制攝像機 (2)的光電開關(51)和位于汽車配件生產線(1)上方與光電開關(51)配套使用的的光源 (52)。
全文摘要
本發明涉及利用機器視覺和圖像處理技術進行在線檢測的技術領域，一種基于機器視覺的汽車配件尺寸在線自動檢測方法及裝置，為解決人工在線檢測汽車配件尺寸勞動強度大及檢測質量差的問題，利用工業相機對在自動化流水線運行的汽車配件拍攝的清晰完整的、無瑕疵的標準汽車配件圖像作為標準圖像模板存貯于計算機，根據用戶要求設置汽車配件檢測參量的精度范圍，利用工業相機將實時拍攝的在線運行的汽車配件圖像傳輸至計算機與標準圖像模板進行對比處理，并計算配件尺寸，如配件精度低于設定要求，則由計算機啟動報警，提示操作人員對次品進行處理，對汽車配件尺寸檢測精度高、速度快，大大降低人工檢測的勞動強度。
文檔編號G06N3/00GK102116610SQ20101056502
公開日2011年7月6日 申請日期2010年11月29日 優先權日2010年11月29日
發明者沈繼冬, 石建新, 薛云燦 申請人:常州科達汽車配件有限公司, 科達斯特恩(常州)汽車塑件系統有限公司