视觉检测实验报告2.doc

视觉检测技术试验题目：MV-ERP200A机器视觉旋转试验台功能验证试验学 院：信息科学与工程学院专 业 班 级：测控技术与仪器1401学 号：14040110X学 生 姓 名：李二狗指 导 教 师：宋辉设 计 时 间：2017.11.13 目录一、试验台介绍11.1试验台主要构成11.1.1机械运动控制部分11.1.2相机部分21.1.3光源照明部分21.1.4图像处理部分21.2主要器件的关键指标21.2.1工业数字相机21.2.2光源3二、 仪器操作及配置流程32.1光源部分的调试42.2相机部分的调试4三、 仪器主要测量指标分析53.1 多圆检测指标分析53.2 血管识别检测指标分析5四、 仪器采集或测量的试样64.1 多圆检测试验结果64.2 血管识别检测试验结果7五、试验方案设计8六、实验结果分析96.1 原始采集的图像96.2 测试结果的图像96.3 测试结果的分析与总结10一、试验台介绍本次试验中以维视数字图像技术有限公司(MICROVISION)推出 MV-ERP200A 机器视觉电动控制旋转实验开发平台作为主要的实验设备，本设备采用 MV-MVIPS 机器视觉图像处理控制器软件，其中包括匹配定位、尺寸测量、颜色分析、缺陷检测等多个图像处理库函数功能强大。MV-ERP200A开发平台提供多种图像处理实验，如图象分割、图象融合、机器学习、模式识别、图象测量、图象处理、模式识别和人工智能、三维测量、双目立体视觉等实验。此次试验中通过 MV-ERP200A 机器视觉电动控制运动实验开发平台提供的尺寸测量、缺陷测量XAVIS编程示例，实践了解了尺寸检测与划痕检测的基本流程与原理。1.1试验台主要构成从整体外观来看，MV-ERP200A机器视觉实验平台由三大部分组成:机械运动、控制部分，视觉部分，光源照明部分，图像处理模块（未显示），平台外观如下图1所示:图1整体设备外观视图1.1.1机械运动控制部分主要组成为机械平台主体(装配体)，包括了运动控制的所有控制单元以及通讯单元，各控制单元及通讯单元合理地布局在机柜内部。实验平台的电源输入接口、平台转速控制调节单元，均实验平台的侧面板上。将平台电源线插上，并接入 AC220V电源，打开电源开关，平台上红色电源指示灯亮。1.1.2相机部分相机部分由相机、镜头、微调升降架和相机固定螺母等组成，具体组成为高分辨率工业镜头、工业数字相机、微调升降架固定螺母、微调升降架微调旋钮、微调升降架、相机固定螺母等。1.1.3光源照明部分光源照明部分主要由LED光源、光源控制器、光源固定支架及转换块等组成。使用中如果光源高度和角度位置不合适，均可重新调节固定位置，直到合适为止。1.1.4图像处理部分图像处理部分主要包括嵌入式计算机、图像处理软件MVIPS等。MV-MVIPS 机器视觉图像处理控制器软件对被测物件进行缺陷识别、测量参数、色差检测与外观外形检测等基本识别与检测功能。1.2主要器件的关键指标本次实验中MV-ERP200A机器视觉电动控制旋转实验开发平台(高级型)采用MV-MVIPS 机器视觉图像处理控制器软件对被测物件进行匹配定位、尺寸测量、颜色分析、缺陷检测等基本识别与检测。基于机器视觉检测系统的基本设计中的光源照明部分和图像处理部分的组成，本小节中基于课堂所学知识及查阅资料，主要分析其中的工业相机与光源的参数及相关技术指标。1.2.1工业数字相机本次实验中实验开发平台选用MV-1300UM USB2.0高分辨黑白工业数字摄像头。MV-1300UM USB2.0黑白工业数字摄像头是维视公司的一款高性能工业检测专用工业数字摄像机，具有高分辨率、高精度、高清晰度、色彩还原好、低噪声等特点，工业数字摄像机采用了USB2.0标准接口，安装使用方便，非常适合室内外各种工业检测应用。（1）分辨率(Resolution)相机每次采集图像的像素点数(Pixels)，对于数字工业相机一般是直接与光电传感器的像元数对应的。MV-1300UM USB2.0黑白工业数字摄像头具有分辨率高、图像质量好,分辨率可达1280*1024 、1600*1200、2048*1536,数字面阵CMOS感光芯片，本实验中相机分辨率为1280*1024。（2）像素深度(Pixel Depth)即每像素数据的位数，一般常用的是8Bit，对于数字工业相机一般还会有10Bit、12Bit等。本实验中相机的数据位数为10选8，在实验中根据软件中的模版图片数据和程序设计，可以看出像素数据的位数为8位。（3）像元尺寸(Pixel Size)像元大小和像元数(分辨率)共同决定了相机靶面的大小一般像元尺寸越小，制造难度越大，图像质量也越不容易提高。本实验中相机的像元尺寸为5.2m*5.2m。（4）光谱响应特性(Spectral Range)光谱响应特性是指该像元传感器对不同光波的敏感特性，一般响应范围是350nm1000nm。本实验中相机在550nm光源条件下，其灵敏度可达2.1/Lux-s。1.2.2光源本次实验中实验开发平台选用AFT-RL系列环形低角度光源，这是一款专为机器视觉、工业检测、工业体视显微镜设计的高亮度LED光源，亮度可调、低温、均衡、无闪烁，无阴影，特有的内嵌式结构，用户可以根据需要加装偏光片，减少光线干扰从而显著提高图像质量，广泛应用于工业显微、线路板照明、晶片及工件检测、视觉定位等系统中。本次实验的实验开发平台选用的光源的型号为AFT-RL13090W其相关参数说明如下:（1）型号说明AFT:公司名，RL:环形光源，130:外径尺寸单位mm，90:内径尺寸单位mm。（2） 角度与颜色光照角度90，光照颜色(W):白色。（3） 工作电压、电流及标配控制器型号 工作电压:18(V)，工作电流:220(mA)，标配控制器:AFT-ALP2415-02。（4）功率 此型号光源的功率对应光照颜色不同，功率也有所不同白/蓝光4.0W。（5） 厚度与重量 此型号光源对应的厚度为9mm，光源的重量为150g。二、 仪器操作及配置流程根据实验指导书的相关注意事项要求，在首次检测前，必须针对当前要检测的工件调整光源高度、亮度，相机曝光、增益等视觉参数， 以突出工件的特征检测区域，便于进行检测。试验时适度调节光源位置、镜头相机参数以便于实际测量时适应不同的图像采集。适当调节光源位置或者关闭光源，同时调节XavisEe 软件进行相应处理。2.1光源部分的调试如下图2所示为光源部分的结构示意图，试验中首先将光源安装在光源固定支架上，固定(配套小螺钉固定)。然后将光源转换块装在平台立杆上，选择合适高度，拧紧转换块上的固定螺母。最后将安装好 LED 光源的光源支架和转换块装配好，选择合适的位置，并拧紧转换块上的固定螺母。图2光源部分示意图2.2相机部分的调试如下图3所示为相机部分的结构示意图，试验中首先将微调升降架安装在平台上，固定(一般固定在 LED 光源的正上方位置)。然后将相机安装在微调升降架上，并固定(配套相机固定螺母固定)。相机的位置在光源的正上方，若位置不合适，可松开要调节位置处的螺母，重新调节位置。图3相机部分示意图三、 仪器主要测量指标分析鉴于本次实验中的MV-ERP200A 机器视觉电动控制旋转实验开发平台主要针对尺寸测量、缺陷测量 XAVIS 编程示例的功能特性，以及MV-MVIPS 机器视觉图像处理控制器软件所具有在对各种图像处理算法学习研究基础上，采用 VC 语言编程实现一个工件或一个产品的检验判定，并与 XAVIS 链接，在 VS860 机器视觉教学创新实验平台上与 XAVIS 提供的示例进行比较，验证自选算法的可行性和准确性。本小节根据图像处理软件XavisEe的相关编程函数进行指标分析。3.1 多圆检测指标分析基于此次 MV-ERP200A 机器视觉电动控制运动实验开发平台的硬件设置，通过摄像头摄入载物平台上的物体(一块含有多个圆孔的工件)，并实时将图像交由个人PC中的 XavisEe 软件进行相应处理(拟合出多个圆形，并进行半径测量)，以达到实时处理图像的目的，具有较好的实用性。利用多圆测量RectMuchCircle的功能，实现所选区域中多个圆测量，输出测得圆个数以及每个圆的圆心和坐标信息。其相关输入参数有image_origin:输入图像(边缘图)、rect:关注区域，输出参数有num:所测圆个数、ocirclerx:圆心x坐标、ocirclery:圆心y坐标、ocircler:圆半径。3.2 血管识别检测指标分析指纹识别已经大量用于实践当中，大家最为熟悉的就是 IBM(现在是 Lenovo)的 ThinkPad 系列当中一部分机型运用指纹识别进行加密，不过血管识别将会是指纹识别的继续，是未来加密的一个方向(日立等公司已推出血管识别，用于个人支付领域)。利用 Niblack 算法用以图像处理，此方法常用于文档图像的二值化，且基于图像的局部均值和标准差计算阈值。用Niblack方法对灰度图进行局部动态阈值分割。Niblack方法的输入参数为imagein:输入8位单通道灰度图，输出参数为imageout:输出图像。Niblack方法输出的图像通常需要滤波处理，利用平滑滤波函数SmoothFilter用method中的方法对灰度图进行平滑滤波，其中method参数的选择可设置不同的滤波方式，其具体的设定值为: (0):高斯滤波、(1):中值滤波、(2)BLUR。此外还可以利用RectSmoothFilter函数对灰度图的选定区域进行平滑滤波处理，其先关的参数指标的选择与设定基本上与SmoothFilter函数相同，只是此函数的作用范围为输入图像的选定区域范围。四、 仪器采集或测量的试样4.1 多圆检测试验结果基于多圆检测实验指导的基本工作流程，记录XavisEe 软件处理结果及测量相应数据如下图4图6所示:图4多圆检测效果图图5检测数据1 图6检测数据24.2 血管识别检测试验结果本次实验中利用提供的一幅原始图像当中的血管分布状况提取出来，实现简单的血管识别，记录试验中的原始图像与处理提取后的图像结果如图710所示:图7原始图像 图8图像处理1图9图像处理2 图10处理结果图 五、试验方案设计 基于实验指导书所指导的实时多圆检测的基本流程与思路，我们小组参考多圆检测设计的检测方法。同样检测物件的尺寸参数，选择物件的内径与外径的尺寸参数作为被测参数。利用MV-USB2.0相机软件的Microvision进行对于采集，并且参考XavisEe软件提供的示例图片的相关参数，利用PhotoShop软件修改宽度(W)447像素、高度(H)400像素、位深度8，处理后的结果如下图11软件处理图所示:图11软件处理图图像处理软件XavisEe的代码区部分程序，部分函数已经在第三节中描述过相应功能，其程序代码如下:Read2image(workpiecesmulticircle.bmp);Show2image(image);Drawrectangle(rect);RectThreshDivision(image,rect,1,1,0,image1);RectSmoothFilter(image1,rect,1,3,imag2);Show2image(image);RectMuchCircle(image3,rect,n,x,y,r);Show2image(image);GenEllipses(x,y,r,r,0,2,red);for(i=0,n,1);a=(xi);b=(yi-ri-5);GenText(a,b,20,white,C,1);c=(a+10);CStringFormat(%d,i,s1);GenText(c,b,20,white,s1,1);d=(i*20+50);InToDouble(d,dd);GenText(10,dd,20,green,C,0);CStringFormat(%d,i,s2);GenText(22,dd,20,green,s2,0); GenText(30,dd,20,green,:,0);六、实验结果分析6.1 原始采集的图像根据第五节中的静态图像采集的方法与处理，得到的原始图像如图12、13所示:图12采集图像1 图13采集图像26.2 测试结果的图像图像处理软件XavisEe的测试图像结果如下图14、15所示:图14测试结果1 图15测试结果2 图像处理软件XavisEe的测量值显区结果如图1617所示:图16测量数据1图17测量数据2图像处理软件XavisEe的程序代码区设计结果如图18所示:图18程序代码设计显示6.3 测试结果的分析与总结通过此次实验，在课堂学习过有关视觉检测技术的理论知识基础上，经过实践的仪器操作与检测流程的学习，对于机器视觉检测技术的相关知识有了更深入的了解。在试验过程中虽然开始时不太熟悉仪器的使用方法，但通过对仪器使用说明的研究与小组同学的共同探讨和努力，最终能够熟悉并初步掌握仪器的使用方法并且根据实验指导书中所示的多圆测量实验，设计并验证了实验台的视觉检测功能。设计实验中的物件通过千分尺(螺旋测微计)测量其外圆直径在5.26mm左右，与通过图像处理软件XavisEe得到的测量结果为2.6mm。其测量的相对误差的计算结果约为1.14%，所以测量的相应结果误差小，精确度较高。实现了工件的尺寸测量中的内径、外径测量检测，完成了实验台功能的验证与设计试验。总之通过此次试验能够有机会实际接触并操作使用到价值不菲的视觉检测仪器，并且开拓了眼界、增长了知识，感受颇丰、受益匪浅！12