引言

随着我国先进制造业的发展, 对工业生产的在线自动化提出了更高的要求^[1], 人工检测的低效与长期成本迫使产业升级, “机器换人”成了必经之路。

视觉检测技术充分结合光电检测、图像处理等技术, 通过整合设计将其应用于生产线, 能够对产品的尺寸、瑕疵等进行快速检测与判别, 从而实现生产线的自动化检测与运行^[2-3]。这类技术具有非接触、定制化、速度快等优点^[4-5]。视觉检测是一个朝阳行业, 市场潜力巨大, 随着“机器换人”的深入, 视觉检测系统在工业生产线的应用越来越普遍^[6]。

视觉成像采集与处理算法设计在视觉检测中是最重要的, 设计合理的系统与处理方法是实现高准确率、高效率检测能力的关键。针对这个问题, 本文结合具体的药品生产线瓶盖缝隙检测需求, 重点解决了视觉成像采集系统的筛选与设计, 以及在此基础上的处理算法研究。

1 在线系统的视觉检测

对于一个针对生产线的视觉检测系统, 主要包括机械架构与照明装置组装(机械结构支撑与照明设备), 成像系统与视觉检测辨识算法设计与研发(成像相机、数据采集与视觉处理系统)。典型的视觉检测在线系统如图 1(a)所示。在整个系统中, 机械支撑架构承载相机面向生产线, 照明系统对生产线进行照明, CCD或CMOS工业相机高速采集生产线的图像, 经采集之后进入工业计算机, 通过工业计算的视觉检测软件进行自动检测。在线作业中, 最主要的是精度与速度, 精度是保证准确率的关键, 而速度是生产线正常运行的要求。因此, 在整个系统中, 视觉检测技术是最核心的技术, 类似于“人脑”的思考与判断。

杭州一个制药厂家的实际药品生产线中, 如图 1(b)所示, 要求橡胶软盖子的帽檐与瓶体之间的距离不能超过1 mm, 且药瓶移动的速度为750个/min。为找出生产线上不符合要求的瓶子, 采用视觉检测技术实现自动分拣。

2 瓶盖缝隙的视觉检测 2.1 与生产线匹配的视觉检测系统

根据检测距离为1 mm, 以及检测速度必须满足750个/min的要求, 需要选择合适的相机与计算设备。

计算设备一般采用工业电脑, 选购了一款技嘉GB-BXI7H-4500BRIX的工控电脑, 内存8 GB, 128 GB的固态硬盘, USB 3.0接口, 可扩展, 性能非常好, 以符合后期处理算法软件的实时处理。对于相机, 需要能够快速获取视觉信息, 且只要包含瓶子瓶盖即可; 此外, 生产线上的瓶子靠相互挤压运动, 因此相机采集信息的速度要快, 以减少成像中的抖动模糊; USB类的相机更佳, 接口最方便。对相机的选择进行具体分析。

对于整个视觉检测系统, 在相机焦距为f, 拍摄距离为u的情况下, 相机成像器件的像元尺寸为p, 根据成像三角形关系, 生产线中的X mm对应于相机中为Y像素, 满足

(1)

则相机中的像素数Y为

(2)

生产线场景中的X=1 mm, 对应。当然, Y越大, 即像素数越多, 测量精度会越高, 因为单个像素的误差对结果的影响越小, 这就是像素与距离两者之间的关系。

此外, 还需考虑相机成像与算法软件处理的延时问题。相机采集图像, 设瓶子移动速度为V, 延时时间为t, 延时距离d满足

(3)

延时距离d不能大于一个瓶子的宽度d₀, 即d < d₀。利用750个/min的瓶子移动速度条件, 获得时间上限为0.08 s即80 ms。

延时时间一方面是相机成像速度, 即由帧频Q帧/s决定, 即1帧需要1/Q s; 另一方面, 是由后期的视觉算法软件处理时间决定, 这部分时间经初步测试是t₂=5~10 ms(图像为1 024×768像素)。相机的采集速度要求满足

(4)

式中Q下限为100/7, 约为14.3。最终, 选择了一款USB 3.0接口的工业相机(视频60帧/s, 尺寸为1 024×768像素, 像元尺寸3.5 μm), 相机的帧频远远高于要求, 可以给后期的处理提供更多的时间。

2.2 透射式照明成像系统

利用LED面光源对瓶盖缝隙处进行透射式照明, 可以有效地表现出缝隙宽度轮廓, 同时透射式照明避免瓶盖和瓶体材质对于照明光线反光特性对于检测结果的影响, 提高算法估计的稳定性和准确性。

由于需要在360°范围内检测, 而一台相机只能保证180°的范围, 因此, 在生产线两侧分别设置一套成像采集设备, 构建如图 2所示的透射式照明成像系统。照明光源为LED面光源, 利用其对瓶盖缝隙检测处进行照明, 保证瓶盖缝隙照明均匀。将成像相机置于光源和瓶盖之后, 获取瓶盖缝隙透射式照明的图像。

2.3 视觉检测算法与处理

在获取视频流图像后, 使用视觉检测算法软件进行处理。检测算法的设计如下:

(1) 对于获取得到的缝隙图像, 主要包括瓶盖的外部轮廓和缝隙轮廓。利用区域标记算法, 自动寻找确定瓶盖区域, 计算出瓶盖宽度的像素数, 结合瓶盖实际宽度, 确定该图像中像素数和实际长度关系。

采用四邻域标记算法^[7], 锁定批该区域, 获取缝隙像素数即瓶盖宽度像素数; 瓶盖实际宽度可用游标卡尺等事先测量好, 根据式(1)~(2), 计算图像像素数与实际长度的对应关系。

(2) 利用canny边缘检测算法^[8], 对瓶盖区域进行边缘检测, 得到边缘轮廓二值化黑白图。利用生长式直线检测算法, 从瓶盖下边缘一侧逐点估计缝隙上边缘直线轮廓。

(3) 利用黑白二值化算法, 确定缝隙下边缘直线轮廓, 进而确定瓶盖缝隙像素区域, 用像素区域中最大宽度距离作为缝隙宽度估计值。根据2.1节中所获得的像素-距离对应关系, 估计出实际的缝隙宽度值。

3 视觉检测实验

根据所选的相机与工业电脑, 针对生产线的要求, 编写了算法集成软件。软件初始界面与运行界面如图 3所示。

对生产线的瓶盖缝隙进行计算。具体例子如图 4所示, 对其中某个瓶盖的检测的步骤做了详细图解。从左至右的四子图分别为:相机获取的瓶盖缝隙图片, 瓶盖缝隙上线轮廓直线检测结果, 瓶盖缝隙轮廓区域检测结果, 瓶盖缝隙宽度估算结果。最终, 给出了瓶盖缝隙的估计数据大概为1.4 mm, 整个过程耗时约为35 ms, 完全符合速度的需求, 在生产线实时性要求方面达到要求。

此外, 为证明精确性、准确率, 对视觉检测进行大量数据测试。测试的瓶子数量为10只, 编号1~10。其中5只有缝隙但小于1 mm, 5只大于1 mm的瓶子。所有的真实的尺寸由游标卡尺等工具量定, 并且是3人分别测量的平均值。测量结果如表 1所示, 测量的准确率为100%, 最大误差值为0.016 mm, 最大误差百分比为2.73%, 平均误差百分比为1.15%。但是, 从表 1中可以发现, 检测的最大误差值为0.016 mm, 若这个误差出现在瓶盖缝隙为1 mm附近, 将会出现错误判断。整体分析来看, 一方面, 视觉检测可以测量判断出瓶盖缝隙是否符合1 mm的要求, 准确率较高; 另一方面, 对于在1 mm附近的缝隙, 这个误差可能会导致检测失败。因此, 未来的工作在于如何进一步提高稳定性, 即实现稳定地检测。

4 结论

本文针对药品生产线的瓶盖缝隙快速检测要求, 提出使用视觉检测的手段实现不符合要求药瓶子的筛选。根据生产线本身的检测需求, 从检测精度即准确度与检测速度两大根本要求出发, 分析视觉成像系统即相机的参数要求与计算要求, 最终优选了相机与工业电脑用于生产线的实际检测。通过实验, 给出了检测的流程, 论证了精度与速度皆符合生产线要求。该方法有一定通用性, 该思路同样可应用于其他工业生产线的在线检测识别, 为其他在线检测系统的设计提供参考。