detail.txt

              基于机器视觉的弹药检测系统

		指导老师：  王   磊    
		设计人：刘荣芳  黄绪薇，胡志杰

摘要：针对弹药图像测量系统的实现,提出了设计方案并对其中的关键技术进行了介绍;在硬件选型中,对工业相机及镜头、光源和照明系统、以及运动控制部分等核心硬件的选型进行了介绍;在软件编写过程中,对本系统中上位机驱动编写、摄像机自动聚焦、摄像机标定及目标识别和检测等关键技术做了简要介绍;最后,对本系统进行了实验验证,验证结果表明,该系统设计方案可以满足普通弹药参数测量实际应用需要,且系统重复测量精度最高可达到0.1像素。

关键词：机器视觉  工业相机 弹药检测 目标识别

一、机器视觉的原理
	机器视觉检测技术一般是指利用机器视觉手段获取被检测物体的图像并与预先己知的标准进行比较从而确定被检测物体的质量状况的技术，是一种建立在机器视觉理论基础上的，综合运用图像处理、精密测量、模式识别和人工智能等技术的非接触检测方法。机器视觉检测技术以被检测物体的图像为检测和传递信息的手段和载体。本文针对线扫描步长自适应优化、亚像素边缘检测、平面轮廓图元识别以及薄片零件尺寸机器视觉检测系统的开发等问题进行了系统研究。
       在国外,基于计算机视觉和图像处理的零部件表面检测的应用比较普及,主要体现在电子和工业制造行业。微小零部件表面缺陷检测具有无接触、无损伤、高效率、低误检率、在线实时监控等优点,很好的提高机械加工企业的生产效率、产品质量以及减小生产周期等,进而提高工业零部件产品的竞争力。由于目前的微小零部件检测局限于基于专家知识库进行零部件表面缺陷检测,误检率高,识别精度低,很大程度上限制了微小零部件产品的加工效率和加工质量。微小零部件缺陷检测技术可弥补这些不足之处,提高产品的质量合格率。    目前自表面缺陷自动检测系统被广泛地应用于工业生产过程的质量控制中,并且各种测试技术及有关材料科学、电子科学和物理科学的发展为微小零件的非接触式无损检测技术的应用提供了可靠的支持。微电子学、计算机科学技术和其它相关领域学科的发展给无损检测技术注入新的内容,表面缺陷无损检测过程启用最少的人力,实现机械全自动化和半自动化二、机器视觉的优势机器视觉检测技术是一种适合现代制造技术发展的检测方法，它具有以下优点：
1.人工检测受工作强度的限制,失误、错检、漏检较容易发生,合格率不稳定;相反,计算机视觉检测技术具有很高的可靠性；
2.智能化检测技术可以利用各种传感器来获得监测信息,集智能技术、传感技术、信息技术、仿生技术、材料科学于一身;3.高精度实时检测提高零件制造精度、降低废品率、使检测速度与生产流水线步调一致;
4.计算机视觉检测技术可以对检测出的缺陷数据进行自动记录、统计分析、自动分类,以实现智能化、无损、快速和低成本的检测,为企业提高生产效率创造更大的利润。
5、机器视觉检测是通过计算机或者数字信号处理器中的程序对图像信息进行处理从而得到检测结果，因此它具有一定的智能和柔性，适合现代企业的柔性生产方式；6、可以实现非接触在线 100的检测，满足自动化制造系统中工序间检测和过程检测的要求；7、选用足够高精度的镜头和图像传感器，机器视觉检测可以达到较高的检测精度；8、机器视觉检测易于实现信息的集成和管理，为实现计算机集成制造系统提供必要的支持；9、在一些不适合人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉，机器视觉检测可以大大提高生产效率和生产的自动化程度；10、通过自动分析和统计检测信息可以很快发现加工中产品的变化趋势，通过及时调整设备与工艺，预防不合格产品的出现。

三、数据采集
（1）图像测量技术
	图像测量技术是近年来在工业测量领域中形成的一种新型测量技术（如图01所示），它以光学
为基础，融光电子学、计算机技术、图像处理技术等现代科学技术为一体，通过处理被测物体图像的边缘而获得被测目标的几何参数。和传统测量技术相比，图像测量具有非接触式测量、精度高、成本低及
应用前景广等优点。但在微小机械零件检测领域，图像测量技术发展相对缓慢，为此，本文针对微小机械零件几何参数的测量提出了一套图像测量系统的设计方案。图01——图像测量系统
（2）图像采集
	图像采集实际上是将被检测物体的可视化图像和内在特征转换成能被计算机处理的一系列离散数据的过程。对一幅图像依照矩形扫描网格进行扫描的结果是生成一个与图像相对应的二维整数矩阵，矩阵中每一个元素（即像素）的位置由扫描的顺序决定，每一个像素的灰度值由采样生成，经过量化得到每一个像素灰度值的整数表示。因此图像采集的结果是将一幅自然界的连续图像进行数字化并最终获得数字图像。机器视觉尺寸检测业内有句名言“差入差出（Garbage in, garbage out.）”，即如果输入到检测系统的图像是一幅不理想的图像，则输出的检测结果也不会很好。因此，如何获取被检测物体的高精度优质图像是机器视觉尺寸检测系统的关键技术之一。
（3） 图像处理
	机器视觉尺寸检测系统通过处理被检测物体图像的边缘来获得物体的几何尺寸参数，因此如何获取高精度的图像边缘是机器视觉尺寸检测系统的关键技术之一。图像边缘的获取通过图像处理来完成。图像处理包括图像预处理（包括图像标定、图像分割、图像去噪声等）与边缘检测。图像预处理是边缘检测的前提，为进行边缘检测做好准备。边缘检测是检测系统的基础和关键，边缘的定位精度直接影响到尺寸的检测精度。随着工业检测等对精度要求的不断提高，像素级精度己经不能满足实际检测的要求，因此需要研究更高精度的边缘检测方法，即亚像素边缘检测方法。

四、系统总体方案设计
　　子弹几何参数图像测量系统结构主要由视频采集设备、执行机构、运动控制单元、ＰＣ机以及上位机图像测量软件构成。视频采集设备由光源、工业数字照相机和光学镜头构成。工业数字摄相机通过ＵＳＢ接口与ＰＣ机相连，将采集的图像数据传输给计算机供其处理。执行机构为主要由二相步进电机构成，能够实现精确位移控制。载物台被固定在传送带上，可随其一起运动，工业数字摄相机及镜头由支架固定在载物台上方，用于被测对象的图像采集。运动控制单元由运动控制卡、步进电机及步进电机驱动器组成。运动控制卡接收ＰＣ下发的控制命令，并通过控制卡上ＩＯ输出控制步进电机驱动器，从而实现对步进电机的控制。ＰＣ机是核心控制部分，负责摄像机图像的采集控制和工作台的运动控制。上位机软件用于对采集到的图像进行处理，并针对不同检测对象采用不同的检测算法实现目标几何参数的测量。

五、光源和照明系统
	光源是影响图像质量的重要因素，它直接影响系统３０％的应用效果。表3是图像系统常用光源性能比较。表３　视觉系统常用光源及其性能比较光源颜色 寿命（小时） 发光亮度 特点卤素灯 白色、偏黄５０００～７０００很亮 发热多、较便宜荧光灯 白色、偏绿５０００～７０００亮 较便宜ＬＥＤ灯 红、黄、绿、白、蓝６００００～１０００００较亮发热少，能做成各种形状氙灯 白色、偏蓝３０００～７０００亮 发热多、持续光由上表比较可知。ＬＥＤ光源使用寿命长，发热少，而且有多种颜色，拍摄对多种颜色的光比较敏感的物体有非常好的效果。因此，本系统采用白色ＬＥＤ光源。照明系统设计就是选择合适的照明方案、合理的利用被测物体的反射光线，从而获得一幅最佳的测量图像。	本测量系统设计了ＬＥＤ环形光源和同轴光源相结合的照明方案，如图２所示。使用ＬＥＤ环形光源这种普通的照明方式，获得的图像对比度较高，但由于系统测量视场非常小，反射到镜头的光线不是很多。因此，当摄像机曝光间不足时，获得的图像会比较暗。若延长曝光时间，可以得到高对比度的图像，但摄像机拍摄速度变慢，影响系统的速度。为了解决摄像机曝光不足、系统速度较慢的问题，同时考虑到系统今后主要用于微小机械零部件微小几何尺寸测量，光线反射性较强，因此又增加了同轴光源。

六、子弹表面缺陷检测系统
	子弹表面缺陷检测系统按其功能分为四个下属系统:1.光学照明系统2.图像采集系统3.机械传输系统4.图像处理系统
	硬件系统包括光学照明系统、图像采集系统和机械传输系统,其中光学照明系统包括光源和镜头,图像釆集系统包括工业相机;机械系统包括控制步进电机的运转;软件系统为图像处理系统,主要功能是对釆集到的图像进行处理,缺陷类型图像的识别。系统的各个部分的选择对检测结果起决定性作用,所以在选择镜头、光源、工业相机上要严格按照预先设置的标准选择。光线进入相机首先要通过镜头,因此镜头的选择常为第一考虑对象。机器视觉的工业应用及发展情况　　　目前市面上的机器视觉检测系统大多采用面阵工业相机来获取图像。随着机器视觉检测技术应用范围的不断扩大，在对一些大尺寸产品进行检测时，面阵 工业相机固有的缺点就逐渐暴露出来了。通过面阵 工业相机获取的被检测产品的图像，其大小是固定的，为了获得大尺寸产品的大幅图像，需要采用图像拼接技术对面阵工业相机获取的多幅图像进行拼接，这样就降低了检测系统的实时性和检测精度。虽然线阵工业相机一次曝光成像只获得图像一根线的数据，但是通过控制相机与被检测产品的相对运动距离可以获得任意大小的被检测产品的图像，因此线阵 工业相机才逐渐被广泛使用。所以对线扫描步长进行自适应优化的研究也才刚刚起步，目前尚未见对线扫描步长进行自适应优化的报道，但是国内外众多学者对自由曲面逆向工程中的扫描步长自适应优化进行了深入研究。
	自由曲面的数字化即用离散的采样点来提取自由曲面的原始形状信息，是自由曲面逆向工程中的关键问题之一，主要包括提高测量传感器的精度、测量路径的规划和基于曲面特征的扫描步长自适应优化等方面。对自由曲面进行数字化时，采用等间距测量是最简单易行的测量方法，但是为了保证测量精度就必须缩小测量间距，这就使得测量效率显著降低。一种理想的方法就是基于曲面特征对扫描步长进行自适应优化，即测点分布的疏密应随着曲面曲率的变化而变化，曲率越大采样点应该越密集，反之则稀疏。
　　　根据被测工件的 CAD 模型是否已知，可将自由曲面的测量分为 CAD 模型已知的测量和CAD 模型未知的测量。针对 CAD 模型已知的自由曲面扫描步长自适应优化已有较多的研究。Pahk 等初步探讨了模具型面检测时，测点布置随曲率变化的方法。
　　　在制造业中通常要检测产品的尺寸是否在容许的范围内或产品是否有正确的形状或位置。这类检测主要涉及到被检测产品二维或三维的几何特性，例如几何尺寸、表面形状、位置、圆度等特征。在汽车制造业中，机器视觉检测技术主要用于轿车车身生产线，对车身侧围、底盘以及整个车身的总成关键尺寸进行检测。1984 年 Tsatsoulis 等描述了电力方向阀的齿齿轮部件的机器视觉检测系统
（1）、1988 年 Gregory 和 Taylor 使用基于知识库的方法在图像的一些关键点上将二维灰度图与己知的参考值进行比较来实现检测，开发了汽车制动零件的机器视觉检测系统。　　　
（2）、1990 年 Hobson 描述了发动机冷却环的机器视觉检测系统，除了测量两个相邻孔的间距外，还测量了冷却环的分布和数量。　　　
（3）1999 年 L.Angrisani等描述了一个估算汽车垫圈的几何参数的机器视觉检测系统，可以检
测垫圈截线部分和挠性部分的几何尺寸，整个测量过程大约为 1 分钟。　　　
（4）。2001 年 D. Kosmopoulos8等介绍了一个自动检测间隙的机器视觉检测系统，它可以检测车身与装在其上的各种面板（包括门，发动机罩等）之间的间隙尺寸，可在多于 30 处位置进行同时检测，测量的有效误差小于 0.1mm，一辆车最主要间隙的检测时间少于 15 秒。　　　
（5）、美国三大汽车公司相继与美国密歇根大学（University of Michigan）和 Perceptron 公司合
作，已成功研制了用于零部件、分总成和总成产品尺寸检测的机器视觉检测系统。　　　
（6）、国内，天津大学精密测试技术国家重点实验室相继成功研制了 Audi100 轿车白车身侧围机器视觉检测系统，IVECO 白车身激光机器视觉检测系统和夏利轿车白车身机器视觉检测系统，实现了总成车身三维尺寸的自动检测，取得了良好的经济效益。　　　
（7）、在机械零件检测中，主要用于零件的几何尺寸与形位误差的检测。1986 年 Bremner描述了一个条钢形状尺寸机器视觉检测系统，在3×2mm的视区内误差小于0.01mm。　　　
（8）、1990 年 Dajle研究了采用结构光技术的机器视觉检测系统，对挤制轮廓的几何尺寸进行在线检测，适合于用铝、橡胶和塑料等材料制造的零件轮廓的检测。　　　
（9）、1991 年 Mills 使用高分辨率线扫描相机来获取圆柱形零件的图像，通过对图像的处理与分析，计算其尺寸误差。　　　
（10）、2001 年 Lu 基于机器视觉开发了无缝钢管直线度的在线检测系统，该系统将激光投影到钢管上来获取圆弧的几何中心，并通过拟合直线来计算直线度误差。　　　
（11）、2002年 Chen 描述了非连续圆弧的圆度误差机器视觉检测方法，该方法使用链码技术通过检测一维图像的非连续信息达到检测的目的。　　　
（12）、IMPACT 是美国专门从事机器视觉检测技术的 PPT VISION 公司研制的嵌入式机器视觉检测系统，利用高性能的 PowerPC 和 PPT独有的机器视觉软件，结合高性能逐行扫描 CCD 相机能实现高速高
精的在线检测，且系统提供多个图像处理工具，可根据不同检测目的进行图像工具组合，并带有条件判断和条件循环功能以完成智能化的需求。　　　
（13）、国内，吉林大学王龙山教授及其领导的课题组长期从事机器视觉检测技术的研究：课题组的陈向伟研究并开发了石墨电极锥接头螺纹几何参数机器视觉检测系统和传动用滚子链链板节距机器视觉检测系统。　　　
（14）、刘庆民研究并开发了齿形链链板几何参数机器视觉检测系统和滚珠螺母几何尺寸机器视觉检测
系统。　　　
（15）、贺秋伟研究并开发了微小齿轮几何参数机器视觉检测系统和插线卡几何参数机器视觉检测系统。　　　
（16）、1996 年段发阶等用机器视觉检测技术对拔丝模孔形进行了全自动检测，通过注入硅胶获得反映被检测拔丝模尺寸及形状的硅胶凸模，用开发的机器视觉检测系统对硅胶凸模的尺寸进行自动检测。
（17）、1997 年单越康等介绍了一种复杂几何形状零件的自动检测系统，对最大尺寸为 20mm 的多参量零件进行了自动检测，检测误差不大于 ± 35 μm，检测速度为 15 件
/分。　　　
（18）、2001 年杨丽凤等对电工陶瓷基片的长度和宽度尺寸进行了在线检测与误差分析，实测误差小于 0.01
mm，检测速度达到每分钟 30 片。　　　
（19）、2002 年梁学军等介绍了基于机器视觉的螺纹紧固件自动检测系统，通过检测紧固件螺纹9部分轮廓线的形状和位置来判断通过性和接触可靠性。　　　
（20）、2002 年张爱武等利用机器视觉检测技术建立了板类零件曲面检测系统，检测误差可控制在 0.5mm/m 以内。　　　
（21）、2003年潘洪达等利用图像处理技术检测汽车轴距差，通过采集汽车直行轮胎印迹图像，先测出汽车单轴的偏斜量，然后计算出汽车轴距左右差。　　　
（22）、2004年黄劼等研究了基于机器视觉的微小孔系精密检测系统，以弦端点来确定圆心坐标，圆心坐标在 X 和 Y 方向的标准差均小于4 μ m，孔系间角度标准差小于3′′。　　　
（23）、2004 年马强等研究了自由形状零件截面轮廓的机器视觉检测系统，采用牛顿插值法实现图像的亚像素边缘检测，将轮廓尺寸检测问题转化为求取最大相关函数的问题，给出了最大相关度量和仿射参数的函数关系，并用实验证实该方法是快速有效的。　　　
（24）、2004 年张少军等采用数字图像处理技术实现了直齿圆柱齿轮几何尺寸的非接触测量，建立了测量齿轮齿数、模数、中心孔半径、齿顶圆半径80×1024像素的 CCD 摄像设备检测分度圆直径 5mm 以下的直齿圆柱齿轮，检测误差在2 μ m以下。　　　
（25）、2004 年张永军等利用非量测 CCD 摄像机进行钣金件高精度三维重建与制造误差检测，利用点和直线信息进行混合光束法平差，对工业零件的线框模型进行高精度三维重建，并在此基础上采用一维模板匹配技术直接获取复杂形状零件的物方参数，所开发的检测系统可自动运行，精度水平优于 0.1mm 级。　　　
（26）、国内在圆度、同轴度和圆柱度等形位参数的机器视觉检测方面也做了一些有益的探讨。                  
结论　　　子弹表面缺陷检测的微小零部件表面缺陷检测与识别系统,并基于计算机视觉算法幵发微小尺寸零件表面缺陷检测软件,提高微小零部件检测效率及自动化检测水平,降低零件误检率,提高检测精度和降低操作人员工作强度,可严格划分零部件等级,增强企业竞争力,本文在研究微小工业元件计算机视觉表面缺陷检测算法的相关技术的同时,也为微小零部件的高效实时检测提供理论基础,对于微小零部件表面检测技术进步及产品化研究开发与广泛应用具有重要意义。

参考文献
《微小尺寸零件表面缺陷检测与识别技术研究》	韩  冷	2011年12月
《薄片零件尺寸机器视觉检测系统关键技术研究》	伍济钢	2008年05月
《微小零件尺寸及表面缺陷的机器视觉检测技术研究》	徐  锐  2009年04月 
《并行测试技术及在智能弹药检测中的应用研究》             2013年01月
《基于计算机视觉的机械零件检测系统设计》   	耿春明  2011年08月
《基于结构光三维视觉的微小零件检测系统》 	张  雷  2010年