机器视觉在密封圈检测技术中的应用.docx
为了能让密封圈与密封部件之间实现完全的黏合，工业用的石墨密封圈表面必须平整光滑，严禁出现裂缝、暗纹等瑕疵。?
通过机器视觉捕获的密封圈表面图像可能因种种因素呈现出光照不均匀、对比度低、噪声大，这时可以利用DSP捕捉图像，对图像特点进行分析，并通过中值滤波、二值化、图像缩小、哈弗圆检测法、区域生长等一系列图像算法来识别密封圈缺陷（如表面裂缝、模影、暗纹等）。
密封圈表面缺陷检测系统
检测装置
将密封圈放置在合适的光源正下方，将工业智能相机搭载光源正上方。用相机模拟数据传输线或者以太网接口将相机数据传送到嵌入式系统中。密封圈的图像采集到图像识别系统中，在该嵌入式系统内对该图像进行算法识别，判断所拍密封圈是否为合格产品。
经过反复的实验测试，在红色同轴光和红色环形光的照射下，相机采集到的图像瑕疵成像效果比较清晰。其中裂纹、暗纹等细瑕疵在红色同轴光下比较明显；模影等瑕疵在红色环形光下成像明显。
两套检测系统共同使用，其中一套用红色同轴光源，另一套用红色环形光源，接上相应的光源驱动后，就可以对密封圈分2次进行检测。
系统通信
图像经过智能识别系统处理过后，会出现合格与次品的两种结果，利用PLC通信，对密封圈分类装置进行电信号的通信。让其对密封圈进行筛选归类。
在两套系统检测过程中，如果有其中任意一套将产品识别为不合格，那么在与密封圈分类装置通信时，该产品便为不合格产品。
系统采用4个IO通信口与检测平台建立联系。
通信IO口示意图?
工件静止后，PLC给DSP拍照命令，out1高电平。
DSP处理完毕DSP首先发生结果信号，DSP输出到in2高电平，再发生确认处理完毕信号，DSP输出到in1，OK为高电平，NG为低电平。
PLC接收到结果并不马上回复给DSP，而是等到进料机械手到达时，移位寄存器记录并做30ms的延时后发出确认信号给DSP，确认信号发生的同时，要求DSP的确认信号同时有效。
也就是DSP未收到PLC的确认信号之前要保持高电平状态，DSP收到PLC的确认信号后需要把确认信号置为低电平。
系统在收到PLC的拍照信号后，检测系统便会将当前要检测的密封圈图像通过传输线从相机中写入到系统内存。
8比特BMP位图数据
如下图密封圈8比特BMP位图数据所示便是把从相机写入内存的数据以BMP8比特位图格式输出的图像。
密封圈8比特BMP位图数据
可以发现密封圈表面是呈浅色圆环状的，在密封圈表面的左边有一道黑色的缝，这就是我们需要检测到的瑕疵。
同轴光源成像
考虑到不同种类的瑕疵在不同的光源下的清晰度不同，所以该系统用的是两套不同的光源，一个是红色同轴光源，另一个是红色低角度环形光源。?
同轴光源有内部的光学镜片经过特殊的位置设置，使得光源的发光光路可以与相机成90°直角，间接地起到了棱镜的使用效果。在该同轴光源的照射下，密封圈上比较细的裂纹都清晰可见。
下图是该同轴光源下的成像效果：
环形光源成像
环形90度水平低角度光源，该光源LED后部基板与水平面成90度，因此LED颗粒变成水平方向，光源通常为1排LED颗粒，水平照射后可以实现对于光滑表面的裂痕和表面凹凸造成的细微缺陷形成很好的反光效果。
如下图低角度环形光源几何原理所示：
在低角度环形光源的照射下，密封圈上的暗纹可以清晰可见。
下图便是密封圈在该环形光源下的成像效果：
由于密封圈表面的瑕疵往往都很细小，容易受到图像噪声的干扰。
如果图像传输的过程中掺杂了过多的噪声因素，无疑增加了识别算法的困难程度。所以为了避免产生过多的噪声，只能选用抗噪性良好的相机。
密封圈表面瑕疵检测算法
算法处理流程如下图
捕捉源图像
首先在相机里直接采集到的数组信息并不是灰度图。相机除了灰度信息外，还带有颜色上的分量，在图像处理中，颜色分量起不到太大的作用，可以将它去掉，直接保留图像的灰度信息。
大部分的模拟相机，单位像素是以2像素4个数字保存的，如下图相机中图像灰度值保存的位置所示。
表示相机捕捉到的图像的8个像素，每个像素包含的信息都是用黑色的粗框围成的，每个2像素包含4个数据，以横向2像素为1单位，其中蓝色和绿色数据表示颜色信息，每个像素的红色数据为灰度信息，因此要通过特定公式提取灰度值。
相机中图像灰度值保存的位置
图片预处理
由于图像在传输线中传输的时候不可避免会出现干扰，所以提取出的灰度图像要进行滤波处理以便减小干扰。
传统的滤波方法是中值滤波和均值滤波，可以不同程度地减少噪声干扰，但是这些方法也存在一些问题，可以看到这些噪声的特点和瑕疵边缘的特点近似，进行去噪的同时也模糊了瑕疵的边缘。这不利于对瑕疵的识别。
因此要克服这个问题，对这两种经典方法进行了改进，把这种干扰降到最低。?
分角度的中值滤波法可以适应瑕疵具有线性特征的特点，在二维的滑动窗口中，过中心点分别在0度，45度，90度，1