基于Labview的圖像測量分析系統(tǒng)設(shè)計

1、基于Labview的圖像測量分析系統(tǒng)設(shè)計摘要：為了能實時檢測工件生產(chǎn)狀況，把零件疵點缺陷標(biāo)記出來并進(jìn)行分類，本文研究了適用于生成零件表面缺陷檢測的實時檢測系統(tǒng)，論述了其硬件結(jié)構(gòu)和軟件流程，提出了一種基于虛擬儀器的快速有效的檢測算法，對采集的圖像進(jìn)行實時分析、處理與識別。結(jié)果表明，該系統(tǒng)可以有效地檢測出零件的疵點和疵點的類別。關(guān)鍵詞：虛擬儀器；表面檢測；智能相機；零件缺陷Abstract:Inordertodetecttheworkpieceproductionsituation,putthepartsdefectdefectmarkingandclassification,thispapers

2、tudiesthereal-timedetectionsystemissuitableforthedetectionofsurfacedefectparts,discussesitshardwarestructureandsoftwareflow,thispaperproposesafastandeffectivedetectionalgorithmbasedonvirtualinstrument,real-timeanalysis,theacquisitionoftheimageprocessingandrecognition.Theresultsshowthat,thesystemcane

3、ffectivelydetectthepartsofthedefectsanddefects.Keywords:Labview;Onlinedetect;GreyClothDefect目錄一：概述5二：原理6三：系統(tǒng)設(shè)計71.1 硬件設(shè)計：81.2 檢測和分類算法設(shè)計91.3 .NIVBAI圖像檢測過程111.4 NIVA圖像處理分析114 仿真實驗結(jié)果135 總結(jié)：14致謝15:概述無損檢測，就是利用聲、光、磁和電等特性，在不損害或不影響被檢對象使用性能的前提下，檢測被檢對象中是否存在缺陷或不均勻性，給出缺陷的大小、位置、性質(zhì)和數(shù)量等信息，進(jìn)而判定被檢對象所處狀態(tài)（如合格與否、剩余壽命等）的

4、所有技術(shù)手段的總稱,本項目研究內(nèi)容為基于虛擬儀器平臺進(jìn)行機器視覺測量機械量，主要待測量為零件的可見缺陷，以Labview為開發(fā)工具，將拍攝到的零件圖像與標(biāo)準(zhǔn)零件的圖像進(jìn)行比較.現(xiàn)代工業(yè)，對工件的質(zhì)量要求不斷提高。其質(zhì)量對產(chǎn)品的牢固程度、運動性能、使用壽命等都有至關(guān)重要的影響。然而由于生產(chǎn)工藝流程原因，部分齒輪表面會出現(xiàn)缺陷，如裂紋、裂縫等，嚴(yán)重影響產(chǎn)品質(zhì)量。必須對零件質(zhì)量進(jìn)行嚴(yán)格檢測。作為一種廣泛應(yīng)用的機械零件，齒輪在工業(yè)發(fā)展的歷程中發(fā)揮了重要的作用，齒輪以其獨特的地位繼續(xù)發(fā)揮著不可替代的作用。例如圓弧和雙圓弧齒輪、雙向圓弧齒輪、曲線齒廓齒輪、其它異型漸開線齒輪、雙鼓形齒輪、非圓齒輪、任意齒形

5、齒輪及滾動接觸齒輪等。新型齒輪可以替代大部分齒輪產(chǎn)品，在玩具用齒輪及其系列產(chǎn)品、家電、儀器儀表的傳動齒輪、汽車用齒輪及其變速箱、減速裝置、微型及小型機電裝置等方面廣泛的應(yīng)用著。提高齒輪檢測技術(shù)是提高齒輪產(chǎn)品質(zhì)量的必要條件。齒輪測量技術(shù)隨著科學(xué)技術(shù)的發(fā)展而不斷前進(jìn)，先進(jìn)的計算機技術(shù)、激光技術(shù)、精密儀器技術(shù)、數(shù)字信號技術(shù)、圖像處理技術(shù)等不斷地應(yīng)用到齒輪測量中來，取得飛速的發(fā)展。軟件處理部分，主要進(jìn)行了對齒輪表面缺陷視頻檢測系統(tǒng)在虛擬儀器上實現(xiàn)過程的研究，應(yīng)用了虛擬儀器和LabVIEW相關(guān)知識。充分利用了LabVIEW圖形化編程便捷、快速的優(yōu)點，結(jié)合NIIMAQ的強大功能和NIVision的圖像處理

6、函數(shù)庫，完成了對齒輪表面缺陷圖像的采集、預(yù)處理、識別、結(jié)果輸出等功能。實現(xiàn)了和硬件的無縫連接。經(jīng)過實踐檢驗，本系統(tǒng)具有穩(wěn)定、快速、準(zhǔn)確的良好特性，滿足了工業(yè)現(xiàn)場對齒輪表面缺陷檢測的要求。通過圖像處理來進(jìn)行工業(yè)檢測，將比人工檢測提高檢測的效率和檢測質(zhì)量。最終提高企業(yè)的效率和競爭力。因此，齒輪表面缺陷視頻檢測系統(tǒng)的工業(yè)應(yīng)用，有著廣闊的市場前景和研究價值。機器視覺是研究用計算機來模擬生物外顯或宏觀視覺功能的科學(xué)和技術(shù)。并一直向著機器視覺更加自然化，更加接近生物視覺方向發(fā)展。起源于圖像處理技術(shù)的計算機視覺技術(shù)是一門新興的發(fā)展極為迅猛的科學(xué)。從簡單的二值圖像處理到高分辨率多灰度的圖像處理，從一般的二維信

7、息處理到三維視覺機理以及模型和算法，研究不斷取得了新的進(jìn)展。而計算機視覺技術(shù)的飛速提高以及人工智能、并行處理和神經(jīng)網(wǎng)絡(luò)等學(xué)科的發(fā)展，更是推動了計算機視覺系統(tǒng)的實用化以及許多涉及復(fù)雜視覺過程研究的深入化。根據(jù)機器視覺的應(yīng)用領(lǐng)域不同，對機器視覺檢測的研究可以分為不同的種類，不同的學(xué)者對分類也有不同的見解。分類：(1) 零件檢驗與尺寸測量(2) 零件的缺陷檢查(3) 機器視覺用于機器人的研究把計算機視覺技術(shù)和齒輪測量技術(shù)結(jié)合起來，充分利用計算機視覺技術(shù)的巨大優(yōu)勢，為齒輪測量技術(shù)引入了一種新的具有較高測量精度的非接觸綜合測量方法，進(jìn)而期望能夠極大地提高齒輪測量水平，促進(jìn)齒輪工業(yè)的發(fā)展和進(jìn)步。二：原理機

8、器視覺是用機器代替人的眼睛和大腦，在一些危險工作環(huán)境或人工視覺難以滿足要求的場合來做檢測和判斷。機器視覺系統(tǒng)由圖像采集、圖像處理和結(jié)果輸出三部分組成，核心部分是圖像處理。NI機器視覺作為機器視覺領(lǐng)域的新技術(shù)，其遵循機器視覺領(lǐng)域的理論，如馬爾計算理論、正規(guī)化理論等。NI機器視覺在軟硬件擁有創(chuàng)新特點?，F(xiàn)階段NI機器視覺圖像采集與處理模塊為智能相機，或嵌入式視覺系統(tǒng)配攝像頭，或NICompactRIO與NISingle-BoardRIO配攝像頭，或PC與PXI系統(tǒng)(如即插即用板卡和幀接收器和FPGA圖像處理板卡)配攝像頭。智能相機及嵌入式視覺系統(tǒng)等運用自動檢測技術(shù)來配置并處理和分析圖像。NI機器視覺

9、運用LabVIEW和一些基于文本的語言來編寫視覺開發(fā)模塊，模塊是結(jié)合了數(shù)百種科學(xué)成像和機器視覺函數(shù)的綜合數(shù)據(jù)庫，將其與LabVIEW模塊和工具包結(jié)合使用，可創(chuàng)建更多的自定制應(yīng)用程序，原型設(shè)計算法并使用內(nèi)置的NI視覺助手生成代碼。因而NI機器視覺的圖像處理和分析方法充足。NI機器視覺在質(zhì)量和過程控制、半導(dǎo)體自動化測試、汽車和電子產(chǎn)品、智能化監(jiān)控以及醫(yī)療成像等方面應(yīng)用廣泛。三：系統(tǒng)設(shè)計典型的PC式機器視覺檢測系統(tǒng)結(jié)構(gòu)可分為硬件部分和軟件部分。機器視覺檢測系統(tǒng)由圖像采集、圖像分析處理、輸出檢測等幾個部分，其中，圖像采集部分一般包括光源、鏡頭、智能相機、圖像采集卡。齒輪在線檢測系統(tǒng)的軟件流程圖如圖2所

10、示。圖2坯布在線檢測系統(tǒng)的軟件流程圖被測齒輪處于特定的背景中，攝像頭安裝在零件的上方，照明系統(tǒng)發(fā)出平行光束使齒輪產(chǎn)生陰影輪廓成像于智能相機像敏面陣上，并充滿整個像敏單元陣列，智能相機將光信號轉(zhuǎn)換為電信號傳遞給計算機的數(shù)據(jù)采集卡，然后通過基于個人計算機平臺上的圖像預(yù)處理將其齒輪的邊緣從中提取出來并進(jìn)行相應(yīng)的圖像處理分析，與設(shè)置的標(biāo)準(zhǔn)模板匹配，判斷零件的精度是否在公差允許范圍之內(nèi)，確定其各項齒形參數(shù)的檢測結(jié)果并輸出。（1） 硬件設(shè)計：圖像采集是一個重要的環(huán)節(jié)，它將對象的可視化圖像和特征轉(zhuǎn)化為能被計算機處理的一系列數(shù)據(jù)，由于機器視覺系統(tǒng)強調(diào)精度和速度，所以要及時、準(zhǔn)確地提供清晰的圖像。視覺傳感器智能

11、相機的選擇：（2） NI1394智能相機：由533MHzPowerPC處理器和720MHzTexasInstrumentsDSP協(xié)處理器供電，是機器視覺的實時目標(biāo)。優(yōu)質(zhì)的SonyCCD圖象傳感器可以采集單色列高精度智能相機測微計，測量精度可以達(dá)到12pm，在測量零件的外徑，薄膜厚度等方面有廣泛應(yīng)用，單個智能相機傳感器的測量范圍0.330mm采用兩路智能相機傳感器可以測量大尺寸，如活塞的外徑等等。SXGA（1280x1024）高分辨率圖像。（3） NIPS-15電源：NI系列智能相機的專用電源。為相機提供穩(wěn)定電源。（3）上位機：由NIPMA-1115便攜式PXILCD顯示器和鍵盤附件和NIPXI

12、e-1082配有交流的8槽3UPXIExpress機箱和NIPXIe-8133PXI平臺嵌入式控制器組成。該上位機性能穩(wěn)定，抗干擾能力強，適合用于煤礦復(fù)雜惡劣環(huán)境。（4）輸出控制繼電器：用于控制膠帶運輸機的電機以進(jìn)行停車。（5）防爆聲光報警器：用于報警來提示工作人員。光源的選擇：光源是圖像信息獲取模塊的另一個重要的組成部分，使用光源是為了突出拍攝目標(biāo)的特征，使其不同部分之間具有足夠的對比。選擇合適的光源系統(tǒng)需要考慮以下幾個方面：1攝像機的視野要求：盡量使光線集中在視野之內(nèi)，提高照明效率；光源系統(tǒng)與被測物體間的距離：調(diào)解高度，使被攝物體的特征與背景之間的對比度盡量大；2被測物體的形狀、表面狀態(tài)及

13、顏色：根據(jù)被攝物體的形狀和表面狀態(tài)來選擇照明的方式，根據(jù)被攝物體的特征部分的顏色來選擇合適的光源顏色；3突出被測物體的測量細(xì)節(jié)部分：要以突出被測物體的測量細(xì)節(jié)部分作為圖像采集的首要目的，以此選取合適的光源。性能面素?zé)魺晒鉄鬫LED光源使用壽命5000-7000小時5000-7000小時&0000-100000小時亮度亮較亮使用多個可很亮響應(yīng)速度tt慢快特性發(fā)熱大.幾乎沒有光亮度和色溫的變化.；便宜at熱小.擴散性好,*合大面枳均勻照射，較便宜發(fā)熱少，波長可以根據(jù)用途選律，制作形狀方便，運行成本低,耗電小圖3-3幾種常見光源的主要性能3.2檢測和分類算法設(shè)計軟件開發(fā)環(huán)境(1) LabVI

14、EW用于輔助編程(2) NI用于自動檢測的視覺生成器(NIVisionBuilderforAutomatedInspection,簡稱NIVBAI),該軟件用來配置NI1394智能相機，具是針對完整視覺檢測應(yīng)用且易于使用的獨立開發(fā)環(huán)境。(3) NI視覺助手(NIVisionAssistant,簡稱NIVA),其用來進(jìn)行具體圖像處理和分析。圖像差影是一種圖像的代數(shù)運算，簡單說就是圖像的對應(yīng)像素進(jìn)行相減的運算，所以又稱為減影運算。在坯布質(zhì)量檢測中，采集的圖像和標(biāo)準(zhǔn)圖像進(jìn)行差影，坯布疵點是兩者之間的主要差異。由于坯布圖像采集時數(shù)據(jù)量大，處理精度要求高，同時考慮坯布具有單元化、周期性、規(guī)則性等特點，所

15、以提出局部差影算法，這樣可以大大減少檢測運算量，提高采集速度，同時方便定位疵點。運用這種處理算法簡單，運算高效，基本可以滿足坯布生產(chǎn)中的實時要求。機器視覺系統(tǒng)要實現(xiàn)預(yù)定的功能離不開相應(yīng)的計算機軟件，圖像處理軟件要實現(xiàn)圖像數(shù)據(jù)的采集，并且進(jìn)一步通過特定的算法對采集的數(shù)字圖像進(jìn)行分析、處理、最終將結(jié)果顯示或根據(jù)需要傳送給執(zhí)行機構(gòu)的控制部分。VC+6.0作為程序的開發(fā)平臺。選用這一開發(fā)工具白主要原因在于：C+郵言具有靈活性強，可以方便的實現(xiàn)自己的算法，便于軟件功能的擴展。在標(biāo)準(zhǔn)圖像選取時，則采用統(tǒng)計的方法，即對無疵點的圖像求列行直方圖、濾波，找出坯布一個單元的周期，并求出該單元中的各個像素灰度的均值

16、，擴展至多個單元，最終得到一個MXN大小的標(biāo)準(zhǔn)模塊圖像g(x,y)。對采集的圖像，首先對其預(yù)處理，該系統(tǒng)采用中值濾波去除噪聲，得到濾波后的圖像f/(xi,yi),再與標(biāo)準(zhǔn)模塊圖像進(jìn)行絕對差影處理可以表示為：fi(xi,yi)-g(x,y)(1)其中，fi(Xi，yJ表示f(x,y)圖像分割第i塊圖像在點(xlyD處的灰度值,g(x,y)為MXN的標(biāo)準(zhǔn)模塊圖像在點(x,y)處的灰度值，Si國，yi)是差影后的圖像在點(xi,yi)處的灰度值。然后，對圖像s(xi，yi)進(jìn)行參數(shù)計算，為了反映圖像灰度分布均勻程度和灰度值的強弱，選用灰度均值；反映圖像灰度分布的離散情況，選用方差；能反映圖像內(nèi)容隨機

17、性和紋理復(fù)雜程度，選用局部嫡6;極差則能反映灰度值跨度。MN灰度均值F(x,y)=x-J"'")MN2萬差Det=(S(xi,yi)-F(x,y)x3y4局部烯I_Si(xi,yi)pij一(M N)(4)m N二二 si (xi, yi) i 1： j 注MNHfPjlog(Pj)i1j1MNMN(5):-Pij(Pij-1)=1-工工Pij2i=1j1iaj=1極差JC=Max(si(xi,yi)-Min(si(xi,yi)(6)把這些參數(shù)輸入到已經(jīng)訓(xùn)練好的多層BP神經(jīng)網(wǎng)絡(luò)里進(jìn)行判別，看是否有疵點如果是，立即在原始圖像上標(biāo)記出來，存入數(shù)據(jù)庫，同時指示燈變紅，發(fā)出

18、報警信號；否則，計算下一個區(qū)域塊。在進(jìn)行多層BP神經(jīng)網(wǎng)絡(luò)計算時，神經(jīng)元的激活函數(shù)選擇S形函數(shù)7:1，C、二(x)=(5-3)1e訓(xùn)練時采用最速下降算法使誤差逐步減小，在梯度的負(fù)方向速度最快；在學(xué)習(xí)速率和慣性因子選擇時，采用自適應(yīng)訓(xùn)練方法；在誤差修正時，選用1 .21M.9e(W)=d-y(W)|="(dk-yk(W)22 2k=1界面模塊：本文的軟件的界面是基于VisualC+的MFCAppWizard(exe)的程序。程序的各種函數(shù)和功能通過菜單操作來實現(xiàn)，采集或者打開的圖像和處理的結(jié)果分區(qū)在同一界面上顯示，有利于比較，結(jié)構(gòu)簡單清晰。IkXpLdi圖3-5界面設(shè)計3.3 .NIVB

19、AI圖像檢測過程NI1394智能相機首先用VBAI進(jìn)行配置而后在其中進(jìn)行編程。相機采集的每一幀圖片經(jīng)VA分析處理后進(jìn)行圖像過濾，分別為平均平滑、邊緣檢測、卷積處理。而后根據(jù)經(jīng)驗創(chuàng)建感興趣區(qū)域，即輸送帶易裂區(qū)域。最后計算裂縫像素占整個感興趣區(qū)域像素的比例。設(shè)置兩個閾值1和2,分別用于報警和停車。當(dāng)比例值超過閾值1時，上位機控制防爆聲光報警器報警；當(dāng)比例值超過閾值串口通信控制繼電器常閉觸點斷開進(jìn)而使輸送機停車。NIVBAI圖2所示。2時，上位機通過圖像檢測流程圖如圖2NIVBAI圖像檢測流程圖(1)提取顏色平面：從一副圖像中提取三種顏色平面(選擇提取HSL亮度平面。該方法把采集到的圖像轉(zhuǎn)化為RGB

20、、HSV、HSL)。本文8位的灰度圖像。3.4 NIVA圖像處理分析(2)查找表：用于提高圖像的對比度和亮度。一個查找表包含值用于轉(zhuǎn)換圖像的灰度值。對于圖像中每個灰度值,相應(yīng)的新值是查找表中獲得并分配給每個像素的灰度值。本文用到了對數(shù)化和均衡化。(3)圖像閾值分割：這是一種基本的圖像分割方法。閾值分割的基本思想是確定一個閾值，然后把每個像素點的灰度值和閾值相比較，根據(jù)比較的結(jié)果把該像素劃分為兩類一前景或者背景。一般來說，閾值分割可以分成以下三步：確定閾值、將閾值和像素比較、把像素歸類。其中第一步閾值最重要。閾值的選擇將直接影響分割的準(zhǔn)確性以及由此產(chǎn)生的圖像描述、分析的正確性。本文選擇的閾值分割

21、方法為實驗法，閾值確定為140。(4)二值圖像中的基本形態(tài)學(xué)運算本文選擇的是基本形態(tài)學(xué)中的開運算，開運算是先腐蝕后膨脹4。使用結(jié)構(gòu)元素S對原圖像A進(jìn)行開運算，記作AoS,可表示為AoS=(A_S)S開運算可以使圖像的輪廓變得光滑，還能使狹窄的連接斷開和消除毛刺。開運算斷開了原圖像A中小區(qū)域間像素寬的連接(斷開了狹窄連接)，并且去除了原圖像A中部分突出的一個小于結(jié)構(gòu)元素S的區(qū)域(去除細(xì)小毛刺)；與腐蝕不同的是，圖像大的輪廓并沒有發(fā)生整體的收縮，物體位置也沒有發(fā)生任何變化。記結(jié)構(gòu)元素S為小圓形，原始圖像A為大三角形，讓結(jié)構(gòu)元素S緊貼A的內(nèi)邊界滾動，滾動過程中始終保持S完全包含于A,止匕時S中的點所

22、能達(dá)到的最靠近A的內(nèi)邊界的位置就構(gòu)成了開運算的外邊界。從這個意義上開運算可以表示為：AoS(S)z|S)zA圖像處理與分析模塊：圖像處理和分析模塊是整個軟件的核心，其中的函數(shù)包括：圖像預(yù)處理、圖像二值化、邊緣檢測、匹配、相機標(biāo)定。圖3-7圖像分析流程圖3-8程序設(shè)計流程圖4仿真實驗結(jié)果運用NI1394智能相機連續(xù)仿真采集，取出六幀圖像進(jìn)行分析和處理，得到如下實驗結(jié)果，證明了本文的可行性。膠帶縱向撕裂裂縫圖像原圖及處理結(jié)果分別如圖6和圖7所示。圖6裂縫圖像原圖圖7裂縫處理結(jié)果膠帶裂縫檢測結(jié)果如表1所示序號+1.巧、唐胤植一林集精工英N1蠹%科修生m元”心工正本nag楠記K$8E瓶Qitapini

23、t看做520E抵首mhaip括前置*寸X內(nèi)燈Oh府前E*1*生5總結(jié)：通過運用NI機器視覺技術(shù)，NI智能相機自動檢測技術(shù)，運用NIVBAI編寫和運行自動檢測程序，在實驗室通過NI1394智能相機模擬采集齒輪表面缺陷圖像，運用編寫好的NIVBAI程序進(jìn)行檢測，得到比較理想的實驗效果。從理論上和實驗上對NI機器視覺技術(shù)在零件表面缺陷檢測中的應(yīng)用進(jìn)行了驗證。在查找資料的同時了解了計算機視覺相關(guān)的很多知識，在加上我寫了這樣的概括性的總結(jié)。因此對設(shè)計計算機視覺系統(tǒng)有了初步的了解，特別是設(shè)計的步驟，都有了更深的認(rèn)識。在寫的過程中，和上課學(xué)習(xí)的知識緊密的結(jié)合，但是限于篇幅有限，我只能做了概述。我認(rèn)為就設(shè)計的

24、很多部分還有很多要改進(jìn)的地方，例如，在硬件選擇上，在軟件的算法方面，都有改進(jìn)的余地。致謝經(jīng)過半年多的努力，我終于順利完成了自己的課題任務(wù)，在做課題的日子里，有自己的努力與付出，更重要的是得到了各位老師和同學(xué)的大力支持與無私幫助，在此我向他們表示衷心的感謝。首先我要感明t我的導(dǎo)師XXX老師，他在課題選題以及方案的確定方面給了我細(xì)致全面的指導(dǎo)，并且關(guān)注我的課題進(jìn)度，不斷給我新的方法的指導(dǎo)與啟發(fā)，提出有預(yù)見性的建議。更為重要的是，在課題進(jìn)行當(dāng)中，X老師及時的糾正了我的一些不端正的態(tài)度，對我形成嚴(yán)謹(jǐn)?shù)墓ぷ髯黠L(fēng)，誠實的科學(xué)態(tài)度產(chǎn)生了很大的影響，這無論是對于我現(xiàn)在的學(xué)習(xí)，還是將來的工作都有著很大的幫助，必

25、將給我今后的發(fā)展打下堅實的基礎(chǔ)。其次我要感謝XXX等同學(xué)，在寫論文的這段日子里，大家互相鼓勵，互相督促，對我順利的完成認(rèn)為起了很大的促進(jìn)作用。感謝家人，多年來你們一直是我的支持者，也是我永不枯竭的動力之源。最后，希望此文作為對自己一段寶貴人生經(jīng)歷的總結(jié)，和對所有關(guān)愛我，幫助我的人們的感謝。參考文獻(xiàn)：1 YangXZ,PangGKH,YungNHC.Discriminativefabricdefectdetectionusingadaptivewavelets.OpticalEngineering,2002,41(12):311631262 StojanovicR,MitropulosP,KoulamasC,etal.Real-timevision-basedsystemfortextilefabircinspection.Real-TimeImaging,200