机器视觉在布匹生产在线检测系统应用 (2)

下面就布匹检测系统提出详细方案设计说明书:
　　
　　图像处理软件
　　
　　机器视觉系统中，视觉信息的处理技术主要依赖于图像处理方法，它包括图像增强、数据编码和传输、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容。经过这些处理后，输出图像的质量得到相当程度的改善，既改善了图像的视觉效果，又便于计算机对图像进行分析、处理和识别。
　　
　　特征提取辨识
　　
　　一般布匹检测（自动识别）先利用高清晰度、高速摄像镜头拍摄标准图像，在此基础上设定一定标准；然后拍摄被检测的图像，再将两者进行对比。但是在布匹质量检测工程中要复杂一些：
　　
　　1． 图像的内容不是单一的图像，每块被测区域存在的杂质的数量、大小、颜色、位置不一定一致。
　　
　　2． 杂质的形状难以事先确定。
　　
　　3． 由于布匹快速运动对光线产生反射，图像中可能会存在大量的噪声。
　　
　　4． 在流水线上，对布匹进行检测，有实时性的要求。
　　
　　由于上述原因，图像识别处理时应采取相应的算法，提取杂质的特征，进行模式识别，实现智能分析。
　　
　　我们使用德国Stemmer公司的机器视觉软件开发包-CVB中的color、blob工具，它适合于开发颜色模式识别和斑点的检测。
　　
　　Color检测
　　
　　一般而言，从彩色CCD相机中获取的图像都是RGB图像。也就是说每一个像素都由红（R）绿（G）篮（B）三个成分组成，来表示RGB色彩空间中的一个点。问题在于这些色差不同于人眼的感觉。即使很小的噪声也会改变颜色空间中的位置。所以无论我们人眼感觉有多么的近似，在颜色空间中也不尽相同。基于上述原因，我们需要将RGB像素转换成为另一种颜色空间CIELAB。目的就是使我们人眼的感觉尽可能的与颜色空间中的色差相近。
　　
　　Blob检测
　　
　　根据上面得到的处理图像，根据需求，在纯色背景下检测杂质色斑，并且要计算出色斑的面积,以确定是否在检测范围之内。因此图像处理软件要具有分离目标，检测目标，并且计算出其面积的功能。
　　
　　Blob分析（Blob Analysis）是对图像中相同像素的连通域进行分析，该连通域称为Blob。经二值化（Binary Thresholding）处理后的图像中色斑可认为是blob。Blob分析工具可以从背景中分离出目标，并可计算出目标的数量、位置、形状、方向和大小，还可以提供相关斑点间的拓扑结构。在处理过程中不是采用单个的像素逐一分析，而是对图形的行进行操作。图像的每一行都用游程长度编码（RLE）来表示相邻的目标范围。这种算法与基于象素的算法相比，大大提高处理速度。
　　
　　结果处理和控制
　　
　　应用程序把返回的结果存入数据库或用户指定的位置，并根据结果控制机械部分做相应的运动。
　　
　　根据识别的结果，存入数据库进行信息管理。以后可以随时对信息进行检索查询，管理者可以获知某段时间内流水线的忙闲，为下一步的工作作出安排；可以获知近期内布匹的质量情况等等。

四、用户界面及操作
　　
　　项目要求利用机器视觉技术，智能的识别出流水线上布匹的所有杂质以及它们的数量、大小。根据项目要求，我们设计如下：
　　
　　（1）图像显示区：实时的显示由相机采集的彩色图像，系统根据当前的图像内容实时的识别布匹信息。
　　
　　（2）信息显示区：把图像的内容——各种杂质的数量实时的显示到表格里。系统当前状态（如：实时检测，停止检测，触发信号状态）实时的显示在状态显示栏中，以便于操作人员了解系统状态。
　　
　　（3）信息管理区：管理人员可随时查看流水线的统计信息。操作人员可以灵活的配置系统的配置信息（如：数据库的配置，控制模块通讯配置，识别参数的校正）。权限管理控制系统使用者的操作权限，例如：只有高级操作人员才能对系统信息进行配置；只有拥有相应权限的人员才能查看统计信息。
　　
　　五、布匹颜色学习工具
　　
　　我们开发了布匹颜色学习工具，此工具界面友好，操作简单。
　　
　　布匹颜色学习工具
　　
　　一种颜色应该提供多个模板图像进行训练，这样可以提高识别的能力。学习完毕后要保存成CLF文件，以后模式识别就按照保存特征进行识别。
　　
　　六、总结
　　
　　视觉系统涉及到光学和图像处理算法，本身就是高度专业化的产品，尤其在整个识别控制系统中，还要与运动控制系统配合完成后续操作。在本项目的视觉系统中提取识别对象颜色特征值，然后采用模式识别的方法，识别出不合格区域然后使用斑点分析判断是否为杂质。同时提到了整个系统中各个部件的选择和用户界面的设计。
　　
　　总之，应用机器视觉系统能够大幅降低检验成本，提高产品质量，加快生产速度和效率。对于现代化企业来说，意识到技术发展的趋势并首先付诸实施者无疑将走在竞争的前列。