基于机器视觉的智能型高速在线自动化检测方法及系统技术方案

本发明专利技术公开了基于机器视觉的智能型高速在线自动化检测方法，其包括以下步骤：（1）设置一高速图像采集端；（2）设置一功能电路，在该电路上集成有相互连接的图像信号调理模块、图像信号分析计算模块和串口通信模块；将边缘算法与不变特征图像识别算法相结合编程，并将其内置于所述的图像信号分析计算模块中；（3）设置一IPC工控机；（4）设置一高速PLC可编程控制器；（6）通电使其工作。本发明专利技术还公开了实施上述方法的自动化检测系统。本发明专利技术将前端集成的PLC及后端主控计算机相结合，同时将边缘算法与不变特征图像识别算法相结合，实现了在线检测的智能、高速和自动化。

【技术实现步骤摘要】

本专利技术涉及工业制造领域，具体涉及基于机器视觉的智能型高速在线自动化检测方法及系统。
技术介绍
机器视觉是一门涉及了人工智能、神经生物学、心里物理学、计算机科学、图像处理、图像理解、模式识别等多个领域的交叉学科。机器视觉主要用来代替人的视觉功能，通过摄像机获取目标物体的图像，传送给计算机中的图像处理系统，通过数字化处理，提取图像特征，根据像素分布、亮度和颜色等信息来进行形状、颜色、大小等辨别，进而通过辨别结果来控制现场设备的动作。机器视觉系统能快速获取信息并进行自动化处理，而且易于同设计信息及加工控制信息集成，因此被广泛应用于微电子、电子产品、汽车、医疗、印刷、包装、科研、军事等众多行业。随着计算机技术、微电子技术和大规模集成电路技术的快速发展，嵌入式系统应用领域越来越广泛，尤其是其具备低功耗技术的特点得到人们的重视，机器视觉也会越来越趋于依靠PC技术，并且与数据采集等其他控制和测量的集成会更紧密。且基于嵌入式的产品将逐渐取代板卡式产品，这是一个不断增长的趋势。机器视觉是自动化的一部分，没有自动化就不会有机器视觉，机器视觉软硬件产品正逐渐成为协作生产制造过程中不同阶段的核心系统。随着中国加工制造业的发展，对于机器视觉的需求也逐渐增多；随着机器视觉产品的增多，技术的提高，国内机器视觉的应用状况将由初期的低端转向高端。目前市场上的的检测仪器，只能检测体积较大的物体，且成像精度不高，工作效率较低，不能满足对小体积精密器件的检测。
技术实现思路
本专利技术的目的是针对上述不足，提供基于机器视觉的智能型高速在线自动化检测方法及系统，通过前端集成的PLC及后端主控计算机相结合，同时将边缘算法与不变特征图像识别算法相结合，大大提高了系统处理图像的效率，缩短了检测时间。本专利技术为实现上述目的所采用的技术方案为基于机器视觉的智能型高速在线自动化检测方法，其包括以下步骤(I)设置一高速图像采集端，对所需检测的产品进行实时图像采集；(2)设置一功能电路，在该电路上集成有相互连接的图像信号调理模块、图像信号分析计算模块和串口通信模块；将边缘算法与不变特征图像识别算法相结合编程，并将其内置于所述的图像信号分析计算模块中；上述模块对步骤(I)所采集的实时图像信号进行顺序处理，得到图像处理数据；(3)设置一 IPC工控机，根据其内置程序及步骤(2)输入的图像处理数据，对所得到的图像数据的参数、特性进行分析处理；(4)设置一高速PLC可编程控制器，根据其内置程序及步骤(3)输入的图像数据的参数、特性数据，对生产线进行自动化控制；(5)将上述高速图像采集端、功能电路、IPC工控机、高速PLC可编程控制器及生产线通电，并开始工作，当被检测产品进入生产线上的高速图像采集端的视频采集范围时，高速图像采集端将所采集的图像信号转换为电信号，该电信号经图像信号调理模块调理后，传输至图像信号分析计算模块，图像信号分析计算模块通过预先植入的图像算法，对电信号进行分析计算，并得出数据，该数据通过串口通信模块，传输至IPC工控机，IPC工控机对该数据进行处理并储存，并判断产品好坏，同时向高速PLC可编程控制器发出信号，PLC根据IPC工控机所发的信号进行生产线的自动化控制。 步骤(I)所述的高速图像采集端为高速高分辨率CCD数字摄像机，满足对精密器件的在线检测。步骤(2)所述的边缘算法为Canny边缘算子，二维高斯函数为啦·>’)expi-tl±i_]在某一方向η上是G(x，y)的一阶方向导数为Gn =IiiL= nV G d η Ta G~「 n=「co叫 YG = d Xη - α Sin θQ Q β y _式中η式方向矢量，VG是梯度矢量。将图像f (X，y)与Gn作卷积，同时改变η的方向，Gn*f (x, y)取得最大值时的η就是正交于检测边缘的方向。f^y) ^yJdV*/(χ,ν)刃=W + Εγ 2 Θ = Arc tan^jA(x, y)反映了图像(x，y)点处的边缘强度，Θ是图像(x，y)点处的法向矢量。凡是边缘强度大于高阈值的一定是边缘点；凡是边缘强度小于低阈值的一定不是边缘点；如果边缘强度大于低阈值又小于高阈值，则看这个像素的邻接像素中有没有超过高阈值的边缘点，如果有，它就是边缘点，如果没有，它就不是边缘点。双阈值算法对非极大值抑制图像作用两个阈值τ I和τ 2，且2 τ I ^ τ 2，从而可以得到两个阈值边缘图像Gl (x，y)和G2(x，y)。由于G2(x，y)使用高阈值得到，因而含有很少的假边缘，但有间断(不闭合)。双阈值法要在G2(x，y)中把边缘连接成轮廓，当到达轮廓的端点时，该算法就在Gl (x, y)的8邻点位置寻找可以连接到轮廓上的边缘，这样，算法不断地在Gl(x，y)中收集边缘,直到将Gl (X，y)连接起来为止。Canny算子检测方法的优点低误码率，很少把边缘点误认为非边缘点；高定位精度，即精确地把边缘点定位在灰度变化最大的像素上；抑制虚假边缘。步骤(2)中所述的不变特征图像识别算法，首先提取目标的SIFT特征向量，并建立Kd-Tree特征结构，使用BBF搜索策略完成特征点的匹配，接着建立目标的姿态变换空间对匹配点进行HOUGH聚类，去除错误的匹配点，最后对匹配点按照最小二乘法拟合出目标的姿态参数，从而完成目标的定位。SIFT特征是基于图像特征尺度选择的思想，建立图像的多尺度空间，在不同尺度下检测到同一个特征点，确定特征点位置的同时确定其所在尺度，以达到尺度抗缩放的目的，并剔出一些对比度较低的点以及边缘响应点，提取旋转不变特征描述符以达到对仿射不变的目的。本专利技术申请采用基于彩色图像序列的运动目标检测与跟踪技术、与基于微分算子的边缘检测、基于不变特征的图像识别算法相结合的软硬件系统，实现了动态扫描式图像 检测的测量方法及有参照的基于特征点的图像理解及全自动无缝图像拼接方法，将多种新的技术进行创新集成，产生了新的应用技术，达到了意想不到的效果。步骤(2)所述的图像信号调理模块包括信号放大器和滤波器，所述的图像信号分析计算模块包括DSP和FPGA芯片。一种实施上述方法的基于机器视觉的智能型高速在线自动化检测系统，其包括一高速图像采集端，对所需检测的产品进行实时图像采集；一功能电路，在该电路上集成有相互连接的图像信号调理模块、图像信号分析计算模块和串口通信模块；将边缘算法与不变特征图像识别算法相结合编程，并将其内置于所述的图像信号分析计算模块中；上述模块对采集的实时图像信号进行顺序处理，得到图像处理数据；一 IPC工控机，根据其内置程序及图像处理数据，对所得到的图像数据的参数、特性进行分析处理；一高速PLC可编程控制器，根据其内置程序及图像数据的参数、特性数据，对生产线进行自动化控制。将上述高速图像采集端、功能电路、IPC工控机、高速PLC可编程控制器及生产线通电，并开始工作，当被检测产品进入生产线上的高速图像采集端的视频采集范围时，高速图像采集端将所采集的图像信号转换为电信号，该电信号经图像信号调理模块调理后，传输至图像信号分析计算模块，图像信号分析计算模块通过预先植入的图像算法，对电信号进行分析计算，并得出数据，该数据通过串口通信模块，传输至IPC工控机，IPC工控机对该数据进行处理并储存，并判本文档来自技高网...

【技术保护点】
基于机器视觉的智能型高速在线自动化检测方法，其特征在于，其包括以下步骤：（1）设置一高速图像采集端，对所需检测的产品进行实时图像采集；（2）设置一功能电路，在该电路上集成有相互连接的图像信号调理模块、图像信号分析计算模块和串口通信模块；将边缘算法与不变特征图像识别算法相结合编程，并将其内置于所述的图像信号分析计算模块中；上述模块对步骤（1）所采集的实时图像信号进行顺序处理，得到图像处理数据；（3）设置一IPC工控机，根据其内置程序及步骤（2）输入的图像处理数据，对所得到的图像数据的参数、特性进行分析处理；（4）设置一高速PLC可编程控制器，根据其内置程序及步骤（3）输入的图像数据的参数、特性数据，对生产线进行自动化控制；（5）将上述高速图像采集端、功能电路、IPC工控机、高速PLC可编程控制器及生产线通电，并开始工作，当被检测产品进入生产线上的高速图像采集端的视频采集范围时，高速图像采集端将所采集的图像信号转换为电信号，该电信号经图像信号调理模块调理后，传输至图像信号分析计算模块，图像信号分析计算模块通过预先植入的图像算法，对电信号进行分析计算，并得出数据，该数据通过串口通信模块，传输至IPC工控机，IPC工控机对该数据进行处理并储存，并判断产品好坏，同时向高速PLC可编程控制器发出信号，PLC根据IPC工控机所发的信号进行生产线的自动化控制。...

【技术特征摘要】
1.基于机器视觉的智能型高速在线自动化检测方法，其特征在于，其包括以下步骤 (1)设置一高速图像采集端，对所需检测的产品进行实时图像采集； (2)设置一功能电路，在该电路上集成有相互连接的图像信号调理模块、图像信号分析计算模块和串ロ通信模块；将边缘算法与不变特征图像识别算法相结合编程，并将其内置于所述的图像信号分析计算模块中；上述模块对步骤(I)所采集的实时图像信号进行顺序处理，得到图像处理数据； (3)设置ーIPCエ控机，根据其内置程序及步骤(2)输入的图像处理数据，对所得到的图像数据的參数、特性进行分析处理； (4)设置一高速PLC可编程控制器，根据其内置程序及步骤(3)输入的图像数据的參数、特性数据，对生产线进行自动化控制； (5)将上述高速图像采集端、功能电路、IPCエ控机、高速PLC可编程控制器及生产线通电，并开始工作，当被检测产品进入生产线上的高速图像采集端的视频采集范围时，高速图像采集端将所采集的图像信号转换为电信号，该电信号经图像信号调理模块调理后，传输至图像信号分析计算模块，图像信号分析计算模块通过预先植入的图像算法，对电信号进行分析计算，并得出数据，该数据通过串ロ通信模块，传输至IPCエ控机，IPCエ控机对该数据进行处理并储存，并判断产品好坏，同时向高速PLC可编程控制器发出信号，PLC根据IPCエ控机所发的信号进行生产线的自动化控制。2.根据权利要求I所述的基于机器视觉的智能型高速在线自动化检测方法，其特征在于，步骤(I)所述的高速图像采集端为满足精密器件的在线检测的高速高分辨率CCD数字摄像机。3.根据权利要求I所述的基于机器视觉的智能型高速在线自动化检测方法，其特征在于，步骤(2)所述的边缘算法为Canny边缘算子，ニ维高斯函数为4.根据权利要求I所述的基于机器视觉的智能型高速在线自动化检测方法，其特征在于，步骤(2)中所述的不变特征图像识别算法，首先提取目标的SIFT特征向量，并建立Kd-Tree特征结构，使用BBF捜索策略完成特征点的匹配，接着建立目标的姿态变换空间对匹配点进行HOUGH聚类，去除错误的匹配点，最后对匹配点按照最小二乗法拟合出目标的姿态參数，从而完成目标的定位。5.根据权利要求I所述的基于机器视觉的智能型高速...

【专利技术属性】
技术研发人员：孙化海，
申请(专利权)人：东莞市三瑞自动化科技有限公司，
类型：发明
国别省市：