机器视觉在光学加工检测中的运用探析

机器视觉在光学加工检测中的运用探析

孙继波

中国航空工业集团公司洛阳电光设备研究所，河南省洛阳市，471000

摘要：随着计算机技术的飞速发展，计算机视觉技术也越来越成熟，在各个行业中得到了广泛的应用。机器视觉系统是利用计算机来代替人类的眼睛来完成对图像的各种测量和判断。文章主要阐述了机器视觉技术的基本原理、主要组成因素、算机视觉技术的应用现状，并对其在工业和光学加工检测中的应用进行了研究。

关键词：机器视觉;加工检测;图像处理;自动化

前言：

随着时代的发展，科技的进步，自动化与智能化已渗透到各行各业，推动着各个企业的发展，也让人类进入了一个新的科技时代。机器视觉就是最典型的一种，它主要是利用电脑来模拟人类的视觉，然后利用物体的影像来进行分析，从而达到更好的识别和控制效果。在光学检测中应用机器视觉技术，不但可以极大地节省人力，而且还可以提高检测的精确度。本文着重介绍了机器视觉在光学加工中的应用，希望能将其优点完全发挥出来，保证产品的质量和工作效率。

1机器视觉相关概述

机器视觉是一种以电脑为基础，通过对人的视觉进行仿真，以及对物体的图像进行分析，从而实现对物体的感知和控制。在仪器的帮助下，不但节约了大量的人力，而且提高了检测的精确度。在光电技术中，机器视觉是一个特殊的研究方向，它具有很好的综合能力。在该系统的操作期间，不但可以快速地采集大量的数据，还能自动完成加工过程，从而使光学加工的检测工作达到自动化。在系统的各个部分，都会收集抛光区域的影像并进行分析，最终进行有效的处理，与相应的标准进行对比，得出下一步的抛光路线。这个过程会持续很长时间，直到达到精度指标要求，以致完成抛光工序任务，同时不需要人工操作，检测精准度会大大提升，效率也会更高，生产成本也会更低。

2机器视觉关键技术的发展现状

光源照明技术、光学成像技术、图像采集技术、图像处理技术是机械视觉系统的核心技术。其中，照明光源的选择、光学成像系统的光学透镜、图像捕捉系统的选择对机器视觉系统的成功起着至关重要的作用。

2.1光源照明技术

在现有的计算机视觉应用系统中，优秀的光源与灯光设计是成功与否的重要因素。良好的灯光系统应该具备下列特点。尽量强调对象的特点，尽量使对象要被探测到的区域和未被探测的区域有较大的差别，提高对比度以确保足够的光亮和稳定性，而不会因对象的位置改变而影响图像的质量。光源装置的选用必须与要求的几何尺寸相一致。此外，在照明亮度、均匀度、光谱性能等方面，也要符合现实的需求，并要兼顾发光效率和寿命。近几年，LED的生产技术和技术日趋成熟，成本逐渐下降，LED成为了计算机视觉领域中的一大发展趋势[1]。

2.2光学成像技术

光学透镜是机械视觉的关键部件，它的主要作用是实现光学图像。镜头的重要功能指标包括：焦距、视场、作业距离、清晰度、景深等。透镜的成像质量，也就是其目标像差的校正程度，可用象差的大小来度量，一般有球差、彗差像散、场曲像差、畸变和位置放大。对于定焦镜头和变焦镜头来说，同一种水平的定焦镜头，其像差必然要比变焦镜头小，这是因为在不同焦段时，为了保证更好的成像，必须要有一个平衡，不能在一定的焦距下，像质很差。所以，在计算机视觉方面，要根据被测量对象的状况，选择对焦。

2.3相机

有两种获得视觉的方法：一是有源的，二是无源的。有源视觉是指利用设备自身的发光来生成可视化的图像，无源视觉是指通过被动地接收物体周围的反射光线，从而生成可视化的影像。照相机根据感光元件的不同，可以分成CCD照相机和 CMOS照相机。根据CCD传感器的不同，CCD摄像机可分为两种类型，它们能够对目标进行持续的探测。在计算机视觉中，大多数采用平面CCD来获得图像。

2.4图像采集与图像处理技术

在电脑视觉系统中，摄像卡的作用是控制摄像机的摄影、完成图像的采集和数字化，以及整个系统的协调。由于图像信号的传输速率较快，常规的数据传输接口无法满足要求，所以，对于图像采集卡的需求也是与日俱增[2]。图像采集卡通常具有以下功能：一是A/D变换器，用于对图像信号进行放大和数字处理。相机的控制和输出接口，其主要功能是协调相机的同步，同时还具有复位、定时拍照等多种功能。总线接口，它的主要功能是在 PC上实现高速的输出，通常使用PCI接口，其传输速度可达到130Mbps，可以实现高分辨率的实时图像传送，并且所需 CPU的时间更短，高品质的实时显示系统。随着微电子技术和液晶显示技术的飞速发展，很多图像处理工作都可以通过 DSP、专用图像信号处理卡等软件来完成。

在计算机视觉中，对图像的信号进行了类似于人脑的加工。图像的编码与传输、图像增强、平滑、边缘锐化、分割、特征提取、识别是图像处理中的核心技术。经过处理后，输出的图像质量得到很大改善，从而达到最佳的视觉效果。同时也方便了计算机的分析、处理和识别[3]。在图像信号处理的时间上，应考虑到要实现对被测物体的连续无遗漏的实时处理，需要将每一帧的处理时间都少于1帧，也就是说，图像处理的速度要比摄像头快得多。

3机器视觉在光学加工中的运用

3.1机器视觉在工业中的运用

在工业上，机器视觉和被探测对象之间并没有直接的联系。所以在某些情况下，人类的眼睛是不能直接观察到的。但是在这种情况下，机器视觉却可以做到，这是一种视觉反馈，分辨率更高，精度更高，平衡性更好，处理起来也更快的技术。目前国内的许多电子企业，都是通过机器人完成一些定位和零件的布置，并利用机器人的高精度特性，对一些设备进行表面的检测。而机械工业，则是利用了机器视觉的简单优势，对零件进行识别和检测，通过反馈功能，迅速获得生产效率和成品率。在食品工业中，机器视觉主要用于检验包装的质量，并能实现对产品的分类，从而实现产品的最佳化。在医药行业，大部分的机器视觉技术都是用于识别和标记的。

3.2机械视觉在光学加工检测中的运用

在光学加工与测试过程中，抛光技术是一个非常关键的部分，也是生产制造的重要环节。而抛光是最后一道工序，因为可以决定成品的品质，所以在完成的过程中，抛光是一个非常重要的环节。如果有一个环节出了问题，那就会导致产品的质量达不到要求，因此，产生了许多必须进行再加工的废物。也需要大量的资源和时间，也会造成污染。在研磨技术发展的进程中，传统的制程方法在自动化方面的应用上没有太大的进展，但是在其他工艺上，不管是工艺改进，还是自动化研究，都有了长足的进步。抛光、研磨这些需要精密加工的部分，都是手工操作，特别是在自由曲面过程中，更是如此[4]。在工业中，表面的抛光是非常重要的，比如打磨模具，打磨一些比较复杂的零件，这需要大量的资源、人力、时间，而且还会对环境产生一定的影响，这些都是在工业生产过程中不断地提高和创新的动力。利用计算机辅助设计、CAM和机器人的综合优点，可以解决人工打磨的不足，节约生产成本。

在以往的工艺过程中，工序主要是装配、抛光、检测、合格（不合格）、抛光结束，如果不合格，则视为无效。而机器视觉在实际中的应用，则是以工作装配、自动抛光、检测、合格（不合格）、抛光结束。不合格的产品不会被淘汰，会在不符合标准的位置上打上记号。在第一轮的人工检查（人工视觉）结束之后，快速获取有关标志区域的图片。获取了毛刺和凸出物的大小，并通过事先设定的尺寸和扭矩曲线，得出磨削力矩的数值，然后通过所述的图像来确定磨削过程的关键点。同时，还将按照研磨路径和研磨转矩值来研磨该研磨工件。通过仔细的分析、加工，能自动产生CAM路径，并将抛光路径、停留时间、速度等相关信息记录下来[5]。在规定的时间里，系统将对有瑕疵的部位进行打磨，然后再进行下一次的抛光，直到瑕疵和标准表面的形状一模一样，这一过程就结束了。

在机器视觉的精加工领域，国外的技术水平很高发展得很快，已经开发出了基于机器视觉的精密加工机器人，以及先进的研磨和抛光设备。利用彩色 CCD相机快速采集和分析图像，在采集到图像后进行边缘提取。这是一种基于机器视觉的核心算法，它不仅包含了大量的图像特征，还提供了大量的特征信息。在提取图像的过程中，将会极大地影响到机器视觉特征的分割。两者之间有着紧密的联系，可以说这一环节是为以后各种图像处理的计算方法的应用奠定了基础。因此，在这一环节中，有很多相关的研究，也有很多先进的技术。在这些方法中，最典型的有坎尼算法、索贝尔算法、罗伯特算法、L0G算法等。这种算法的出现，极大地提升了图像处理的能力，促进了机器视觉在加工和测试中的应用，具有深远的意义和意义，并对其进行了改进和完善，并在不断地摸索中，不断地发展，以达到更好的效果和效率[6]。在光学加工检测中，采用了机器视觉技术，通过对各工序的自动控制，提高了生产的效率。并能更好地利用资源，降低了对环境的污染。

结束语：

近几年，由于计算机图像处理技术的飞速发展，以及制造过程的自动化，使得机器视觉技术得到了广泛的关注。机器视觉技术在精度和效率上的优越性，极大地解决了许多亟待解决的问题。在此基础上，重点介绍了机器视觉技术在光学加工检测方面的应用，并将其与传统的制造工艺相比较，展示了机器视觉在光学加工和检验方面的巨大优势。目前，资源消耗和环境保护日益成为社会关注的焦点，它反映在生产过程中，技术进步是为了提高资源的利用，同时也是为了保护环境。在计算机视觉技术的飞速发展下，对智能机械的要求也日益提高。图像具有直观、易懂、形象等特征，因此图像的收集和处理功能变得更加重要，因此，在计算机视觉中进行图像处理是当今世界各国科学家的主要工作。计算机视觉技术在计算机视觉中的应用越来越广泛，但同时也面临着许多问题，比如到目前为止，还没有一种最佳的灯光方案，这就限制了机器视觉系统的发展。

参考文献：

[1]牛文静. 浅谈机器视觉化在钢化玻璃缺陷检测中的应用[J]. 科技视界,2014(29):342-342,346.

[2]黄智明,黄浩诚,陈湘阳. 机器视觉在电力设备红外故障检测上的技术方案探讨[J]. 大科技,2022(4):50-51.

[3]程莹,许亚男,侯浩楠,等. 基于机器视觉技术的小粒中药材种子净度快速检测[J]. 中国农业大学学报,2022,27(5):114-122.

[4]于明浩. X光探伤机器人及其在大型封头焊缝自动检测中的应用[D]. 湖北:华中科技大学,2015.

[5]姚峰林. 机器视觉和CCD在铁轨对中性检测中的应用研究[D]. 山西:太原理工大学,2005.

[6]吴继方. 浅谈机器视觉技术在自动化制造业中的应用[J]. 山东工业技术,2016(11):235.