摘要：提出一種家具板件幾何尺寸測(cè)量機(jī)器視覺系統(tǒng)，采用兩級(jí)成像排除板件的顏色、紋理、圖案、標(biāo)識(shí)和表面缺陷等對(duì)圖像質(zhì)量的影響，并利用線性聚焦光源、線掃描相機(jī)和編碼器獲取高對(duì)比度、輪廓清晰的板件圖像。在此基礎(chǔ)上，設(shè)計(jì)圖像處理軟件、提取出板件的幾何要素，進(jìn)而計(jì)算出板件的長度、寬度、對(duì)角線等15個(gè)尺寸參數(shù)。工廠應(yīng)用測(cè)試結(jié)果表明，檢測(cè)系統(tǒng)的速度和重復(fù)精度均高于人工測(cè)量，在測(cè)量誤差±0.5 mm范圍內(nèi)，系統(tǒng)測(cè)量值與人工測(cè)量值的平均吻合度達(dá)到95%以上。

目前我國家具制造行業(yè)已經(jīng)進(jìn)入個(gè)性化定制和大規(guī)模集成化生產(chǎn)的新階段。各大型家具公司普遍采用自動(dòng)化流水線加工各類家具板件，但是其尺寸測(cè)量還主要采用人工使用游標(biāo)卡尺和卷尺抽查方法，主觀因素影響大、精度低、速度慢，已經(jīng)成為家具行業(yè)生產(chǎn)自動(dòng)化的瓶頸問題。

近年來，隨著CMOS成像技術(shù)和數(shù)據(jù)傳輸技術(shù)的飛速發(fā)展，計(jì)算機(jī)獲取和處理圖像的能力從每秒幾十幅提高到上萬幅。機(jī)器視覺將人工智能與CMOS成像技術(shù)、數(shù)據(jù)傳輸技術(shù)和計(jì)算機(jī)技術(shù)等結(jié)合起來，以非接觸的方式每秒獲取和處理數(shù)千萬個(gè)圖像數(shù)據(jù)，并在成像識(shí)別、缺陷檢測(cè)和尺寸測(cè)量中獲得了巨大的成功。Ergün B等［1］將數(shù)字近景攝影測(cè)量系統(tǒng)應(yīng)用于工業(yè)大尺寸板件的測(cè)量，精度達(dá)到0.001 mm，但是操作復(fù)雜、計(jì)算量大、速度慢，難以滿足大尺寸板件快速測(cè)量的要求。瑞士Baumer公司研制了基于激光三角測(cè)量傳感器的板件尺寸檢測(cè)系統(tǒng)，但結(jié)構(gòu)復(fù)雜、功能有限、造價(jià)太高，難以在國內(nèi)家具行業(yè)推廣使用［2］。

隨著全球加工制造業(yè)向中國的轉(zhuǎn)移，國內(nèi)加緊了板件尺寸檢測(cè)機(jī)器視覺系統(tǒng)的研制。2017年公開了一種基于面陣相機(jī)的板件尺寸檢測(cè)機(jī)器視覺系統(tǒng)［3］，相機(jī)在板件上方移動(dòng)并對(duì)準(zhǔn)檢測(cè)中心后靜止拍攝圖像，用計(jì)算機(jī)處理圖像并計(jì)算各幾何要素的尺寸，其主要不足是尺寸檢測(cè)的精度只有±1 mm，速度慢，且大尺寸板件檢測(cè)困難。2018年武昌首義學(xué)院開發(fā)了一種基于機(jī)器視覺的通用平面尺寸檢測(cè)軟件系統(tǒng)［4］，實(shí)現(xiàn)多個(gè)尺寸同時(shí)測(cè)量，但是需要人工提取感興趣區(qū)域，難以實(shí)現(xiàn)在線高速的自動(dòng)化檢測(cè)。還有一種基于機(jī)器視覺的機(jī)加工件尺寸測(cè)量系統(tǒng)，通過多個(gè)圖像傳感器耦合，對(duì)機(jī)械零件進(jìn)行圖像采集、處理并將測(cè)量結(jié)果實(shí)時(shí)反饋到控制端，實(shí)現(xiàn)機(jī)械零件的尺寸測(cè)量［5］，但該系統(tǒng)速度慢，亦難以實(shí)現(xiàn)在線高速檢測(cè)。2019年在“基于機(jī)器視覺的大尺寸工件自動(dòng)測(cè)量系統(tǒng)”［6］一文中提出了基于改進(jìn)隨機(jī)抽樣一致性的亞像素直線/圓弧檢測(cè)算法，但是該系統(tǒng)只能獲取和處理板件的局部圖像信息。文獻(xiàn)調(diào)研表明，迄今為止，國內(nèi)外在板件視覺測(cè)量的成像方法和圖像處理等方面取得了一定進(jìn)展，但是尚沒有研制出應(yīng)用到生產(chǎn)實(shí)際的機(jī)器視覺系統(tǒng)。

筆者研制了一種基于機(jī)器視覺的非接觸式家具板件尺寸在線測(cè)量系統(tǒng)，能以60 m/min的速度在線測(cè)量長度240~2 600 mm、寬度140~800 mm、10種典型顏色與紋理的家具板件，其重復(fù)檢測(cè)標(biāo)準(zhǔn)差小于0.05 mm，與人工使用游標(biāo)卡尺測(cè)量結(jié)果的吻合度達(dá)到95%以上，為家具板件尺寸的機(jī)器視覺檢測(cè)探索新徑。

1 機(jī)器視覺測(cè)量系統(tǒng)簡介

機(jī)器視覺測(cè)量系統(tǒng)的結(jié)構(gòu)與工作原理如圖1所示。

本機(jī)器視覺系統(tǒng)由預(yù)檢成像系統(tǒng)和二次成像系統(tǒng)兩部分組成。預(yù)檢成像系統(tǒng)由一臺(tái)近距離拍攝的MGS036-H面陣相機(jī)和LED平面陣列光源組成，獲取待檢測(cè)板件的640像素×480像素局部圖像。預(yù)檢系統(tǒng)通過支持向量機(jī)識(shí)別局部圖像的顏色和紋理，判斷板件的型號(hào)并向成像系統(tǒng)發(fā)送成像曝光參數(shù)，同時(shí)為圖像處理設(shè)定最佳的二值化閾值。

成像系統(tǒng)由高精度線掃描相機(jī)、LED線性聚焦光源和光柵編碼器構(gòu)成。光柵編碼器實(shí)時(shí)監(jiān)測(cè)待測(cè)量家具板件的傳輸速度，并向線掃描相機(jī)發(fā)送采樣脈沖。線掃描相機(jī)以每行16 000像素、每0.05 mm掃描1行的速度連續(xù)獲取板件的全局圖像。

對(duì)應(yīng)于寬800 mm、運(yùn)行速度60 m/min的機(jī)器視覺傳送帶，縱向每0.1 mm有2個(gè)像素點(diǎn)；橫向每行采樣16 000個(gè)像素點(diǎn)，即橫向每0.1 mm有2個(gè)像素點(diǎn)。成像系統(tǒng)的精度保證了系統(tǒng)測(cè)量的精度。

控制設(shè)備選用Intel i7芯片，8G內(nèi)存，Nvidia GTX1080顯卡。工控機(jī)實(shí)時(shí)控制預(yù)檢系統(tǒng)和成像系統(tǒng)，連續(xù)處理圖像并計(jì)算出板件的幾何尺寸，然后顯示、輸出檢測(cè)數(shù)據(jù)。

2 軟件與圖像處理算法設(shè)計(jì)

測(cè)量系統(tǒng)的算法流程如圖2。

圖2 算法流程框圖Fig.2 Algorithm flow chart

家具板件傳輸?shù)蕉纬上裣到y(tǒng)時(shí)，線掃描相機(jī)按照預(yù)檢系統(tǒng)給出的曝光參數(shù)獲取家具板件的高精度圖像。工控機(jī)對(duì)圖像做腐蝕、膨脹、邊緣增強(qiáng)、銳化等預(yù)處理，以排除圖像噪聲的干擾，并按照預(yù)檢系統(tǒng)給出的二值化閾值對(duì)圖像二值化，在此基礎(chǔ)上再提取板件的幾何要素特征，最后計(jì)算板件的長、寬和對(duì)角線等幾何尺寸。

2.1 預(yù)檢算法

高速拍攝的板件圖像只包含板件的局部顏色、紋理等信息，本系統(tǒng)采用支持向量機(jī)的非線性映射算法將低維空間線性不可分的樣本轉(zhuǎn)化為高維特征空間，使其具有線性可分性。

維向量的目標(biāo)函數(shù)為：

（1）

其中為核函數(shù)。

分類決策函數(shù)為：

（2）

通過多次迭代獲得分類器，然后用分類器識(shí)別板件的顏色、紋理和型號(hào)，最后確定檢測(cè)板件的成像參數(shù)和二值化閾值。

2.2 板件邊沿提取

家具板件的邊沿有1~2 mm的圓弧過度封邊帶。如圖3所示，對(duì)應(yīng)的圖像邊沿呈現(xiàn)過渡帶區(qū)間灰度值變異點(diǎn)。這些變異點(diǎn)對(duì)圖像邊沿的識(shí)別帶來干擾，影響長度和寬度的測(cè)量精度。本系統(tǒng)的邊沿算法如下：

圖3 家具板件圖像邊沿的灰度過度帶

一個(gè)點(diǎn)到直線的距離用表示。所謂直線擬合，即找到一條直線，使得各點(diǎn)到這一直線的距離之和最小，即目標(biāo)函數(shù)最小。

（3）

其中：—直線擬合的距離函數(shù)，—擬合點(diǎn)數(shù)。本系統(tǒng)采用基于Huber損失函數(shù)的邊沿直線擬合算法以增強(qiáng)函數(shù)對(duì)干擾點(diǎn)的魯棒性，可表示為：

常量值能改變干擾點(diǎn)對(duì)距離函數(shù)的權(quán)重，確定經(jīng)驗(yàn)值常量。

2.3 尺寸標(biāo)定

本系統(tǒng)在橫向方向和縱向方向采用不同的轉(zhuǎn)換方式將像素轉(zhuǎn)換成尺寸，輸出尺寸最小單位為0.1 mm。根據(jù)三角投影關(guān)系，圖像橫向的像素所對(duì)應(yīng)的實(shí)際尺寸與其光程位置相關(guān)。因此，需要利用分段函數(shù)得到橫向各特征像素點(diǎn)對(duì)應(yīng)尺寸：

（5）

式中：—待測(cè)量的橫向像素位置，—原始點(diǎn)的橫向像素位置，—橫向區(qū)間分段函數(shù)。

假設(shè)為第段，則表示：

（6）

一般當(dāng)為足夠大時(shí)，為一次函數(shù)。

縱向尺寸標(biāo)定時(shí)，傳送帶的線速度用編碼器的脈沖數(shù)精確計(jì)量，相機(jī)的掃描速度由編碼器的脈沖激發(fā)控制。設(shè)為單位長度內(nèi)編碼器的脈沖數(shù)，的數(shù)值隨傳送帶的速度波動(dòng)而變化。設(shè)板件的縱向尺寸為：

（7）

其中：—待測(cè)量的板件的縱向像素距離；—對(duì)應(yīng)家具板件封邊帶尺寸。

3 工廠應(yīng)用試驗(yàn)結(jié)果與分析

試驗(yàn)環(huán)境為某大型家具工廠柜身生產(chǎn)車間，機(jī)器系統(tǒng)經(jīng)受車間溫度、濕度、粉塵和噪聲的環(huán)境考驗(yàn)。實(shí)驗(yàn)樣本為顏色、紋理特征不一的10種常見型號(hào)的家具板件，包含刨花板家具和實(shí)木板家具兩種類型的家具板件共1 022塊，長度240 ~1 500 mm，寬度200~650 mm不等。每塊板由3個(gè)質(zhì)檢員用2級(jí)精度的游標(biāo)卡尺分別測(cè)量板件的平均長度、平均寬度、孔徑、孔心的X和Y坐標(biāo)、槽寬、槽長、槽中心相對(duì)于基準(zhǔn)邊的縱向和橫向尺寸；兩條對(duì)角線長度、板件上、下底寬度和左、右邊的長度等15個(gè)尺寸參數(shù)。求出3人測(cè)量的平均值和重復(fù)性標(biāo)準(zhǔn)差，并統(tǒng)計(jì)得出測(cè)量一塊板的平均人工耗時(shí)量。同時(shí)，用機(jī)器視覺系統(tǒng)在線測(cè)量上述15個(gè)尺寸參數(shù)3次，求出每塊板15個(gè)參數(shù)的尺寸平均值、重復(fù)性標(biāo)準(zhǔn)差和耗時(shí)量。

以長度和寬度測(cè)量為例，人、機(jī)測(cè)量結(jié)果比較見表1。設(shè)為系統(tǒng)測(cè)量值與人工測(cè)量值相減的差值落在某一誤差范圍的次數(shù)，為測(cè)量的總次數(shù)，則人機(jī)測(cè)量結(jié)果吻合度的計(jì)算公式為：

表1：10種板件的人機(jī)測(cè)量結(jié)果

注： 測(cè)量誤差范圍±0.5 mm。

（8）

設(shè)每一塊板重復(fù)測(cè)量的次數(shù)為，單次測(cè)量的尺寸為，次測(cè)量的尺寸平均值為。重復(fù)檢測(cè)標(biāo)準(zhǔn)差為：

（9）

從表1可以看出，在測(cè)量誤差設(shè)定為 ± 0.5 mm范圍內(nèi)，人機(jī)測(cè)量長度值的吻合度平均為97.3%，寬度值的吻合度平均為99.9%，表明了機(jī)器視覺測(cè)量值和人工測(cè)量值具有高度的一致性，機(jī)器視覺可以取代人工測(cè)量。而且，機(jī)器視覺系統(tǒng)測(cè)量的重復(fù)性標(biāo)準(zhǔn)差的平均值為0.041 mm，而人工檢測(cè)的重復(fù)性標(biāo)準(zhǔn)差為0.14 mm，二者的比值為1∶3.4，系統(tǒng)測(cè)量的重復(fù)精度遠(yuǎn)高于人工測(cè)量。

此外，測(cè)量計(jì)時(shí)表明，人工檢測(cè)15個(gè)尺寸參數(shù)的平均速度為每塊板8 min，系統(tǒng)測(cè)量的平均速度為每塊板6 s，即本系統(tǒng)的測(cè)量速度是人工測(cè)量速度的80倍。

4 結(jié)語

筆者基于機(jī)器視覺開發(fā)了一種家具板件尺寸測(cè)量系統(tǒng)。工廠應(yīng)用試驗(yàn)表明，該系統(tǒng)能以速度60 m/min、精度±0.5 mm自動(dòng)在線測(cè)量板件的長度、寬度等15個(gè)尺寸參數(shù)。

本研究為板件尺寸手工抽查方式轉(zhuǎn)變?yōu)榉墙佑|高速在線測(cè)量方式探索了新路。下一步的研究重點(diǎn)是提高板件的長度測(cè)量精度，進(jìn)一步降低機(jī)器視覺系統(tǒng)的傳輸隨機(jī)誤差和傳送帶的累積誤差。在此基礎(chǔ)上，研發(fā)與機(jī)器視覺檢測(cè)相適應(yīng)的板件自動(dòng)分揀系統(tǒng)和板件質(zhì)量全生命周期跟蹤系統(tǒng)。

審核編輯 ：李倩