基于LabVIEW的繼電器品質檢測系統設計

汪成龍，陳銘泉，孫培宜，王佳洪，黃余鳳

（惠州學院 電子科學系，惠州 516007）

0 引言

從90年代開始，機器視覺逐漸在工業上得到應用。如今，隨著工業智能的不斷發展和應用，越來越多的機器人等智能設備投入到工業生產中，以大幅度提高生產效率和產品質量，徹底代替繁瑣、低效的人工操作和檢測。本文主要根據機器視覺的特性，通過機器視覺技術研究繼電器品質檢測系統，實現繼電器品質的智能 檢測。

整體思路：本設計通過4臺相機同時采集被測繼電器產品的圖像，利用LabVIEW進行圖像處理分析，得到繼電器產品上圓的尺寸、角度大小、觸點按壓間隙大小以及字符匹配等外觀參數，然后按照設定好的實際標準對結果進行判斷，輸出“PASS”或“FAIL”并將參數信息顯示，最后將判定結果點傳送給PLC或IO板卡。

1 主要功能實現

1.1 圖像采集

本文所設計系統采用的圖像采集有兩種方式，相機采集和圖像文件循環讀取，圖像文件存儲格式為PNG格式，相機采集完所需圖像后自動保存在應用程序根目錄下的文件夾，若實驗條件不允許則可以通過文件夾讀取圖像文件進行循環采集測試。

1）相機采集

相機采集部分主要由“Open”、“ConfigureGrab”、“Grab”、“Close”四個函數所構成，分別為相機連接、采集配置、相機采集、相機斷開，具體程序實現如下：

圖1 相機連接

圖2 相機采集

圖3 相機斷開

2）當后續重新進行系統測試時若實驗條件有限而無法通過相機采集圖像時，可利用相機采集保存下來的樣本圖片來進行測試，支持的圖片格式有*.bmp、*.png、*.jpg、*.tiff，默認格式為*png，讀取圖像文件具體實現如圖4所示。

圖4 讀取文件路徑

圖5 讀取圖像文件

如圖4所示，首先根據所選圖片格式和所選文件夾路徑獲取文件夾里所有當前符合所選圖片格式的圖像文件的文件數和路徑，獲取到的路徑以數組的方式存儲，然后如圖5程序所示，根據獲取圖像文件數量對路徑數組進行索引，索引范圍為0到文件數減一，即從第一張圖片到最后一張圖片，再通過IMAQReadFile函數根據圖片路徑進行讀取，傳送到圖像緩存，當讀取到最后一張圖片時，又將索引值重新賦為0，從而實現了圖像文件的循環讀取。

圖像采集設置界面如圖6所示。

圖6 圖像采集設置

以仿真采集為例，勾選仿真采集選項，選擇相應的路徑，選擇對應相機標簽，選擇相機一時對應加載的圖像會顯示在第一個圖片控件，以次類推，圖像采集效果顯示如下：

圖7 圖像采集顯示-多圖像采集

1.2 圖像定位

圖像定位過程中獲取定位點有模板匹配獲取定位中心點和獲取直線邊緣交點作為定位點兩種方式，下面對模板匹配和邊緣提取的程序實現作介紹如下：

1）模板匹配

首先在一張產品圖像上選取特征比較明顯的區域作為圖像中的感興趣區域，再將其作為模板進行創建保存，保存格式有*.bmp、*.jpeg、*.png、*.tiff，由于創建的模板帶有視覺信息，而NIVison函數庫保存帶有視覺信息的模板圖片僅支持PNG格式，所以統一將模板以PNG的格式進行保存，函數實現如圖8所示。

圖8 圖像模板保存

保存好模板后，將其重新在系統中根據其文件路徑進行讀取，在待測物體圖像上選擇匹配范圍，最后進行模板匹配操作，顯示結果，匹配函數實現如圖9所示。

圖9 模板匹配

其中，匹配參數中匹配分數表示尋找到的匹配與模板圖像的相似程度，其值為1000時表示要尋找的匹配須和模板圖像完全一致，這里需要根據實際情況合理設置最小的匹配分數，數值越大匹配越精確但同時若目標圖像變化太大可能會出現找不到目標的情況。

2）邊緣提取

利用NIVision里的找直線邊緣函數在檢測區域ROI內尋找直線邊緣，具體函數實現如下：

圖10 直線邊緣檢測函數

其中主要參數如下：搜索方向，邊界極性，內核大小，寬度，最小邊界強度，迭代方法，數據處理方法，類型，方向，角度范圍，角度公差，迭代次數，最小數，步長，最小信躁。以上參數可根據實際情況進行設置，一般情況下，若物體成像質量較高，除搜索方向、邊界極性、最小邊界強度外，其他一般按默認設置即可，設置完成后，在圖像上選擇所要檢測直線邊緣的感興趣區域，執行邊緣獲取操作，結果如圖11所示。

圖11 直線邊緣檢測結果

獲取定位點后，建立基準坐標系，在后續的檢測中再建立新的坐標系，根據第二章平移和旋轉兩種仿射變換的結合，利用仿射變換求出兩個坐標系之間變換所對應的變換矩陣，然后通過變換矩陣對檢測區域進行校正，實現對被測物體的檢測校準，具體函數實現如下：

圖12 仿射變換函數

在定位模式選項中選擇定位模式，分為模板匹配定位模式和邊緣提取定位模式，根據不同定位模式獲取不同的定位點，建立基準坐標系，然后檢測下一張圖像時獲取到同一個定位點，建立新坐標系，根據基準坐標系和新坐標的空間關系利用仿射變換，將檢測區域ROI進行定位校正，實現效果如下：

圖13 模板匹配定位1

圖14 模板匹配定位2

圖15 邊緣提取定位1

圖16 邊緣提取定位2

圖17 軟件程序流程圖

1.3 繼電器尺寸測量

本文所設計系統針對繼電器產品實現的尺寸測量主要為圓形區域直徑的測量、間距的測量、角度的測量，下面對以上三個主要測量的程序實現介紹如下：

1）圓形區域直徑測量

利用NIVision的IMAQFindCircularEdge 3函數可以實現圓形邊界的提取和其直徑的測量，其具體函數實現如圖18所示。

圖18 圓形區域檢測函數

這個函數用來定位在一個圓形的區域（圓形ROI）和一組搜索線的交點，提取出最佳的圓形邊界特征點，擬合成最佳的圓。

其中主要參數意義解釋如下：搜索方向，邊界方向，邊界類型，最大像素半徑。其他參數性質、設置與直線邊緣提取參數基本一致，以上參數根據實際情況進行設置，一般情況下，若物體成像質量較高，除搜索方向、邊界方向、最小邊界強度外，其他一般按默認設置即可，設置完成后，在圖像上選擇所要檢測圓形邊緣的感興趣區域，執行圓形區域檢測操作，可獲得直徑等參數，結果如圖19所示。

圖19 圓形區域檢測結果

2）間距測量

間距測量利用矩形檢測區域尋找直線邊緣，檢測上下間距，其具體函數實現如下：

圖20 間距測量函數

這個函數會在圖像上所選檢測的矩形ROI區域從上到下或從左到右尋找最佳直線邊緣，然后測量第一個和最后一個直線邊緣之間的距離，即水平邊緣或垂直邊緣之間的距離，其參數輸入如圖21所示。

圖21 間距測量參數

其中主要參數意義解釋如下：掃描軸，對比度，濾波寬度，梯度，采樣率。以上參數根據實際情況進行設置，且檢測的實際距離不一定是實際最大或最小值，所的檢測區域ROI的范圍有關，實際測量結果如圖22所示。

圖22 間距測量結果

圖22為繼電器觸點動作時所檢測到的上下觸點所連接部分的間距，由于觸點在相機拍攝下有明顯的反光效果，直接測量觸點本身上下間距的數據不夠精確，則采用測量如圖22所示位置的間距的方式，根據另一個評價標準來判斷繼電器的裝配工藝是否合格。

3）角度測量

為了檢驗繼電器觸點動作時的零件部位角度是否符合觸點正常動作時的角度值標準，這里利用IMAQGetAngles函數在檢測器區域內根據邊緣提取流程提取出來的兩條直線邊緣，計算它們的夾角大小，具體函數實現如圖23所示。

圖23 角度測量函數

1.4 字符匹配

字符匹配為本系統附加功能，一些用戶可根據實際需要對與繼電器產品檢測綁定的字符進行檢測，排除掉生產過程中用于繼電器產品信息標記的錯誤字符，這里只是為了檢測字符是否印刷錯誤，所以僅僅用到字符匹配而非字符缺陷，所以檢測算法方面可以用模板匹配的方法來進行匹配檢測。

首先在標準的樣本圖像上選定所需要檢測的字符區域，將它視為模板進行保存，然后加載待測產品圖像進行模板匹配檢測，若匹配不出則視為不合格字符印刷，其實現結果如圖24、圖25所示。

圖24 字符匹配-合格

圖25 字符匹配-不合格

2 系統測試結果分析

本文針對繼電器的圓形直徑、角度、間距等幾何外觀特征參數進行測量測試，系統測試結果如圖25所示，將系統成功測量的參數結果列出如表1所示。

根據測試結果表明，系統能快速準確地檢測出圓形區域、間隙以及角度的大小，每檢測一次平耗時257ms，且測量重復精度偏差較低。圓形區域直徑的重復精度穩定在±0.015的范圍內，基本滿足精度要求；間距測量重復精度穩定在±0.02之間，在圖像質量好的情況下甚至優于0.01mm，基本滿足精度要求；角度測量重復精度穩定在±0.5的范圍內，基本滿足精度要求。綜上所述，本系統具有較高的重復測量性能和檢測精度，滿足實際自動化生產和視覺檢測的要求。

表1 系統檢測結果表

系統檢測提示不合格時顯示如下：

圖26 角度測量檢測不到邊緣

圖27 間隙測量圖像偏移太大，定位失敗

圖28 間隙測量值超出標準范圍

如圖26、圖27所示，當圖像偏移太大或者不是完整的圖像的時候，利用之前設定好的參數進行檢測會出現部分圖像區域無法匹配或檢測的情況，這時系統會將其當前檢測結果判定為FAIL，需要根據當前情況再修改參數進行檢測。如圖28所示，當檢測外觀參數結果超出設定的標準的范圍，系統也會當前檢測結果判定為FAIL。

3 結語

本文針對傳統的人工外觀尺寸測量的不足，基于機器視覺和數字圖像檢測技術，提出了繼電器品質檢測系統的整體設計方案，研究了圓形區域的檢測方法以及間距、角度的測量方法，完成了繼電器品質檢測系統的軟件檢測算法設計，系統檢測平均耗時257ms/次，圓形直徑和間距測量精度分別穩定在±0.015和±0.02的范圍內，角度測量精度穩定在±0.5的范圍內，實驗表明，系統能夠實時、穩定地對采集的圖像作出快速、精確的檢測處理。

利用LabVIEW開發程序結合NIVision視覺函數庫編寫了系統軟件程序代碼，實現了本文中所提到的圖像處理關鍵算法，并驗證了檢測的快速性、穩定性和有效精度，符合本設計要求。

綜上所述，本系統具有較高的重復測量性能和檢測精度，滿足實際自動化生產和視覺檢測的要求。