摘要：闡述鋼球表面檢測的意義和機(jī)器視覺的基本原理，使用LabVIEW 和NI Vision Assistant對所采集的鋼球圖像進(jìn)行了處理且做出相應(yīng)分析。

　　關(guān)鍵詞：鋼球表面檢測；機(jī)器視覺；NI Vision Assistant．；LabVIEW

1 引言 軸承在國民經(jīng)濟(jì)各個行業(yè)中應(yīng)用極其廣泛，對其質(zhì)量的要求也在不斷提高。鋼球是軸承的重要零件，其質(zhì)量對球軸承的精度、運(yùn)動性能及使用壽命等均構(gòu)成較大影響。大量的軸承試驗(yàn)表明：鋼球占影響軸承全部因素的60％ ，軸承失效因鋼球破壞的比例達(dá)58．8％ 。　　機(jī)器視覺是研究計(jì)算機(jī)或其他處理器模擬生物宏觀視覺功能的科學(xué)和技術(shù)，也就是用機(jī)器代替人眼來做測量和判斷。機(jī)器視覺將圖像處理、計(jì)算機(jī)圖形學(xué)、模式識別、計(jì)算機(jī)技術(shù)、人工智能等眾多學(xué)科高度集成和有機(jī)結(jié)合，而形成的一門綜合性的技術(shù)，具有自動化、客觀、非接觸和高精度等特點(diǎn)。　　本文構(gòu)建的鋼球表面劃痕機(jī)器視覺檢測系統(tǒng)的主要組成部分包括攝像頭及光學(xué)部件、照明光源、圖像采集卡、工控機(jī)、檢測軟件、數(shù)字I／O和網(wǎng)絡(luò)連接等。　　首先采用光電轉(zhuǎn)換器件CCD將被攝取目標(biāo)轉(zhuǎn)換成圖像信號，此時的場景圖像是灰度圖像，即三維場景在二維平面上的投影；再通過數(shù)據(jù)采集卡將此圖像信號傳送給專用的圖像處理工控機(jī)，根據(jù)像素分布和亮度、顏色等信息，將其轉(zhuǎn)變成數(shù)字化信號并進(jìn)行各種運(yùn)算來抽取目標(biāo)的特征；最后使用數(shù)字I／O板卡來實(shí)現(xiàn)機(jī)器視覺系統(tǒng)與外界系統(tǒng)和數(shù)據(jù)庫的通信，控制生產(chǎn)流程并將“通過／失敗(PASS／FAIL)”的信息送給數(shù)據(jù)庫。鋼球表面劃痕機(jī)器視覺檢測系統(tǒng)的軟件采用了LabVIEW 和NI Vision Assistant比如不銹鋼鋼球。

2 使用NI Vision Assistant對鋼球圖像的處理及分析 使用NI Vision Assistant 8．0的編程界面。直徑6mm的鋼球經(jīng)過CCD采集回來的圖像如圖3(a)所示。由于系統(tǒng)采用的照明光源等原因，鋼球中心有一個面積較大的圓型暗斑，這會干擾對鋼球表面劃痕的判斷，在以后的圖像處理中必須將其去掉。在鋼球表面還有幾個較明顯的不規(guī)則的暗點(diǎn)，這些就是鋼球表面的劃痕，使用NI Vision Assistant編程對鋼球圖像進(jìn)行處理后可以將其檢測出來。　　圖像預(yù)處理是指在處于最低抽象層次的圖像上所進(jìn)行的操作，這時處理的輸入和輸出都是亮度圖像。預(yù)處理的目的是改善圖像數(shù)據(jù)，抑制不需要的變形或者增強(qiáng)某些對于后續(xù)處理重要的圖像特征。在圖像預(yù)處理操作中，濾波指的是使用輸入圖像中一個像素的小鄰域來產(chǎn)生輸出圖像中新的亮度數(shù)值的方法。平滑高斯濾波(Smoothing—Gaussian)是基于Kernel來削弱一個所選定的像素點(diǎn)的周圍像素點(diǎn)光強(qiáng)值變化程度，它的實(shí)際含義是可以可靠地發(fā)現(xiàn)邊緣。選用NI VisionAssistant中的Filter Setup操作框中的Smoothing—Gaussian濾波，Kernel Size選擇為3×3。　　圖像的灰度級別是很有限的，因此灰度級變換用硬件和軟件實(shí)現(xiàn)都很容易。一般僅需要256字節(jié)的存儲空間，將這個存儲空間稱為查找表(1ookup table)。原始的亮度作為查找的索引，表的內(nèi)容是新的亮度。圖像信號一般在顯示時經(jīng)過一個查找表，使得簡單的灰度級變換有實(shí)時性。NI Vision Assistant中LookupTable(LUT)操作框的作用是改進(jìn)圖像的對比度和亮度，其包括了一些可以調(diào)節(jié)圖像灰度值的選項(xiàng)設(shè)置。Square運(yùn)算對圖像的像素點(diǎn)進(jìn)行變換，在降低了圖像的亮度、減少了暗區(qū)的對比度的同時增加了亮區(qū)的對比度。選用Lookup Table Setup操作框中的Square對圖像進(jìn)一步處理。　　卷積(convolution)在圖像分析的線性方法中是一種非常有用的線性、平移不變的運(yùn)算。數(shù)字圖像在圖像平面上具有有限的域，因此平移不變性只有當(dāng)平移量小時才有效，這使得卷積常在局部使用。物體的邊界是將亮度圖像與其解釋連接起來的最重要的線索，邊緣檢測技術(shù)如，Kirsch，Soble，Pratt算子是基于很小鄰域的卷積，對某些特殊的圖像處理效果很好。NIVision Assistant中Convolution kernel的作用是凸顯一個圖像的邊緣。選擇Filter操作框中的Convolution．Highlight Details運(yùn)算，Kernel Size為3×3。　　對處理后的圖像數(shù)據(jù)進(jìn)行分析之前，圖像分割是最重要的步驟之一，它的主要目標(biāo)是將圖像劃分為與含有的真實(shí)世界的物體或區(qū)域有強(qiáng)相關(guān)性的組成部分。灰度級閾值化是最簡單的分割處理。很多物體或圖像區(qū)域表征為不變的反射率或其表面光的吸收率，可以確定一個亮度常量即閾值(threshold)來分割物體和背景。閡值化計(jì)算由于具有代價小、速度快等特點(diǎn)被廣泛的使用。NI Vision Assistant中閾值設(shè)定的意義是在灰度圖像中進(jìn)行分割像素點(diǎn)操作。手動閾值(Manual Threshold)操作可以設(shè)定灰度值像素點(diǎn)的取值范圍，所有不在這個閾值范圍內(nèi)的像素點(diǎn)都被設(shè)為0，反之為1。Dark Objects操作可以分離出強(qiáng)度值范圍從0到設(shè)定值范圍內(nèi)所有的像素點(diǎn)。使用ManualThreshold檢測Dark Object，Threshold Range選擇在45。　　數(shù)學(xué)形態(tài)學(xué)強(qiáng)調(diào)形狀(shape)在圖像預(yù)處理、分割和物體描述中的作用。它包括諸多具有很強(qiáng)數(shù)學(xué)背景的算法及快速算法，是傳統(tǒng)意義上基于線性運(yùn)算符(如卷積)的信號處理的一個對應(yīng)。NI Vision As—sistant中Basic Morphology操作框?qū)Χ祷蟮膱D像中的粒子的形狀進(jìn)行調(diào)整。Dilate objects消除目標(biāo)粒子之間的小間隙，擴(kuò)展目標(biāo)點(diǎn)的輪廓。Basic Morphol—ogy處理中選擇Dilate objects進(jìn)行圖像處理，矩陣為5×5，Iterations為1。Advanced Morphology操作框?qū)Χ祷瘓D像中的粒子點(diǎn)進(jìn)行高級操作，Remove large objects意義在于去掉大點(diǎn)，大點(diǎn)的定義是由腐蝕系數(shù)決定的，具體參數(shù)由Iteration設(shè)定。由上述處理后，鋼球圖像僅剩下中心較大的由于照明原因所形成的中心暗斑和一些較明顯的劃痕斑點(diǎn)。為了去掉中心暗斑，使用AdvancedMorphology操作框中的Remove large objects選項(xiàng)進(jìn)行處理，Iterations值為1。　　最后對圖像處理做出統(tǒng)計(jì)，得到了所檢測的鋼球表面所存在的劃痕數(shù)目及每個劃痕的中心坐標(biāo)值。可以看到，最終的檢測結(jié)果顯示鋼球存在6個較明顯的劃痕如下。

　　 Resuhs 1 2 3 4 5 6 Center ofMass X 70．07317 27．00000 70．94737 57．00000 29．57317 48．56098 Center ofMass Y 9．43902 51．05882 59．59649 68．00000 72．18293 72．92683

為了方便和整個鋼球表面劃痕機(jī)器視覺檢測系統(tǒng)的后續(xù)程序的銜接，可以將NI Vision Assistant轉(zhuǎn)化LabVIEW，生成的LabVIEW 的源代碼。

3 結(jié)束語 鋼球質(zhì)量是衡量軸承質(zhì)量的一項(xiàng)重要指標(biāo)，必須對其進(jìn)行嚴(yán)格檢測，尤其是對表面劃痕的檢測。作為一門發(fā)展迅速的新興學(xué)科，機(jī)器視覺技術(shù)在鋼球表面檢測中得到了越來越廣泛的應(yīng)用。本文構(gòu)建的鋼球表面劃痕機(jī)器視覺檢測系統(tǒng)使用NI Vision Assistant軟件對所采集的鋼球圖像進(jìn)行處理，通過實(shí)例表明該方法是可行的，有效的，且易于實(shí)現(xiàn)。依據(jù)該系統(tǒng)原理生產(chǎn)出的XA—I型全自動鋼球檢測機(jī)已得到實(shí)際的應(yīng)用，受到了用戶的好評，但在諸如檢測速度、檢測穩(wěn)定性和光源照明等方面，還存在一定的改進(jìn)空間。

參考文獻(xiàn)：[1]潘洪平．鋼球表面質(zhì)量自動評價體系建立及其應(yīng)用的研究[D]．哈爾濱工業(yè)大學(xué)，2000．[2]賈云德，等．機(jī)器人視覺[M]．北京：科學(xué)出版社，2000．[3]National Instruments Corpration．IMAQ Vison for LabVIEWUser Manual[Z]．USA：2003．[4]National Instruments Corpration．IMAQ Vison Concepts Manual[Z]．USA：2003．[5]朱虹，等．?dāng)?shù)字圖像處理基礎(chǔ)[M]．北京：科學(xué)出版社，2005．