基于机器视觉的铜板表面缺陷检测研究

关键词：机器视觉；智能制造；图像识别

中图分类号：TP391 文献标识码：A

文章编号：1009-3044（2024）28-0127-03

0 引言

随着“中国制造2025”的持续推进，机器视觉已成为制造业的关键技术，帮助大中型企业提高生产质量、效率和自动化水平。机器视觉技术集机械工程、自动化控制、光电信息、图像识别和计算机软硬件于一体，通过相机实时捕捉图像并进行智能分析处理，从而实现对目标对象的智能化控制[1]。机器视觉技术在工厂各个生产环节都有广泛的应用，在冶金及化学工业领域，机器视觉技术在质量控制和缺陷检测方面应用也非常广泛，检测铜板表面的凸起高度、直径等，以提高金属铜板分拣质量。其次，与工业互联网平台相融合的机器视觉系统用于冶金过程的自动化监控，包括炉温和物料分布的监测，以提高工艺效率，也极大提高生产安全性。这些过程可以帮助企业及时有效地发现和解决可能影响铜板质量的问题，从而提高铜板发售的可靠性和稳定性。

机器视觉技术在智能制造中对人、资、物、料、环都起着至关重要的作用，因此结合对工业生产制造流程的分析，对生产线检测设备进行改造，设计出一套基于机器视觉的铜板表面缺陷检测系统，运用视觉检测软件配合工业机器人进行分拣处理，通过该技术的应用，可有效提升工业生产线的智能化水平[2]。本文旨在为研究人员和决策者提供全面的了解，以便更好地应用和推进这一重要领域。

1 铜板缺陷检测总体装置设计

1.1 检测原理

铜板表面缺陷检测装置的总体结构比较复杂，铜板缺陷检测装置由工业机器人、视觉检测装置、机械手分拣装置和控制系统等附属部件组成。如图1 所示。

装置工作原理如下：首先，铜板输送单元将待检测的铜板通过传送链条传送至视觉检测区域，光电接触开关感知到铜板进入后，触发相机图像采集。随后，图像处理系统对采集的铜板表面图像进行分析识别，并发送分拣指令。最后，机械手分拣装置根据识别结果对铜板进行分类处理。

该装置采用基于特征的视觉扫描技术，通过优化照明模式实现最佳的分辨率和点密度，克服了传统扫描方式下小特征欠采样的问题。

1.2 机械手分拣装置

工业机器人前端的机械手与视觉检测单元实现通信连接，并设有机械限位装置，以防分拣过程中铜板掉落。机械手能根据视觉识别结果，准确吸取铜板并放至指定位置[3]。机械手分拣装置主要包括分拣吸盘部件和分拣底座装置，如图2所示。

1.3 视觉检测单元

视觉检测单元包括工业相机、机械传动设备、接近式传感器、图像采集卡和LED光源等部件，该系统关键在于视觉检测单元的部署，工业相机搭配环形光源和正方形光源，以最大程度保证待检测铜板表面被相机准确捕捉，视觉检测工业相机如图3所示。

搭载视觉扫描系统能够实现基于特征的最佳分辨率和点密度。在传统轮廓仪和结构光中，扫描方向是固定的，克服了传统扫描方式下小特征欠采样的问题，而视觉扫描系统则通过针对每个小特征优化照明模式，可以实现传感器的最佳性能。

2 铜板表面缺陷检测系统设计

2.1 系统工作方式及分拣流程

1） 铜板输送。工业生产的待检测铜板经过人工叉车转运至入口输送链条，等待输送链条的入口传感器检测到铜板时，待检测铜板依次被运送到工业机器人视觉相机检测下方，此时，工业机器人进入准备状态并自动调整好机械手姿态等待控制信号。

2） 识别检测。待检测铜板通过输送链条和机械限位到达工业相机下方时，机械手前端的工业相机开始进行拍照，将采集的图片信息通过网络传输至后台终端进行处理。

3） 分拣转运。后台处理终端将采集信息和数据信息进行统一，并向现场控制器上传结果。得到控制信号后，机械手将待修复品通过PLC控制转运至待修复区域，合格铜板不做处理继续转运至下一工位，不合格铜板通过工业机器人抓取至指定位置转运至不合格区域，由现场工作人员进一步处理。

此系统关键在于视觉单元部分，机器视觉识别设计离不开相机，第一步就是采集到图像信息，完成工业相机的调用，使工业相机能够获取到输送链上铜板表面的图像信息；如图4所示为基于机器视觉的铜板表面缺陷检测系统硬件设计。将工业相机获取到的图像信息发送至部署的工业计算机或服务器上，该服务器通过视觉算法进行图像特征提取，从原始数据中提取出有用的、有助于学习的特征，减少数据的维度，使数据更容易被处理和学习[4]。然后进行图像识别与分类，对获取到的图像信息进行标记数据来训练机器模型，将输入图像分配给事先定义的类别，以实现智能化的铜板识别和图像分类；最后，将铜板分类识别的信息传送给现场工业机器人。

硬件控制系统部分主要包括PLC控制系统、控制站及传感器和现场操作控制台等，控制系统选用西门子1500系列，各传感器对铜板检测整个流程的状态进行反馈，控制系统对检测铜板做出相应的动作。当工业相机识别出表面缺陷程度不同的铜板，将分类识别结果发送给工业机器人，机器人接收信号调用分拣机构吸取铜板，调整机械臂状态，根据分类信息位置预设定分拣至对应位置，一次分拣完成后机器人回到原位置等待下一次，循环往复进行缺陷检测的流程。机器视觉识别与机器人分拣铜板流程图如图5所示。

2.3 系统软件设计

基于机器视觉的铜板表面缺陷检测软件设计部分，功能的实现关键是软件开发平台的搭建和系统软件的设计，其设计效果也影响着整个系统的整体性能，本节主要是对系统的软件部分进行设计，主要是基于Python对采集图片信息的分析处理，以PyCharm的软件开发环境实现图像处理信息的结果显示。本系统中采用最精简的软件编程方法，提高整个系统的传输效率。根据上述硬件设计可知，基于机器视觉的铜板表面缺陷检测软件编程主要分为：图像信息获取、工业相机模块调用、铜板缺陷分类识别并输出最终结果。

在图像采集视觉识别过程中，系统相关模块初始化，设定以固定的时间间隔采集输送链上铜板表面的图像信息，而代码则是通过START_Inducamera 启动并调用工业相机来获取铜板信息，获取得到的铜板表面图像信息以json文件格式存储在PyCharm的软件开发环境中，服务器接收到传送来的图像信息数据会进行高速处理，将储存json文件格式的图像信息转换成计算机可识别的二进制。主要代码如下：

通过from ultralytics import YOLO 引入使用YO⁃LOv8 进行铜板表面缺陷面积的识别检测。主要代码如下：

当判别铜板是否符合合格或不合格时，还需要经过图像预处理过程，对采集到的铜板图像进行图像分割和形态处理等操作，主要目的是消除图像中无关的信息，增强有关信息的可检测性和最大程度地简化数据，从而改进图像分割和识别的可靠性[5]。另外为提高检测系统的精度要求，对采集到的图像进行目标检测，也是决定图像是否需要进一步处理，如果图像存在缺陷，将图像进行进一步处理，确定该缺陷是否在允许的范围内，之后再判定铜板是否合格。如果图像中不存在缺陷，则可立刻判定铜板是合格的。通过目标检测可以避免每一片铜板都需要花大量时间进行各部分检测，减少图像处理时间，提高整个检测系统的效率。

图像需要经过形态学处理，需要经过一定的阈值对图像进一步进行处理分析，设定阈值115将灰度图像的像素分成在阈值之上的像素群和阈值之下的像素群，则：

2.4 系统测试及结论

将计算机识别的结果信息传送给工业机器人，机器人接收到铜板缺陷检测的结果后，将预留的通信接口进行部署规划，通常会用到TCP/IP通信进行字符串数据的交互，机器人通过socket做服务器，将配置文件放入工业机器人的EthernetKRL文件夹当中，然后进行通信测试，通信测试结果如图4所示。

测试通信无误后，机器人通过预设定位，对不同缺陷品级的铜板进行分拣至相应位置，基于机器视觉的工业机器人铜板缺陷检测系统结果如图6所示。实现铜板表面缺陷检测不同品级的分类。

该系统设计通过对铜板表面采集图像数据，进行后台一系列图像处理，可以判断出铜板缺陷的位置和图像数据信息，通过PLC输出搭载工业机器人控制分拣装置，增强了工业生产线智能缺陷检测系统的高效性和适用性，实现生产智能化，极大程度降低了一线职工劳动强度，也加快了企业数字化转型的进程。

3 行业存在的问题及未来发展趋势

未来，机器视觉技术将持续发展，引领科技创新的浪潮。一方面，随着该技术在工业中的应用越来越广泛，在智能制造中将有更多的生产环节来控制和管理[6]；另外，随着技术的不断优化，可以更精确地检测和识别铜板的质量和表面缺陷，从而帮助企业实现高效率高质量的生产，降低工作人员的劳动强度。另一方面，工业机器人与机器视觉深度融合是现代工业制造中非常重要的技术创新，机器视觉技术将具备更强的可扩展性和互操作性，能够更好地与其他工业设备和自动化系统进行集成和交互，与工业互联网平台结合形成数字孪生体系，帮助企业优化生产流程，从而提高降本增效[7]。机器视觉技术已经在各个领域取得了显著的进展，从自动驾驶到医学诊断，再到工业生产和文化遗产保护，都取得了卓越的成就。随着未来的发展，这一技术领域将继续创新，引领着科技的前沿。图像识别、大数据和跨领域互联网整合将推动机器视觉技术的应用范围不断扩大，带来更多智能化的解决方案[8]。同时，该项目也可以推广至其他智能制造实践场景，提高效率和改善质量。