基于机器视觉的导电片尺寸测量系统

摘要：导电片是OEM接线盒中旁路二极管模块的冲压件，铜质板材，装配工艺中需要焊接芯片，因此导电片的精度要求较高，使用传统游标卡尺测量容易引起导电片变形，使用三坐标测量仪测量效率不高，且三坐标测量仪不适合自动化产线的环境要求。为提高尺寸测量精度和效率，开发了一套基于机器视觉的导电片尺寸测量系统。搭建导电片测量硬件平台，对硬件系统中的主控模块、采集设备、相机以及光源等进行了选型分析。使用Python配置OpenCV库进行编程设计，结合PyQt库进行GUI 界面设计，完成导电片测量系统软件部分。通过实验，验证导电片测量系统测量精度高，满足企业实际生产测量使用要求。

关键词：机器视觉；导电片；尺寸测量；图像处理

中图分类号：TP391.41 文献标识码：A

文章编号：1009-3044（2025）01-0114-03 开放科学（资源服务） 标识码（OSID） ：

0 引言

2023年光伏产业持续增长，多晶硅、电池、组件等主要制造环节的产量同比增长均超过64%，行业总产值超过1.75万亿元。光伏接线盒是光伏系统的关键组件，其中的导电片在光伏组件内部建立有效的电流通道，确保电能从太阳能电池板顺畅地传输到接线盒，再经由接线盒传至外部电缆，最终汇入整个太阳能发电系统。本文以江苏某企业的OEM代工接线盒中使用的导电片为背景，运用机器视觉技术设计一套导电片尺寸测量系统。如图1为PV-HT029型号导电片。

为了适应智能控制和工业生产的需求，借助计算机和智能设备为机器装上眼睛，利用摄像机代替人眼作为主要获取信息工具，计算机对信息进行处理判断，实现对目标进行测量、识别、跟踪等，近几年的研究取得了一定成果。Gu等人开发了一种钻削磨损评估与预测技术，该技术成功地实现了对钻头磨损量的精确测量[1]。叶祖坤等人提出了一种创新型刀具损伤检测方法，该方法结合了切削刃重建和视觉特征迁移技术，实验得到，相较于传统方法测量精度提升了20%[2]。赵亚康等人设计了一种基于机器视觉的轴承密封圈尺寸测量系统，该系统研究了亚像素测量法，实验得到检测精度为0.058 mm，测量一个密封圈尺寸平均耗时2.91 s[3]。

当前精密视觉测量技术主要应用于结构简单的工件，对于多边缘、形状复杂的薄板类零件，测量手段和方法仍欠缺。同时，对尺寸超过25 mm、厚度小于0.85 mm的冲压件，亚像素视觉测量技术的研究更少[4]。本文开发的导电片尺寸测量系统不仅可实现图像轮廓的浮点级高精度边缘提取，还能满足实时测量需要。

1 测量系统构成

根据对机器视觉系统的工作原理分析可知，是利用光学成像设备代替人眼将现实场景转化成为图像进行研究，并利用计算机代替人脑进行数据处理[5]。所以，导电片尺寸视觉测量系统主要包括照明系统、图像采集系统和图像处理系统，其构成如图2所示。

2 测量算法设计

导电片边缘检测使用Canny算子只能完成图像边缘的粗定位，无法满足测量系统对精确定位的要求，为提高导电片测量精度[6]，本文研究了利用矩估计算法进行图像边缘亚像素定位，角点特征提取、关键轮廓拟合技术。

2.1 灰度矩亚像素边缘检测算法改进

根据导电片特性，本测量系统选用灰度矩算法进行研究图像亚像素边缘检测，但是该算法在边缘点计算时存在速度较慢的问题，解决方法是进行灰度矩亚像素边缘检测算法改进。灰度矩利用图像矩的三阶信息精确估计边缘位置，通过拟合像素边缘附近的灰度分布，实现亚像素级别的边缘定位。由于灰度矩的旋转不变性，需对图像在不同方向上进行积分，并将所得积分值进行累积。改进后的Canny-灰度矩亚像素检测算法，可以在基于像素点的矩值进行插值计算，从而提高了亚像素边缘检测时的运算速度，具体改进的步骤如下：

在式（11） 中，k 根据实际应用情况进行取值，范围是[0.04，0.2]，并且：

在式（12） 中，λ1 和λ2 分别代表的是特征矩阵M 的特征值。Harris角点检测具体步骤如下：1）将采集的导电片图像灰度化处理，并计算点I （x，y ）的梯度；2）对导电片灰度图像低通滤波，并通过式（10） 计算M 的相关矩阵值；3）计算图像中选定区域像素点的响应值，与预先设定的阈值进行比较，确定这个点是否符为候选点；4）在得到候选点实施非极大值抑制操作，进一步筛选出最终角点。

基于轮廓曲线的Harris角点检测算法是对传统Harris角点检测算法的一种优化，首先通过对图像进行边缘检测，提取出图像的轮廓曲线。然后，在轮廓曲线上应用Harris角点检测算法，只计算轮廓曲线上的像素点的自相似性。这样可以减少计算量，提高算法的效率，并且由于只在轮廓曲线上进行角点检测，因此可以更准确地检测出角点。

优化后的Harris算法是对图像边缘局部进行放大，在出现的角点的像素点两边不同角度方向上的边缘点进行提取，为了能够降低计算量，利用（3 × 3） 小窗口模板对角点进行粗定位，再利用大窗口进行图像角点的精确定位。如图5所示，利用（3 × 3） 小窗口模板对导电片某一边缘方向角点进行粗定位检测。

经过粗定位得到角点后，分别用Harris检测算法和基于轮廓曲线的Harris角点检测算法对导电片细节的多角点进行大窗口精确识别[7]，得到的结果如图6所示。

对图6导电片细节角点检测结果分析知道，Harris 角点检测中多检测出了伪角点，基于轮廓曲线的Har⁃ris角点检测能够得到较为完整的图像角点，由于已利用小窗口完成图像角点的粗定位，所以，可快速对转折角点进行精确识别。

2.3 基于Ramer 算法的轮廓拟合研究

Ramer算法是基于多边形轮廓分割技术的发展和优化，它通过在图像分割过程中不断细分轮廓线段，直到所有细分后的线段与其对应轮廓间的最大距离均小于预设的阈值dmax 才停止工作。由Ramer算法细分导电片亚像素边缘提取后的轮廓，通过对轮廓上的点进行迭代分析，逐步构建线段，并计算轮廓上每个点到这些线段的距离。算法的核心思想是从给定的n个点出发，建立到索引为n/2个点的线段，并计算轮廓上所有点到这条线段的距离，根据得到的距离确定计算的截止条件。采用Ramer算法得到的导电片图像分割、拟合后的结果如图7所示。

3 测量结果验证

导电片尺寸测量系统人机界面使用Python、PyCharm2023.2.5 编辑器配置PyQt5 库进行设计，PyQt5 是一个用于创建GUI 应用程序的Python 绑定库，库中提供了丰富的控件和功能，可用于构建具有复杂用户界面的应用程序。使用PyQt5 来显示从OpenCV库中获取的图像，并在用户界面上添加控件以进行图像处理和测量操作。整个系统软件部分的设计在满足人机工程的要求下，还遵循软件开发的原则，具有操作简单、界面简洁的优点，能够满足导电片图像测量的要求，用户界面的设计如图8所示。

测量过程，使用如图8导电片测量系统用户界面上测量按钮，分别对样品图像进行图像预处理和强化处理，点击尺寸测量和误差分析按钮，得到6个重要尺寸值如表1所示。

根据表1分析可知，导电片测量系统结果与品检员检测结果比对，得到导电片的6个尺寸绝对误差的数值范围在±0.041 mm 以内，相对误差数值范围在±0.717%以内，绝对误差值、相对误差值均较小。实验证明改进了灰度矩亚像素边缘检测算法和优化了基于轮廓曲线的Harris检测方法，确实提高了导电片测量系统测量精度，满足实际生产测量使用要求。

参考文献：

[1] GU P，ZHU C M，YU Y Q，et al.Evaluation and prediction of drill⁃ing wear based on machine vision[J].The International Journalof Advanced Manufacturing Technology， 2021， 114（7）： 2055-2074.

[2] 刘晨.基于机器视觉工件尺寸的高精度测量技术研究[D].长春：长春工业大学，2020.

[3] LI W M，ZHOU L J.A rotary vision system for high-precisionmeasurement over large size[J].Journal of Modern Optics，2022，69（7）：347-358.

[4] 李梦楠.基于机器视觉的面阵CCD测径系统的研究[D].合肥：安徽大学，2019.

[5] YE Z K，WU Y L，MA G C，et al.Visual high-precision detectionmethod for tool damage based on visual feature migration andcutting edge reconstruction[J].The International Journal of Ad⁃vanced Manufacturing Technology，2021，114（5）：1341-1358.

[6] 胡爱民.基于机器视觉的封边板材尺寸在线检测系统的研究与开发[D].武汉：华中科技大学，2019.

[7] 盛松梅，丁荣晖.基于双向LSTM神经网络的机器人机械臂智能轨迹控制系统[J].自动化与仪器仪表，2024（3）：206-209.

【通联编辑：朱宝贵】

基金项目：苏州高博职业学院“青山学者计划”资助项目（项目编号：SGIQSXZ2402）