基于機(jī)器視覺(jué)的鏡片表面缺陷智能檢測(cè)系統(tǒng)及其實(shí)現(xiàn)方法
【專利摘要】本發(fā)明涉及一種基于機(jī)器視覺(jué)的鏡片表面缺陷智能檢測(cè)系統(tǒng)及其實(shí)現(xiàn)方法，該包括圖像采集單元、PC機(jī)、數(shù)據(jù)處理單元、機(jī)械手單元以及傳送單元；所述圖像采集單元的輸出端與所述PC機(jī)的輸入端相連，用以將采集到的鏡片缺損圖像傳輸至所述PC機(jī)；所述PC機(jī)的輸出端與所述數(shù)據(jù)處理單元的輸入端相連，所述數(shù)據(jù)處理單元的輸出端與所述機(jī)械手單元以及所述傳送單元相連。本發(fā)明中的PC機(jī)利用 Matlab 進(jìn)行缺陷識(shí)別算法的開(kāi)發(fā)，判斷鏡片是否存在缺陷，將數(shù)據(jù)傳送至單片機(jī)，通過(guò)單片機(jī)與機(jī)械手將缺陷鏡片剔除，并在人機(jī)可視化界面上顯示缺陷，從而實(shí)現(xiàn)機(jī)器視覺(jué)在線檢測(cè)。
【專利說(shuō)明】
基于機(jī)器視覺(jué)的鏡片表面缺陷智能檢測(cè)系統(tǒng)及其實(shí)現(xiàn)方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及鏡片檢測(cè)領(lǐng)域，特別是涉及一種基于機(jī)器視覺(jué)的鏡片表面缺陷智能檢 測(cè)系統(tǒng)及其實(shí)現(xiàn)方法。
【背景技術(shù)】
[0002] 當(dāng)前國(guó)內(nèi)大多數(shù)鏡片生產(chǎn)企業(yè)采用的人工抽樣進(jìn)行質(zhì)量檢測(cè)，這種方法質(zhì)檢過(guò)程 效率低，質(zhì)檢的結(jié)果精度差，更有下列幾個(gè)嚴(yán)重的缺陷：（1)容易出現(xiàn)漏檢的情況，長(zhǎng)時(shí)間的 重復(fù)勞動(dòng)，人眼極易疲勞，常導(dǎo)致廢品漏檢，給鏡片廠家及使用單位帶來(lái)嚴(yán)重?fù)p失，造成極 壞的社會(huì)影響；（2)無(wú)法保證統(tǒng)一的質(zhì)量標(biāo)準(zhǔn)，人工檢查時(shí)，合格與否是檢查者根據(jù)感覺(jué)主 觀判斷的，不同的人甚至同一人在不同的狀態(tài)下的判斷標(biāo)準(zhǔn)很難做到統(tǒng)一；（3)人工檢測(cè)的 數(shù)據(jù)記錄存儲(chǔ)非數(shù)字化，無(wú)法實(shí)現(xiàn)檢測(cè)結(jié)果的數(shù)據(jù)實(shí)時(shí)共享。
[0003] 所以設(shè)計(jì)一種鏡片表面缺損自動(dòng)檢測(cè)系統(tǒng)，克服傳統(tǒng)檢測(cè)的弊端，基于機(jī)器視覺(jué) 開(kāi)發(fā)缺陷識(shí)別算法，能夠大幅提高檢測(cè)效率、精確度及自動(dòng)化程度，同時(shí)還能夠減少大量勞 動(dòng)力，降低檢測(cè)工作對(duì)工人眼睛的傷害，是十分有意義的。

【發(fā)明內(nèi)容】

[0004] 有鑒于此，本發(fā)明的目的是提供一種基于機(jī)器視覺(jué)的鏡片表面缺陷智能檢測(cè)系統(tǒng) 及其實(shí)現(xiàn)方法，利用Matlab進(jìn)行缺陷識(shí)別算法的開(kāi)發(fā)，判斷是否有缺陷，將數(shù)據(jù)傳送至單片 機(jī)，通過(guò)單片機(jī)與機(jī)械手將缺陷鏡片剔除，并在人機(jī)可視化界面上顯示缺陷，從而實(shí)現(xiàn)機(jī)器 視覺(jué)在線檢測(cè)。
[0005] 本發(fā)明采用以下方案實(shí)現(xiàn):一種基于機(jī)器視覺(jué)的鏡片表面缺陷智能檢測(cè)系統(tǒng)，包 括圖像采集單元、PC機(jī)、數(shù)據(jù)處理單元、機(jī)械手單元以及傳送單元;所述圖像采集單元的輸 出端與所述PC機(jī)的輸入端相連，用以將采集到的鏡片缺損圖像傳輸至所述PC機(jī);所述PC機(jī) 的輸出端與所述數(shù)據(jù)處理單元的輸入端相連，所述數(shù)據(jù)處理單元的輸出端與所述機(jī)械手單 元以及所述傳送單元相連。
[0006] 進(jìn)一步地，所述圖像采集單元包括工業(yè)攝像頭，所述工業(yè)攝像頭通過(guò)USB接口與所 述PC機(jī)相連，所述工業(yè)攝像頭設(shè)置于傳送帶上方。
[0007] 進(jìn)一步地，所述數(shù)據(jù)處理單元包括一 Arduino單片機(jī)模塊以及與其相連的一用以 檢測(cè)鏡片的光電傳感器以及一繼電器模塊，所述Ar du i no單片機(jī)模塊與所述PC機(jī)的輸出端 相連，所述光電傳感器設(shè)置于傳送帶的一側(cè)。
[0008] 進(jìn)一步地，所述傳送單元包括一用以輸送鏡片移動(dòng)的傳送帶、一用以控制傳送帶 轉(zhuǎn)到的電機(jī)以及一電機(jī)控制器;所述電機(jī)控制器的輸入端與繼電器模塊的輸出端相連，所 述電機(jī)控制器的輸出端與所述電機(jī)相連，所述電機(jī)與所述傳送帶相連。
[0009] 進(jìn)一步地，所述機(jī)械手單元包括相互相連的一舵機(jī)與一舵機(jī)桿，所述舵機(jī)與 Arduino單片機(jī)模塊相連，所述舵機(jī)與舵機(jī)桿均設(shè)置于傳送帶的一側(cè)。
[0010] 特別地，所述舵機(jī)桿可采用吸盤吸起存在缺陷的鏡片，移動(dòng)到傳送帶的一側(cè)的回 收盒上方，吸盤放氣后鏡片掉落到回收盒內(nèi)。
[0011] 本發(fā)明還采用以下方法實(shí)現(xiàn):一種基于機(jī)器視覺(jué)的鏡片表面缺陷智能檢測(cè)系統(tǒng)的 實(shí)現(xiàn)方法，包括以下步驟：
[0012] 步驟SI:所述數(shù)據(jù)處理單元中的光電傳感器檢測(cè)到鏡片到達(dá)工業(yè)攝像頭的鏡頭底 下時(shí)，向所述Arduino單片機(jī)的第一數(shù)字口輸入高電平；
[0013] 步驟S2:所述Arduino單片機(jī)得到所述光電傳感器的信號(hào)后，通過(guò)第二數(shù)字口輸出 低電平至舵機(jī)，并控制傳送帶停止工作；
[0014] 步驟S3:所述Arduino單片機(jī)發(fā)送信號(hào)"Γ至PC機(jī)，所述PC機(jī)對(duì)接收到的鏡片圖像 進(jìn)行處理，若鏡片圖像檢測(cè)出缺陷，則所述PC機(jī)發(fā)送信號(hào)"2"至所述Arduino單片機(jī)，所述 Arduino單片機(jī)控制舵機(jī)運(yùn)動(dòng)，舵機(jī)帶動(dòng)舵機(jī)桿轉(zhuǎn)動(dòng)，將存在缺陷的鏡片從傳送帶上移出； 若鏡片圖像未檢測(cè)出缺陷，則所述PC機(jī)發(fā)送信號(hào)"3"至所述Arduino單片機(jī)，所述Arduino單 片機(jī)讀取到信號(hào)"3"，控制傳送帶繼續(xù)運(yùn)動(dòng)。
[0015] 進(jìn)一步地，所述PC機(jī)包括MATLAB圖像處理程序及其人機(jī)交互界面;所述MATLAB圖 像處理程序?qū)⒉杉降溺R片圖像采用濾波與二值化進(jìn)行預(yù)處理去除圖像噪聲，并采用 Canny算法進(jìn)行鏡片邊緣檢測(cè)，再采用圖像相減法對(duì)鏡片表面邊界區(qū)域進(jìn)行消除，后續(xù)提取 邊界內(nèi)部的幾何特征，最后進(jìn)行鏡片缺陷識(shí)別與缺陷標(biāo)記。
[0016] 進(jìn)一步地，所述預(yù)處理中，采用均值濾波對(duì)采集到的圖像先進(jìn)行均值濾波以及中 值濾波處理，用均值代替原圖像中的各個(gè)像素值，即對(duì)待處理的當(dāng)前像素點(diǎn)（x，y)，選擇一 個(gè)模板，該模板由其近鄰的若干像素組成，求模板中所有像素的均值，再把該均值賦予當(dāng)前 像素點(diǎn)（x，y)，作為處理后圖像在該點(diǎn)上的灰度;再采用二值形態(tài)學(xué)消除圖像噪聲，對(duì)于二 值圖像采用結(jié)構(gòu)元素對(duì)集合進(jìn)行開(kāi)啟操作將目標(biāo)周圍的噪聲塊消除掉，采用結(jié)構(gòu)元素對(duì)集 合進(jìn)行閉合操作將內(nèi)部的噪聲孔消除掉。
[0017] 進(jìn)一步地，所述Canny算法具體包括以下步驟：
[0018] 步驟S21:用二維高斯函數(shù)的一階導(dǎo)數(shù)對(duì)圖像進(jìn)行平滑，設(shè)二維高斯函數(shù)為：
[0019]
[0020]
[0021]
[0022] 用分解的方法提高速度，將提付矢量分解為2個(gè)一維的行濾波器：
[0023]
[0024]
[0025] 其中，k為常數(shù)，〇為高斯濾波器參數(shù)，用以控制平滑程度；
[0026] 步驟S22:采用2X2鄰域一階偏導(dǎo)的有限差分計(jì)算平滑后的數(shù)據(jù)陣列I(x，y)的梯 度幅值和梯度方向，其中，X和y方向偏導(dǎo)數(shù)的2個(gè)陣列和分別為
[0027] Px(i,j) = (I(i,j+l)-I(i,j)+I(i+l,j+l)-I(i+l,j))/2
[0028] Py(i,j) = (I(i,j)-I(i+l,j)+I(i,j+l)-I(i+l,j+l))/2
[0029] 梯度和幅值方向如下式：
[0030]
[0031] θ(?, j)=arctan(Py(i, j)/Px(i, j))；
[0032] 步驟S23:對(duì)梯度幅值進(jìn)行極大值抑制：細(xì)化梯度幅值圖像M( i，j)中的屋脊帶，只 保留幅值局部變化最大的點(diǎn)，用以精確定位邊緣；
[0033] 步驟S24:檢測(cè)和連接邊緣:使用雙閥值算法，將圖像進(jìn)行分割，分成兩個(gè)高、低閥 值邊緣圖像Th(i，j) J1(Lj)，利用遞歸跟蹤的算法不斷在低閥值邊緣圖中搜集 邊緣，補(bǔ)充高閥值邊緣Th(i，j)形成的輪廓的空隙。
[0034] 進(jìn)一步地，所述鏡片缺陷識(shí)別與缺陷標(biāo)記中，所述鏡片缺陷目標(biāo)包括顆粒物、劃傷 以及氣泡，提取鏡片缺陷區(qū)域的形狀特征參數(shù)，包括面積和周長(zhǎng)，并計(jì)算鏡片缺陷的圓形度 和長(zhǎng)寬比；根據(jù)鏡片缺陷的圓形度值和長(zhǎng)寬比區(qū)分氣泡與劃傷，根據(jù)鏡片缺陷的面積和周 長(zhǎng)區(qū)分顆粒物。
[0035] 與現(xiàn)有技術(shù)相比，本發(fā)明具有如下優(yōu)點(diǎn)：
[0036] (1)將工業(yè)相機(jī)、Matlab和單片機(jī)結(jié)合使用，通過(guò)對(duì)缺損圖像的分析來(lái)判斷鏡片表 面是否有缺陷，克服傳統(tǒng)檢測(cè)的弊端，能夠大幅提高檢測(cè)效率、精確度及自動(dòng)化程度有利 于；
[0037] (2)通過(guò)單片機(jī)進(jìn)行數(shù)據(jù)處理，控制傳送帶運(yùn)送鏡片，通過(guò)光電傳感器檢測(cè)鏡片的 位置，能夠減少大量勞動(dòng)力，降低檢測(cè)工作對(duì)工人眼睛的傷害。
[0038] (3)在能滿足設(shè)計(jì)要求條件下選用市面最常用元件，并采用自動(dòng)采集自動(dòng)處理方 式，減少人工操作按鍵，具有制造成本低、操作簡(jiǎn)便、體積小等優(yōu)點(diǎn)。
【附圖說(shuō)明】
[0039]圖1是本發(fā)明的系統(tǒng)原理框圖。
[0040] 圖2是本發(fā)明的電路原理圖。
[0041] 圖3是本發(fā)明的系統(tǒng)結(jié)構(gòu)示意圖。
[0042] 圖中：1一工業(yè)攝像頭，2-舵機(jī)，3-傳送帶，4一Arduino單片機(jī)，5-PC機(jī)。
【具體實(shí)施方式】
[0043] 下面結(jié)合附圖及實(shí)施例對(duì)本發(fā)明做進(jìn)一步說(shuō)明。
[0044] 本實(shí)施例提供一種基于機(jī)器視覺(jué)的鏡片表面缺陷智能檢測(cè)系統(tǒng)，如圖1所示，包括 圖像采集單元、PC機(jī)、數(shù)據(jù)處理單元、機(jī)械手單元以及傳送單元;所述圖像采集單元的輸出 端與所述PC機(jī)的輸入端相連，用以將采集到的鏡片缺損圖像傳輸至所述PC機(jī);所述PC機(jī)的 輸出端與所述數(shù)據(jù)處理單元的輸入端相連，所述數(shù)據(jù)處理單元的輸出端與所述機(jī)械手單元 以及所述傳送單元相連。
[0045] 在本實(shí)施例中，所述圖像采集單元包括工業(yè)攝像頭，所述工業(yè)攝像頭通過(guò)USB接口 與所述PC機(jī)相連，所述工業(yè)攝像頭設(shè)置于傳送帶上方。
[0046]在本實(shí)施例中，如圖2所示，所述數(shù)據(jù)處理單元包括一Arduino單片機(jī)模塊以及與 其相連的一用以檢測(cè)鏡片的光電傳感器以及一繼電器模塊，所述Arduino單片機(jī)模塊與所 述PC機(jī)的輸出端相連，所述光電傳感器設(shè)置于傳送帶的一側(cè)。
[0047]在本實(shí)施例中，所述傳送單元包括一用以輸送鏡片移動(dòng)的傳送帶、一用以控制傳 送帶轉(zhuǎn)到的電機(jī)以及一電機(jī)控制器;所述電機(jī)控制器的輸入端與繼電器模塊的輸出端相 連，所述電機(jī)控制器的輸出端與所述電機(jī)相連，所述電機(jī)與所述傳送帶相連。
[0048]在本實(shí)施例中，所述機(jī)械手單元包括相互相連的一舵機(jī)與一舵機(jī)桿，所述舵機(jī)與 Arduino單片機(jī)模塊相連，所述舵機(jī)與舵機(jī)桿均設(shè)置于傳送帶的一側(cè)。
[0049] 在本實(shí)施例中，特別地，所述舵機(jī)桿可采用吸盤吸起存在缺陷的鏡片，移動(dòng)到傳送 帶的一側(cè)的回收盒上方，吸盤放氣后鏡片掉落到回收盒內(nèi)。
[0050] 在本實(shí)施例中，如圖3所示，一種基于機(jī)器視覺(jué)的鏡片表面缺陷智能檢測(cè)系統(tǒng)的 實(shí)現(xiàn)方法，包括以下步驟：
[0051]步驟SI:所述數(shù)據(jù)處理單元中的光電傳感器檢測(cè)到鏡片到達(dá)工業(yè)攝像頭的鏡頭底 下時(shí)，向所述Arduino單片機(jī)的第一數(shù)字口輸入高電平；
[0052]步驟S2:所述Arduino單片機(jī)得到所述光電傳感器的信號(hào)后，通過(guò)第二數(shù)字口輸出 低電平至舵機(jī)，并控制傳送帶停止工作；
[0053]步驟S3:所述Arduino單片機(jī)發(fā)送信號(hào)"Γ至PC機(jī)，所述PC機(jī)對(duì)接收到的鏡片圖像 進(jìn)行處理，若鏡片圖像檢測(cè)出缺陷，則所述PC機(jī)發(fā)送信號(hào)"2"至所述Arduino單片機(jī)，所述 Arduino單片機(jī)控制舵機(jī)運(yùn)動(dòng)，舵機(jī)帶動(dòng)舵機(jī)桿轉(zhuǎn)動(dòng)，將存在缺陷的鏡片從傳送帶上移出； 若鏡片圖像未檢測(cè)出缺陷，則所述PC機(jī)發(fā)送信號(hào)"3"至所述Arduino單片機(jī)，所述Arduino單 片機(jī)讀取到信號(hào)"3"，控制傳送帶繼續(xù)運(yùn)動(dòng)。
[0054]在本實(shí)施例中，所述PC機(jī)包括MATLAB圖像處理程序及其人機(jī)交互界面；所述 MATLAB圖像處理程序?qū)⒉杉降溺R片圖像采用濾波與二值化進(jìn)行預(yù)處理去除圖像噪聲，并 采用Canny算法進(jìn)行鏡片邊緣檢測(cè)，再采用圖像相減法對(duì)鏡片表面邊界區(qū)域進(jìn)行消除，后續(xù) 提取邊界內(nèi)部的幾何特征，最后進(jìn)行鏡片缺陷識(shí)別與缺陷標(biāo)記。
[0055] 在本實(shí)施例中，所述預(yù)處理中，采用均值濾波對(duì)采集到的圖像先進(jìn)行均值濾波以 及中值濾波處理，用均值代替原圖像中的各個(gè)像素值，即對(duì)待處理的當(dāng)前像素點(diǎn)（x，y)，選 擇一個(gè)模板，該模板由其近鄰的若干像素組成，求模板中所有像素的均值，再把該均值賦 予當(dāng)前像素點(diǎn)（x，y)，作為處理后圖像在該點(diǎn)上的灰度;再采用二值形態(tài)學(xué)消除圖像噪聲， 對(duì)于二值圖像采用結(jié)構(gòu)元素對(duì)集合進(jìn)行開(kāi)啟操作將目標(biāo)周圍的噪聲塊消除掉，采用結(jié)構(gòu)元 素對(duì)集合進(jìn)行閉合操作將內(nèi)部的噪聲孔消除掉。
[0056] 在本實(shí)施例中，所述Canny算法具體包括以下步驟：
[0057] 步驟S21:用二維高斯函數(shù)的一階導(dǎo)數(shù)對(duì)圖像進(jìn)行平滑，設(shè)二維高斯函數(shù)為：
[0061] 用分解的方法提高速度，將提付矢量分解為2個(gè)一維的行濾波器：
[0058]
[0059]
[0060]
[0062]
[0063]
[0064] 其中，k為常數(shù)，〇為高斯濾波器參數(shù)，用以控制平滑程度；
[0065] 步驟S22:采用2X2鄰域一階偏導(dǎo)的有限差分計(jì)算平滑后的數(shù)據(jù)陣列I(x，y)的梯 度幅值和梯度方向，其中，X和y方向偏導(dǎo)數(shù)的2個(gè)陣列和分別為
[0066] Px(i,j) = (I(i,j+l)-I(i,j)+I(i+l,j+l)-I(i+l,j))/2
[0067] Py(i,j) = (I(i,j)-I(i+l,j)+I(i,j+l)-I(i+l,j+l))/2
[0068] 梯度和幅值方向如下式：
[0069]
[0070] θ(?, j)=arctan(Py(i, j)/Px(i, j))；
[0071 ]步驟S23:對(duì)梯度幅值進(jìn)行極大值抑制：細(xì)化梯度幅值圖像M( i，j)中的屋脊帶，只 保留幅值局部變化最大的點(diǎn)，用以精確定位邊緣；
[0072] 步驟S24:檢測(cè)和連接邊緣:使用雙閥值算法，將圖像進(jìn)行分割，分成兩個(gè)高、低閥 值邊緣圖像Th(i，j) J1(Lj)，利用遞歸跟蹤的算法不斷在低閥值邊緣圖中搜集 邊緣，補(bǔ)充高閥值邊緣Th(i，j)形成的輪廓的空隙。
[0073] 在本實(shí)施例中，所述鏡片缺陷識(shí)別與缺陷標(biāo)記中，基于鏡片圖像分割的結(jié)果，根據(jù) 鏡片主要缺陷目標(biāo)(顆粒物、劃傷、氣泡)的二值圖像和邊緣圖像，提取出用來(lái)描述樹(shù)脂鏡片 外觀質(zhì)量缺陷的形狀特征參數(shù)(面積和周長(zhǎng)），然后計(jì)算出鏡片缺陷的圓形度和長(zhǎng)寬比這兩 個(gè)主要特征參數(shù)，組成特征矢量，對(duì)于不同形狀的缺陷區(qū)域，這些特征參數(shù)各不相同。其中， 鏡片表面缺陷提取特征的因?yàn)轭w粒物缺陷表現(xiàn)為狄度突變點(diǎn)，而劃傷缺陷則表現(xiàn)為比較細(xì) 長(zhǎng)，氣泡缺陷一般表現(xiàn)為圓型或橢圓型。因此，對(duì)于鏡片氣泡缺陷而言，其圓形度的值比劃 傷的圓形度值要大的多，而長(zhǎng)寬比值則較劃傷的長(zhǎng)寬比值小，劃傷的特征參數(shù)值恰恰與此 相反，顆粒物的面積相比較而言比較小，灰度梯度大，因此基于鏡片缺陷的圓形度值和長(zhǎng)寬 比值就可以將缺陷中的氣泡與劃傷區(qū)分開(kāi)來(lái)，而基于鏡片缺陷的面積周長(zhǎng)則可以區(qū)分顆粒 物。
[0074] 在本實(shí)施中，所述人機(jī)交互界面為matlab GUI界面，其在Matlab程序開(kāi)發(fā)中起著 舉足輕重的作用，它有別于傳統(tǒng)的VC、JAVA或者Delphi的界面開(kāi)發(fā)方式，作為一個(gè)數(shù)學(xué)運(yùn)算 能力很強(qiáng)的軟件，Matlab的運(yùn)算結(jié)果通常是用圖形來(lái)表示的，GUI的使用更易于圖形表現(xiàn)的 多元化，在數(shù)字圖像處理中更加的方便、直觀。
[0075]因此鏡片缺陷檢測(cè)的圖像處理基于⑶I的平臺(tái)進(jìn)行操作的，可看到⑶I的界面以及 算法最終運(yùn)行的結(jié)果。
[0076]在本實(shí)施例中，該系統(tǒng)以機(jī)器視覺(jué)和圖像處理技術(shù)為基礎(chǔ)，針對(duì)缺陷不同的灰度 特征，采用缺陷識(shí)別算法進(jìn)行鏡片表面缺損檢測(cè)。通過(guò)USB工業(yè)攝像頭采集缺損圖像，并通 過(guò)MATLAB程序?yàn)V波得到灰度增強(qiáng)圖像，然后分割圖像與背景，進(jìn)而提取和識(shí)別缺陷特征，開(kāi) 發(fā)了人機(jī)交互界面，結(jié)合了缺陷剔除機(jī)構(gòu)和傳送裝置，提供信息統(tǒng)計(jì)功能，達(dá)到了代替人工 檢測(cè)識(shí)別鏡片表面缺損的目的。
[0077]以上所述僅為本發(fā)明的較佳實(shí)施例，凡依本發(fā)明申請(qǐng)專利范圍所做的均等變化與 修飾，皆應(yīng)屬本發(fā)明的涵蓋范圍。
【主權(quán)項(xiàng)】
1. 一種基于機(jī)器視覺(jué)的鏡片表面缺陷智能檢測(cè)系統(tǒng)，其特征在于:包括圖像采集單元、 PC機(jī)、數(shù)據(jù)處理單元、機(jī)械手單元以及傳送單元;所述圖像采集單元的輸出端與所述PC機(jī)的 輸入端相連，用以將采集到的鏡片缺損圖像傳輸至所述PC機(jī);所述PC機(jī)的輸出端與所述數(shù) 據(jù)處理單元的輸入端相連，所述數(shù)據(jù)處理單元的輸出端與所述機(jī)械手單元以及所述傳送單 元相連。2. 根據(jù)權(quán)利要求1所述的一種基于機(jī)器視覺(jué)的鏡片表面缺陷智能檢測(cè)系統(tǒng)，其特征在 于:所述圖像采集單元包括工業(yè)攝像頭，所述工業(yè)攝像頭通過(guò)USB接口與所述PC機(jī)相連，所 述工業(yè)攝像頭設(shè)置于傳送帶上方。3. 根據(jù)權(quán)利要求1所述的一種基于機(jī)器視覺(jué)的鏡片表面缺陷智能檢測(cè)系統(tǒng)，其特征在 于:所述數(shù)據(jù)處理單元包括一 Arduino單片機(jī)模塊以及與其相連的一用以檢測(cè)鏡片的光電 傳感器以及一繼電器模塊，所述Ar du ino單片機(jī)模塊與所述PC機(jī)的輸出端相連，所述光電傳 感器設(shè)置于傳送帶的一側(cè)。4. 根據(jù)權(quán)利要求1所述的一種基于機(jī)器視覺(jué)的鏡片表面缺陷智能檢測(cè)系統(tǒng)，其特征在 于:所述傳送單元包括一用以輸送鏡片移動(dòng)的傳送帶、一用以控制傳送帶轉(zhuǎn)到的電機(jī)以及 一電機(jī)控制器;所述電機(jī)控制器的輸入端與繼電器模塊的輸出端相連，所述電機(jī)控制器的 輸出端與所述電機(jī)相連，所述電機(jī)與所述傳送帶相連。5. 根據(jù)權(quán)利要求1所述的一種基于機(jī)器視覺(jué)的鏡片表面缺陷智能檢測(cè)系統(tǒng)，其特征在 于:所述機(jī)械手單元包括相互相連的一舵機(jī)與一舵機(jī)桿，所述舵機(jī)與Arduino單片機(jī)模塊相 連，所述舵機(jī)與舵機(jī)桿均設(shè)置于傳送帶的一側(cè)。6. -種根據(jù)權(quán)利要求3所述的基于機(jī)器視覺(jué)的鏡片表面缺陷智能檢測(cè)系統(tǒng)的實(shí)現(xiàn)方 法，其特征在于:包括以下步驟： 步驟Sll:所述數(shù)據(jù)處理單元中的光電傳感器檢測(cè)到鏡片到達(dá)工業(yè)攝像頭的鏡頭底下 時(shí)，向所述Arduino單片機(jī)的第一數(shù)字口輸入高電平； 步驟S21:所述Arduino單片機(jī)得到所述光電傳感器的信號(hào)后，通過(guò)第二數(shù)字口輸出低 電平至舵機(jī)，并控制傳送帶停止工作； 步驟S31:所述Arduino單片機(jī)發(fā)送信號(hào)"Γ至PC機(jī)，所述PC機(jī)對(duì)接收到的鏡片圖像進(jìn)行 處理，若鏡片圖像檢測(cè)出缺陷，則所述PC機(jī)發(fā)送信號(hào)"2"至所述Arduino單片機(jī)，所述 Arduino單片機(jī)控制舵機(jī)運(yùn)動(dòng)，舵機(jī)帶動(dòng)舵機(jī)桿轉(zhuǎn)動(dòng)，將存在缺陷的鏡片從傳送帶上移出； 若鏡片圖像未檢測(cè)出缺陷，則所述PC機(jī)發(fā)送信號(hào)"3"至所述Arduino單片機(jī)，所述Arduino單 片機(jī)讀取到信號(hào)"3"，控制傳送帶繼續(xù)運(yùn)動(dòng)。7. 根據(jù)權(quán)利要求6所述的一種基于機(jī)器視覺(jué)的鏡片表面缺陷智能檢測(cè)系統(tǒng)的實(shí)現(xiàn)方 法，其特征在于:所述PC機(jī)包括MATLAB圖像處理程序及其人機(jī)交互界面;所述MATLAB圖像處 理程序?qū)⒉杉降溺R片圖像采用濾波與二值化進(jìn)行預(yù)處理去除圖像噪聲，并采用Canny算 法進(jìn)行鏡片邊緣檢測(cè)，再采用圖像相減法對(duì)鏡片表面邊界區(qū)域進(jìn)行消除，后續(xù)提取邊界內(nèi) 部的幾何特征，最后進(jìn)行鏡片缺陷識(shí)別與缺陷標(biāo)記。8. 根據(jù)權(quán)利要求7所述的一種基于機(jī)器視覺(jué)的鏡片表面缺陷智能檢測(cè)系統(tǒng)的實(shí)現(xiàn)方 法，其特征在于:所述預(yù)處理中，采用均值濾波對(duì)采集到的圖像先進(jìn)行均值濾波以及中值濾 波處理，用均值代替原圖像中的各個(gè)像素值，即對(duì)待處理的當(dāng)前像素點(diǎn)（x，y)，選擇一個(gè)模 板，該模板由其近鄰的若干像素組成，求模板中所有像素的均值，再把該均值賦予當(dāng)前像素 點(diǎn)（x，y)，作為處理后圖像在該點(diǎn)上的灰度;再采用二值形態(tài)學(xué)消除圖像噪聲，對(duì)于二值圖 像采用結(jié)構(gòu)元素對(duì)集合進(jìn)行開(kāi)啟操作將目標(biāo)周圍的噪聲塊消除掉，采用結(jié)構(gòu)元素對(duì)集合進(jìn) 行閉合操作將內(nèi)部的噪聲孔消除掉。9. 根據(jù)權(quán)利要求7所述的一種基于機(jī)器視覺(jué)的鏡片表面缺陷智能檢測(cè)系統(tǒng)的實(shí)現(xiàn)方 法，其特征在于:所述Canny算法具體包括以下步驟： 步驟S21:用二維高斯函數(shù)的一階導(dǎo)數(shù)對(duì)圖像進(jìn)行平滑，設(shè)二維高斯函數(shù)為： 其梯度矢量為：用分解的方法提高速度，將提付矢量分解為2個(gè)一維的行濾波器：其中，k為常數(shù)，〇為高斯濾波器參數(shù)，用以控制平滑程度； 步驟S22:采用2Χ 2鄰域一階偏導(dǎo)的有限差分計(jì)算平滑后的數(shù)據(jù)陣列I(x，y)的梯度幅 值和梯度方向，其中，X和y方向偏導(dǎo)數(shù)的2個(gè)陣列和分別為θ(? , j)=arctan(Py(i, j)/Px(i, j))； 步驟S23:對(duì)梯度幅值進(jìn)行極大值抑制：細(xì)化梯度幅值圖像M( i，j)中的屋脊帶，只保留 幅值局部變化最大的點(diǎn)，用以精確定位邊緣； 步驟S24:檢測(cè)和連接邊緣:使用雙閥值算法，將圖像進(jìn)行分割，分成兩個(gè)高、低閥值邊 緣圖像Th(i，j) J1(Lj)，利用遞歸跟蹤的算法不斷在低閥值邊緣圖中搜集邊緣， 補(bǔ)充高閥值邊緣Th(i，j)形成的輪廓的空隙。10. 根據(jù)權(quán)利要求7所述的一種基于機(jī)器視覺(jué)的鏡片表面缺陷智能檢測(cè)系統(tǒng)的實(shí)現(xiàn)方 法，其特征在于:所述鏡片缺陷識(shí)別與缺陷標(biāo)記中，所述鏡片缺陷目標(biāo)包括顆粒物、劃傷以 及氣泡，提取鏡片缺陷區(qū)域的形狀特征參數(shù)，包括面積和周長(zhǎng)，并計(jì)算鏡片缺陷的圓形度和 長(zhǎng)寬比；根據(jù)鏡片缺陷的圓形度值和長(zhǎng)寬比區(qū)分氣泡與劃傷，根據(jù)鏡片缺陷的面積和周長(zhǎng) 區(qū)分顆粒物。
【文檔編號(hào)】G01N21/01GK105891233SQ201610357279
【公開(kāi)日】2016年8月24日
【申請(qǐng)日】2016年5月26日
【發(fā)明人】任志英, 張志忠, 陳炳興, 郭毅強(qiáng), 黃藝?yán)?
【申請(qǐng)人】福州大學(xué)