一种基于机器视觉的微工件自动分拣系统及方法与流程

本发明涉及自动分拣系统的技术领域，更具体地，涉及一种基于机器视觉的微工件自动分拣系统及方法。

背景技术：

目前国内对于零部件的外形缺陷的检测主要是采用人工检测，人工检测方法效率低、精度低、易疲劳且易受主观因素影响；而对于零部件尺寸的检测还有一些采用压电转换方法，但由于传感器工艺和机械结构的限制，难以检测尺寸较小的精密工件。

技术实现要素：

本发明为克服上述现有技术所述的至少一种缺陷，提供了一种高效率、高精度的微工件自动分拣系统及方法。其具体技术方案如下：

一种基于机器视觉的微工件自动分拣系统，包括工件运输模块、图像采集模块、图像处理模块、中央控制模块、工件筛选模块和直流稳压模块；

所述工件运输模块用于将工件运送至图像采集模块、工件筛选模块的工作工位；

所述图像采集模块与图像处理模块、中央控制模块连接，用于采集工件图片信息，并将图片信息发送至图像处理模块；

所述图像处理模块与中央控制模块连接，用于分析工件是否为合格工件，并将分析结果发送至中央控制模块；

所述中央控制模块用于控制图像采集模块的开关、接收图像处理模块发送的信息、控制工件筛选模块的开关；

所述工件筛选模块用于将工件分送至正品区域和次品区域；

所述直流稳压模块与中央控制模块和图像采集模块连接，用于向中央控制模块和图像采集模块提供稳定的直流电压。

本发明通过利用图像采集模块可以采集工件轮廓信息，再利用图像处理模块利用计算机技术可以精确识别工件是否合格，然后再利用中央控制模块和工件筛选模块可将工件进行分区。本发明可以高效率、高精度的检测较小的精密工件，克服了人工检测方法效率低、精度低、易疲劳且易受主观因素影响的问题。

作为优选，所述工件运输模块包括振动盘和步进电机转盘，所述图像采集模块包括光纤传感器、光源和工业相机，所述图像处理模块为pc上位机，所述中央控制模块为plc控制器，所述工件筛选模块包括气枪和挡板，所述直流稳压模块为12v直流稳压模块；

所述振动盘与步进电机转盘连接，可将工件送至步进电机转盘，所述光纤传感器和工业相机设于步进电机转盘上方，光源设于步进电机转盘下方，所述光纤传感器、光源、工业相机与plc控制器电连接，工业相机还与所述pc上位机电连接，pc上位机与plc控制器电连接，所述气枪、挡板与plc控制器电连接，气枪和挡板设于步进电机转盘侧面，气枪和挡板配合将工件送至正品区域或者次品区域，12v直流稳压模块与光纤传感器和plc控制器电连接。

本发明巧妙的利用工业ccd相机对工件进行数据采集，将采集到的数据通过网口通信发送到工业pc上位机上，由pc上位机调用图像处理算法对数据进行分析处理后给出控制信号，再利用plc控制器对控制信号进行处理，控制气枪筛选出不良品。本发明综合运用数字图像处理、机械控制、计算机软硬件等技术，适用于尺寸较小的精密工件的自动分拣工作，分拣精度高。

进一步的，所述工业相机为basler200万像素的工业ccd相机，采用远心镜头，视野是13.5mm，使用千兆以太网传输线传输图像，该类工业相机采集图片质量高，传输数据快。

进一步的，所述步进电机转盘由步进电机和高平整度的透明玻璃组成，步进电机通过联动关系带动转盘旋转，高平整度的玻璃透明度好，有利于光源照射工件形成清晰轮廓，使相机可以采集高质量的工件轮廓图片。

进一步的，所述光源为背景光源，可以为相机提供良好光源，形成高反差轮廓工件图。

一种利用上述微工件分拣系统基于机器视觉的微工件分拣方法，包括以下步骤：

步骤1：根据用户要求和现场环境因素，在pc上位机设置相关参数，运行系统；

步骤2：振动盘震动工件以使工件自动下落至步进电机转盘，与此同时，步进电机转盘以固定速度旋转；

步骤3：步进电机转盘带动工件旋转，光纤传感器感知工件到来，告知plc控制器；

步骤4：plc控制器感知工件到来后，在一段时间后启动背景光源，并触发工业相机拍照；

步骤5：工业相机捕捉背景光源透过工件的高反差轮廓图，并发送至pc上位机进行图像处理；

步骤6：pc上位机处理后，将正品/次品信号发送plc控制器，plc控制器操控气枪和挡板，将工件送到正品区域或次品区域。

本发明提供的方法可以精确的采集工件轮廓图像，再利用pc上位机对采集到的工件轮廓图像进行分析，可以实现对微工件的精确检测，并实现自动分拣的功能。

进一步的，所述pc上位机的图形处理的过程依次是摄像机标定、预处理、亚像素边缘检测、多边形逼近算法处理；

所述摄像机标定用于获取工件的尺寸和坐标信息，所述预处理用于去除噪点，所述亚像素边缘检测用于获得工件倒角轮廓，所述多边形逼近算法处理用于分析工件倒角轮廓是否合格。亚像素边缘检测法获得工件倒角轮廓精度高，可以达到±0.02mm，多边形逼近算法分析工件轮廓的缺陷信息的准确率高。

进一步的，所述的摄像机标定是基于矩形网格状圆靶平面标定法，可以获得工件轮廓的尺寸和坐标信息，非线性优化所求参数，降低相机畸变，提高视觉测量准确度。

进一步的，所述亚像素边缘检测的方法用于提取工件倒角轮廓，具体方法如下：

基于摄像机标定获得的工件轮廓的尺寸和坐标信息，计算得出工件轮廓最小外接矩形，求得最小外接矩形的边缘点坐标和中心点坐标；

根据工件轮廓的最小外接矩形边缘点坐标、中心点坐标和工件倒角的长度，获得出一个与工件轮廓相交且长度比最小外接矩形短的第二矩形，第二矩形和最小外接矩形中心点坐标相同，第二矩形的长度等于最小外接矩形的长度减去2倍的工件倒角长度，第二矩形的宽度不小于最小外接矩形的宽度；

由工件边缘轮廓减去第二矩形轮廓，得到差值，差值为两个闭合且不相交的轮廓；

根据倒角轮廓的特点获取工件倒角轮廓，若工件倒角长度短、面积小，则选择长度短、面积小的轮廓为工件倒角轮廓，若工件倒角长度长、面积大，则选择长度长、面积大的轮廓为工件倒角轮廓。

所述多边形逼近算法用于分析倒角轮廓的是否合格，具体方法如下：

计算得到工件倒角轮廓曲线两端点的连线；

计算工件倒角轮廓曲线距离连线最远点到连线的距离；

比较最远点到连线的距离是否小于设定值；如果大于设定值，则把该工件倒角轮廓曲线以最远点为分割点分为两段；

重复以上3个步骤，直到新曲线的最远点到对应新曲线端点连线的距离小于设定值；

分析倒角轮廓是否有缺陷，若工件倒角轮廓被分成两段弧形，则为合格倒角轮廓；若工件倒角轮廓被分成三段或者更多段弧形，则为不合格倒角轮廓。

与现有技术相比，有益效果是：

本发明巧妙的利用工业ccd相机对工件进行数据采集，将采集到的数据通过网口通信发送到工业pc机上，由pc机调用所设计的图像处理算法对数据进行分析处理后给出控制信号，再利用plc对控制信号进行处理，控制气枪筛选出不良品。还设置照明模块，增强工件特征，以及排除其他自然光的干扰。系统运用了摄像机标定，亚像素边缘检测等图像处理技术对工件的轮廓图片进行处理、分析、检测，测量工件的外形尺寸精度可以达到±0.02mm。在检测弧形倒角的时候，系统开创性地使用多边形逼近算法，根据弧的形态进行分析工件的缺陷情况，大大地提高工件弧形的识别准确率。

附图说明

图1是本发明基于机器视觉的微工件自动分拣系统的控制框架图。

图2是本发明基于机器视觉的微工件自动分拣系统的图像处理流程图。

图3是亚像素边缘检测方法的示意图。

图4是多边形的检测算法的示意图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明，不能理解为对本专利的限制。

如图1所示，一种基于机器视觉的微工件自动分拣系统，包括振动盘、步进电机转盘、光纤传感器、光源、工业相机、pc上位机、plc控制器、气枪、挡板和12v直流稳压模块。

振动盘与步进电机转盘连接，可将工件送至步进电机转盘，光纤传感器和工业相机设于步进电机转盘上方，光源设于步进电机转盘下方，光纤传感器、光源、工业相机与plc控制器电连接，工业相机还与所述pc上位机电连接，pc上位机与plc控制器电连接，气枪、挡板与plc控制器电连接，气枪和挡板设于步进电机转盘侧面，气枪和挡板配合将工件送至正品区域或者次品区域，12v直流稳压模块与光纤传感器和plc控制器电连接。

具体的，工业相机为basler200万像素的工业ccd相机，采用远心镜头，视野是13.5mm，使用千兆以太网传输线传输图像。

具体的，步进电机转盘由步进电机和高平整度的透明玻璃组成，步进电机通过联动关系带动转盘旋转。

具体的，光源为背景光源。

如图2所示，一种利用上述微工件分拣系统基于机器视觉的微工件分拣方法，包括以下步骤：

一种利用上述微工件分拣系统基于机器视觉的微工件分拣方法，包括以下步骤：

步骤1：根据用户要求和现场环境因素，在pc上位机设置相关参数，运行系统；

步骤2：振动盘震动工件以使工件自动下落步进电机转盘，与此同时，转盘以固定速度旋转；

步骤3：步进电机转盘带动工件旋转，光纤传感器感知工件到来，告知plc控制器；

步骤4：plc控制器感知工件到来后，在一段时间后启动背景光源，并触发工业相机拍照；

步骤5：工业相机捕捉背景光源透过工件的高反差轮廓图，并发送至pc上位机进行图像处理；

步骤6：pc上位机处理后，将正品/次品信号发送plc控制器，plc控制器操控气枪和挡板，将工件送到正品区域或次品区域。

具体的，pc上位机的图形处理的过程依次是摄像机标定、预处理、亚像素边缘检测、多边形逼近算法处理；

所述摄像机标定用于获取工件的尺寸和坐标信息，所述预处理用于去除噪点，所述亚像素边缘检测用于获得工件倒角轮廓，所述多边形逼近算法处理用于分析工件倒角轮廓是否合格。

具体的，摄像机标定是基于矩形网格状圆靶平面标定法，可以获得工件轮廓的尺寸和坐标信息。

具体的，如图3所示，亚像素边缘检测的方法用于提取工件倒角轮廓，具体方法如下：

基于摄像机标定获得的工件轮廓的尺寸和坐标信息，计算得出工件轮廓最小外接矩形，求得最小外接矩形的边缘点坐标和中心点坐标；

根据工件轮廓的最小外接矩形边缘点坐标、中心点坐标和工件倒角的长度（工件倒角长度为已知条件，可以根据工件的类型确定），获得出一个与工件轮廓相交且长度比最小外接矩形短的第二矩形，第二矩形和最小外接矩形中心点坐标相同，第二矩形的长度等于最小外接矩形的长度减去2倍的工件倒角长度，第二矩形的宽度不小于最小外接矩形的宽度；

由工件边缘轮廓减去第二矩形轮廓，得到差值，差值为两个闭合且不相交的轮廓；

根据倒角轮廓的特点获取工件倒角轮廓，若工件倒角长度短、面积小，则选择长度短、面积小的轮廓为工件倒角轮廓，若工件倒角长度长、面积大，则选择长度长、面积大的轮廓为工件倒角轮廓。本实施例的工件倒角特征（特征是已知条件，可以根据工件的类型确定）为长度短、面积小，因此选取左边的轮廓作为工件倒角轮廓。

具体的，多边形逼近算法用于分析倒角轮廓的是否合格，具体方法如下：

计算得到工件倒角轮廓曲线两端点的连线；

计算工件倒角轮廓曲线距离连线最远点到连线的距离；

比较最远点到连线的距离是否小于设定值；如果大于设定值，则把该工件倒角轮廓曲线以最远点为分割点分为两段，设定值根据工件类型可以预先确定；

重复以上3个步骤，直到新曲线的最远点到对应新曲线端点连线的距离小于设定值；

分析倒角轮廓是否有缺陷，若工件倒角轮廓被分成两段弧形，则为合格倒角轮廓；若工件倒角轮廓被分成三段或者更多段弧形，则为不合格倒角轮廓。

如图4所示，为了方便说明，可以将工件倒角轮廓进行降维处理，用点1-6代替，即工件倒角轮廓只有六个点，多边形逼近算法具体过程如下：先将点1和点6的连线形成线段16，假设点3为工件倒角轮廓到线段16的最远点，并且点3到线段16的距离大于设定值，因此将工件倒角轮廓以点3为分割点分成两段，即工件倒角轮廓左半部和工件倒角轮廓右半部，然后将点1和点3连线形成线段13，将点3和点6连线形成线段36，假设点2为工件倒角轮廓左半部到线段13的最远点，点4为工件倒角轮廓右半部到线段36的最远点，并且点2到线段13的距离小于设定值，点4到线段36的距离小于设定值，则分割过程结束，最终工件倒角轮廓被分成了两段，因此该工件倒角是合格的。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。