冲压中工业视觉系统的应用范文

摘要：简单说明了工业视觉在冲压行业的应用实例，工业视觉对冲压工艺质量的提升，实现生产的柔性化。主要分析了工业视觉相机的成像原理，相机成像后对图像判定的算法分析，最后简单的介绍了工业视觉编写程序的思路。

关键词：机器视觉；信息处理；视觉分析；CCD；CMOS

引言

随着汽车工业的飞速发展，汽车需求量不断增加，冲压车间生产任务随之加重。其中，冲压车间生产时有噪音大、油污重，钣金件易划伤、皮带机易卷入及压机设备等伤人风险，冲压生产环境较为恶劣。而工业视觉系统作为一种冲压零件自动化检测手段，用于代替人工批量检测工作，可降低检测作业人安全风险，并提升零件检测效率及检测质量。工业视觉系统在冲压中的应用具有重要的工程意义。

1视觉成像原理

1.1相机分类

根据相机内部结构的不同，工业视觉相机可分为CCD和CMOS两种。CCD：ChargeCoupledDevice（电荷耦合器件）。CCD为电荷耦合器，是一种将图像转换为数字信号的半导体部件。它的长和宽均为10mm左右，由数百万个排列成网格状小像素组成。相机拍照时，从目标处反射光线穿过透镜，在CCD上组成图像。根据光电效应原理，当CCD上的像素接收光线时，就会产生与光强度相对应的电荷。该电荷被转换为电子信号，以获取各个像素接受的光强度。若是将数十万甚至数百万个传感器集合，就能形成图像运用于各种不同的环境中。CMOS：ComplementaryMetalOxideSemiconductor（互补金属氧化物半导体）。CCD和CMOS在制造结构与原理上大致相同，主要区别是CCD是集成在半导体单晶体上，而CMOS是集成在金属氧化物的半导体材料上，CCD相机内部电荷转移方式为单个感光元件依次经由垂直和水平寄存器整合后输出给信号放大器。而CMOS相机则是单个感光元件直接放大输出给数模转换芯片。CCD相机与CMOS相机有以下不同之处：（1）CCD相机灵敏度要高于CMOS相机；（2）CCD相机的成本会高于CMOS相机；（3）CCD相机的分辨率会优于CMOS相机；（4）CCD相机的噪声影响优于CMOS相机；（5）CCD相机的功耗高于CMOS相机。因冲压生产中需要工业相机具有高精度、高灵敏度、高分辨率及高稳定性，故CCD相机在冲压有着大量应用。

1.2相机黑白成像原理

冲压零件或板料受到光线反射至相机镜头后产生对应的电流，电流大小与光强对应，感光元件（像素）直接输出模拟信号。在CCD传感器中，感光元件都不对此作信号处理，而是将模拟信号直接输出到垂直寄存器，经垂直寄存器整合后的信号再同一输出至水平寄存器，最后才能形成统一的输出。由于感光元件生成的电信号强度很弱，在经过寄存器时会产生电压损耗，无法进行后续模数转换工作，因此必须进行信号放大处理，于是再增加一个信号放大器，经放大器处理之后，每个像素点的电信号强度都获得同样幅度的增大；因各像素信号通过同一个放大器进行放大，所以产生的噪点较少，图像质量较高。但由于CCD本身无法将模拟信号直接转换为数字信号，还需一个模数转换芯片进行信号处理，光线越亮，电流的数值就越大；光线越暗，电流的数值越小。最亮的白光（255），数值是十六进制的FF，最暗的光线（没有光），数值是十六进制的00。最终以二进制形式数字图像矩阵的形式输出给专门的数字信号处理器（DSP），经过处理后分析得出我们所需的图片；因未对图像进行颜色的分析和处理，所以相机成像为黑白图像。

1.3相机彩色成像原理

视觉系统中使用的彩色照相机通常是包含单个CCD的单芯片照相机。由于获取彩色图像需要关于三原色（红、绿、蓝，即R、G和B）的信息，因此CCD的每个像素都装有R、G或B色滤镜（也称拜耳滤光器）。每个像素以256级R、G或B将强度信息发送给控制器。颜色系统以数字形式描述颜色。它通常表示成有三个轴的3D空间。使用“色调”（Hue）、“饱和度”（Saturation）、“亮度”（Brightness）的HSB颜色系统与人的眼睛最接近，最适合用于图像处理。

2冲压视觉系统的逻辑算法分析

2.1工业视觉在冲压的应用

2.1.1冲压零件品质检测目前国内汽车主机厂冲压生产线生产节拍普遍都在8-15SPM左右，部份伺服冲压线节拍甚至达到更高的节拍。采用工业视觉技术在线检测零件品质，将会提高零件品质率，降低人工成本，提高生产效率；目前此项目为各大配套厂商极力开发的重点。冲压零件品质过程检测主要是以视觉系统，机器人，夹具三大部分构成，功能是抽检冲压零件，检测零件品质变化趋势，可以观察出冲压设备、工艺或模具质量状态变化趋势，以便调整出合适的工艺文件。例如目前广泛应用于冲压行业的蓝光检测系统。

2.1.2冲压锻造零件尺寸以及编号检测应用于冲压或锻造零件尺寸测量，检测流水生产线上零件尺寸是否合格，编号是否正确，不合格零件将会由气缸或抓手等装置将其筛选出去。

2.1.3自动化生产线零件定位及引导用于冲压自动化生产线机器人拆、堆垛定位，目前已经在冲压生产线普及使用。

2.1.4冲压无人车间方向的应用在工业4.0时代，工业视觉系统将对实现无人车间有着不可或缺的作用。视觉相机在汽车冲压运用十分广泛，但工业视觉成像原理以及核心算法却是万变不离其宗。

2.2算法分析

（1）边缘检测原理：边缘是指在图像中分隔明、暗区域的边界。要检测边缘，就必须处理这种不同阴影间的边界。边缘可以通过以下几个处理步骤获得：a）执行投影处理投影处理垂直扫描图像以获得每条投影线的平均强度。每条线的平均强度波形称为投影波形。投影处理原理：投影处理用于获得平均强度，减少由测量区域中因噪点所引起的失败检测。b）执行微分处理阴影中的差异越明显，获得的偏差值越大。微分处理原理：差异处理可以消除因测量区域中绝对强度值变化而造成的影响。如果阴影中没有变化，则绝对强度值是“0”。如果颜色从白色（255）变为黑色（0），则变化量是-255。c）最大偏差值必须始终是100%为保持实际生产情形中边缘的稳定性，会执行内部补偿，以使最大偏差值始终保持在100%。然后，从差异波形中超过预设边缘敏感度（%）的顶点确定边缘位置。这种边缘规范化方法可以确保始终能够检测到边缘的顶点，从而稳定了易受照明频繁变化影响的图像检验。d）执行亚像素处理针对最高差异波形的三个邻近像素执行插值计算。测量边缘位置，精确到1/100像素（次像素处理）。（2）图像二元化处理相机成像后，原始图像因空气中的尘埃，油雾以及光线干扰会变得不清晰，对相机的特征点判定造成干扰。故在设计程序时，可调用图像二元化处理指令。将实际的拍照图像增强对比度，将颜色“二元值”处理。

3冲压视觉设计方案

以冲压自动化生产线系统中，调试视觉系统前，需要示教相机，对相机进行坐标系标定；原点定位；像素与长度换算；相机焦距调整等。相机触发拍照后，相机成像为零件原始图片。受到环境、灯光、震动等各种因素的影响，成像图片质量会有所变化。需要调用相机内置功能让成像图变得更加容易识别和判定。例如：灰度值优化，预处理滤镜，污点检测原理等，颜色浓淡处理等。当成像图片经过上述步骤优化后，相机会基于示教的坐标系进行特征点、原点位置检测，算出相应坐标值，设为标准坐标值。后续所有同型号零件成像后的坐标与之标准坐标进行位置比较（坐标差值换算），此时可得出不同零件在传送带上的不同位置。将不同坐标零件发送机器人后，机器人能够快速精准的识别并且抓取后装框。在设计冲压工业视觉系统时需考虑很多对系统造成影响的因素，需要设计者进行严谨的逻辑程序编写，指令调用；安装过程中要做到每一颗螺丝都按照标准扭矩安装，保证相机在冲压相对恶劣的环境中不会受到影响，此外配备合适的光源系统对成像结果都会有很大的影响。一个高精度的视觉系统离不开每一步精密严谨的工作。相信工业视觉作为工业4.0时代的眼睛，能给我们的制造业、社会、人类的进步做出更大的贡献，创造更多的奇迹。

参考文献

[1]张广军.机器视觉[M].北京:科学出版社,2005.

[2]刘振宇,陈英林,等.机器人标定技术研究[J].机器人,2002,24(5):447-540.

[3]王雪红,罗勇新,王桂良.机器视觉系统在机械制造中的应用[B].2008.

作者：郭焰军 聂国成 张玉成 单位：东风小康汽车有限公司