视觉系统在汽车门锁检测中的应用 操作员, 故障率, 检测, 而且

Bazinga

1 引言
　　汽车门锁具有型号规格多， 结构差异大， 检测项目多，部分结构松散易变形的特点;汽车门锁装配检测生产线要求设备检测速度快、故障率低，并允许产品检测内容具有一定的扩展性。
　　过去大多采用将检测项分解到各分站分别检测的办法，这往往造成各分站设备结构复杂，操作繁琐，设备设计周期长， 故障率高等缺陷， 而且因车锁结构松散不宜接触， 某些检测需要依靠人工目测， 不仅操作员劳动强度大， 而且因存在人工因素， 容易出错。
　　随着工业化生产的发展，自动化设备的制造水平也日益提高，机器视觉（以下简称视觉）系统的引入很好地解决了这些问题。
　　2 视觉技术简介
　　视觉技术就是用机器代替人眼来做测量和判断，它通过镜头（Camer a）摄取图像，并将像素的分布，亮度，颜色等信息，转变成数字化信号;图像系统对这些信号进行运算以抽取图像的特征， 并在此基础上实现模式识别，坐标计算， 灰度分布图等多种功能， 从而进行逻辑判断，用以控制现场设备。
　　同人工检测相比， 机器视觉检测具有以下优势。
　　3 视觉系统的设计
　　3.1 硬件部分设计
　　（1） 图像采集部分：镜头PULNix TM-200，Cognex图像采集卡（可连接4 组镜头）；（2） 图像处理部分：PC 机（DELL GX5200）；（3） 机电控制部分：SeaIO I/O 卡（PCI 插槽），控制柜（内置空气开关，接线端子等）构成电气控制系统；（4） 机电执行部分：按钮，传感器，气缸，阀岛，指示灯， 蜂鸣器等；（5） 人机交互部分：显示器，鼠标，键盘。
　　3.2 软件部分设计
　　本项目基于Cognex 的视觉分析工具，自己开发了一套视觉操作平台。
　　（1） 系统开发的软件环境。
　　Windows 2000 或Windows XP 以上操作系统;Office 2000 或以上版本;VisiONPro 50 或以上版本;SeaIO_v030103 或以上版本;VS2005TF。
　　（2） 软件开发的要求。
　　汽车门锁具有检测点多（本例共23 点），品种多的特点，这就要求软件可以将检测点自由组合到各个品种中去， 而且操作界面尽可能简捷， 易操作。
　　（3） 软件的功能。
　　
　　图1 主界面
　　软件的主界面如图所示， 左侧为当前车锁的型号、选用的镜头、使用的定位原点、和被检测点的概览。右侧为检测结果和设备状态等粗略信息。中间部分上侧为系统检测的实际图像， 检测合格的用绿色边框圈定，不合格的用红色边框圈定， 并配有被检测点的文字名称。该图像会默认显示为包含有检测结果中含不合格检测点的图像。在这一图像下侧有四个小的显示区域，分别对应于系统中不同的相机。 如果该图像含有不合格点，则图像外侧会用红色边框圈出。最下侧是各检测点的详细信息。如图1 所示。
　　此外，在主窗口中还有“输入显示”“， 手动控制”和“状态报警”属性页。在菜单“工程”中添加有“型号选择”、“Camera”、“PMAlignFixture”、“Tools”“Type”、“视觉运行”选项。如图2 所示。
　　
　　图2 工程子菜单。
软件为了减少调试工作量， 各被测点可以被配置在不同的视觉分析工具里，如果每个检测工具只包含一个检测点， 那么当设置各个型号的检测内容时， 只需为每个型号选取对应的检测项即可，从而大大地提高了视觉调试的工作效率。如图3 所示。
　　
　　图3 对应检测点的检测工具（Tools ）界面
　　软件现应用于常熟Kieker t 汽车门锁公司，运行稳定， 操作简单， 可满足生产及调试中的各种需求。
　　
　　图4 为各型号分配检测项的界面
　　4 视觉技术在门锁检测中的应用
　　一套视觉系统的成功应用， 不仅与软件的设计密不可分，更取决于视觉分析工具的使用是否合理。对于不同的检测对象要具体分析，采取不同的检测方案。下面以在汽车门锁检测中常见的问题为例说明。
　　4.1 在深色的背景下检测黑色的物体
　　视觉检测本质上是像素色度的检测。被检测物的色度与周围背景的色度越相近， 检测越困难。为此， 可以考虑对被检测物单独使用一个镜头， 然后增强光照，以便获得足够的灰度。然后考虑使用Cognex 视觉分析工具中的CogPMAlignTool 工具进行分析。这是一个在可设定区域内寻找相似物体的工具。首先找出被检测物上具有明显特征， 且与其周围背景色差较大的部分，将其设定为被检测物后，再圈定包含被检测物的可寻找区域。设定相似度后， 取下被检测物， 对该工件进行检测，得到被检测物不存在时的相似度检测值。依据物体存在时的相似度值与物体不存在时的检测相似度值的差值重新设定门槛值。
　　4.2 检测弹簧等表面色泽易变的物体
　　弹簧类物体的特征是表面色泽易受润滑脂分布，倾斜角度等因素影响， 进而形成与人眼观察到的色泽差异较大的图像。对此，可以考虑使用Cognex 视觉分析工具中的CogPMAl ignTool 工具对图像进行分析。
设置方法同上。因为相似度不仅仅反映在色度上， 也反映在形状上， 因此利用这一工具可较好的识别该类被检测物。
4.3 较小的检测点检测
　　小的检测点往往形状不够突出，所对应的像素较少，用相似度工具查找时，因特征像素过少，容易误判断。因此，可选用Cognex 视觉分析工具中的CogBlobTool 工具进行分析。这是一个通过设定色度的差异值来寻找特定区域被检物体是否存在的工具。将Segmentation 中的mode 选为Hard Threshold（Fixed），将Polarity 选为LightBlobs，Dark background 或Dark Blobs，Light background，然后设定检测区域，点击动态运行按钮，调整Thr eshold的值， 观察右侧视窗中被检物检出情况的变化。取下被检测物， 对该工件进行检测， 得到被检测物不存在时的Blob 检测值。依据物体存在时的Blob 值与物体不存在时的检测Blob 值的差值重新调整Blob 设定值。
　　
　　图5 CogBlobTool 工具设定界面
　　4.4 有油污的铆点检测
　　由于工况的不同， 某些铆点的表面会有一定程度的油污。这就使视觉检测极易受到干扰。可选用Cognex视觉分析工具中的CogFindCircleTool 工具进行分析。
　　这是一个在选定区域内寻找圆并对圆进行测量的工具。
　　在Caliper Settings 选项中，Edge Polarity 选项应钩选Any Polar i ty，因为Dark to Light 和Light to Dark选项因受油污的干扰误判率较高， 而An y Pola r i ty 则是以设定的圆弧线为基准，辅以色差的判断，因此， 准确率很高。另外，Search Direction 选项中，Inward 和Outward的钩选应以实测效果为准。如果铆钉为规则的圆柱形，则可钩选Inward，因为未铆接的铆钉往往没有油污， 半径较小;而铆钉为星形时则应钩选Outward，这样才可准确判定铆钉的铆接后半径值。需要注意的是，Caliper 选项中的Number of Calipers 应根据圆的大小适当选得大一些， 这样圆的判断依据点较充分， 得到的圆也更准确。
　　4.5 存在范围可变的物体的检测
　　某些被检物的位置不是固定的，而是在某一区域内随机存在， 这就意味着必须选择合适的搜寻区域。为此， 可以考虑使用Cognex 视觉分析工具中的CogPMAlignTool工具进行分析。该工具提供了较为多样的边框划线工具，使得边框的设置非常人性化。
　　4.6 孔的检测
　　黑色物体上通孔的检测常常因为色差过于接近而失败。但是， 如果在检测夹具上增加一个亮色的观测物， 使其穿过通孔， 再选用Cog n e x 视觉分析工具中的CogBlobTool 工具进行分析，问题即可解决。
　　4.7 固定区域高亮或高暗的判别
　　用判断某一区域亮或暗的方式来区分物体有无是常见的处理方法，选用Cognex 视觉分析工具中的CogBlobTool工具进行设置， 可达到这一要求。另外， 设备在设计时应充分考虑产品的工艺问题，某些检测物的表面可以通过产品工艺的改变而变化，这也为解决问题提供了新的思路。
　　5 结束语
　　视觉系统在不接触物体的情况下， 可以快速准确地检测出物体的有无， 尤其是检测点数量比较多， 分布较为集中; 随型号的不同， 同一位置被检测物的种类较多， 形状较为复杂的情况下， 视觉检测的优势较为突出。当然， 视觉系统的应用也受到成本， 被检物的反光率等因素的制约而受到限制。因此， 灵活， 合理的调试视觉系统， 使其发挥最大的作用， 仍有待于业界人士的共同努力。