基于机器视觉的在线手机间隙尺寸检测技术研究

《基于机器视觉的在线手机间隙尺寸检测技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于机器视觉的在线手机间隙尺寸检测技术研宄摘要:针对手机屏幕到外壳间间隙、听筒宽度、装饰边宽度等尺寸参数的实时在线测量需求，提出了一种基于机器视觉的手机间隙尺寸测量方法，通过对标准图像设定感兴趣区域，提取该区域特征后，在待检测手机中自动匹配感兴趣区域，随后使用Canny算子寻找边缘点，再用与边缘垂直的一组平行线求出参与最小二乘法拟合目标直线的边缘点，在减少计算量的同时，提高了测量直线边缘的定位精度。在VS2012平台上，结合运动控制，开发了一套在线手机间隙尺寸测量系统，该系统具有实时、高效、高精度、重复性好等特点，且其精度达到10um，具有很好的应用价值和前景。

2、关键词：手机检测；尺寸测量；边缘检测；视觉检测；图像处理；测量系统中图分类号：TP393文献标识码：A文章编号:1009-3044(2017)08-0188-04随着计算机视觉理论基础的逐渐成熟，机器视觉检得到了快速的发展，以其自动化、高效、非接触、精度适中等优点在工业产品检测得到了广泛应用。虽然国内的自动化视觉检测行业仍处于发展阶段，但机器视觉检测应用在各行业中的成功案例己经非常多，大大提升了国内生产效益。?F下，数码产品发展速度飞快，特别是手机，更新换代的时间十分短，而人们对其需求量庞大，因此在手机生产过程中，对其各部位的尺寸检测是否符合规格至关重要，也己经

3、有许多科研工作者把机器视觉检测技术应用于手机尺寸测量上，并取得一定成果由于在手机的生产过程中，需要测量的部位多，如手机内外壳长宽、按键宽度、听筒宽度、玻璃屏到外壳之间间隙宽度，装饰边宽度、手机内壳部件位置度等方面，且要求精度较高，采用人工检测存在速度慢、精度低、成本高、长时间检测使检测人员疲劳造成的误差等因素，所以采用检测技术来对手机进行检测具有极大的优越性。目前，大部分的手机检测工序仍使用显微测量器材进行精确测量，但这种传统的测量方法具有成本高、效率低、局限性大等缺点。针对手机二维尺寸测量，我们开发了相应的机器视觉检测系统。本文主要针对手机玻璃屏幕与外壳之间间

4、隙、听筒宽度、装饰件宽度测量进行了算法的研究、实现及应用，提出了一种基于HSV颜色通道中H与S通道图像灰度分布特征，自动匹配目标边缘区域，利用canny算子、辅助线及最小二乘法提取目标边缘的方法，提高了目标边缘提取的准确性，从而使测量结果更加精准。系统的精度达到10um，重复性测试精度达到10um,操作简便，可通过调整电脑软件中的参数设置对不同类型的手机进行测量，也可以应用于其他类似的场合，如平板电脑、mp3等电子产品的尺寸测量，本系统已经在线上使用。1测量系统技术要求1）屏幕与外壳间隙为0.15±0.01mm;2）听筒宽度为1.2mm±0.01mm;3j装饰边

5、宽度为0.5mm±0.01mm。被检测手机及其测量位置分布如图1所（装饰边在手机背面），其中测量尺寸精度要求达到0.01mm，重复性测试精度要求达到0.01mm。2系统结构手机尺寸视觉检测系统由图像采集、图像处理、运动控制三大模块组成。系统首先通过运动控制模块与图像采集模块对待测成品手机进行采图，后经图像处理软件系统进行分析处理，接着根据处理结果判断产品是否符合规格要求，再进行分拣、分类。系统工作流程图如图2。2.1运动控制模块本模块由运动控制卡、伺服电机和运动轴组成。本系统采用了4轴的固高控制卡GTS-400-PV-PCI-G,通过pc软件中集成控制卡的驱动程

6、序，把CCD相机、镜头及led光源固定在运动轴上。运动控制卡不断检测I/O端口控制信号控制伺服电机X、Y、Z方向的运动，把相机移动至测量点位进行图像采集。2.2图像采集模块图像采集模块是视觉测量系统实现测量的主要模块，图像的质量直接影响到整个测量系统功能的实现及精度，属于视觉测量系统的最前端。当运动轴将相机移动到待测点位时，测量软件会通过接口发送采集信号给相机。本系统的图像采集模块如图3所示。图像采集模块主要分为以下两部分：1）工业相机在工业相机的选取上，我们选用了德国basler的aeA2440-20gc,该相机分辨率为2448*2048，接口为GigE,便于

7、快速传输图像。2）镜头选用的是8mm焦距的定焦镜头。3）可控制光源在检测过程中，我们需要提取指定的边缘对手机尺寸进行测量，因此针对不同点位的图像采集，需要有对应的打光方案，所以我们选用了OPT的AP1024F-4光源控制器及四个条形光源围绕在待测手机四周、一个环形光源安置在相机与镜头下，把驱动集成在图像处理软件中，实现了在不同点位测量中自动切换到对应的打光方案，为图像处理模块提供了质量更好的原始图像。光源具体分布情况如图3所示。2.3图像处理模块本系统的图像处理软件以VS2012作为开发平台，结合图像处理算法对图像进行分析处理，算法研宄过程中通过MATLAB仿真

8、验证，最终利用C++将所