基于機器視覺的微型電子接插件尺寸測量

俞 洋，金 彬

（江蘇理工學院電氣信息工程學院，江蘇常州 213001）

0 引言

傳統的接插件尺寸測量方法，主要測量對象為普通尺寸或中大型工件，公差允許范圍較大。目前接插件正在向小型化、微型化方向發展，傳統測量方法在對微型電子接插件進行檢測時，測量的核心環節還需要人工，一定程度上降低了檢測效率［1］。由于微型電子接插件具有尺寸小、質量輕等特點，少量的微塵或圖像陰影就可能造成數個像素點的偏差，從而導致測量結果不準確［2］。傳統方法提高測量精度主要依靠環境無塵化以及鏡頭、照明設備的更新升級，代價較高。

本文提出一種新的微型電子接插件尺寸測量方法，提高了檢測精度，保證產品的質量。本方法通過改進算法，解決了部分因微塵或光線陰影造成的邊緣判定不準確導致的測量結果偏差大的問題，從而提高了尺寸測量的準確度。

1 微型電子接插件尺寸測量方法

本文提出的微型電子接插件尺寸測量方法，將相機采集到的圖片進行處理，獲取待測工件的邊緣，并測算待測距離，將測量結果保存到JSON 文本中。微型電子接插件尺寸測量流程圖如圖1 所示。首先獲取相機采集到的圖像，并進行模板匹配，獲取待測區域；其次，對待測區域進行圖像濾波；接著，對濾波后的待測區域進行邊緣檢測，獲取微型電子接插件的邊緣；然后對獲取的邊緣進行最小二乘法擬合；利用相機的校準與標定結果，對圖片進行校正，并測量最終尺寸。最后，將測量結果保存為JSON格式。

圖1 微型電子接插件尺寸測量流程圖

1.1 模板匹配

模板匹配也稱為像素的模板匹配方法，是一種比較新型的圖像輪廓的檢測和識別方法［3］。在獲取相機拍攝的圖片后，通過模板匹配算法，將待測量區域找出，縮小圖像處理的區域，從而提高后續圖像處理流程的速度。

傳統模板匹配算法需要各種角度旋轉模板以達到匹配，速度較慢［4］?？紤]到微型電子接插件在各生產流程中自帶的料帶孔、定位孔的特點，本文提出了一種基于圖形的金字塔模板匹配算法，可以快速定位料帶孔、定位孔以及其他定位圖形的位置，進而定位待測件的位置，提高了模板匹配的速度。

新的模板匹配具體步驟如下：首先，算法采用2 ×2 均值濾波方法生成4 層圖像金字塔；再使用3 ×3Prewit算子計算各層金字塔圖像所對應的向量圖；在頂層圖像中進行基于形狀的模板匹配，將最高層金字塔匹配所得信息帶入低層金字塔跟蹤匹配，并作必要的篩選，最后在底層金字塔圖像進行基于形狀的模板匹配，獲取輔助定位圖形的可能位置。

定位到輔助定位圖形候選位置后，對候選位置進行篩選，以沖壓料帶為例，篩選原則為同一直線上的相同大小候選孔為真實定位孔。再以真實定位孔為定位基準，精確定位到待測區域，并進行待測區提取。

1.2 邊緣檢測

圖像邊緣檢測是圖像分析與檢測的前提，其原理是提取目標與背景之間的邊界信息［5］，準確提取出圖像邊緣。在眾多傳統邊緣檢測算子中，Canny 算法的檢測結果包含了圖像更多邊緣信息，能夠取得更好的檢測效果［6］。但傳統Canny算法邊緣檢測極易受到噪聲及光照變化等因素的影響，需采用高斯濾波器平滑圖像，而如此一來會導致圖像過于平滑，繼而引發邊緣模糊與細節丟失。目前已經有許多研究者為此做出了改進，比如：自適應高斯濾波器、形態學濾波、自適應閾值、自適應中值濾波等等［7-9］。本文在自適應閾值Canny算法上進行了改進。

改進的Canny 算法流程如圖2 所示，首先對圖像進行濾波，在盡可能保持邊緣特性的前提下濾除噪聲，從而獲取較為理想的待測圖片。然后對圖像進行梯度幅值與梯度方向計算，獲得待測區域的梯度圖。再對像素點進行非極大值抑制，獲取邊緣點。隨后采用改進的自適應閾值算法，計算全局閾值比例，再根據全局閾值計算局部高低閾值矩陣［10］。通過局部高、低閾值矩陣進行強、弱邊緣劃分，減小了邊緣提取的誤判率。對強邊緣保留、弱邊緣刪除，對中庸點進行中庸邊緣編號，將與強邊緣相連但自身不閉合的中庸邊緣進行刪除，從而過濾掉部分微塵、毛刺的影響，進一步提高了邊緣提取的準確性。

圖2 改進Canny算法流程

1.2.1 濾波去噪

本方法中，放棄了傳統高斯濾波器的平滑濾波方式，采用小波變換和中值濾波相結合的方式進行圖像濾波。首先使用中值濾波方法濾除椒鹽噪聲，再對去噪后的圖像進行小波分解，分解后的系數向量經過閾值化后再進行小波重構［11］。

1.2.2 計算梯度幅值和方向

本文采用Sobel 算子進行梯度幅值與方向的計算。傳統的Sobel 算子有X（橫向），Y（縱向）兩個方向［12］，公式如下：

像素沿X方向的梯度為

沿Y方向的梯度為

式中：*為卷積符號；Arr為以該像素點為中心的3 ×3像素矩陣。

梯度幅值A（x，y）和梯度方向θ（x，y），

1.2.3 非極大值抑制獲取邊緣點

在3 ×3 像素鄰域內通過插值獲得梯度方向上的兩個像素點值［13］，并對梯度方向上的3 個像素點進行梯度幅值比較。如果當前像素點的梯度幅值比梯度方向上其他兩個像素點的梯度幅值都要大，稱該像素點為邊緣候選點，標記為1；否則，標記為0。邊緣候選點圖像用A1（x，y）表示。

1.2.4 獲取全局比例值

首先，利用大津法計算梯度幅值圖A（x，y）的分割閾值，求得的閾值記為：T_val；再通過遍歷灰度值矩陣，比較像素點灰度值與閾值的大小，統計出超出閾值的像素點數。計算不低于分割閾值的像素點數與圖像總像素點數之間的比例，計算結果記為T_r，

1.2.5 獲取局部閾值矩陣

在梯度幅值矩陣A［r，l］中提取大小為s ×s 的局部矩陣塊S，并計算當前局部塊中心像素點的局部閾值T_s，要求局部閾值滿足以下公式：

當前像素點的局部高、低閾值可以通過下式求得：

由于局部塊S無法取到圖像外，因此圖片最邊緣處，有數量為s/2 的像素點無法作為S的中心點，這些像素點稱為“外圈邊界點”，外圈邊界點的局部閾值直接取鄰近點的局部閾值。

1.2.6 邊緣檢測

采用如下步驟獲取最終邊緣：

步驟1獲取邊緣候選點的梯度幅值圖

步驟2通過局部高、低閾值判定強、弱邊緣點，并分別使用1 與0.5 標記強、弱邊緣點

步驟3連接邊緣，將強邊緣點保留，與強邊緣點相連且自身閉合的邊緣保留，剩余邊緣剔除：

從而得到最終邊緣圖像E（x，y）。

1.3 邊緣擬合

傳統的測量方法都是隨機選取數個像素點，計算橫、縱坐標平均值，根據計算結果進行距離測算。由于選取點的隨機性，導致計算結果波動性較大。本方法中，對邊緣進行最小二乘法擬合，將邊緣信息函數化，測量結果穩定且更精確。

對已獲得的梯度圖中的邊緣編號，分析局部范圍內，同一編號邊緣的梯度方向，判斷當前邊緣是否為規則邊緣，如果是規則邊緣，則進行擬合；如果不是規則邊緣，則使用傳統方法進行測量。

計算中，規則邊緣尤其是直線的擬合，對多項式的次數要求較低；而當邊緣為曲線時，擬合的多項式次數越高，擬合結果越精確，但隨之帶來的是計算量的增加［14］。因此，在非規則邊緣區域，直接采用“數像素點”這樣的傳統方法，雖然精度無法提升，但是能夠保持較快的測算速度。

1.4 相機校準和標定

1.4.1 相機的標定

為了實現通過像素計算實際距離，需要對相機進行標定，構建成像模型，建立圖像像素點與微型電子接插件表面點位置的對應關系［15］。

假設相機與標定面（待測面）垂直，則有設計安裝如圖3（a）所示。此時，相機的模型為理想的小孔成像模型，物與像之間可以看作相似三角，其模型如圖4 所示。理想模型中的換算比例K 為實際距離dr 與對應像素數dp的比值：

圖3 設計相機安裝示意圖

圖4 小孔成像模型示意圖

1.4.2 相機的校準

實際中，并不能保證相機軸線與待測面完全垂直，如圖3（b）所示。相機光軸與標定面的垂線之間存在一個夾角。對于微型電子接插件來講，很小的偏差角就可能使檢測的邊緣多出或者縮短數個像素點，從而使測量誤差增大。

理想拍攝圖像是相機軸線與拍攝面完全垂直，理想拍攝圖片如圖5（a）所示；實際情況下，由于非理想安裝導致相機軸線與被拍攝面不完全垂直，從而引發另類的切向畸變，實際拍攝圖片如圖5（b）所示。

圖5 標定圖像拍攝效果圖

可以將實際拍攝看作是理想拍攝的一個三維投影。為此，引入了一個透視變換模型，利用高精度的棋盤標定圖片，提取棋盤角點信息與亞像素角點信息并通過標定公式進行參數標定，標定的參數可用于圖像的畸變校正［16］：

式中，相機內部參數的矩陣為

通過以上步驟獲得的矩陣，在圖像矯正過程中將畸變程度縮小，改善輸入圖像的質量，從而提高圖像質量與測量準確度。

1.5 尺寸測量與存儲

在得到相機的標定數據后，只需要測得圖片中的像素點數就可得到對應的實際距離。常見的尺寸測量可歸類為點到點、點到線、線到線的距離測量以及面積的測量。如圖6（a）所示，計算點到點距離，直接使用勾股定理；如圖6（b）所示，計算點到線距離，需構建點到線的垂線，再通過計算點到點距離來實現測距；如圖6（c）所示，計算線到線距離，做出垂線與L1，L2相交，通過計算交點之間的距離來測量兩平行線之間的距離。測量面積則通過統計所在區域的像素點數，計算像素點所對應的面積和。

圖6 3種測量方法示意圖

在測得距離結果后，需要對結果進行保存，本方法分析比較了EXCEL、JSON、XML、數據庫。綜合分析，使用JSON格式來存儲測量結果是比較好的方案。如果在速度要求不高的場合，也可以使用EXCEL表格方式進行存儲，方便非專業人員進行手工分析。

2 微型電子接插件尺寸測量方法的實現與驗證

本文以BK-3.0 微型電子接插件為例（見圖7 實時圖像區域），實現微型電子接插件尺寸測量方法并進行驗證。

圖7 軟件界面圖

驗證方法的硬件系統主要由傳動裝置、PLC 控制器、工業相機、照明系統和工業主機（PC 系統）組成，測量系統結構如圖8 所示。系統測量對象為BK-3.0微型電子接插件，高像素相機配合雙遠心鏡頭拍攝料帶上的待測件，使用同軸光源與背光源配合提供光線。PC系統對工業相機將采集到的圖片進行分析，并測量拍攝的工件尺寸，然后將尺寸以JSON 格式保存到外置硬盤，測量結束后PC系統向控制器發送信號，料帶前進更新視野范圍內工件。同時，根據當前拍攝到的圖像是否為最佳視野范圍，預測下一次的料帶傳動距離，該方案不需要光電傳感器，避免了定位孔與物料中空部位重疊引起的定位錯誤問題。

圖8 微型電子接插件尺寸測量硬件系統結構圖

2.1 微型電子接插件尺寸測量方法的實現

本文使用的視覺軟件為Opencv 2.4.9，其具有眾多圖像處理算子和系統接口，可以方便地對圖片進行各類存取操作；使用MFC 庫進行人機交互界面的編寫，界面如圖7 所示。在圖像窗口中，可以實時顯示相機當前拍攝的圖片、模板匹配后的待測量區域圖片等；右上方的眾多按鍵提供了豐富的查詢、存儲、導出等功能。右下角為文本窗口，可以顯示測量結果，方便檢測人員統計測量結果。

2.2 微型電子接插件尺寸測量方法的驗證

本文選取了非接觸式多元傳感三維測量儀器（Optical Gaging products，OGP）測量儀測量后的20 個微型電子接插件為實驗樣本，以OGP 測量結果為標準，通過對比傳統測量方法與本文測量方法的測量偏差值來驗證本文尺寸測量方法的實際測量效果。對比試驗中，傳統檢測方法與本文檢測方法使用相同硬件設備條件，硬件架構如圖8 所示。使用500 W像素相機，視野43 mm×35 mm，單像素尺寸約為0.017 mm，對每個接插件圖片分別使用傳統測量方法與本文測量方法進行指定區域對象的尺寸測量，并分別計算兩種測量方法測得數值與OGP測量儀測得數值的偏差值。最終測量結果如表1 所示。

根據表1 中所展示的數據，繪制了兩種方法測得的尺寸與OGP測量儀所測得的實際尺寸之間的偏差折線圖，折線圖如圖9 所示，其中虛線為傳統尺寸方法的偏差，實線為本文尺寸測量方法的偏差。

表1 微型電子接插件尺寸測量結果 mm

圖9 顯示了20 個樣本分別使用傳統方法與本文方法測得結果相對于實際值的偏差。從圖中可以看出，本文提出的測量方法在測量準確度上有明顯提高。其中，傳統測量方法誤差最大為0.025 mm，本文誤差最大為0.017 mm，準確度提升了32%。

圖9 偏差折線圖

3 結語

本文針對傳統檢測方案存在微型電子接插件檢測誤差準確度不高的問題，提出一種新的微型電子接插件尺寸檢測方法，該方法采用了快速定位的模板匹配算法、改進的自適應閾值Canny 算法、邊緣擬合過程、相機標定與校準等一系列改進措施，減少了光線、微塵、非理想安裝等因素對微型電子接插件的尺寸測量的影響。通過搭建實驗軟硬件平臺，并以BK-3.0 微型電子接插件為被測對象進行驗證，測量結果表明本方法的測量結果比傳統檢測方法測量結果在準確度上提高了32%，驗證了本方法的有效性。