本文设计了一套高效率、高精度的电容器外不雅观毛病检测系统。该系统首先采集图像，并对图像进行预处理，其次匹配定位到电容区域，然后针对其溢胶毛病和环氧面气孔气泡，采取处理；针对其字符毛病和外壳破损毛病，采取处理；末了通过Blob剖析，提取电容器外不雅观毛病区域的特色，设定阈值参数，方便变动参数，知足不同标准的检测哀求。
1 电容器外不雅观毛病剖析
目前电容器的制造工艺水平不足高，在装壳灌胶、烘烤、激光打标[4]过程中，会不可避免地产生存在外不雅观毛病的电容器。图1展示了几种范例类型的电容器外不雅观毛病：电容器外不雅观破损毛病、溢胶毛病、环氧面气孔毛病、字符毛病等。电容器在利用中应知足外壳无破损、表面无溢胶、环氧面无气孔气泡划痕、字符精确等标准哀求。因此，电容器外不雅观毛病检测系统应能准确高效地完成对电容器外不雅观以上毛病的检测。
2 电容器外不雅观毛病检测系统硬件设计
本文所提出的电容器外不雅观毛病检测系统紧张由检测传送带、实行机构、掌握器、工业相机、照明系统和PC系统组成[5]，检测系统构造如图2所示。该检测系统有6个相机，沿着传送带依次采集电容器的6个表面。每个相机配有一个光源，卖力照亮电容器。工业相机采集到的灰度图传送至PC系统，PC系统对电容器外不雅观图像进行毛病检测，并根据检测结果向掌握器发送旗子暗记，掌握实行机构剔除不良品。同时，在每个相机处安装光电传感器，当电容器被传送至相机拍照处，光电传感器便动作，输出一个开关掌握旗子暗记至PC系统和掌握器，分别掌握相机拍照和光源事情，节省电能，延长光源利用寿命。
2.1 相机的选型
工业相机紧张分为面阵相机和线阵相机，线阵相机适宜于高速运动的物体，一样平常建议40 km/h运动的物体可以采取线阵相机拍摄，而面阵相机适宜于低速运动的物体。在相机选型时，首先，成像的视场必须大于物体的物理尺寸；其次，要选择足够高的分辨率，以知足精度哀求；然后要考虑曝光韶光和物体运动速率，防止成像涌现拖影。为了能够担保更好的成像效果和检测准确度以及降落本钱，选择一款得当的相机是研发机器视觉检测系统的基本。本系统选择了海康威视的MV-CA030-10GC工业相机。
2.2 镜头的选型
相机和镜头缺一不可，两者都是机器视觉检测系统的基本部件，前者相称于视网膜，用来成像；而后者则是晶状体，聚拢用来成像的光芒。在镜头选型时，须要根据电容器的大小、特点及放大倍数等参数进行选择[6]。本系统紧张是根据电容器的实际尺寸、事情间隔和相机CCD的尺寸来打算镜头焦距，同时担保相机和镜头的接口为同一类型，终极选择了海康威视的HV3816D-8MPIR镜头。
2.3 光源的选择
电容器外不雅观毛病检测系统紧张便是获取优质图像，精确的光源和照明办法能够突出电容器毛病特色，减少后续图像处理的包袱，提高毛病检测的准确度[7]。本系统选择LED光源，其照明效果好，利用寿命长。针对电容器两个较大的侧面，结合工业相机安装位置，本系统选择LED环形光源，用低角度暗场办法照明；针对剩下的4个面，本系统选择LED条形光源，并担保条光长度大于检测间隔，避免造成亮度差。
3 电容器外不雅观毛病检测系统软件部分
在本文提出的电容器外不雅观毛病检测系统中的软件部分，首先将工业相机采集到的电容器图像进行处理，识别外不雅观毛病，并向PLC发送旗子暗记，掌握实行机构剔除不良品。图3是电容器外不雅观毛病检测流程图，开始将工业相机采集到的电容器图像进行预处理，包括图像滤波、形态学处理；其次，进行模板匹配，定位到整幅图像中的电容区域，检测外不雅观破损、缺角等，也可以用来匹配定位电容器上的字符，检测字符遮盖/位置不正等毛病；然后针对溢胶毛病和环氧面气孔气泡，采取阈值分割处理；末了通过Blob剖析，提取电容器外不雅观毛病区域的特色，设定阈值参数，方便事情职员变动设定，知足不同的检讨哀求。
3.1 图像采集
电容器外不雅观毛病检测首先要采集图像，利用工业相机获取图像，最好是用相机本身的API接口采集图像，这样更加稳定。SDK是相机厂家供应的环境开拓包，里面的函数供开拓者在不同环境下(VC、VB、C#等)进行函数调用，采集图像。海康工业相机调用SDK采集图像紧张按照列举相机、创建句柄、打开相机、开始抓图、获取图像、停滞抓图、关闭相机、销毁句柄等步骤。每获取一张电容器外不雅观图像，就对该图像进行毛病检测。
3.2 图像滤波
利用SDK，通过工业相机获取电容器外不雅观图像之后，首先要对图像进行滤波。由于镜头、电容器表面的灰尘等都会使图像模糊，造成毛病检测的准确性降落，严重的噪声会使电容器外不雅观毛病的特色不明显，以是在毛病检测之前要进行图像滤波[8]。本系统采取均值滤波器尺寸为3×3，如式(1)所示，即以一个像素周围方块区域内像素灰度值的均匀数作为该点的灰度值。均值滤波不须要大量频谱转换，以是实时性较好，知足电容器外不雅观毛病检测的速率哀求。
3.3 形态学处理
形态学的基本操作包括堕落和膨胀，是图像处理中运用最为广泛的技能之一，紧张用于从图像中提取对表达和描述区域形状故意义的图像分量，使后续的识别事情能够捉住目标工具最为实质的形状特色，如边界和连通区域等。堕落操作扫描二值图像的每一个像素，用构造元素与其覆盖的二值图像做与运算，如果都为1，则结果图像中值为1，否则为0，删除了工具边界的某些像素。而膨胀操作扫描二值图像的每一个像素，用构造元素与其覆盖的二值图像做与运算，如果都为0，则结果图像中值为0，否则为1，给图像中的工具边界添加元素。
由工业相机获取的电容器外不雅观图上可能存在某些噪声，这些噪声无法通过滤波处理，可以用形态学中的堕落来处理。在打算电容器外不雅观毛病特色时，可能会涌现一块毛病区域连通、无法整合，或者几块毛病区域相互黏连、无法分割，可以用形态学来处理[9]。同时，形态学处理能够合营匹配定位，将电容器区域从原图抠出，方便后续处理等。
3.4 匹配定位
电容器外不雅观毛病检测首先要在整幅图中找到电容区域，这就用到了模板匹配算法。模板匹配理论是按照干系策略，根据已知模板在搜索图像中探求逼近模板匹配的过程，是一种大略有效、利用广泛的图像处理方法。本系统采取基于形状的模板匹配，该算法的相似度量考虑的是模板内像素的梯度向量[10]，首先提取一个电容器良品的外轮廓和字符部分的轮廓，并保存为模板。然后，在每次电容器外不雅观毛病检测时，根据模板匹配待检测的电容器外不雅观图。当匹配定位到电容区域时，才能针对电容区域进行图像处理；同时，针对电容器的外壳破损、字符毛病也可以用模板匹配来检测。为了提高电容器外不雅观毛病检测的速率，将模板图像和待搜索图像进行抽样，减少须要检讨的位姿数量以及模板中点的数量，图4所示为图像抽样金字塔示意图。金字塔每升高一层，图像的数据量就会减少为1/4，图像分辨率低落，但是图像处理速率会提高4倍。同时，将模板轮廓拆分，首先匹配第一部分，然后在匹配结果的相对位置处再次匹配第二部分，这样兼顾了匹配准确性和匹配速率。
3.5 阈值分割
阈值分割是利用图像中前景和背景在灰度特性上的差异，将图像分割成两类图像[11]。如果电容器外不雅观图像为f(x，y)，毛病区域图像为g(x，y)，设定阈值t将电容器外不雅观毛病区域提取出来：
在担保光源稳定的情形下，电容器外不雅观毛病中的溢胶、划痕、环氧面气孔气泡等都可以用阈值分割识别出来。
3.6 Blob剖析
Blob剖析是对图像中相同像素的连通域进行剖析，即经由预处理、匹配定位和图像分割后，用Blob剖析对提取到的电容器外不雅观毛病区域进行特色剖析，打算毛病的数量、位置、形状、方向和大小等，设定某些毛病特色阈值参数，方便事情职员变动设定，知足不同标准的检讨哀求。
4 电容器外不雅观毛病检测系统的实现与验证
本文以CBB61S电容器为例(详细如图1所示)，实现电容器外不雅观毛病检测系统并进行验证。
4.1 电容器外不雅观毛病检测系统的实现
电容器外不雅观毛病检测系统的构造简图如图5所示。电机和PLC掌握器掌握传送带的迁徙改变，而5号位相机拍摄的是电容器底面，以是在5号位相机处由旁边两条传送带夹紧电容器向前传送。电容器在传送带上匀速向前运动，当电容器被传送至相机拍照处，光电传感器动作，输出一个开关掌握旗子暗记至PC系统和掌握器，分别掌握相机拍照和光源事情，节省电能、延长光源利用寿命。电容器依次经由6个相机，PC系统依次对电容器的6个表面进行毛病检测，只要检测到毛病，PC系统就会通过6号位相机的旗子暗记线向PLC掌握器发送旗子暗记，掌握实行机构剔除不良品。
本文选择的视觉软件为Halcon 12.0，其具有浩瀚的图像处理算子和强大的打算剖析能力。同时，利用C#措辞进行二次开拓，设计出良好的人机交互界面，如图6所示。在实时图像区有6个图像窗口，分别显示6个相机实时拍到的图像；下方的毛病图像区，6个图像窗口分别显示对应的6个相机拍到的毛病部分；右上方为按键功能区，个中数据查询按钮可以查询每次开机检测的员工信息、产品信息、检测结果等；权限管理按钮则供应了管理员和操作员两种登录模式，个中管理员权限较大，可以修正相机参数；每个相机的相机参数按钮则是根据毛病的特色设定阈值参数，方便管理员变动设定，知足不同标准的检讨哀求；打消计数按钮则是打消本次检测结果计数；在按键功能区下方的是产品参数和帮助，供检讨职员选择本次所检测电容器的型号和员工编号；右下方为结果显示区，显示每个相机的不良计数，方便检讨职员统计紧张毛病类型，有利于针对性改进电容器制造工艺。
4.2 电容器外不雅观毛病检测系统的验证
本文选取了人工检测后的200个电容器为实验样本来验证电容器外不雅观毛病检测系统，个中毛病电容器和良品电容器各100个。终极检测结果如表1所示。
由表1看出，本文设计的电容器外不雅观毛病检测系统对毛病电容器的检测精确率达到100%，漏杀率为零；而对良品电容器的检测精确率也达到了96%，解释该系统在检测精度上是可靠的，但个中也涌现了误判，仔细不雅观察误判的电容器，剖析得出由于电容器上存在的污渍，导致检测系统将其误判为溢胶毛病。两个样本的检测韶光都为72 s，即该系统大约0.7 s就可以完成对一个电容器的外不雅观毛病检测，比较于人工检测大约5 min 200个，极大地提高了检测速率，可以知足工业哀求。
5 结束语
本文针对CBB61S电容器生产制造过程中涌现的外不雅观毛病，利用机器视觉技能，设计了一套高效率高精度的在线检测系统。该系统紧张分为机器平台的搭建和PC系统的设计，机器平台的搭建包括了检测传送带和实行机构的安装、相机镜头的选型、光源和照明办法的选择等；PC系统紧张是利用C#措辞对视觉软件Halcon进行二次开拓，经由图像采集、图像滤波、形态学处理、匹配定位、阈值分割、Blob剖析等，终极完成对电容器外不雅观毛病的检测。实验结果显示，电容器外不雅观毛病检测系统具有较高的检测速率和可靠的检测精度，办理了人工检测效率低下、准确率较低的问题，也降落了生产本钱。
参考文献
[1] 洪天勤.电容器外不雅观检测系统中图像处理算法的研究[D].长沙：中南大学，2012.
[2] 陈星.电解电容器外不雅观自动检测系统实行机构运用设计[J].当代制造技能与装备，2016(11)：4-5.
[3] 何腾鹏，张荣芬，刘超，等.基于机器视觉的智能导瞎眼镜设计[J].电子技能运用，2017，43(4)：58-61.
[4] 周晓航，方鲲，李玫.国内外超级电容器的研究发展现状[J].新材料家当，2015(3)：61-68.
[5] 田原嫄，潘敏凯，刘思阳.电容器铝壳表面毛病检测的CCD图像处理[J].组合机床与自动化加工技能，2013(5)：73-75.
[6] 张五一，张继超，侯远韶，等.机器视觉系统中镜头的选择[J].中原工学院学报，2011，22(6)：18-21.
[7] 尚会超，杨锐，段梦珍，等.机器视觉照明系统的关键技能剖析[J].中原工学院学报，2016，27(3)：16-21.
[8] 许少尉，陈思宇.基于深度学习的图像分类方法[J].电子技能运用，2018，44(6)：116-119.
[9] 邓彩霞，王贵彬，杨鑫蕊.改进的抗噪形态学边缘检测算法[J].数据采集与处理，2013，28(6)：739-745.
[10] 杨亚飞，郑丹晨，韩敏.一种基于多尺度轮廓点空间关系特色的形状匹配方法[J].自动化学报，2015，41(8)：1405-1411.
[11] 朱磊，白瑞林，吉峰.光照不屈均图像的灰度颠簸局部阈值分割[J].打算机工程与运用，2015，51(12)：144-149.
作者信息:
俞 洋，陈佐政，陈祝洋，沈威君
(江苏理工学院，江苏 常州213001)
