机器视觉检测系统的诊断功能与应用

2016-07-06新闻资讯

 视觉系统可以快速、准确和可重复性地自动完成诸如部件测量和检查的工作,这样就可以帮助制造商提高产品质量和生产力。视觉系统在制造过程中的每一步都可以生成有价值的监测数据,这同时也可以帮助控制工程师扩展过程诊断的功能。

  非接触式测量更加快捷

  机器视觉在质量控制上最普遍的应用就是测量。Cognex公司的In-Sight系列视觉传感器的市场销售部经理Bryan Boatner说,由于视觉系统测量部件特有的可以达到千分之一英寸的精度,使得它可以适用于很多从前需要采用接触式测量方法的应用场合。

  他说道:“制造商采用基于视觉的测量是有诸多原因的。速度是主要的一点。采用接触式测量,难以跟上高吞吐量的流水线的步伐,因此,传统地测量一般都是在产品抽检时完成。”相对应地,机器视觉系统就可以跟上上述生产流水线的步伐,每分钟可以完成上千次的测量,而且机器视觉系统还可以嵌入流水线系统中进行100%的监测。

  消除了物理接触,基于视觉的测量就可以避免对零件的损伤并减少了对机械测量表面磨损和划痕的维护。最终,视觉系统可以测量某些不能用接触式方法测量的零件。

  Matrox Imaging公司的图像软件小组组长Arnaud Linau也赞同这种说法,机器视觉为物理计量学提供了很多新的可能,如物体的精确测量。Dalsa公司数码图像小组的集成产品开发战略发展部主任Ben Dawson介绍了一些要点,有助于组建机器视觉测量系统以及一些其他的应用。

200712514448.jpg

  诊断功能

  Boatner介绍,除了测量,机器视觉还能为诊断提供一个有效数据采集工具,这些工具可以进行过程度量和分析数据走势。视觉系统可以为监控操作提供实时的图像,也可以将数字图像按时间标记存档,便于后期检索。
Boatner举例说,在一个装罐流水线上,当瓶子经过摄像机时,它可以为每一个瓶子捕捉一幅图像,并将其与一系列标准参数对比,检查充满程度、瓶盖、密封程度和标签、外观和变形程度。当出现一个参数超标时,就发出信号提示此瓶需要被移至废物储存室。而且,这个可以通过设置系统,使之将次品瓶子的图像存储到一个数据库中用于分析。工程师们可以观察图像来进行根源分析,而不是再次从废物储存室里取样,再找到次品的来源。将次品图像存档以备后用的方法可以作为一种诊断工具使用,它有助于故障查找并减少停机时间。

2007125144442.jpg

  最优方法

  据介绍,视觉产品逐渐被归为三种主要类别:视觉传感器(一般是独立的、低功耗的检测设备)、基于PC机的视觉系统(带有电源并且可以使用简单的图形化编程语言进行灵活的编程)、专家传感器(针对特定自动化问题的低功耗技术)。这三个类别的视觉产品都包括摄像头、处理器、图像分析软件、光源和网络互连功能。

  DMC系统集成公司技术主管Ken Brey建议道,共享一些机器视觉技术的方法和技巧有助于最终用户明白什么应该做什么不应该做。

  由以上所述,我们可以列出几种最优方法。很多器件是相互依赖的,所以这个列表不是严格排序的。例如,功能强大的软件可以补偿非最佳光源的不足;合理地使用镜头可以降低硬件的功耗。

  组建工具:每一个视觉系统搭建区域或者实验室里都应该有一系列的备用零件、镜头和其他组件,配合简单的机器视觉摄像头、光源和安装选项,工程师可以在这些材料中酌情选择,搭建视觉系统。Brey说一组合理的原材料大约要$300。

  搭建系统用附件:
1、一个塑料标尺,大约$2,就可以为前置光源后置光源来测量视野。摆放成45度角,聚焦在中间(而不是边缘),它可以测量景深(例如15mm长的标尺距离,除以1.41得到景深)。对于高放大倍数的应用场合,使用一个简单的价值$40的朗奇光栅,检查光学系统得失真。更换镜头并在最小视野下调整摄像头的位置。无需购买超过实际需要的摄像头,但需要花费时间对结果进行数学换算。
2、一组颜色滤镜,大约$150,可以减少环境光线的影响;滤除不同材料光波中的共同波长部分,进而增加对比度。
3、焦距扩展设备,大约$95,可以通过使用一个2倍的焦距扩展设备仿真一个更长焦距的镜头,如将50mm的焦距变换为100mm的焦距或35mm的焦距变换为70mm。然而,这种使用方法的曝光时间将4倍于长焦距镜头搭配相应f制光圈的使用方法。Brey说这是扩展器的一个弊端。如果不考虑曝光时间的话,焦距扩展器就可以被接纳为系统的一部分。因为它能在空间很紧密的条件下提供更短的光学距离,并且能够降低整个光学系统的花费。
  4、镜式分光器,价值$50,可以与一个环形光源或集成的摄像头光源搭配使用,以使摄像头和光源垂直于零件。在45度的角度上,通过反射一半光线、透射另一半光线,可以模拟一个散射同轴光源(DOAL;如图)。对于漫反射,可以调整摄像头,以使中央光圈环绕待测零件,这样可以消除测量误差。在机器人技术的应用中,例如在发动机组周围可以在每一个测量点对机器人进行示教。对于远程测量,它也可以增加精度。散射同轴光源(DOAL)可以减少反射和闪耀、消除亮点和异物,例如通过给出边缘对比度可以消除油漆表面上的结块。

  应用须知
1、知道你在测试什么:明白好的和不好的零件或产品之间的差别。规范得越精确,就越容易解决问题。更重要的是,选择边缘产品进行检测,可以减少判断出错。
  2、视觉系统的性能:在视觉传感器选型之前,首先要确定此系统的应用范围,以保证此视觉系统在速度、精度和采集要求上留有足够的性能余量。原因是用户既然已经熟悉了机器视觉的能力,他们便想尽可能多地完成有关视觉的作业,而且还要考虑到未来对加大吞吐量、生产新产品、生产现有产品的改装产品的需求。
  3、摄像头的性能、分辨率:摄像头必须具有足够的像素,以便对最小的点进行分析。对于电测量,如针孔瑕疵测量,希望最小点的尺寸至少是3×3个像素点。优秀的机器视觉软件可以在1/10个像素点的尺度下进行边到边的距离测量,甚至可以更好。这对于某些种类的测量可以极大地提高分辨率。
  4、硬件:图像采集硬件(即“图像采集卡”)必须具有低噪声和低抖动,以便进行稳定的测量。
  5、软件:确保基于视觉的度量衡能对测量公差给予明确的定义。例如有多种不同的方法可以测量垂直度,所以你必须先确定此视觉解决方案能够完成所要求的测试。
  6、重复性能:任何传感作业,包括视觉传感,都需要重复测量来尽可能多地进行可靠地检测。要测试重复性,须在视觉系统下放置一个零件,“至少进行5次测量,且在测量过程中不能改变零件的位置、光源或其他变量。据此,你可以绘出测量的重复性,并且确保结果中的任何改变都在测量允许公差之内。”Boatner说道。

  当然,在采购之前,需要考虑附加功能:不要仅看价格,而不考虑这些购买的东西所带来的潜在附加功能就确定是否购买。投资在具有强大软件支持的视觉系统上可以节省资金,因为这样可以减少对更昂贵的光源、光学设备或零件夹持装置的需求。在采购之前,针对实际的零件使用售前演示来检查:让视觉系统的卖主作一个售前演示,对从好到坏的各类产品或零件的样本进行概念论证和验证作业。

  镜头选择
1、避免失真:标准的机器视觉镜头都有光学失真、负失真或桶状失真,当在距镜头不同距离的位置测量时,还会产生透视失真。虽然这些失真可以被机器视觉系统部分地校正。但更好的解决方法是使用低失真的镜头或远心透镜。Dawson建议“向卖主寻求帮助。”
  2、视野,分辨率:根据视野要求和对最小感兴趣点的分辨率来选择镜头。Dawson说,制约分辨率组件的应该是摄像头而不是镜头。

  光源
1、避免反射:提供一种可以增强待测量并且抑制人为影响的光源,不必要的反射就是人为影响。例如冲压金属板之类的可以用逆光照射零件,我们就用平行光源来凸现其边缘。正确的光源选择需要一定经验和试验测定。同样,你也可以向视觉系统卖主寻求帮助。
  2、对比度:Lina说,由于测试精度会受到对比度和噪声的影响,所以尽可能在最优条件下获取图像。
  3、对比度,颜色:要谨记光源对于产生易于观测的对比度和得到一幅优质的图片是至关重要的。当考虑光源的时候,就要考虑光源类型和光源颜色。
  4、景深:Boatner说,确保光源是符合景深和视野要求的。

2007125144549.jpg

  安装:在通常的测量应用当中,摄像头安装在零件的上方或在一侧,当零件进入视野时,采集图像用于测量。然后使用测量工具软件进行图形分析,软件可以计算图像中不同点的距离。以这些计算为基础,视觉系统判断零件的精度是否在公差允许范围内。如果超过,视觉系统就发送一个不合格信号给一个逻辑器件(例如可编程逻辑控制器,PLC),它可以驱动一个机械机构把不合格产品从流水线剔除。

  软件
1、自动设置:选择一个可以自动设置度量模版(测量区域图)的度量工具。例如,如果用几何图案识别来确定零件的位置和朝向,根据这些识别的结果,系统可以自动调整度量的区域。
  2、基于几何学:依赖基本的几何学操作而不是复杂的数学。通过采用一个具有多重复坐标系系统的度量工具包,你可以便利地用几何学方法从已有特征得到新的特征。
  3、摄像头定位,校准:校准!选择一个工作在现实世界坐标系下的软件包,然后对摄像头进行定位,避免主要的失真和透视。从源图像(失真的)提取欲度量的特征,然后在采取校正操作的空间中对其进行测量。这样对失真的图像采取度量操作就不会降低精度等级。
  4、易用性:选择容易设置和使用的机器视觉软件,它可以对光学失真或透视失真进行校正,而且提供亚像素精度;即使测量的分辨率高达1/25个像素点甚至更高,也可以在几分钟之内完成软件设置和失真校正。
  5、基于特征:对图像进行度量的方法应该是基于特征的,它是一种从灰度像素值中提取几何特征的技术。Lina说:这种算法可以模拟现实世界的度量是如何进行的,而且这种算法的强壮性足够应对亮度上的变化。
  6、视野:为了最优化操作,尽可能地使视野区域紧密地环绕待测特征。
  7、测量工具:预设置软件工具库可以简化包括测量在内的机器视觉应用的设置。测量工具通过测量图像中边沿的距离来完成工作。一幅由灰度像素点组成的图像,其灰度值的急剧变化处便是边沿。变化可以使由暗到亮或由亮到暗。除了计算边沿之间的距离,测量工具还测量边沿之间所成的角度和零件上的孔的大小和位置。
  8、设置/编程:Boatner指出:“一些视觉软件平台比另一些易用。”因为这些软件平台为用户提供了点击式控制,而不需要用户使用高级编程语言进行设置。

2007125144649.jpg

  基于视觉的测量软件,包括:
  ■ 边沿检测:忽略背景中的变化,并对图像中的边沿进行定位,计算边沿的角度及量级。
  ■ 卡尺:对零件的特征宽度提供高速的、亚像素级的测量。
  ■ 区域(Blob)分析:表现高度的可重复性,测量零件特征的区域、尺寸、和质心。
  ■ 刻度校准:将摄像头的像素点转化为实际世界中的工程单位。
  ■ 非线性校准:最优化系统精度,矫正由镜头和投射光带来的失真。而且可以在大视野的应用中使用更小、更易管理的矫正模板。
  通过简单的统计设置测量临界值:反复地改变测量极限和评估结果是非常耗时的,而且在你的改变和评估完成时,也不能说测量极限处于最佳位置。只有当时间都已经被浪费之后,你才可以判断它是否起作用,而且你还不能完全确定。为了节省时间,Brey说:
  ■ 设置你的视觉系统,令其输出标准值,产品通过的临界值正是根据此标准值来设置的。
  ■ 对收集的图像进行处理,然后将输出值整理成电子数据表格。
  ■ 把合格零件和不合格的零件的检测数据分开。
  ■ 计算这两组数据的标准差。
  ■ 生成柱状图。这两组数据的柱状分布不能交迭,如果交迭了,就要找一个更合适的标准值。
  ■ 对不合格组求平均值,选取一个临界值,使临界值在平均值之上的部分达到3Sigma(99.73%)。不合格率是由合格组的Sigma等级决定的。
  ■ 如果对于合格组和不合格组,不存在一个可以达到3Sigma等级的临界值,则再找一个新的标准值。
  设置,检测方案的优化:使用存储的图形来提高检测的优化程度:视觉工程师会花费几个小时来优化检测方案。成本包括资金、零件和执行检测过程的时间。为一个罕见的疵点进行的等待是必要的,然而花费时间去等待或去制造疵点就是一种浪费了。而且对这些改动所进行的有效性论证也是很耗时的。因此:
  ■ 排列摄像头和光源,使其达到最优。确保所有感兴趣的物体都是可见的而且有最佳的对比度。
  ■ 校正系统,使其聚焦。
  ■ 收集一打,有时是上百幅不同零件的图像。生成一个较小的工作样品组,10到20幅图像,有少数合格零件的图像,几幅各种不合格情况的图像。而完成此工作可能要收集数十亿幅图像。
  ■ 生成检测方案然后优化它,直到工作样品组中的所有图像都能正确地评估。
  ■ 检测较大样品组中的所有图像。优化检测方案,直到不存在“错误接受”的不合格样品,而且不合格率也可以接受,那么
  ■ 把这个检测方案应用到系统上。继续收集所有的图像。出现任何有问题的图像,将其加入工作样品组,然后离线地进一步优化检测方案,这样可以减少在工作机组前的等待时间。