机器视觉智能机器人无损检测系统初探

机器视觉智能机器人无损检测系统初探

胡俊庆1，邵建良2

杭州蒲丰视觉检测科技有限公司，浙江省杭州市，310000

摘要：当前，我国的智能化建设的发展迅速，在无损检测的过程中，需要进行大量的人工操作，导致检测结果精度较低，检测效率低下。因此，在设计的过程中，就可以通过利用工业机器人进行无损检测，从而实现整个无损检测系统的优化与升级，提高无损检测的精度和效率。所设计的机器人系统具有四个自由度，在检测的过程中，可以对整个三维空间进行全面立体的检测，同时还具有较高的适应性。同时，通过利用多种先进的技术来完善整个系统，从而增加系统的稳定性，提高系统的精度和效率。

关键词：机器视觉；智能机器人；无损检测系统初探

引言

当代对于无损检测的定义就是：在不损坏试件的前提之下，以物理或化学方法为手段，通过利用先进的技术和设施等，对试件的内部及表面的结构、性质状态进行检查和检测。随着社会科学技术的快速发展，产生了许多无损检测的手段。比如，通过利用X射线检测、超声波检测、磁粉检测等等。通过利用机器来代替人眼进行检测，将所检测的试件转化为数字符号，再利用图像系统对这些信息进行运算，从而进行控制，这就是机器视觉系统。机器视觉的最大特点就是自动化程度较高，具有较高的生产柔性，在我国许多领域都有广泛应用。在无损检测的过程中，通过将机器人与机器视觉相结合，从而使机器人拥有视觉，能够极大地提高机器人的检测效率，同时还能够拓宽监测的范围，具有广大的市场前景。

1无损检测系统

无损检测系统具有多种，包括X射线检测、磁粉检测、超声波检测等，其中，超声波检测具有检测对象广泛，具有较强的穿透能力、检测速度较快、检测成本较低等优点，得到了广泛的应用，数字化超声波探伤仪利用计算机系统，通过将所接受的回波进行转换，进而实现数字化的处理，这种检测方式，可以对材料的缺陷进行检测，获得精准的评估。在机器人无损检测系统之中，可以通过采用便携式超声探伤仪进行检测，利用RS232通信口进行数据交换，从而获得准确的数据。X射线探伤仪也是无损检测工作的重要设备之一，通过利用X射线的性质，将射线透过物质，可以使光物感光或者发生荧光。但是，当射线穿过物质之后，会导致一定能量的消散，同时还有一些能量要转化为热能和化学能，能量的衰减会受到物质的原子量和透照厚度以及射线波长的长度影响。利用X射线探伤仪，能够对许多材料的零部件进行无损检测，从而确保材料内部是否具有缺陷，在我国许多领域都具有广泛的应用。当前，在我国许多企业中，一些设备的无损检测还是采用手工为主，具有很大的弊端，检测效率低下，劳动强度较大，因此，通过利用机器视觉智能机器人无损检测的方式，能够有效的降低劳动强度，提高检测的精度和效率。无损检测是指在不损坏试件或不影响被检测对象使用性能的前提下，通过物理或者化学方法，借助现代化的技术和设备器材，对试件内部及表面的结构、性质、状态及缺陷的类型、性质、数量、形状、位置、尺寸、分布等进行检查和测试的方法。无损检测是我国工业发展中必不可少的有效工具，在冶金、电力、石油化工、船舶等领域得到了广泛的应用。视觉机器作为人工智能的一个分支，主要是利用机器来代替人眼进行测量和判断，将被摄取目标转换成图像信号后传送给专用的图像处理系统，再根据像素分布的亮度、颜色等信息将其转变为数字化信号，最后由图像系统对这些信号进行处理和分析得到判别结果。机器视觉智能机器人是将机器视觉和智能机器人相结合。将机器视觉智能机器人应用于无损检测系统中，在大批量重复性的工业生产检测中，可有效提升生产的柔性和自动化程度。机器视觉智能机器人无损检测系统在工业生产中的应用，不仅提升了生产效率和安全性，还提升了检测的精准度，对于产品质量控制具有重要意义。

2控制系统的工作方式和智能控制技术

2.1控制系统的工作方式

控制系统是整个机器人系统中最重要的部分之一，控制着机器人系统的运动和操作，通过实现机器人系统的多种插补操作的运动，从而实现三维空间的立体检测，能够极大地提高检测的精度和效率。在机器人系统之中，通过利用高级语音对机器人进行命令发送，从而实现机器人的多轴插补运动或者各轴独立运动，利用控制卡进行电压的输出，在通过电压驱动伺服放大器，实现赐福放大器的工作，再由电机顶端的编码器将位置发送为控制卡之中，最终实现整个系统操作过程的控制。对于整个机器人系统中的控制卡，可以采用多种命令方式进行控制环调节器的参数设置。同时，通过利用编程等操作技术，实现机器人的运动轨迹设计，从而完成整个控制系统的工作，如果运动轨迹位置，那么可以先手动的使机器人进行检测位置的确定，之后再进行编程的设计，从而实现整个控制系统的工作。

2.2控制系统的智能控制技术

在检测的过程中，由于所检测的材料外形不一，为了能够提高检测的准确性，减少不必要的检测次数，在工件外形检测的过程中，就需要引入神经模糊算法进行分类，从而减少检测的示范次数，有效地提高检测的效率。在获取材料图像的过程中，想要提高检测系统整体的检测速度，就可以采用工业相机进行图像获取，并且将分辨率调为640×480的灰度图像，从而有效地提高简单的效率。神经模糊算法需要利用模糊系统，在模糊系统中，主要是由模糊化、规则库的建立和解模糊三个部分构成，首先需要将材料的参数精确的输入其中，再由数量转化为模糊变量，然后将每个输入量与不同数量的模糊辆进行关联，输入量在被模糊化之后，采用建立规则库的方式，对所模糊化的数据建立规则库，通过利用IF…THEN…规则，完善整个规则库的规则。解模糊是将模糊量转化为精确量的过程，在获得模糊量之后，就可以利用解模糊的方式，将所得到的模糊量转化为精确量，从而得出数据。

3图像处理算法和软件设计

3.1彩色图像分割算法

采用无损检测系统进行系统检测期间受条件限制导致获取的图像主要为灰度图，尽管人们肉眼能够识别的颜色可达百万种，不过只包括了部分灰度色颜色，无损检测结果当中的灰度图覆盖了大量的灰度色颜色，人也难以识别，并且以往利用人工无损检测技术期间存在精度误差，这就需要应用无损检测技术期间把灰度图转化成彩色图像，然后借助为彩色映射技术把灰度颜色转化成彩色，让人眼视觉分辨率提升。利用彩色映射方法时需要单独线性变换灰度图像的RGB彩色空间分量，由此实现彩色映射，接下来区域分割彩色图像，由此对整个图像检测，并根据分割区域提取具有缺憾的焊接区实现整个检测流程。在实施过程中分割完图像后需要进行部分缺陷区域的提取，平均其中的颜色，然后进行预估，按照相同方法再次提取和划分其它区域。图像分割主要是分类RGB像素，让该区域没有颜色或者只有一种颜色[4]。机器视觉智能机器人无损检测系统在图像采集过程中，受到拍摄环境以及相机自身性能的影响，图像质量不利于特征提取和分类，所以需要对图像进行预处理，主要包括图像增强、图像滤波以及图像阈值分割等处理过程。图像增强一般会采用灰度增强算法，将图像中的目标区域相对背景区域有明显的对比，可在一定程度上提升图片质量，在实际应用中，应该在不改变原图背景和目标灰度特性的条件下，经过多种算法的对比采用最优算法。图像滤波主要是对图像中的噪声进行处理，以提升最终识别结果的精度。因为图像噪声种类较多，所以应该根据实际需求选择适宜的算法，既能够高效抑制噪声点，又能够确保图像的完整性。图像阈值分割主要是设定一个或者多个阈值，然后将图像中各个像素点的灰度值与所对应的阈值进行比较，根据比较结果对图像中的像素点二值化，从而将缺陷从背景中分割出来。

3.2自适应区域生长图像分割算法

依据生长规则把像素和子区域集合成为较大的区域，然后实现区域生长，先选取一组种子点，然后以该点区域生长，再把其他区域中相近的种子区域特征附加到不同的种子当中，采取区域生长图像分割算法可以提升计算精确性。在焊缝缺陷区域当中像素含有较大的数字值，所以需要采取直方图的统计方法统计全部像素数值，进而进行直观观察，然后再选取灰度图像当中直方图的第一个主位置和最大值差值，再将区域合并得到自适应区域生长图像[5]。

3.3软件设计

机器人无损检测系统当中主要是把软件系统设计成控制功能、软件设计以及操作功能软件设计。在整个系统当中控制功能以及操作功能不可或缺，控制功能的主要作用在于运动控制机器人，而操作功能可以显示和处理图像，在系统当中借助举例技术可以整体分析把功能相近区域划分为一个整体，进而进行全局把控。对疑似缺陷的图像进行顺序扫描，以扫描点为中心利用高斯模板确定动态阈值范围，然后对疑似缺陷图像进行检测和评判，最终将确认的缺陷图像输入缺陷单元标记库中。将所有疑似缺陷图像全部扫描后再逐个排除缺陷。在以上环节中，构建常见缺陷库是关键工作。主要是将已经确认的缺陷进行采样后，再对图像的分辨率、尺寸、参照线具体采样，将常见缺陷的特征具象化后确认缺陷的类别。缺陷库构建完成后，将缺陷图像输入数据库中与缺陷类别进行匹配，如果实时采集的图像与具象化后的缺陷特征相似度超过阈值时，可初步判断采集的图像具备该缺陷，该图像即储存在缺陷类别目录中，然后再对目录中的缺陷进行下一步缺陷识别，最终实现缺陷类型的识别检测。

3.4光源设计

工业视频相机在工作过程中，由于曝光时间和被检测器件之间的速度存在一定的差距，或者检测环境照度较小，都会影响到检测的精准度。在检测环境中设计相应的光源，可有效提升图像采集的质量。在机器视觉智能机器人无损检测系统中较为常用的照明系统主要有环形光源正面照射和平行光源背面照射，因为每种光源都有各自的优缺点，所以应该根据不同的应用场景选择使用。环形光源可通过其结构设计实现高亮度和高均匀性的扩散照明，能够从不同角度提供不同颜色的照射，在检测领域的通用性较强。环形光源一般放置在被检测零件的正前方，光源照射到被检测器件上，然后CCD相机接收反射光源并成像。环形光源占用空间小、安装成本低，照射角度和光源颜色可根据实际需要进行定制，能够有效突出被检测器件的表面轮廓，在器件表面缺陷、符号以及特殊构造检测中有较好的效果。但是对于尺寸较小的圆柱或者方形零件，环形光源检测精度相对较低，在突出零件表面轮廓特征时，容易受到非检测对象的干扰。平行光源一般采用背光照射，光源与CCD相机沿零件所在位置对称放置，相机可直接接收光源光线。平行光源在应用中也会受到检测环境、检测对象等因素的影响，有一定的优缺点。所以在实际使用中，还需要根据实际需求选择适宜的光源。

结语

通过设计一种基于机器视觉的机器人无损检测系统，能够有效地降低工作人员的劳动强度，提高无损检测的精度和效率，具有较强的适应性，未来必将得到广泛的应用。

参考文献

[1]余卓雨.基于视频的行人检测综述[J].电子世界，2020（24）：49-50.

[2]王子为，王国良，郝凯亮，刘廷旭，崔星禹，王澳.输油管道无损检测机器人设计[J].电子世界，2020（24）：51-52.