基于机器视觉的汽车线束外观检测方法研究_黄思博1
需积分: 0 125 浏览量
2022-08-03
14:47:25
上传
评论
收藏 3.18MB PDF 举报
开发案例
现代计算机 2019.07 上
文章编号：1007-1423（2019）19-0087-06 DOI：10.3969/j.issn.1007-1423.2019.19.019
基于机器视觉的汽车线束外观检测方法研究
黄思博，蔡昭权，方晓彬，陈伽，蔡映雪
（惠州学院，惠州 516007）
摘要：
针对汽车线束端子及线束线材在生产过程中的压接尺寸、线序错误等典型缺陷进行研究，对于端子压接的线材尺寸
缺陷，利用 Blob 分析识别定位检测区域并分割出铜线区域，再提取区域几何特征检测该缺陷；对于线束漏接错接等
缺陷，通过 NCC（归一化互相关）模板匹配识别定位须检测的区域并分割出不同颜色线束的区域，提取颜色矩特征，
建立基于 MLP（多层感知机）的颜色识别模型对线束颜色识别分类并检测缺陷，最后通过 C#和 HALCON 的联合编程
实现。
关键词：
线束端子；颜色识别；模板匹配；HALCON
基金项目：
广东省普通高校青年创新人才项目（No.2015KQNCX153、2017KQNCX187）；广东省教育厅重大项目
（No.2017KZDXM081）
0 引言
随着全球电子信息产业的快速发展，我国已成为
全球线束及连接器增长最快和容量最大的市场
[1]
，其
中，汽车线束作为汽车电路的网络主体，其质量直接关
系车辆的稳定性和安全性
[2-3]
。在线束生产和装配过程
中，最常见的缺陷包括线束端子包胶不良
[4]
、铜线过长、
过短，线束没有按照规定的颜色顺序接插或漏线等不
良，当前仍有不少企业在生产过程中采取人工目检的
方式对产品进行检测，该方式容易受到视觉疲劳等因
素影响而出现漏检、误检，影响不良品的检出效率，影
响线束产品的良品率，且成本较高，无法满足相关企业
对线束产品质量的检测要求。本文研究通过机器视觉
方法替代传统的人工检测，基于 HALCON 算法包研究
汽车线束端子及线束线序的检测方法，并通过 C#和
HALCON 联合编程实现相关功能。
1 系统组成及检测过程
线束端子及线序缺陷检测系统由工业相机、可调
节实验工作台、光学镜头、照明光源、相应的数据线和
PC 组成。其中，工业相机、工业镜头以及光源用于图
像采集，实验工作台可对相机和光源夹具进行水平和
竖直方向的拉伸和微调，适应各种测试环境，满足图像
采集过程中对视野的要求。
系统通过工业相机采集汽车线束图像，针对单线
端子和线束线材进行缺陷检测，主要通过图像预处理、
Blob 分析、单线端子区域定位方法和孔洞铜线的特征
分析、线束分割、线束颜色及混色线束特征提取分类等
方法的研究，进行缺陷识别的算法设计和验证，并通过
HALCON 与 C#的联合编程实现。
2 图像预处理
对 图 像 的 预 处 理 主 要 包 括 图 像 灰 度 化 和 均 值
滤波。
将彩色图像转化为灰度图像的过程称为图像的灰
度化处理。对于灰度化的方式有分量法、最大值法、平
均值法，加权平均法等。本文采用的灰度化方式是加
权平均法，其定义为：
Gray
( )
i,j = 0.299R
( )
i,j + 0.578G
( )
i,j + 0.114B
( )
i,j
（1）
评论0