TwinCAT Vision金屬表面劃痕檢測的實現(xiàn)方法

第4頁TwinCATTwinCATVision金屬表面劃痕檢測的實現(xiàn)方法作者：狄海江職務：華北區(qū)技術工程師郵箱：h.di@日期：2021-05-26摘要：金屬表面缺陷檢測是機器視覺的主要應用方向之一。使用機器視覺代替人工對工業(yè)產(chǎn)品表面進行檢測能及時地發(fā)現(xiàn)問題，且在效率上占有顯著優(yōu)勢。通常情況下，金屬類工業(yè)品使用機器視覺檢測表面缺陷，其圖像具有表面光滑、灰度變換均勻、缺乏紋理等特征，并且缺陷部分（劃痕或者裂紋）相比周圍正常部分要暗一些。本文介紹了使用TwinCATVision實現(xiàn)金屬表面劃痕檢測的基本方法及實現(xiàn)步驟。附件：序號文件名備注1TwinCATScratchDetection.tnzip例程歷史版本：免責聲明：我們已對本文檔描述的內容做測試。但是差錯在所難免，無法保證絕對正確并完全滿足您的使用需求。本文檔的內容可能隨時更新，如有改動，恕不事先通知，也歡迎您提出改進建議。參考信息：目錄1. 軟硬件版本 32. 準備工作 32.1. 軟件安裝 32.2. 圖像采集 33. 代碼使用以及講解 43.1. 樣例具體使用方法 43.2. 金屬表面缺陷檢測的特征 53.3. 缺陷檢測的思路 53.4. TwinCATVision中的實現(xiàn)步驟 54. 總結 7

軟硬件版本控制器IPC：C6920；軟件版本：TwinCAT3FULL版本V3.1.4024.7；TF7xxx插件版本：Ver.。測試本樣例時可以使用附件中的離線圖像文件對算法進行驗證，因此不需要連接相機即可測試。準備工作軟件安裝在IPC控制器C6920中安裝TwinCAT3FULL版本V3.1.4024.7，同時需要安裝TwinCATVision的插件TF7xxx，本測試中安裝的是Ver.。TF7xxx版本：下載鏈接：/en-en/products/automation/twincat/tfxxxx-twincat-3-functions/tf7xxx-tc3-vision/tf700x.html圖像采集TwinCATVision中可以對兩類圖像進行處理，分別為Filesource（offline）和GigEvisioncamera(Online)。本例中使用TwinCATVision的離線仿真功能，通過算法對Filesource（offline）圖像進行處理。具體步驟：先通過現(xiàn)場相機將圖像保存，可以使用功能塊FB_VN_WriteImage進行保存，具體樣例可以參考：/content/1033/tf7xxx_tc3_vision/18014403352016651.html?id=1346084291421244783也可以使用ADSImageWatch中右上角齒輪菜單中的SaveCurrentImage對當前圖片進行手動保存：然后將圖像文件拷貝到控制器C6920中，通過FileSource添加到項目中，根據(jù)實際需求編寫算法對該圖像文件進行處理，處理結果通過ADSWatch窗口觀測。待處理的離線圖像代碼使用以及講解樣例具體使用方法打開樣例程序，通過FileSource中的AddFiles選項添加附件文件夾Images中的測試圖片：

隨后激活配置直接下載程序即可，隨后可以通過ADSImagewatch觀察處理結果。金屬表面缺陷特征金屬表面缺陷檢測按照缺陷部分的特征可以分為兩類：第一類：缺陷部分面積較大，現(xiàn)場打光條件較好，缺陷部分的灰度值與正常部分相比較為明顯，這類檢測較為簡單，可通過二值化閾值分割（使用函數(shù)F_VN_Threshold）很方便地區(qū)分出來。第二類：采集的圖像灰度變化均勻，缺陷部分（劃痕或者裂紋）的灰度值變化不明顯，并且面積較小，或者金屬表面有反光或是打光不均勻，很難通過固定閾值的方式將缺陷部分直接提取出來，本例主要針對這種情況進行檢測。缺陷檢測的思路具體的實現(xiàn)思路如下：第一步：對圖像進行均值濾波處理；第二步：將均值濾波后的圖像與原圖像進行相減操作；第三步：對相減后的圖像進行輪廓提取即可得到劃痕或者裂紋。TwinCATVision中的實現(xiàn)步驟第一步：均值濾波處理。均值濾波需要通過F_VN_InitMatrixStruct和F_VN_CustomFilter兩個函數(shù)實現(xiàn)，濾波實現(xiàn)邏輯： 原圖與濾波后的結果對比如下：均值濾波前后圖像對比第二步：將均值濾波后的圖像與原圖像進行相減操作該功能通過F_VN_SubtractImages函數(shù)可以實現(xiàn)，通過這個步驟缺陷部分的灰度值得到了凸顯，但是依靠肉眼直接觀察這個圖像不容易看清結果，為了方便觀察，以及后續(xù)的輪廓提取工作，還需要搭配使用二值化函數(shù)F_VN_Threshold來處理，在二值化的圖像中肉眼已經(jīng)很容易觀察到缺陷部分（圖中白色劃痕）。劃痕部分凸顯效果，二值化處理結果：第三步：輪廓提取，雜質濾除。通過F_VN_FindContoursExp輪廓提取函數(shù)可以提取出二值化結果中所有白色部分的輪廓，然后通過輪廓篩選手段，將面積小于一定值的輪廓圖案進行過濾，除去噪聲，即可得到精確的劃痕位置，最后通過F_VN_DrawContours將輪廓繪制到結果圖像中。實現(xiàn)方法如下：原圖與提取劃痕部分對比（綠色線條標識）：總結對原始圖像進行均值濾波后再將濾波后圖像與原始圖像相減的操作是金屬表面劃痕類檢測算法的核心，該方法簡單有效，不僅能將劃痕或者裂紋較為完整地提取出來，并且對圖像中非劃痕部分的干擾因素有屏蔽作用，如上圖中白色反光部分。因此是我們處理類似問題的首選方法。

上海（中國區(qū)總部）中國上海市靜安區(qū)汶水路299弄9號（市北智匯園）電話 北京分公司北京市西城區(qū)新街口北大街3號新街高和大廈407室電話 郵箱:beijing@ 廣州分公司廣州市天河區(qū)珠江新城珠江東路16號高德置地G2603室電話1/2 郵箱:guangzhou@ 成都分公司成都市錦江區(qū)東御街18號百揚大廈2305