视觉检测原理介绍

技术细节

本项目应用了嵌入式中央控制及工业级图像高速传输控制技术，基于CCD/CMO与DSP/FPG的图像识别与处理技术，成功建立了光电检测系统。应用模糊控制的精选参数自整定技术，使系统具有对精确检测的自适应调整，实现产

品的自动分选功能。

图1控制系统流程图

光电检测系统主要通过检测被检物的一些特征参数（灰度分布，RGB分值

等），从而将缺陷信息从物体中准确地识别出来，通过后续的系统进行下一步操作，主要分为以下几部分

CCD/CMO图像采集部分

系统图像数据采集处理板中光信号检测元件CCD/CM 0采用进口的适合于高

精度检测的动态分析单路输出型、保证实际数据输出速率为320MB/S的面阵

CCD/CMO像素分别为4000*3000 和1600*1200,帧率达到10FPS 使用CCD/CMOS 作为输入图像传感器，从而实现了图像信息从空间域到时间域的变换。为了保证

所需的检测精度，需要确定合理的分辨率。根据被检测产品的大小，初步确定系

统设计分辨率为像素为0.2mm将CCD/CMO接收的光强信号转换成电压幅值，再经过A/D转换后由DSP/ FPGA芯片进行信号采集，即视频信号的量化处理过程，图像采集处理过程如图所示：

图2图像采集处理过程

数据处理部分

在自动检测中，是利用基于分割的图像匹配算法来进行图像的配对为基础的。图像分割的任务是将图像分解成互不相交的一些区域，每一个区域都满足特定区域的一致性，且是连通的，不同的区域有某种显著的差异性。分割后根据每个区域的特征来进行图像匹配，基于特征的匹配方法一般分为四个步骤：特征检测、建立特征描述、特征匹配、利用匹配的“特征对”求取图像配准模型参数。

算法基本步骤如下：

1）利用图像的色彩、灰度、边缘、纹理等信息对异源图像分别进行分割，提取区域特征；

2）进行搜索匹配，在每一匹配位置将实时图与基准图的分割结果进行融合，得到综合分割结果；

3）利用分割相似度描述或最小新增边缘准则找出正确匹配位置。

设实时图像分割为m个区域，用符号｛A1，A2,…Am｝表示，其异源基准图像分割为n个区域，用符号｛B1，B2,…Bn｝表示。分割结果融合方法如下：

在每一个匹配位置，即假设的图像点对应关系成立时，图像点既位于实时图中，又位于其异源基准图像中，则融合后区域点的标识记为：（A1B1, A1B2…,

A2B1, A2B2,…）。标识AiBj表示该点在实时图中位于区域i，在基准图中位于区域j。算法匹配过程如下图所示：