基于機器視覺深度學習缺陷檢測系統(tǒng)- 圖像采集平臺搭建

2022-11-08 16:20:47 精質(zhì)視覺

　　1 線陣相機選型

　　線陣相機是機器視覺領域中一種特殊的圖像采集設備。由于它的傳感器只有一行感光元件，因此可以實現(xiàn)高掃描頻率和高分辨率。面陣相機在采集運動物體照片時會產(chǎn)生模糊圖像，而線陣相機卻很好的避免了這種情況。線陣相機的典型應用領域是對金屬、塑料、紙和纖維等連續(xù)的材料進行采集，被拍攝的物體通常以勻速運動。利用一臺或多臺相機對其逐行連續(xù)掃描，以實現(xiàn)整個表面均勻檢測。另外由于傳感器的高分辨率，線陣相機也非常適合測量場合，它可以準確測量到微米級。

　　本文根據(jù)技術要求及“相機橫方向分辨率=橫向視野范圍大小/相機像素精度”，求得相機橫向像素個數(shù)需大于 2700，即 4096 個像素。通過以下公式求得了行頻參數(shù)，

　　其中 Hc:線陣相機的每線像素數(shù)(單位：pixel)，Lo：檢測物體的寬幅(單位：m)，Vo：檢測物體運動速度(單位：m/s)，Vc：行頻(單位：Hz，即線/s)。求得本系統(tǒng)行頻需大于 4096Hz。因此，本文選用了?？低晹?shù)字技術股份有限公司生產(chǎn)的 CMOS 高速彩色工業(yè)線陣相機 MV-CL042-70GC，如下圖所示。

　　相機參數(shù)如下：

　　2 鏡頭選型

　　在機器視覺表面缺陷檢測系統(tǒng)中，鏡頭與相機的組合對于中密度板表面缺陷圖像的質(zhì)量有著直接的影響，相機成像原理如上圖所示。在采集圖像時，鏡頭必須能夠完整的照亮相機的傳感器區(qū)域，以避免陰影和漸暈的產(chǎn)生。鏡頭的光學分辨率越好，可以再現(xiàn)出越精細的結(jié)構(gòu)。對于工業(yè)鏡頭，一般可分為以下三類：標準分辨率鏡頭、微距鏡頭、遠心鏡頭，不同類型的鏡頭應用場合也不相同。本文在確定了工作距離、視場大小和傳感器尺寸之后，可以通過以下公式求得工業(yè)鏡頭的焦距 ?：

　　式中，WD 表示拍攝距離，指鏡頭與拍攝目標的距離;PMAG 表示鏡頭放大倍數(shù)，指相機傳感器大小與視場大小之比。根據(jù)本研究中的實際需要，本文選用焦距為25mm 的工業(yè)鏡頭。工業(yè)鏡頭如下圖所示：

　　鏡頭的主要參數(shù)如下表所示：

　　3 光源選型

　　光照系統(tǒng)是中密度板表面缺陷檢測系統(tǒng)中一個重要的環(huán)節(jié)之一，它決定著系統(tǒng)的檢測結(jié)果與分割質(zhì)量，失敗的照明系統(tǒng)會導致缺陷細節(jié)信息的丟失。由于相機是通過采集檢測目標的反射光來構(gòu)成圖像。因此，在進行光源的選型時，首先要考慮到所有影響光線反射的外界因素，如檢測對象的材料、大小、形狀及顏色等。其次是光源的顏色及亮度，對比度差和照明不均勻的圖像會影響直接系統(tǒng)的識別準確率。對于某些缺陷，在使用特定顏色光進行照明時，也會提高系統(tǒng)的識別準確率。

　　本研究選用海康威視公司生產(chǎn)的工業(yè)線形光源 MV-LTDS-1200 及其控制器，如上圖所示。該光源功率為 104W，256 級亮度調(diào)節(jié)。MV-LTDS-1200 及其控制器主要參數(shù)如下表所示。

　　4 主機選型

　　主機的主要作用是軟件的載體，本文的軟件系統(tǒng)包含神經(jīng)網(wǎng)絡算法，因此 GPU是主機的一個主要參數(shù)。若將 CPU(中央處理器)稱為 PC 的大腦，則 GPU(圖形處理單元)便是它的靈魂。與 CPU 相比，GPU 將復雜的任務分解為成千上萬個單獨的任務來并行處理，因此這使 GPU 成為圖形計算的理想選擇。從體系結(jié)構(gòu)上講，CPU僅由幾個內(nèi)核組成，這些內(nèi)核具有大量可以同時處理幾個軟件線程的緩存。而 GPU由數(shù)百個可以同時處理數(shù)千個線程的核心組成。在 AI 中，GPU 已成為稱為“深度學習”的技術的關鍵。深度學習神經(jīng)網(wǎng)絡含有大量數(shù)據(jù)，訓練它們執(zhí)行任何人類程序員都無法描述的復雜任務。實驗主機參數(shù)如下表所示：

　　5 平臺搭建

　　本研究搭建的圖像采集平臺如下圖所示，平臺由相機、光源、勻速傳送臺、光電開關、主機等模塊組成。平臺可采集不同速度下的板材圖像，相機、光源的高度與距離可自由調(diào)整，為接下來的實驗提供了方便。平臺將供后續(xù)軟件開發(fā)、深度學習算法數(shù)據(jù)采集、深度學習算法實驗與評估使用。