工业生产离不开检测,用到机器视觉常见的检测有外观检测、尺寸检测、缺陷检测、检测结果判读等。外观检测、尺寸检测、缺陷检测等可以直接通过工业相机获取图像,让后进行必要的图像处理,提取检测目标及其信息进行分析判断并输出结果,这个可以连续在线作业,这种检测方式很常见。检测结果判读,是用电脑代替人工分析检测设备所获得的图片,并输入结果,如金相分析,光谱分析等。
说到机器视觉就离不开光源与相机(或摄像机)。相机与镜头是获得图片不可确少的设备;合适分辨率的相机,及适配的镜头是获得精准图像的前提。而适当的光照条件则是获得高品质图像必须条件。即便有了这两个条件,得到的图像也还是存在一定的失真,要得到准确的检测结果,相机矫正也是很重要的。这里不去讨论如何去选相机、光源、如何标定矫正相机。只简单演示如何通过一张实现图片位置检测。
下面图片是LM339的图片:
如果要检测该IC Soldering Tails的中心位置,将怎么做呢?下面通过OpenCV编程来实现Soldering Tails的中心位置检测。
新建一个控制台应用程序,在源程序中加入,如下代码:
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;
int main()
{
Mat src = imread("1.png");
if (src.empty())
{
cout << "Cann't Open Image!" << endl;
return -1;
}
imshow("Src", src);
Mat dst, dst1;
vector<vector<Point>> conturs;
vector<Rect> rects;
vector<Vec4i> hierarchy;
cvtColor(src, dst, COLOR_BGR2GRAY);
threshold(dst, dst1, 200, 250, THRESH_BINARY);
GaussianBlur(dst1, dst1, Size(5, 5),0);
findContours(dst1, conturs, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
int size = conturs.size();
for (size_t i = 0; i < size; i++)
{
Rect rect = boundingRect(conturs[i]);
if ((rect.area() > 100 && rect.tl().y < 100) || (rect.area() > 100 && rect.tl().y > 500))
{
rectangle(src, rect, Scalar(0, 0, 255), 2);
rects.push_back(rect);
}
}
String str;
char str1[20];
size = rects.size();
for (size_t i = 0; i < size; i++)
{
memset(str1, 0, strlen(str1));
str.clear();
sprintf_s(str1, "(%d, %d)", rects[i].tl().x + rects[i].width/2, rects[i].tl().y + rects[i].height / 2);
str.append(str1);
if (rects[i].tl().y < 100)
putText(src, str, Point(rects[i].tl().x, rects[i].tl().y - 20), FONT_HERSHEY_SIMPLEX, 0.5, Scalar(255, 0, 0), 1);
else
putText(src, str, Point(rects[i].tl().x, rects[i].tl().y + 50), FONT_HERSHEY_SIMPLEX, 0.5, Scalar(255, 0, 0), 1);
}
imshow("Dst1", src);
waitKey(0);
return 0;
}
试运行结果,如下:
可以看出,已经检测处所有Soldering Tail的中心坐标,结果是以像素为单位,因未做标定,结果不是长度单位。如果设定好基准与位置允许公差,就可以实现自动判定是否存在位置超差的Pin,从而实现自动检测。
如果要实现自动挑出不良品,还得完成通信接口编程,将检测结果输出到PLC等执行控制机构,让其执行排除不良品的动作。
这只是一个简单的开头,如果有空闲时间,将在后面的博文中将逐步介绍机器更多视觉的实际案例,编程工具软件也不局限于VS与OpenCV,halcon、QT、Python等可能都会涉及也会包含部分硬件配置等方面的内容。
本示例基于OpenCV4.90及VS2022,示例的Project已打包上传到CSDN,下载链接为:https://download.csdn.net/download/billliu66/89894190