柔性制造系统在线零件识别系统.doc

毕业设计说明书题 目:柔性制造系统在线零件识别 系统 31 / 38目 录摘要 1 绪论 12 总体方案设计 72.1 引言72.2 基于系统的一些问题的提出72.3 总体方案的设计92.4 系统的硬件设计113 在线零件识别系统中数据库的建立 133.1 数据库组成与文件133.2 创建数据库153.3 管理数据库193.4 设计零件数据库和建立图表224 软件系统的设计及零件的识别与实现244.1 引言244.2 软件的设计与编程244.3 软件系统整体设计244.4 模版匹配的概念和算法264.5 运用MATLAB基于图像模版匹配的零件识别 285 总结与展望 31致词 32参考文献33摘 要 随着现代科技的发展,现代化工业生产对制造精度更高、效率更快、智能化更高的先进制造技术要求越来越迫切;机器视觉技术具有快速性、可重复性、智能化、非接触、现场抗干扰能力强等优点,机器视觉技术应用于柔性制造系统大提高了系统得柔性化、自动化、和智能化水平,适应了现代制造业的进步和发展要求,在实际应用中显示出了广阔的应用前景。基于机器视觉的柔性制造系统在线零件识别系统的研究。涉及到机器视觉系统的建立、图像采集方案的实现、图像预处理等方面,从理论和实践上解决了用机器视觉实现柔性制造系统在线零件自动识别的一系列问题。本文的具体容有以下几点:1、阐述了机器视觉识别技术的研究背景和意义,然后在介绍机器视觉技术的发展和应用状况以及机器视觉技术在机械制造行业中的应用现状的基础上,概述了本文的研究目的和主要工作。 2、按照机器视觉系统的逻辑结构,分析各部分的设计方法,并在此方法的指导下本文建立了由CCD工业相机、镜头、光源和PC机组成的机器视觉系统,系统通过CCD和图像采集卡获取被识别零件的二维图像数据,将其送入计算机,经过图像预处理和图像识别分析,实现了对零件的自动识别。3、着重介绍零件数据库的建立用SQL2000说明。4.对在线零件识别软件系统的预处理,零件识别实现进行了介绍关键词柔性制造系统,图像预处理,数据库建立,软件系统。ABSTRACTWith the development of modern science and technology, it is more and morenecessary to apply the advanced manufacturing technology with higher precision,efficiency and intelligence in the modern industrial manufacture. Machine visiontechnology has much virtue such as rapid, repetition, intelligent, non-contact and with strong anti-amming ability. It is used in the flexible manufacturing system <FMS> and increases the systems' flexibility, automatization and intelligentizing level. Machinevision is suited for the development and need of modern manufacturing and it has wideapplication foreground.To solve the problem of calling correct NC program automatically, real-timely for different online part in FMS, theresearch of FMS on-line parts recognizing system worked on machine vision was done.The research includes the composing of machine vision system, implementing ofimage capturing, image pre-processing, edge-detect and the image recognition etc.When recognizing the online parts automatic in the FMS with machine visiontechnology a series of problem was solved in theory and practice. The main contextof this thesis are as following:1 .Firstly, this thesis expounds the research background and significance ofmachine vision technology. Based on the development and application status ofmachine vision recognizing in manufacturing, the research aim and main task areintroduced.2Analyze the designing method of each part for FMS according to its logicalstruchue and build up the system under the guidance of this method. The machinevision system is composed of a CCD camera, camera lens, a light source and apersonal computer. The system acquires the no-reflecting image by the CCD cameraand image capture card, sent it to the computer to process. Finally finishes the part recogntion.3Introduces the parts database < SQL2000description>.4for parts recognition software system for preprocessing, parts recognition realization are introducedKeywords FMS, pre-processing, Database, software system第1章 绪论视觉包括对光信号的感受、对视觉信息的获取、传输、处理与理解,是人类观察世界和认知世界的重要手段。据统计人类从外部世界获得的信息约有80%是由视觉获取的。随着信号处理理论和计算机技术的发展,人们试图用摄像机获取环境图像并将其转换成数字信号,用计算机实现对视觉信息处理的全过程,这就是计算机视觉,其目的是使计算机具有通过一幅或多幅图像认知周围环境信息的能力。机器视觉则是建立在计算机视觉理论的基础上,偏重于计算机技术工程化。与计算机视觉研究的视觉模式识别、视觉理解等容不同,机器视觉重点在于感知环境中物体的形状、位置、姿态、运动等几何信息。1.1机器视觉技术的发展与应用1.1.1机器视觉技术概述机器视觉是机器<通常指数字计算机>对图像进行自动处理并报告"图像中有什么"的过程,也就是说它识别图像中的容。图像中的容往往是某些机器零件,而处理的目标不仅要能对机器零件定位,还要能对其进行检验。机器视觉实际上是数字视觉技术与工业制造技术的结合的综合性技术,主要包括数字图像处理技术、机械工程技术、控制技术、电光源照明技术,光学成像技术、传感器技术、模拟与数字视频技术,计算机软硬技术,人机接口技术等。这些技术在机器视觉中是并列关系,这些技术相互协调应用才能构成一个成功的工业机器视觉应用系统。机器视觉系统基本原理:机器视觉系统通常采用CCD <Charge Coupled Device>相机摄取图像,将其转化为数字信号,再采用先进的计算机硬件与软件技术对图像数字信号进行处理,从而得到所需要的各种目标图像特征值,并在此基础上实现模式识别、坐标计算、灰度分布图等多种功能。机器视觉系统能够根据其检测结果快速地显示图像、输出数据、发布指令,执行机构可以配合其完成指令的实施。机器视觉系统主要由图像获取、图像分析和处理、输出显示或控制三个功能模块组成。图像获取设备包括光源、摄像机等,其中关键部件CCD是由分布于其上的各个像元的光敏二极管的线性阵列或矩形阵列构成,通过顺序输出每个二极管的电压脉冲,实现将图像光信号转换成电信号的目的。输出的电压脉冲序列可以直接以RS-170制式输入标准电视显示器,或者输入计算机的存,进行数值化CCD是现在最常用的机器视觉传感器。图像处理包括相应的软件和硬件系统。显示或输出与过程相连,包括监视界面,过程控制器和报警装置等。摄像数据通过计算机对标准和故障图像的分析和比较,若发现不合格产品,则通过NO信号报警,并由执行机构自动将其排除出生产线。机器视觉检测的结果可以作为计算机辅助质量CAQ <Computer Aided Quality>系统的信息来源,也可以和其它控制系统集成。1.1. 2机器视觉技术的发展机器视觉是一个相当新且发展十分迅速的研究领域,并己成为计算机科学的重要研究领域之一机器视觉是在20世纪so年代从统计模式开始的,当时的工作主要集中在二维图像分析和识别上,如光学字符识别、工件表面、显微图片和航空图片的分析和解释等。20世纪60年代,Roberts<1965年>通过计算机程序从数字图像中提取诸如立方体、菱柱体等多面体的三维结构,并对物体形状及物体的空间关系进行描述。Roberts的研究工作开创了以理解三维场景为目的三维机器视觉的研究。Roberts对积木世界的创造性研究给人们以极大的启发,许多人相信,一旦有白色积木玩具组成的三维世界可以被理解,则可以推广到理解复杂的三维场景。于是人们对积木世界进行了深入的研究,研究的围从边缘、角点等特征到提取线条、平面、曲面等几何要素分析,一直到图像明暗、纹理、运动以及成像几何等,并建立了各种数据结构和推理规则。到了20世纪70年代,己经出现了一些视觉应用系统。1977年,以David M,教授为代表,提出了不同于"积木世界"分析方法的计算视觉理论,该理论在20世纪80年代成为机器视觉研究领域中的一个十分重要的理论框架,对立体视觉的发展产生了巨大的影响。Mary创立的视觉理论他首先从信息处理的角度出发综合了图像处理,心里物理学,神经生理学及临床精神病学的研究成果,提出了一个较为完善的视觉系统框架,他认为视觉过程可以分为三个阶段:第一阶段是将输入的原始图像进行处理,抽取图像中诸如角点,边缘,纹理,线条,边界等基本特征,这些特征的集合为基元图;第二阶段是指在以观测者为中心的坐标系中,由输入图像和基元图恢复场景中可见部分的深度,法线方向,轮廓等,这些信息包含了深度信息,但不是真正的物体三维表示,称二维半图;第三阶段是在以物体为中心的坐标系中,由输入图像,基元图和二维半图来恢复、表示、识别三维图体。基于这种理论框架,研究者们对其中的各个研究层面进行了大量的研究。到80年代中期,机器视觉获得蓬勃的发展,新概念、新方法、新理论不断涌现,比如基于感知特征群的物体识别理论框架、主动视觉理论框架、视觉继承理论框架等。20世纪90年代,随着光电自动化和计算机技术的高速发展,利用机器视觉的快速性、可重复性、智能化和可现场性的特点,机器视觉在汽车零配件批量加工的尺寸检查和自动装配的完整性检查、电子装配线的元件定位、IC上的字符识别、印刷电路板的检验等应用场合得到了具体的应用。作为一个充满生机与活力的学科,机器视觉检测技术在现代工业中具有广泛的应用前景,目前国外己经有了许多这方面的研究。许多传统的人工视觉检测方在逐步被计算机视觉检测技术所代替,而且又有许多新的成像方法得到了广泛的研究和应用,除了最普通的自然光图像及光学显微图像外,还有p射线图像, X射线图像、红外热力图像、核磁共振图像、共焦显微图像、低湿电子显微图像等成像技术。所有这些图像,都可以经过适当的转换,成为计算机可以处理的数字图像,然后利用机器视觉的方法,对其进行处理与分析,提取得到研究者所需的信息,使检测过程更简单,结果更准确,速度更快。近年来,国机器视觉技术应用研究得到迅猛的发展,各行业的领先企业在解决了生产自动化问题后,已开始将目光转向视觉测量、识别的自动化方向,即智能的机器视觉系统的应用。机器视觉技术在国的发展可大致分为三个阶段:1990年以前,仅仅在大学和研究所中有一些研究图像处理和模式识别的实验室。在20世纪90年代初,一些来自这些研究机构的工程师成立了他们自己的视觉公司,开发了第一代图像处理产品,例如基于ISA总线的灰度级图像采集卡,和一些简单的图像处理软件库,他们的产品在大学的实验室和一些工业场合得到了应用,人们能够做一些基本的图像处理和分析工作。尽管这些公司用视觉技术成功地解决了一些实际问题,例如多媒体处理,印刷品表面检测,车牌识别等,但由于产品本身软硬件方面的功能和可靠性还不够好,限制了他们在工业应用中的发展潜力。大恒图像公司就是做的较好者之一。另外,一个重要的因素是市场需求不大,工业界的很多工程师对机器视觉没有概念,另外很多企业也没有认识到质量控制的重要性。这种状况一直持续到1998年。所以,我们称19901998年为初级阶段。自从1998年,越来越多的电子和半导体工厂,包括和投资的工厂,落户和。带有机器视觉的整套的生产线和高级设备被引入中国。随着这股潮流,一些厂商和制造商开始希望发展自己的视觉检测设备,他们从美国和日本引入最先进的成熟产品,给终端用户提供专业培训咨询服务,有时也和他们的商业伙伴一起开发整套的视觉设备。机器视觉系统不仅仅是应用半导体和电子行业,而且开始应用在汽车、食品、饮料、包装等行业中,这里,我们将199820XX定义为机器视觉概念引入期。第三阶段从20XX至今,我们称之为机器视觉发展期,中国机器视觉的呈快速增长趋势;在许多行业如半导体、电子、计算机配件、消费品、食品、汽车、冶金、包装、制药等,客户开始寻求视觉检测和识别解决方案;同时开发图像采集卡、图像软件等图像处理产品的稳定性和可靠性得到很大的提高,开始应用于工业现场。1.1. 3机器视觉技术的应用随着现代生产自动化程度的不断提高,机器视觉的应用围不断扩大,在自动化生产领域所处的地位也逐渐上升。应用需机器视觉研究的巨大推动力.各行各业对于机器视觉系统的需求越来越迫切,机器视觉系统的市场正在形成、发展。机器视觉系统已被广泛应用于各个领域,如:对高速贴片机上对电子元件的快速定位、对管脚数目的检查、对IC表面印字符的辨识、汽车仪表盘加工精度的检查、轴承生产中对滚珠数量和破损情况的检查、钢带表面缺陷的检查等等,图1.2所示为一些在制造行业中的具体应用。如果按行业划分,机器视觉主要应用行业为:自动控制、电子与电气、机械制造、医药行业、玻璃瓷、包装行业、印刷行业、交通运输、纺织工业、机器人技术等领域。1.工业视觉:如工业检测、工业探伤、自动生产流水线、邮政自动化、计算机辅助外科手术、显微医学操作,以及各种危险场合工作的机器人等。将图像和视觉技术用于生产自动化,可以加快生产速度,保证质量的一致性,还可以避免人的疲劳、注意力不集中等带来的误判。2.人机交互:如人脸识别、智能代理等,让计算机可借助人的手势动作<手语>、嘴唇动作<唇读>、躯干运动<步态>、表情测定等了解人的愿望要求而执行指令,这既符合人类的交互习惯,也可增加交互方便性和临常感等。3.视觉导航:如巡航导弹制导、无人驾驶飞机飞行、自动行驶车辆、移动机器人、精确制导等,既可避免人的参与及由此带来的危险,也可提高精度和速度。4.虚拟现实:如飞机驾驶员训练、医学手术模拟、场景建模、战场环境表示等它可帮助人们超越人的生理极限,"亲临其境",提高工作效率。5.图像自动解释:包括对放射图像、显微图像、遥感多波段图像、合成孔径雷达图像、航空航测图像等的自动判读理解。由于近年来技术的发展,图像的种类和数量飞速增长,图像的自动理解已成为解决信息膨胀问题的重要手段。机器视觉检测技术在国外发展很快,早在20世纪80年代,美国国家标准局就预计,检测任务的90%将由视觉检测任务来完成。美国在80年代就有100多家公司跻身于视觉检测系统的经营市场;国际权威统计资料显示,全球机器视觉市场总量正在向100亿美元挺进,年增长率12.4%。国外,机器视觉作为一个产业己经相当成熟了,在有些地方,市场竞争甚至到了白热化的程度,但在国,机器视觉检测技术发展仍处于"婴儿"成长期,在应用方面,仅仅出现了一些零星的案例,而且往往较为初级,无论是在深度上还是广度上,都与国外水平相去甚远。当前国的机器视觉研究和应用水平跟国外相比至少有加年的差距。这与我国整体工业水平不高也有关系。当前,我国工业面临着产业结构调整的任务,所谓用信息化带动工业化,就是要用先进的技术来武装传统产业。1.2课题背景与意义随着现代制造业的发展,制造产品朝着小批量、多种类的方向发展,传统的制造技术及生产管理模式正发生巨大变革;加工工业正朝着高速、高精密、大批量生产、高度自动化、智能化和柔性化的方向发展。随着计算机技术的发展和在企业中应用的不断深化,1967年英国Molins公司创造了柔性制造系统<FlexibleManufacturing System, FMS >。所谓FMS,就是在成组技术的基础上引入计算机控制、管理和调度功能,提高了加工的自动化和柔性,通过计算机可以实现24小时连续工作,实现了不停机转换零件品种和批量。同时,在加工中心之间通过自动导向小车或传送带运输零件。适用于多品种、中小批量生产的具有高柔性且自动化程度高的制造系统。柔性是FMS的最大特点。即系统部对外部环境的适应能力。FMS一般由加工系统、物流系统、信息流控制系统和辅助系统组成,如图1-2所示。图1-2柔性制造系统的构成机器视觉技术具有快速性、可重复性、智能化、非接触、现场抗干扰能力强等优点,随着智能制造系统的发展,越来越多的FMS引入了机器视觉,在FMS的自动化生产中,涉及到各种各样的质量检查、测量和零件识别应用,例如汽车零配件尺寸检查和自动装配的完整性检查、加工前刀具的磨损检查等。这类应用过去是靠人工检测来完成,人工执行这些工序,给工厂增加了巨大的人工成本和管理成本的同时,仍然不能保证100%的产品检验合格率,另外,有些微小尺寸的精确快速测量、形状匹配、颜色辨识等,用人眼根本无法连续稳定地进行。机器视觉技术的引入代替人工检测方法,避免了人眼的疲劳同时还能代替人工视觉在一些不适合人工作业的危险环境中工作。因此,将机器视觉技术应用于FMS系统中的检测方面可以大大的提高生产效率和自动化程度。机器视觉技术在FMS系统中一个重要应用是它能够直接识别零件和能有效地引入人工智能方法,从而判别和检测人为造成装载错误零件和装夹位置的不正确;另外对零件外形进行识别和对零件进行分类,反馈识别信息到FMS主控计算机,并能对系统生产过程提供信息反馈.因此,机器视觉系统能参与FMS调度与管理决策,使FMS生产管理与调度更加柔性化与智能化。随着制造业的快速发展和计算机及总线技术发展的日臻成熟,机器视觉技术己经在制造业中得到了广泛的应用。机器视觉是图像技术、模式识别技术,以及计算机技术发展的新的产物,是实现智能化、自动化、信息化的先进技术领域。机器视觉系统在FMS中的应用,大大提高装备的智能化、自动化水平,提高FMS的使用效率、可靠性等性能。随着机器视觉系统新的技术、新的理论在FMS中的应用,将更加有效地发挥FMS自动化装备的效能,提升自动化生产水平,提高产品质量,带动整个产业的生产效率大幅提高。因此开展机器视觉的理论探索和机器视觉技术应用于FMS中的零件识别的研究具有非常重要的意义。1.3本论文的选题与研究容本论文围绕如何实现柔性系统在线零件的自动识别,对机器视觉识别系统的基本原理、图像预处理技术、数据库建立等若干关键技术进行了大量的试验分析和理论探讨。在此基础上,围绕柔性制造系统在线零件识别的特点,比较了相关软硬件的性能,最终完成了柔性制造系统在线零件识别系统设计。第2章 柔性制造系统在线零件识别系统总体方案设计2.1引言硬件是功能的基础,可以说整个在线零件识别系统的性能取决于硬件本身的特性。硬件系统的设计和选型在根本上决定了系统整体的识别精度和稳定性。典型的PC式视觉系统一般由计算机、光源部分、镜头、CCD摄像机、图像集卡以及图像处理软件组成。在本章中,将围绕柔性制造系统在线零件识别的应用,就机器视觉系统的硬件组成、性能比较以及硬件选型进行了进一步的研究和实践。2.2柔性制造系统在线零件识别系统问题的提出2.2.1柔性制造系统概述柔性制造系统岛由一台带双工位交换托板的THM6363精密卧式加工中心、两台带双工位交换托板的TH6363卧式加工中心、容量为十八个托板的托板库,托板交换小车和总控计算机、信息监控系统、在线零件识别系统等组成。控制部分主要有:总控计算机、GE-FANUCFA控制系统、加工中心控制系统、小车控制系统、现场信息监控系统、零件识别系统等组成。其中加工中心和搬运小车主要采用具有网络通讯功能的FANUC Oi-MB数控系统,托板库控制系统采用具有网络通讯功能的FANUC Oi-TB数控系统。三台加工中心、托板库和总控计算机之间采用以太网连接.通过网络总控计算机可分别获得三台加工中心和托板库的状态信息,并可向创门传送程序和刀偏等数据。同时三台加工中心、托板库、零件识别系统之间采用1/O LINK总线连接,用于传递相互之间的1/O接口信号。机床托板装载站和工作台面上的托板号记忆在FANUC数控系统部的PMC数据表里。通过uo L.mrlc总线可将机床上的托板号数据传送到托板库控制系统,同时将搬运小车输送来的托板号和其对应的程序号数据送至机床。托板库由容量为十八个托板的托板仓库、搬运小车和上料工位组成,托板仓库采用固定托板位置控制方式,即每个托板放置在托板仓库中的固定位置上。搬运小车采用FANUC oi-TE数控系统进行控制,由FANLTC数控系统来记忆搬运小车、上下料工位、托板装载站和机床工作台面上的托板号。在数控系统里事先编制好许多用于控制搬运小车移动到各个位置的程序,由托板库控制系统根据总控计算机下发的控制程序来调用执行,从而控制搬运小车为三台加工中心服务。总控计算机为工业级I'C机,监控托板库的工作状态,并可向它们传送程序和加工数据。整个柔性制造系统通过以太网可往上连接到公司的MIS系统,接受公司生产部门指令和作业计划,接收技术中心的CAM系统生成的产品加工程序、接受公司的生产调度部的监控。零件识别系统为PC式视觉系统,在待加工零件装夹完成后,进行零件识别,将识别出的零件信息发送给MIS系统,再由MIS系统安排该零件的加工。图2-1柔性制造系统工作流程图2. 2. 2在线零件识别系统问题的提出从图2-1所示的柔性制造系统工作原理流程图知在上下料工位装夹完零件后,由托板小车自动将零件送到相应加工中心,由托板库控制系统通过MIS系统将该零件的相应加工程序号传送给加工中心,加工中心调用与程序号对应的加工程序进行加工;在以前的柔性制造系统中完全靠人工输入来调用待加工零件的数控程序,这影响了系统得加工效率,成为制约柔性制造岛柔性化和智能化的一个重要方面,为了解决这一问题,需要在零件进行加工前先完成零件的自动识别,根据识别结果加工中心自动调用相应程序完成加工。若在每台加工中心各自建立一套独立的基于机器视觉的在线零件识别系统,则能更好的提高系统的柔性化和智能化,但是这种方案将增加整个柔性制造系统的成本。因此本文研究了在上下料工位处采用PC机器视觉系统通过采集图像和相应的图像识别处理和识别来实现在线零件识别的方法。2.3柔性制造系统在线零件识别系统总体方案设计2. 3. 1在线零件识别系统结构与工作原理本研究根据机械零件图像识别原理及柔性制造系统的要求,设计了基于机器视觉的在线零件识别系统,其由工控机、高分辨率的面阵黑白工业相机、图像采集卡、光源、光学镜头、光源、沁卡等组成,它用于对柔性制造系统在线零件进行识别。系统结构如图2-2所示:图2-2系统结构上面系统组成图中所示各组成部分的名称与功能概述如下:1.工业相机和光学部件:这一部件含有一个工业相机和镜头<光学部件>,用于拍摄被检测的物体。2.光源:光源为整个系统提供稳定、可靠得照明光源,并且使得零件图像中的背景灰度均匀,通过与背景的配合以便拍摄到更好的图像。3.图像采集卡:也称为视频抓取卡,这个部件是一插在PC上的卡。这采集卡的作用是将摄像头与PC连接起来。它从摄像头中获得图像信息<模拟信号或数字信号>,然后转换成PC能处理的数据.4. PC平台:计算机是机器视觉自动识别系统的关键组成部分,是自动识别检测软件运行的硬件平台。对图像采集卡得来的图像数据进行图像处理。5.在线零件识别系统软件:整个系统中的智能部分,自动图像识别软件用于创建和执行程序、处理采集回来的图像数据、以及完成识别零件操作。6.数字I/O和网络连接:一旦系统完成识别操作,这部分负责与外界通信,将识别出来的零件信息以控制信号的形式输出。系统的工作原理:在自动识别零件前,摄取各种零件的图像生成图像库。在每个工作计划执行前,根据MIS系统下发的计划文件<.excel表格格式>,更新当前工作计划临时零件库;识别系统工作时,当载有零件的自动牵引小车将托板送到上料工位,工人装夹工件,然后按动摄像启动按钮,光源系统启动为系统提供均匀的光线,由工业CCD相机开始摄像,工控机的图像采集卡对工业CCD相机传送来的图像信号进行放大、滤波、采样等处理,并将图像信号写入到工控机的存中,然后由图像识别软件对采集到的零件图像进行图像处理和识别。最后在显示器上显示识别结果,同时通过加卡,把识别出来的零件信息传送给托板库控制系统和MIS系统,MIS系统再根据识别结果安排加工中心并调用相应的数控加工程序传给相应的加工中心,完成相应零件的加工。2.3.2柔性制造系统在线零件识别系统基本性能柔性制造系统在线零件识别系统的基本性能如下:1.除了上下料由人工完成,其余皆由控制系统自动控制完成; 2.可实现识别工件的大小:600 X 800 mm;3.可识别工件类型:箱体类、板杆类、轴类、盘类;4.具备人机交互界面,图像识别的结果将返回人机界面;5.识别零件总数:999种零件;6.识别速度:1秒/零件;7.识别准确率:当前生产批次零件100/0*2.4柔性制造系统在线零件识别系统硬件设计基于PC结构的识别系统得硬件的设计,主要是一个视觉系统中各种关键硬件的选择与设计.下面重点讨论机器视觉系统关键硬件部分的选用。2. 4. 1 CCD工业相机选择CCD<电荷藕合器件>是由具有光电效应的半导体器件组成的一个面阵单元。通过CCD图像传感器采集图像,把目标的三维图像采集为二维图像,通过光信号转换成电信号,即所谓的模拟信号,再由图像采集卡把电信号转化成数字信号,供计算机处理。CCD根据图像颜色来分有单色CCD和彩色CCD。单色CCD输出图像是单色的,彩色CCD输出图像是彩色的。CCD根据传感器格式来分,可以分为线阵和面阵两种。线阵CCD每次只能得到一条线上的光学信息,其分辨率高。面阵CCD由排成方阵的感光像元组成,可直接得到二维图像,一般应用于成像速度要求不高,一次成像的场合。由于本系统需自动识别的是金属零件,对零件的具体颜色和表面图像等信息都不需要,因此采用单色的相机。同样价格的单色相机和彩色相机相比,单色相机分辨率高、信噪比大、灵敏度高、拍摄的图像对比度也大,更能够表达被测物体的亮度信息,另外图像格式的数据量小、处理速度快。所以单色相机能够完全满足本系统的要求。由于零件是静止摄像,采用面阵相机。下面确定相机的关键参数:1.分辨率的确定由于本系统为柔性制造系统的在线零件的识别,而非精确的尺寸检测,系统只需达到毫米级像素当量即可满足要求。柔性制造系统在线零件的最大尺寸为600 X800 mm,则CCD的最小分辨率为800X600mm。考虑到现场屏蔽背景尺寸要大于零件尺寸,因此本系统选用了分辨率为1024X 768的CCD。2.相机接口类型确定相机的接口主要有:Analog, CameraLink, IEEE1394, USB2.0, Gigabit Ethernet;其中CameraLink是专为机器视觉的高端应用设计的,是由几家专做图像卡和工业相机的公司联合发布的,其传输率高,可达到1 Gbits/s,输出数字格式,可提供高分辨率、高信噪比:其缺点是传输距离较短,最远距离不超过l 0m。由于本系统CCD跟PC机距离较近,因而选用CameraLink接口类型的工业相机。根据以上所述,在本系统中,选用型号为UNIQ UP800的单色面阵CCD,其分辨率为1024 x 768,CCD尺寸为4.8 X 3.6mm,像素尺寸为:4.65um X 4.65um 。2.4.2镜头选择镜头是本系统中必不可少的部件,镜头的选择直接影响成像质量的优劣,影响算法的实现和识别结果。镜头从焦距上分为短焦镜头、中焦镜头、长焦镜头;结构上分有固定光圈定焦镜头、手动光圈定焦镜头、自动光圈定焦镜头、手动变焦镜头、自动变焦镜头、自动光圈电动变焦镜头、电动三可变镜头等。通常选用镜头主要根据镜头的几个主要参数来确定。一般情况下,主要考虑镜头的成像面、焦距、视场、工作距离、视野和景深等参数。一般来讲,焦距越小,视角越大,最小工作距离越短,视野越大。对于镜头的选用,工作距离越近越好,镜头的畸变越小越好,视野越大越好。根据本系统在工作时的位置是固定的即物距是定值,另外光源环境也变化不大;因而选取具有光照度比较均匀,价格较便宜的手动光圈定焦标准镜头。这种镜头结构较简单,有一个可以手动调节的对焦调整环和手动光圈调整环;通过左右旋转该环可使成像最清晰,调节光圈调整环可使光圈围从F1.2或F1.4到关闭,使其能够适应工作环境的光照度。零件最大尺寸为800mm,镜头至零件的距离为1400mm,则本自动识别系统需要的检测视角为44度,检测视角小于标准镜头的视角50度。下面确定镜头的焦距:假定镜头的焦距是FLmm>,工作距离是W<mm>,那么根据几何光学的原理,可以推出所选取工业相机UNIQ UP800的CCD长边L=4.8mm,系统摄像工作距离W=1400mm,最大视场FOV=800mm所以可得FL=8.3mm。由以上分析可得系统的镜头要求选用日本精工8mm手动光圈定焦标准镜头。2. 4. 3光源系统设计光源系统是视觉系统的一个关键部分,因为光源光强的均匀性,光强波动幅度、照明方式等,会直接影响着图像采集的质量,从而影响整个系统的测量精度。根据光源的照射方式不同,可以分为前照、背照、分光照等多种。根据所用的灯源的不同分为LED光源、氖灯光源、白炽灯光源等,另外系统处于全开放式的工作环境状态,环境光源变化很大,对系统的图像采集带来很大的难度和不确定的因素。基于以上原因和现场实际情况,设计了一个白色的三基色节能灯光源并采用背光方式,零件为不透明物体,采用背光方式即光源从零件后面照射,对于不透明物体具有提高图像对比度、边缘特别突出等优点。第3章 在线零件识别系统中零件数据库的建立3.1 数据库组成与文件3.1.1 数据库文件在SQL Server 2000中,每个数据库均用一组操作系统文件来存放,数据库中的所有数据、对象和数据库操作都存放在这些操作系统文件中。根据这些文件的作用不同,可以分为三类：1主数据文件Primary：用来存放数据,每个数据库都必须有一个主数据文件,其后缀为.MDF。2次数据文件Secondary：用来存放数据,一个数据库可以没有也可以有多个次数据文件,其后缀为.NDF。3事务日志文件Transaction Log：用来存放事务日志,每个数据库必须有一个或多个事务日志文件,其后缀为.LDF。一般情况下,一个数据库至少由一个主数据文件和一个事务日志文件组成。也可以根据实际需要,给数据库设置多个次数据文件和其他日志文件,并将它们放在不同的磁盘上。默认状态下,数据库文件存放在MSSQLdata目录下,主数据文件名为"数据库名_Data.MDF",日志文件名为"数据库名_Log.LDF"。数据库的创建者可以在创建时指定其他的路径和文件名,也可以添加Secondary文件和更多的日志文件。3.1.2 数据库组成1数据库对象SQL Server的每一个数据库都由关系图Relation Map、表Table、视图View、存储过程 Stored procedures、触发器Triggers、用户自定义数据类型User-defined data types、用户自定义函数User-defined functions、索引Indexes、规则Constraints、默认值Defaults等数据库对象组成,如图3-1所示。2系统数据库和示例数据库在完成SQL Server安装后,系统即会自动创建6个数据库。它们分别是master、tempdb、model和msdb这4个系统数据库和Northwind、Pubs这2个示例数据库。如图3-1所示。图3-1 数据库对象图 1master数据库master是一个最重要的系统数据库,它记录了SQL Server系统级的所有信息,包括系统中所有的登录账号、