0 引言

    流水線產(chǎn)品的缺陷檢測(cè)目前仍靠人工來完成，對(duì)于微小的、區(qū)別不明顯的缺陷，人眼無法精確識(shí)別，這極大地影響了產(chǎn)品的生產(chǎn)效率^[1]。基于STM32F405和CMOS OV7610的產(chǎn)品表面圖像處理系統(tǒng)，以其完全脫離計(jì)算機(jī)且運(yùn)行速度快、設(shè)計(jì)成本低、性價(jià)比高等優(yōu)點(diǎn)，更好地滿足了圖像處理在產(chǎn)品表面的圖像采集與智能檢測(cè)方面的工作要求。

1 系統(tǒng)硬件設(shè)計(jì)

    系統(tǒng)主要由STM32F405微處理器、CMOS圖像采集模塊、LCD顯示模塊、存儲(chǔ)器模塊、通信模塊等組成，系統(tǒng)框圖如圖1所示。在光源的配合下通過圖像采集模塊獲取產(chǎn)品表面的圖像信息，由DMA將圖像數(shù)據(jù)傳輸?shù)絊TM32F405微處理器，處理器調(diào)用圖像處理算法對(duì)產(chǎn)品表面圖像數(shù)據(jù)進(jìn)行處理，利用控制終端的圖像處理軟件匹配、識(shí)別產(chǎn)品表面是否存在缺陷，并在LCD顯示屏上實(shí)時(shí)顯示結(jié)果，實(shí)現(xiàn)對(duì)產(chǎn)品表面圖像的采集和處理。

2 主要模塊設(shè)計(jì)

2.1 主控模塊

    基于圖像處理的產(chǎn)品表面圖像采集和處理系統(tǒng)選用STM32F405作為主處理器，該芯片具有高性能的信號(hào)處理和浮點(diǎn)運(yùn)算能力，同時(shí)帶有8～14 bit并行照相機(jī)接口、DMA控制器、2路I²C接口，圖像數(shù)據(jù)的傳輸可以通過DMA直接傳輸，在I²C總線讀取數(shù)據(jù)到緩沖區(qū)，提高了圖像數(shù)據(jù)的采樣和處理速度，完成包括數(shù)據(jù)處理、檢測(cè)算法實(shí)現(xiàn)、結(jié)果提取和分析等工作^[2]。主控芯片獲得處理結(jié)果后，將數(shù)據(jù)傳輸?shù)綀?zhí)行機(jī)構(gòu)，執(zhí)行機(jī)構(gòu)根據(jù)最終獲取的控制信號(hào)進(jìn)行相應(yīng)操作。

2.2 圖像采集模塊

    圖像采集模塊采用Omnivision公司的OV7610，這是一種自帶圖像敏感陣列、能直接采集圖像信息的低功耗CMOS型彩色數(shù)字?jǐn)z像芯片^[3]。采集圖像時(shí)最高速度可達(dá)30幀/s，最大圖像陣列為640×480，通過I²C總線對(duì)有關(guān)存儲(chǔ)器賦值，可靈活改變窗口大小、A/D轉(zhuǎn)換速度、幀/場(chǎng)模式等工作參數(shù)。

    圖像采集芯片OV7610既可以幀模式掃描也可以場(chǎng)模式掃描，為提高圖像存儲(chǔ)質(zhì)量、簡化圖像采集控制電路，本系統(tǒng)設(shè)置OV7610圖像采集方式為幀模式掃描^[4]。OV7610的輸出信號(hào)主要有：垂直同步信號(hào)(Vs)、水平同步信號(hào)(Hs)及像素同步信號(hào)(Ps)，其理論波形如圖2所示。

    完整的一幀產(chǎn)品表面圖像在垂直同步信號(hào)的兩個(gè)正脈沖之間掃描完成，水平同步信號(hào)高電平時(shí)為掃描一行像素的有效時(shí)間，像素同步信號(hào)高電平輸出的圖像數(shù)據(jù)有效^[5]。若一個(gè)圖像的陣列為160×120，則在垂直同步信號(hào)兩個(gè)脈沖之間有120個(gè)水平同步信號(hào)的正脈沖，在每個(gè)水平同步信號(hào)正脈沖期間有160個(gè)像素同步信號(hào)正脈沖。為獲取完整幀圖像，將上述3個(gè)同步信號(hào)組合成一個(gè)輸出信號(hào)(OUT)。

3 系統(tǒng)軟件設(shè)計(jì)

    系統(tǒng)選用KeilμVision5 軟件開發(fā)平臺(tái)和Visual C++可視化編程軟件協(xié)同工作^[6]。系統(tǒng)運(yùn)行時(shí)，啟動(dòng)采集信號(hào)發(fā)送到STM32F405主控制器，控制器接收指令后立即進(jìn)行初始化，初始化成功后響應(yīng)DMA中斷，根據(jù)圖像采集時(shí)序來控制CMOS OV7610啟動(dòng)圖像采集，采集的圖像數(shù)據(jù)將通過DMA先進(jìn)先出傳送到STM32F405的外部存儲(chǔ)器中^[7]。在采集完成后，STM32F405將進(jìn)行點(diǎn)陣采樣、量化處理和二值化等過程完成產(chǎn)品表面圖像處理工作。系統(tǒng)流程圖如圖3所示。

    產(chǎn)品表面的圖像采樣是選取圖像的采樣點(diǎn)在空間坐標(biāo)上作離散化的過程。本系統(tǒng)設(shè)計(jì)使用二維采樣函數(shù)對(duì)產(chǎn)品表面的圖像進(jìn)行采樣，獲得圖像預(yù)處理采樣點(diǎn)陣。

    設(shè)f(x，y)為一個(gè)有限帶寬的二維連續(xù)圖像，f(x，y)的傅里葉變化對(duì)為：

    對(duì)圖像f(x，y)采樣，就是將f(x，y)乘以采樣函數(shù)s(x，y)。采樣后的圖像可以用式(3)表示：

    由卷積與脈沖函數(shù)可得采樣圖像f_s(x，y)的頻譜是連續(xù)圖像在(u，v)方向上以Δx、Δy間隔分布，間隔選擇合適，采樣就不會(huì)重疊，可獲得期望的采樣點(diǎn)陣。由于經(jīng)過采樣的圖像是連續(xù)點(diǎn)陣，各個(gè)像素的值有無窮多個(gè)，為了方便主控制器處理，需將無窮多個(gè)離散值簡化為有限個(gè)離散值，即量化處理后才能將每個(gè)互異的離散值編碼處理^[8]。

    為了加快處理速度，系統(tǒng)將16 bit RGB彩色圖像轉(zhuǎn)化成8 bit灰度圖像，由此不但可以提高主控制器的處理速率，而且減小了圖像的冗余量。圖像灰度化后，利用Canny邊緣檢測(cè)算子提取圖像邊緣，將邊緣二值化。在選定一個(gè)閾值時(shí)，將灰度直方圖中大于該閾值的像素點(diǎn)變成1，小于該閾值的像素點(diǎn)變成0：

其中，f(x，y)為輸入圖像像素的灰度值，g(x，y)為輸出圖像，θ為閾值。

    將處理后的產(chǎn)品表面圖像與預(yù)存模板匹配，由對(duì)比結(jié)果得出該產(chǎn)品是否存在缺陷。圖像匹配過程就是在基準(zhǔn)圖像和待處理圖像之間尋找兩幅圖像差異最小的相對(duì)位置，通常將其描述為求距離度量：

式中，k為灰度變化幅度。

4 調(diào)試及實(shí)驗(yàn)結(jié)果分析

    系統(tǒng)測(cè)試主要針對(duì)硬件和軟件進(jìn)行測(cè)試。硬件測(cè)試主要針對(duì)核心處理器的外圍電路，其中包括電源模塊、I/O輸入輸出模塊及通信接口等電路。軟件測(cè)試分別對(duì)STM32F405和CMOS OV7610的各個(gè)功能的子程序進(jìn)行測(cè)試。

    為了驗(yàn)證本系統(tǒng)表面缺陷檢測(cè)的準(zhǔn)確性和可靠性，對(duì)金屬產(chǎn)品表面進(jìn)行缺陷檢測(cè)實(shí)驗(yàn)。缺陷檢測(cè)部分的灰度圖像大小為160×120像素。圖4為裂縫缺陷和污點(diǎn)缺陷的檢測(cè)結(jié)果。

5 結(jié)論

    本系統(tǒng)旨在將圖像采集與處理技術(shù)應(yīng)用于產(chǎn)品表面缺陷檢測(cè)，以及識(shí)別復(fù)雜、模糊的產(chǎn)品表面圖像^[9]。利用STM32F405超強(qiáng)的計(jì)算性能和低功耗優(yōu)勢(shì)，提出了CMOS圖像采集與STM32圖像處理結(jié)合的平臺(tái)架構(gòu)，設(shè)計(jì)了處理能力強(qiáng)、接口可靠穩(wěn)定的產(chǎn)品表面圖像采集與檢測(cè)系統(tǒng)，在系統(tǒng)中實(shí)現(xiàn)了點(diǎn)陣采樣、灰度轉(zhuǎn)化和二值化等算法設(shè)計(jì)，并對(duì)平臺(tái)應(yīng)用的處理性能、實(shí)時(shí)性和可靠性進(jìn)行了實(shí)驗(yàn)測(cè)試，取得了一定的階段性成果。

參考文獻(xiàn)

[1] 彭向前.產(chǎn)品表面缺陷在線檢測(cè)方法研究及系統(tǒng)實(shí)現(xiàn)[D].武漢：華中科技大學(xué)，2008.

[2] 曾浩.基于STM32F407的嵌入式及其視覺裝置研發(fā)[D].廣州：廣東工業(yè)大學(xué)，2015.

[3] 汪麗華，吳維嘉.基于CMOS圖像傳感器的嵌入式機(jī)器視覺系統(tǒng)設(shè)計(jì)[J].黃山學(xué)院學(xué)報(bào)，2010，12(3)：25-27.

[4] 吳小平，劉萬春，朱玉文，等.基于TMS320C32的視覺圖像處理系統(tǒng)[J].探測(cè)與控制學(xué)報(bào)，2000，22(1)：18-22.

[5] 仲林國.基于機(jī)器視覺技術(shù)的嵌入式系統(tǒng)研究[D].杭州：浙江大學(xué)，2006.

[6] SING N，DELWICHE M.Machine vision methods for defect sorting stonefruit[J].Trans of ASAE，1994，37(6)：1989-1997.

[7] 魏麗玲，朱平，石永亮.基于FPGA的圖像采集與存儲(chǔ)系統(tǒng)設(shè)計(jì)[J].電子技術(shù)應(yīng)用，2015，41(11)：67-69，73.

[8] 譚林秋.基于VC++的數(shù)字圖像處理系統(tǒng)的開發(fā)及算法研究[D].西安：西安理工大學(xué)，2008.

[9] SONKA M，HLAVAC V，BOYLE R.Image processing[M].London：Analysis and Machine Vision，1993.

作者信息:

高正中，趙晨暉，薛  寒，商春雷

（山東科技大學(xué) 電氣與自動(dòng)化工程學(xué)院，山東 青島266590）