机械设计毕业论文压缩版
基于显微视觉的微球表面几何参数测量及实验
机电学院：戴昌盛指导教师：赵小力
摘要：本文首先分析了计算机视觉的多种算法，在此基础上，提出了一套基于显微视觉的微球检测算法，并进行了MA TLAB仿真。接着，本文介绍了基于该算法开发的图像处理软件。该软件采用了开源计算机视觉库OpenCV，并将图像处理函数封装在动态链接库中，以提高通用性和模块化。最后，在建立的实验平台上，完成了微球表面几何参数检测和挑选实验，以此检验了所开发软件及算法的实用效果。
关键词：显微视觉；圆测量；微球挑选；MATLAB；OpenCV
Abstract：An algorithm of microballs measurements based on micro-vision technique was proposed based on the analysis of diffenrent algorithms of computer vision. In this paper, an image processing software based on former algorithm was introduced. In this software, the processing functions implemented into the dyamic linking library with the assitant of OpenCV, regarding the versatility and modularity.In the end, the performance of algorithm and software was evaluated through experiments of microballs measurement and selection.
Key words：Microvision, circle measurement, microballs selection, MA TLAB, OpenCV
1引言
惯性约束聚变中，由激光器产生具有很高能量的激光脉冲，照射到含有氘氚燃料的靶丸上，靶丸表面产生高温等离子体，一部分向外喷射，其反作用力向内压缩靶丸，实现向心聚爆，将热核燃料点燃，释放大量能量[1]。靶丸生产首先要通过对大量微球的挑选来实现，挑选要求“无损、自动化、高精度、快速”，因此，针对透明单层靶丸的参数，亟需发展基于光学的自动检测技术，并辅以机械手实现批量自动操作。这一技术的实现将显著缩短微球的检测时间，提高靶丸制备的效率，为我国惯性约束聚变研究创造有利的条件。
2微球识别和特征提取的方法研究及仿真
2.1 梯度Hough变换
理论上，圆心在边缘点的法线上，法线方向与梯度方向相同。借助于梯度的方向信息，图像平面上的一点，映射的不是参数空间中的圆锥，而是圆锥的截面，如图2-1所示[2]。
图2-1 梯度方向对映射关系
梯度Hough变换将极大地减少计算量及数据存储量。以圆检测为例。当圆以
f s p (2-1)
(,)0
的形式表示时，其中(,),(,,)s x y p a b r ==，每个参数有M 个值，含有3个未知参数。如果采用标准型Hough 变换，则计算量为2
M ，即独立参数为2个，因为圆的方程可确定最后一个未知参数。而采用梯度Hough 变换，计算量为M ，因为梯度信息相当于提供了方程
d (,)0d f
f s p x
= (2-2) 特别地，
d tan[()]d 2
y x x π
φ=- (2-3) 式中 ()x φ——梯度的方向。
梯度信息的引入相当于参数解耦的过程。具体来说，设圆的方程为
222x )()a y b r -+-=（ (2-4)
a ，
b ，r 为未知参数，独立参数2个。令,X x a Y y b =-=-，则有
222X Y r += (2-5)
上式对X 求导，得到
d 220d Y
X Y
X
+= (2-6) 其中
d tan()d 2Y X πφ=-，令d d Y
X
ξ= ，代入式(2-6)，得到 222X Y ξ= (2-7)
将式(2-7)代入式(2-5)，得
222(1+)=Y r ξ (2-8)
联立式(2-7)和式(2-8)，得
X Y == (2-9)
圆心坐标为
a x
b y == (2-10)
由梯度信息得到了圆心位置的4个解，通过检验d x , d y 的符号，可以唯一地确定圆心的位置。
注意到，独立参数仅为r 一个，实现了参数解耦。
在实际检测过程中，考虑到梯度方向估计的误差，圆心在边缘法线两侧的区域中搜索。如图2-2所示。
图2-2 圆心搜索过程
编写MATLAB程序，实现梯度Hough变换，进行圆检测，检测结果如图2-3所示。图2-3 a)是在显微镜下采集的原始图片，图2-3 b)为对经过预处理的图像进行梯度Hough变换后，用蓝色圆圈标记圆，红色十字标记圆心。图2-3 c)为累加阵列平面图，其中高亮区域即为圆心位置。图2-3 d)为累加阵列三维图，图2-3 c)中的高亮区域在这里表现为凸峰。图2-3 b), c), d)中的x, y坐标皆为图像上的像素点坐标，图2-3 d)中增加的z坐标为相应点作为圆心的概率值。
a) 原始图片b)检测图像
c) 累加阵列平面图d) 累加阵列三维图
图2-3梯度Hough变换检测结果
从图2-3可以看出，梯度Hough变换的检测效果较好，能够将图像中的所有圆检测出来（不包括圆弧），圆心定位精度较高，半径检测较为准确。
2.2 微球视觉检测流程
总结以上整个的微球检测流程，如图2-4所示。
通过MATLAB仿真分析，比较不同图像预处理方法的效果，选择了中值滤波和灰度对数变换来消除噪声和提高图像对比度。分析了不同边缘检测算子的原理，选择了定位精度高、边缘连续性好的Canny边缘检测。圆的粗检测通过梯度Hough变换实现。利用兴趣区域和数学形态学运算对目标进行图像分割，最后利用最小二乘法拟合椭圆，实现圆的精检测。
图2-4 微球视觉检测流程
3 微球表面几何参数测量的图像处理软件
3.1 图像处理软件结构
软件总体结构如图3-1所示，图像处理动态链接库evaluate.dll中，共封装了两个独立的函数。getBallInfo_imgFile图像处理函数从硬盘中的图片文件中读取图像，作为输入图像，进行微球检测与评估，给出相应的检测结果。其中，支持的图片文件格式有：BMP，JPG，PNG。getBallInfo_IplImage 图像处理函数使用OpenCV开源计算机视觉库中常用的图像格式IplImage作为输入图像，进行微球检测与评估，给出相应的评估结果。两函数的输入图像须为3通道彩色图像。
图3-1 程序总体结构
3.2 软件调试结果
对孤立微球的图片进行处理，操作界面内输出检测结果如图3-2所示，输出的结果如图3-3所示。
图3-2 操作界面检测结果
图3-3 图片处理输出结果
对微球图像进行实时处理。如图3-4所示，检测过程中对于部分出现于视野中的微球可准确识别，说明该图像处理算法具有很强的鲁棒性，具备对于部分遮掩的不完整目标的识别能力。
图3-4 对于部分出现的微球的识别
如图3-5所示，微球处于角落之中，附近有大片的黑色背景干扰和杂质，且微球本身较为污浊，图像处理算法仍可将其识别和检测。
图3-5 对于较多干扰下微球的识别
检测过程中对于多个微球的检测结果如图3-6所示。图3-6 a)和b)中都出现了两个球相互粘连的情况，图像处理算法可识别粘连现象，输出结果将引导机械手不挑选这些粘连的微球。
a) b)
图3-6 对于多个微球的检测结果
对不同光强下的微球图像进行处理，检测结果如图3-7所示，第一行为原始图像，第二行为检测输出图像，检测到的圆用红色标记。当光强过亮或过暗时，图像处理算法仍可将视野中的微球正确识别和检测，具有很好的光强适应性，进一步验证了该算法的稳定性和准确性。
图3-7 不同光强下微球检测结果
如图3-8所示，机械手采用真空吸附的方式对合格微球进行拾取。
图3-8 对于合格微球的挑选
4 微球表面几何参数测量的实验研究4.1 实验平台
实验中所使用的微球挑选系统的Solidworks三维图如图4-1所示。
a) 微球挑选系统的总装图b) 微球挑选系统的无盖总装图
图4-1 微球挑选系统总装图
图4-2为微球挑选部分机构总图。
图4-2 微球挑选部分机构总图图4-3为操作手系统，图4-4为视觉系统。
图4-3 操作手系统图4-4 视觉系统球挑选系统中各运动平台的参数如表4-1所示。
表4-1 各运动平台参数
平台
参数
行程分辨率定位精度挑选盘平台
x 150mm 0.32m 5μm
y 150mm 0.32μm5μm
操作手平台x 70mm 0.5μm5μm y 70mm 0.5μm5μm z 25mm 0.5μm8μm a 360°0.003°0.05°
调焦平台z 30mm 0.5μm5μm
4.2 微球检测实验
选取直径1000~1100μm微球9个，微球在微球挑选系统和VMR3020显微镜下检测结果如表4-2所示。
表4-2 直径1000~1100μm微球检测结果
VMR3020 图像处理软件系统原有软件序号半径(μm)半径(μm)圆度缺陷值半径(μm)圆度缺陷值
1 513 513.4 0.457 2.261 513.4 0.12
2 0.053
2 509.7 513.4 0.424 1.97
3 517.6 0.187 0
3 509.7 511.8 5.335 3.13 513.
4 0.169 0.287
4 509.2
5 513.4 0.898 2.853 513.4 0.112 0.019
5 510.4 509.1 0.189 3.984 509.1 0.033 0.02
6 513.8 517.6 0.086 3.55 517.6 0.0
7 2.994
7 509.05 509.1 0.409 1.122 509.1 0.133 1.459
8 512.2 513.4 2.354 2.129 513.4 0.179 0.094
9 506.3 511.8 4.305 2.284 517.6 0.156 0.069
误检252.5 0.652 0
微球挑选图像处理软件、系统原有软件的半径检测结果与VMR3020显微镜检测值的绝对误差分布图如图4-5所示，两款软件对序号4~8的微球检测结果相同。
从图4-5可以看出，微球挑选图像处理软件对于直径1000~1100μm微球的半径绝对误差在5μm 左右，测量精度达到1%。系统原有的软件测量误差大于该图像处理软件或与其持平。如表4-2所示，系统原有软件存在一例误检，在无球的画面上输出了一次微球检测结果。
系统原有软件输出的圆度、缺陷值普遍较小，与实际不符。图像处理软件检测的圆度、缺陷值
经与VMR3020显微镜下图像对比，发现基本符合。
微球序号
径半绝对误差( m )
图4-5 1000~1100μm 微球检测半径绝对误差分布图
4.3 微球挑选实验
共挑选半径450-500μm 微球18个，挑选结果如表4-3所示。
表4-3 半径450~500μm 微球的挑选结果
序号 半径(μm) 圆度 缺陷值 1 470.8 0.116 1.697 2 470.8 4.893 8.74 3 475 7.217 2.975 4 466.7 0.751 0.178 5 466.7 0.692 4.241 6 462.5 0.209 1.758 7 466.7 0.626 6.438 8 475 5.851 1.055 9 479.2 6.618 0.763 10 475 0.979 2.074 11 466.7 0.954 1.14 12 466.7 4.825 6.881 13 466.7 1.377 1.432 14 466.7 0.293 2.538 15 466.7 2.353 0.752 16 466.7 0.063 1.246 17
470.8
0.437
2.231
18 475 0.188 3.294
微球挑选图像处理软件和VMR3020显微镜的检测半径散点图如图4-6所示。挑选的微球经VMR3020显微镜检测，符合半径范围450~500μm 。
半径(μm )
微球序号
图4-6半径4500~500μm 检测半径散点图
结论
本文提出的微球检测算法将粗检测和精检测相结合，实时性高，准确率好，稳定性强，能够检测微球的圆心坐标、半径、圆度、缺陷值以及粘连情况。实验证明，该方法对于微球检测具有重要的使用价值。为实现该算法，借助OpenCV ，编写了微球挑选图像处理软件。为实现该软件的模块化，将图像处理函数封装在动态链接库中，共其他程序调用。并完成了图像处理软件与微球挑选系统控制软件以及硬件平台的联合调试。图像处理软件能够实现对图片文件和摄像机实时图像中微球的检测。
利用微球挑选设备和VMR3020显微镜，分别进行了微球检测和挑选两个实验。微球检测实验中，图像处理软件对不同直径范围的微球检测速率达到每分钟100个，对半径的测量误差为5~6μm ，为半径值的1%~2%，错检率小于1%。微球挑选实验中，挑选出的球不合格率为6%，不合格微球的半径偏差小于10μm ，为半径的1%。在两个实验中，图像处理软件的检测效果都要优于系统原有软件。通过在3020显微镜下观察，图像处理软件在两实验中对圆度、缺陷值的检测都符合真实情况。图像处理软件对图像中粘连微球能够正确识别，并不予挑选。
目前，所开发的微球视觉检测软件已在微球挑选系统上试用，并满足了预期的各项要求。
参考文献
1 王乃彥. 聚变能及其未来[M]. 北京: 清华大学出版社, 2001: 77-78.
2 YUEN H, PRINCEN J, ILLINGWORTH J, et al. Comparative study of Hough transform methods for circle finding [J]. Image and Vision Computing, 1990, 8(1): 71-77.