一種基于改進(jìn)模板匹配的模具頂針復(fù)位檢測

于泳濱，王直杰

（東華大學(xué) 信息學(xué)院，上海 201620）

注塑生產(chǎn)業(yè)是國際公認(rèn)的關(guān)鍵工業(yè)，對國民經(jīng)濟(jì)的發(fā)展起著無可置疑的關(guān)鍵作用。而模具作為工業(yè)產(chǎn)品成型的重要工業(yè)裝備之一被稱為現(xiàn)代工業(yè)之母。模具中頂針的作用是頂出產(chǎn)品，使制品與模具分離[1]。在生產(chǎn)過程中，頂針經(jīng)常因為配置長度問題、碎屑進(jìn)入頂針孔內(nèi)表面、溫度過高等問題而出現(xiàn)無法完全復(fù)位的問題，導(dǎo)致合模時被撞斷。在許多生產(chǎn)精密設(shè)備的生產(chǎn)線中，模具的損壞不僅影響生產(chǎn)效率，還會產(chǎn)生高昂的維修成本。

傳統(tǒng)的解決方案是人工現(xiàn)場看護(hù)，但長時間依靠人眼觀察會出現(xiàn)視覺疲勞，不僅效率低、缺乏規(guī)范性還會影響工人身體健康。

近年來，隨著圖像處理技術(shù)的進(jìn)步，機(jī)器視覺在表面檢測方面的應(yīng)用更加廣泛[2]。在模具注塑生產(chǎn)方面，胡朱華提出了一種注塑機(jī)殘留物監(jiān)測系統(tǒng)[3]，實時監(jiān)測模腔內(nèi)是否存在殘留物，如果發(fā)現(xiàn)存在殘留物則停止注塑機(jī)合模操作，防止壓模的產(chǎn)生，保護(hù)模具。王平江在此基礎(chǔ)上采用了背景更新技術(shù)[4]，該方法可解決環(huán)境亮度變化與震動的影響。

該方法對于明顯的殘留物可以有效檢測，但對于細(xì)小的頂針卻不能準(zhǔn)確檢測。針對現(xiàn)有技術(shù)的不足，我們設(shè)計了一種有效識別頂針的方法，該方法可有效的識別頂針是否復(fù)位，從而更全面地保護(hù)模具。

1 檢測系統(tǒng)設(shè)計

監(jiān)視系統(tǒng)的工作流程如圖1。當(dāng)注塑成型機(jī)開模，頂針將制品推出。CCD照相機(jī)采集模腔圖像。采集到的圖像傳輸?shù)絇C機(jī)中，經(jīng)過圖像預(yù)處理后，判斷頂針是否復(fù)位。如果檢測到頂針未復(fù)位，則處理器發(fā)送信號給注塑機(jī)控制系統(tǒng)停止生產(chǎn)操作。如果確認(rèn)頂針復(fù)位，則可進(jìn)行后續(xù)檢測。

圖1 模具檢測系統(tǒng)流程圖Fig.1 Flow chart of the detection system of the mold

1.1 圖像預(yù)處理操作

CCD相機(jī)采集到的模腔圖像如圖2（a）所示。在工業(yè)生產(chǎn)中，圖像傳輸時往往受到外部電磁波干擾而產(chǎn)生噪聲，且CCD相機(jī)一般安裝于模具斜上方，采集到的圖像存在一定角度，這些都會影響后續(xù)檢測的準(zhǔn)確度。為了減少噪聲干擾，突出有效信息，對采集到的圖像進(jìn)行預(yù)處理[5]是十分必要的。

本文設(shè)計的系統(tǒng)中預(yù)處理主要包括二維去噪和ROI區(qū)域選擇兩部分。由于圖像噪聲主要為椒鹽噪聲，通過中值濾波可獲得較好的效果。在ROI區(qū)域的選擇上，利用霍夫變換檢測處模腔內(nèi)明顯的4條直線，構(gòu)成平行四邊形區(qū)域。然后根據(jù)角度通過仿射變換得到一個矩形，以此為ROI區(qū)域，經(jīng)過預(yù)處理后得到的圖像如圖2（b）所示。

圖2 待檢測的模腔圖像Fig.2 Mould cavity image to be detected

經(jīng)過預(yù)處理后的圖像有以下優(yōu)點：

1)原始圖像中的椒鹽噪聲得到有效去除。

2)ROI區(qū)域的劃定縮小了檢測范圍，減少了計算量；

3)通過檢測直線劃定ROI區(qū)域可以保證每次檢測位置的精確性，有效避免因機(jī)器震動而引起的圖像輕微偏移。

1.2 模板匹配

模板匹配技術(shù)是在已知模板圖像的前提下在搜索圖中尋找與之最相似區(qū)域的過程。從左上角開始遍歷圖像，在每一點計算與當(dāng)前覆蓋區(qū)域T的相似度。對整幅圖像遍歷完成后，相似度最大且達(dá)到閾值的點即為模板圖像在搜索圖中所在位置。

一般的模板匹配算法采用標(biāo)準(zhǔn)相關(guān)匹配作為相似度測量的標(biāo)準(zhǔn)。

Sij(m,n)為當(dāng)前被模板圖像T覆蓋的區(qū)域。右側(cè)展開后：

其中，第二項是模板與被覆蓋子圖的互相關(guān)，將其歸一化后公式如下:

在(3)式中，R(i,j)值越接近1，點(i,j)與模板的相似程度越高。

1.3 改進(jìn)的模板匹配

注塑機(jī)頂針歸位到合模前有3 s左右的時間。本系統(tǒng)使用的Baumer工業(yè)相機(jī)采集到的圖像尺寸為1 392*1040，頂針模板尺寸為300*400，匹配時間為400 ms。雖然可以滿足頂針。

針對計算量大的問題，我們在傳統(tǒng)模板匹配的基礎(chǔ)上引入高斯金字塔，利用金字塔圖像進(jìn)行模板匹配。高斯金字塔是以多分辨率來解釋圖像的一種結(jié)構(gòu)。如圖3所示，一幅圖像的金字塔是一系列以金字塔形狀排列的分辨率逐步降低的圖像集合，每一層圖像由上一層圖像使用高斯核進(jìn)行卷積，然后刪除所有偶數(shù)行和偶數(shù)列得到。

圖3 高斯金字塔結(jié)構(gòu)Fig.3 The structure of the gaussian pyramid

金字塔中每層圖像所包含的像素點個數(shù)是上一層的1/4。因此，使用了高斯金字塔后的模板匹配計算量顯著減少，匹配速度也更快，我們對模板圖像與搜索圖的三層高斯金字塔后分別匹配后得到的時間與匹配率如表1所示。

表1 各級金子塔的模板匹配數(shù)據(jù)Tab.1 The results for template matching with Gaussian Pyramid

由上表數(shù)據(jù)可知，使用金字塔第三層圖像的模板匹配與傳統(tǒng)模板匹配相比較節(jié)省了3/4以上的時間，且保持較高精確性。其原因在于，頂針的金屬材質(zhì)本身具有較高的反射率，表現(xiàn)在圖像中即頂針像素灰度值明顯高于周圍像素，即使降采樣后差異也非常巨大。這就使得降采樣后頂針模板與搜索圖中頂針區(qū)域有較高的相似度，從而匹配系數(shù)保持較高的值。

改進(jìn)后的模板匹配結(jié)果如圖4（a）所示，圖中每一點的灰度值代表該點的匹配程度，即，越亮的點其匹配程度越高。從圖中可以看出灰度值較高的點都集中于頂針區(qū)域，且與周圍灰度值差異顯著。圖4（b）為結(jié)果圖的直方圖，從直方圖的分布可以看出絕大部分的像素點灰度值都在200以下。這說明頂針在模腔圖像中特征顯著，容易與周圍背景區(qū)分。保證了改進(jìn)后模板匹配的高準(zhǔn)確度。

圖4 改進(jìn)后的模板匹配Fig.4 Improved template matching

2 實驗結(jié)果

本文頂針檢測系統(tǒng)在PC機(jī)上基于VS2008平臺和OpenCV庫[6]使用C語言編程。其中PC機(jī)配置有酷睿I3處理器，通過逐行高速CCD相機(jī)獲取大小為1 392*1 040的圖像。處理時間在200 ms以內(nèi)。

現(xiàn)有的模具保護(hù)技術(shù)基于圖像差分的方法判斷是否可以合模，即使用標(biāo)準(zhǔn)的模腔圖像作為基準(zhǔn)圖像，用待檢測圖像與之做差分運算，得到的差異部分即為“潛在”的異物?，F(xiàn)有的模具技術(shù)對于面積較大的殘留物效果明顯，但對面積較小的頂針卻沒有專門的檢測。

因此，為了本文提出的方法與差影法在檢測頂針方面的效果，我們選取幾幅有代表性的待檢測圖像，如圖5所示。

對3幅圖像分別使用本文提出的方法及差影法檢測頂針，得到的實驗結(jié)果如表2所示。

圖5 模板匹配與差影法檢測結(jié)果圖Fig.5 The results the presented method and subtraction method

表2 實驗結(jié)果Tab.2 Experiment results

實驗結(jié)果表明，本文提出的方法可有效的檢測到頂針未歸位的情況。而傳統(tǒng)的差影法對于頂針未歸位的圖5（a）圖與合格的圖5（b）圖，在檢測到的殘留物面積上十分接近。這是因為圖像中存在不可避免的誤差，且由于頂針細(xì)長的特性使得其面積在誤差范圍內(nèi)。因此不能有效的區(qū)分誤差與頂針。過高的閾值會漏檢未歸位頂針，較低的閾值則會頻繁誤檢。

3 結(jié)論

本文提出了一種基于模板匹配的頂針歸位檢測方法。針對頂針獨有的尺寸小和反光率高的特點，使用模板匹配作為檢測方法。通過對原有模板匹配方法的改進(jìn)，提升了檢測的速度。實驗表明，改進(jìn)的模板匹配在速度與準(zhǔn)確度都達(dá)到了較高的水平，能夠有效地檢測未復(fù)位的頂針，解決現(xiàn)有模具保護(hù)技術(shù)中漏檢頂針的缺陷，更全面的保護(hù)模具。

[1]鐘漢如.注塑機(jī)控制系統(tǒng)[M].北京：化學(xué)工業(yè)出版社，2003.

[2]Golnabi H,Asadpour A.Design and application of industrial machine vision systems[J].Robotics and Computer－Integrated Manufacturing,2007,23(6):630－637.

[3]胡朱華,張瑞林,張曉文,等.注塑生產(chǎn)中殘留物監(jiān)測系統(tǒng)的研究[J].工業(yè)控制計算機(jī),2011,24(5):54－55.HU Zhu－h(huán)ua,ZHANG Rui－lin,ZHANG Xiao－wen,et al.Research on residue monitoring system in injection molding production[J].Industrial Control Computer,2011,24(5):54－55.

[4]王平江,徐長杰,唐小琦,等.基于機(jī)器視覺的模具保護(hù)方法研究與實現(xiàn)[J].計算機(jī)測量與控制,2013,21(5):1281－1284.WANG Ping－jiang,XU Chang－jie,TANG Xiao－qi,et al.Research and implementation of mold protection method based on machine vision [J].Computer Measurement& Control,2013,21(5):1281－1284.

[5]Gonzalez R C,Woods R E,Eddins SL.數(shù)字圖像處理[M].北京：電子工業(yè)出版社2006.

[6]于仕琪,劉瑞禎.學(xué)習(xí)OpenCV[M].北京：清華大學(xué)出版社,2009.