《基于视觉技术的LED车灯质量检测方法的研究》由会员分享，可在线阅读，更多相关《基于视觉技术的LED车灯质量检测方法的研究（7页珍藏版）》请在金锄头文库上搜索。
1、1、引言随着 CIMS的推广应用，企业在向柔性化、自动化发展的进程中，提出了对计算机辅助质量 (CAQ)系统的需求。随着柔性制造系统 (FMS)的推广，人们对检测系统的智能化、柔性、快速性等方面提出了更高的要求，以适应多品种、小批量生产的需要。由于计算机视觉系统可以快速获取大量信息，且易于同设计信息及加工控制信息集成，用于工况监视、现场监控的计算机视觉系统已广泛地应用在工业、商业等领域。计算机视觉作为一种检测手段已经越来越引起人们的重视，逐步形成一种新的检测技术计算机视觉检测(Automated Visual Inspection，AVI)技术。计算机视觉检测技术是一种以计算机视觉方法为基础，
2、综合运用图像处理、精密测量以及模式识别、人工智能等技术的非接触检测方法。其基本原理是对由计算机视觉系统得到的被测目标图像进行分析，从而得到所需要的测量信息，并根据已有的先验知识，判断被测目标是否符合规范 (即合格或不合格 )。随着国内外汽车产业的迅猛发展，对车灯的要求越来越高，新型车灯设计越来越受到人们的关注。新型、智能化的LED车灯就是国际上汽车电子化中最耀眼的产品之一。在汽车照明系统中，后灯总成是行车安全的关键部件。灯光组件的制造和安装都有相应的标准规范，在出厂之前经过严格的调校以保证灯光符合标准。车灯总成是一个组合照明部件，在目前国内现有的技术条件下，LED后灯总成的质量仅进行照明性能的
3、单项检测，而且是采用人工目测的方法，直接影响产品的质量和生产效率。车灯总成的质量检验实际上还应包括光源功率和零件装配质量的检测。将计算机视觉技术引入LED车灯总成的质量检测中，用图像处理方法来检测LED车灯的照明性能，综合车灯总成的光源功率和零件装配质量等检测，通过设置系统参数可实现对不同型号的车灯进行质量综合检测，具有高度的柔性化、智能化。2、系统方案确定系统采用先进机器视觉技术及虚拟仪器技术，设计有效的图像采集系统，在获取LED后灯照明图像的基础上，研究并运用数字图像处理技术实时获取车灯的照明质量，并判断LED照明的失效及其区域，实现LED 灯功率及光强参数的在线动态检测。系统能够通过屏幕
4、设置或软件调整等完成各种型号车灯的自动检测。LED后灯总成的照明性能的。系统原理图如下：3、图像处理方法的研究与运用 3.1 LED灯特征分析LED车灯使用若干发光二极管作为汽车灯具发光元件，代替目前普通使用的卤素灯泡，采用了专业配光设计以满足汽车灯具配光性能要求。汽车厂商青睐LED车灯，看中LED相比白炽灯有以下几个显著的优点：一是使用寿命长，采用恒流电源电路技术以保证LED管的使用寿命和发光稳定性， 寿命达1O万小时，是普通白炽灯最高寿命5000JJ时的2O倍。，二是无须热启动时间，亮灯响应速度快（(仅为1.4ns而普通白炽灯为0.4s)，适用于移动速度快的物体使用。三是光线质量高，基本上
5、无辐射，属于“绿色”光源。四是LED的结构简单，内部支架结构，四周用透明的环氧树脂密封，抗震性能好。五是适用电压在6-12伏特之间，完全可以应用在汽车上。六是LED占用体积小，设计者可以随意变换灯具模式，使汽车造型多样化。LED车灯在出厂前根据以上特征要检测以下几个内容：一是LED的光强参数。目前国内LED车灯可以调节LED的亮度，车灯出厂前需要对不同亮度测量光强参数。二是LED列阵的区域失效。LED后灯有一LED列阵组成，每个LED的功率比较小，出厂前需检测LED列阵中是否有缺损的LED灯。三是LED阵列光强均匀性。检测每个LED的光强参数是否相近。根据以上特点，我们应用机器视觉，搭建了合理
6、的视觉系统，采用成熟的图像技术对LED车灯摄入图像进行分析处理，检测每个LED的光强参数，检测LED阵列的光强均匀性，克服LED功率较小很难用电流方式测出缺损的劣势，稳定测出LED灯的区域失效。3.2 视觉子系统的搭建LED车灯可以看作使一LED的阵列，用图像处理的方法检测LED阵列的光强参数及光强均匀性首先要获取高质量的车灯LED阵列图，这样可帮助系统减少图像处理的复杂度，增加系统的检测效率。在现场我们发现，阵列图像的清晰程度跟阵列面与摄像头的入摄面的角度有很大关系，因此设计了一个三维可调摄像头装置，寻找最佳图像的摄像头安装角度，以保证获取最佳的LED阵列图像，减少后续图像处理的难度，提高系
7、统检测效率。此视觉系统选配了一个高分辨率，曝光程序可调的数字摄像头。之所以选择摄像头的曝光时间程序可调是因为在LED车灯的其中一项测试指标是测试阵列在不同点亮条件下的光强均匀性及阵列实效性。如果选取固定的曝光，在不同光亮下可能会出现条件一图像饱和，条件二正常，或者说条件一正常，条件二非常暗的情况。在程序中能改变曝光时间，能使图像便于处理，减小误判率。3.3 模式匹配粗定位从结构上分析，LED后灯的照明由若干个区域组成，质量检验主要是分别检测各区域的照明是否存在失效。由于LED车灯放置在固定的车灯夹具里，基本位置不变，对摄入LED摄入图像进行分析，用模板制作和图像匹配的方法对LED进行粗定位。图
8、像匹配可以定义为两幅图像在位置空间和灰度的配准。定义I1， I2为两个二维数组，其中 I1(x,y)和I2(x,y)分别表示对应空间位置的灰度值，此时可以把两幅图像的配准表示成如下表达式：因此，图像匹配问题便转化为寻找最优的空间和灰度变换，使得在图像噪声存在的情况下，可以进行正确的图像配准。一般情况下，不需要灰度变换，除非在一些特殊情形下。寻找空间或者几何变换是解决匹配问题的关键，这种变换通常用如下的两个单值函数表示如果这些几何变换可以表示成若干独立的函数，例如可以用两个一维的变换函数来表示这个二维的空间变换，这样可以节省存储空间并且提高计算效率，具体来说， 对应所有的x， 对应所有的y。以上
9、是图像匹配的一般定义，模板匹配作为图像匹配的一类重要方法，它主要通过待匹配图像和模板之间的相似性度量来确定它们的相对位置。模板匹配根据所使用的匹配特征可以大致分为两类：(1) 直接利用图像灰度信息进行匹配，例如规一化互相关匹配，统计相关匹配、平均绝对差匹配；频率域的频域相关，包括相位相关和功率谱相关；图像不变矩匹配；(2) 利用图像特征进行匹配，例如点集匹配技术使用明显的角点或者边缘点进行匹配；这种方法的关键是找到图像中易于识别的特征点，基于该特征空间的相似性度量来确定模板在待检测图像中的位置。根据LED车灯LED列阵的特点，选择灰度互相关匹配、最小距离匹配及矩匹配进行组合，系统在保证稳定性和
10、实时性的前提下，经过反复试验，确定具体的检测方法，得到LED列阵的粗定位。3.4 LED阵列的颗粒统计方法为了能正确判断LED阵列的失效区，我们可以把一个个正确安装的LED灯看作是一个颗粒，通过确定颗粒形状及数量来判断LED阵列的失效区。首先可以对LED阵列图像先进行二值化处理，得到LED图像的二值化图像。选取正确可靠的阈值对于后续对二值化图像的处理很重要。若采用固定阈值选取法，受摄入图像光强不稳定性的影响较大，即使波动比较微小，这种影响利用固定阈值法是无法克服的，从而影响测量的精度。为此，在此系统的图像处理中采用阈值的自适应选取法，根据环境光的变化利用图像整体像素灰度值均值动态确定最佳阈值k
11、。其计算公式如下：其中K即为所要求的阈值，i为灰度值，h(i)为图像中灰度值是i的像素数。然后引入图像的形态学方法对二值化图进行处理。最基本的形态学方法是膨胀和腐蚀处理。形态学方法即用一二维的结构元素在原图上作像素的卷积运算，只不过这里像素的灰度值只有0或1。膨胀运算是指做元素的或运算，即给定一元素P0，根据结构元素，对P0周围的像素Pi与结构元素中相应的像素做或运算，若OR（Pi）=1，则P0新值为1，否则为0。腐蚀运算则是指作元素的与运算，即给定一元素P0，根据结构元素，对P0周围的像素Pi与结构元素中相应的像素做与运算，若AND（Pi）=1，则P0新值为1，否则为0。虽然经过自适应取阈值
12、，但二值化后的图像中依然存在很多分散的无用颗粒，影响LED阵列的提取。于是就可以采用膨胀和腐蚀相结合的处理方法，用腐蚀的方法去掉分散在图中的微小噪声颗粒，同时用膨胀的方法填补颗粒间的微小空隙，保持大颗粒的完整性。用多种方法处理后，提取大颗粒的有用信息作为判断LED阵列失效区的依据。如图所示：图2 正常的LED陈列处理图示图3 有失效区的LED陈列处理图示通过一系列的图像处理方法处理后，可以通过分析定位区间内的颗粒大小来判断该区域内的LED灯是否失效，从图3看，在图示区域内明显缺少大颗粒，说明该LED具有失效区。4、总结系统将计算机视觉技术引入到LED车灯检测系统，通过图像粗定位及LED灰度颗粒统计方法，实现LED车灯车灯照明性能、光源功率检测的灵活性和柔性化，是一套先进的零件检测设备。通过对摄像系统的调整及对软件参数的设置该系统还可以对不同型号LED车灯产品进行检测，具有较好的灵活性，随着今后应用LED的车灯类型的增加以及每套车灯配套LED数量的增加，车用LED市场规模的不断增加，具有广阔的市场前景。参考文献1 数字图象处理学 阮秋琦 编著 电子工业出版社2 IMAQ Vision Use Manual National Instruments Cor-poration.3 数字图象处理(影印版)Kenneth R. Castleman清华大学出版
