0 引言

    流水線產品的缺陷檢測目前仍靠人工來完成，對于微小的、區別不明顯的缺陷，人眼無法精確識別，這極大地影響了產品的生產效率^[1]?；?a class="innerlink" href="http://www.cowatch.cn/tags/STM32F405" title="STM32F405" target="_blank">STM32F405和CMOS OV7610的產品表面圖像處理系統，以其完全脫離計算機且運行速度快、設計成本低、性價比高等優點，更好地滿足了圖像處理在產品表面的圖像采集與智能檢測方面的工作要求。

1 系統硬件設計

    系統主要由STM32F405微處理器、CMOS圖像采集模塊、LCD顯示模塊、存儲器模塊、通信模塊等組成，系統框圖如圖1所示。在光源的配合下通過圖像采集模塊獲取產品表面的圖像信息，由DMA將圖像數據傳輸到STM32F405微處理器，處理器調用圖像處理算法對產品表面圖像數據進行處理，利用控制終端的圖像處理軟件匹配、識別產品表面是否存在缺陷，并在LCD顯示屏上實時顯示結果，實現對產品表面圖像的采集和處理。

2 主要模塊設計

2.1 主控模塊

    基于圖像處理的產品表面圖像采集和處理系統選用STM32F405作為主處理器，該芯片具有高性能的信號處理和浮點運算能力，同時帶有8～14 bit并行照相機接口、DMA控制器、2路I²C接口，圖像數據的傳輸可以通過DMA直接傳輸，在I²C總線讀取數據到緩沖區，提高了圖像數據的采樣和處理速度，完成包括數據處理、檢測算法實現、結果提取和分析等工作^[2]。主控芯片獲得處理結果后，將數據傳輸到執行機構，執行機構根據最終獲取的控制信號進行相應操作。

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型彩色數字攝像芯片^[3]。采集圖像時最高速度可達30幀/s，最大圖像陣列為640×480，通過I²C總線對有關存儲器賦值，可靈活改變窗口大小、A/D轉換速度、幀/場模式等工作參數。

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

    完整的一幀產品表面圖像在垂直同步信號的兩個正脈沖之間掃描完成，水平同步信號高電平時為掃描一行像素的有效時間，像素同步信號高電平輸出的圖像數據有效^[5]。若一個圖像的陣列為160×120，則在垂直同步信號兩個脈沖之間有120個水平同步信號的正脈沖，在每個水平同步信號正脈沖期間有160個像素同步信號正脈沖。為獲取完整幀圖像，將上述3個同步信號組合成一個輸出信號(OUT)。

3 系統軟件設計

    系統選用KeilμVision5 軟件開發平臺和Visual C++可視化編程軟件協同工作^[6]。系統運行時，啟動采集信號發送到STM32F405主控制器，控制器接收指令后立即進行初始化，初始化成功后響應DMA中斷，根據圖像采集時序來控制CMOS OV7610啟動圖像采集，采集的圖像數據將通過DMA先進先出傳送到STM32F405的外部存儲器中^[7]。在采集完成后，STM32F405將進行點陣采樣、量化處理和二值化等過程完成產品表面圖像處理工作。系統流程圖如圖3所示。

    產品表面的圖像采樣是選取圖像的采樣點在空間坐標上作離散化的過程。本系統設計使用二維采樣函數對產品表面的圖像進行采樣，獲得圖像預處理采樣點陣。

    設f(x，y)為一個有限帶寬的二維連續圖像，f(x，y)的傅里葉變化對為：

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

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

    為了加快處理速度，系統將16 bit RGB彩色圖像轉化成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邊緣檢測算子提取圖像邊緣，將邊緣二值化。在選定一個閾值時，將灰度直方圖中大于該閾值的像素點變成1，小于該閾值的像素點變成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。

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

式中，k為灰度變化幅度。

4 調試及實驗結果分析

    系統測試主要針對硬件和軟件進行測試。硬件測試主要針對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。軟件測試分別對STM32F405和CMOS OV7610的各個功能的子程序進行測試。

    為了驗證本系統表面缺陷檢測的準確性和可靠性，對金屬產品表面進行缺陷檢測實驗。缺陷檢測部分的灰度圖像大小為160×120像素。圖4為裂縫缺陷和污點缺陷的檢測結果。

5 結論

    本系統旨在將圖像采集與處理技術應用于產品表面缺陷檢測，以及識別復雜、模糊的產品表面圖像^[9]。利用STM32F405超強的計算性能和低功耗優勢，提出了CMOS圖像采集與STM32圖像處理結合的平臺架構，設計了處理能力強、接口可靠穩定的產品表面圖像采集與檢測系統，在系統中實現了點陣采樣、灰度轉化和二值化等算法設計，并對平臺應用的處理性能、實時性和可靠性進行了實驗測試，取得了一定的階段性成果。

參考文獻

[1] 彭向前.產品表面缺陷在線檢測方法研究及系統實現[D].武漢：華中科技大學，2008.

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

[3] 汪麗華，吳維嘉.基于CMOS圖像傳感器的嵌入式機器視覺系統設計[J].黃山學院學報，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[J].探測與控制學報，2000，22(1)：18-22.

[5] 仲林國.基于機器視覺技術的嵌入式系統研究[D].杭州：浙江大學，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的圖像采集與存儲系統設計[J].電子技術應用，2015，41(11)：67-69，73.

[8] 譚林秋.基于VC++的數字圖像處理系統的開發及算法研究[D].西安：西安理工大學，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 電氣與自動化工程學院，山東 青島266590）