电子元器件外形尺寸机器视觉测量系统设计
Optoelectronics 光电子, 2020, 10(3), 84-89
Published Online September 2020 in Hans. https://www.360docs.net/doc/455435121.html,/journal/oe
https://https://www.360docs.net/doc/455435121.html,/10.12677/oe.2020.103011
电子元器件外形尺寸机器视觉测量系统
设计
李超，许杰
盐城市计量测试所，江苏盐城
收稿日期：2020年8月24日；录用日期：2020年9月4日；发布日期：2020年9月11日
摘要
电子元器件是电路的基本组成部分，有着广泛的应用。传统的人工检测存在很多不足，机器视觉尺寸测量技术由此应运而生，机器视觉由于自身具备高灵敏度、高精度及高耐用性的特性，对于提高工业自动化水平和工业生产效率有极大助力。根据课题要求，以单片机芯片为研究对象，以检测单片机芯片二维平面上的长度与宽度为研究目标，设计了基于机器视觉的单片机芯片检测系统的硬件方案，硬件组成包括光源与照明方式的选择，以及相机与镜头的选择。完成硬件平台搭建后，同时制作了应用于相机标定的标定板并在调试完成的硬件平台上拍摄了三十张左右的标定图片。利用MATLABR2016A作为系统的软件处理平台，一方面应用MATLAB标定箱对标定图做相机标定，另一方面编写用于单片机芯片尺寸测量的图像处理代码及测量代码。其中，在图像处理环节主要包括图像滤波、二值化处理和边缘提取等步骤。单片机芯片的尺寸测量实验完成后将实验结果与真实尺寸的对比，可以看出构建的基于机器视觉的电子元器件外形尺寸测量系统满足了课题设定目标。
关键词
机器视觉，图像处理，相机标定，尺寸测量
The Design of Machine Vision Measurement System for the Dimension of Electronic
Components
Chao Li, Jie Xu
Yancheng Institute of Measurement and Testing, Yancheng Jiangsu
Received: Aug. 24th, 2020; accepted: Sep. 4th, 2020; published: Sep. 11th, 2020
李超，许杰
Abstract Electronic components are the basic components of circuits and have a wide range of applications. Traditional manual inspection has many shortcomings, and machine vision size measurement technology came into being. Because of its high sensitivity, high precision and high durability, machine vision has a great help to improve the level of industrial automation and industrial pro-duction efficiency. According to the requirements of the subject, taking the single-chip microcom-puter chip as the research object and detecting the length and width on the two-dimensional plane of the single-chip microcomputer chip as the research goal, the hardware scheme of the sin-gle-chip detection system based on machine vision is designed. The hardware composition in-cludes the selection of light source and lighting method, and the choice of camera and lens. After completing the hardware platform construction, at the same time, a calibration board for camera calibration was produced and about 30 calibration pictures were taken on the debugged hardware platform. Using MATLAB R2016A as the system’s software processing platform, on the one hand, the MATLAB calibration box is used to calibrate the camera on the calibration map, and on the other hand, the image processing code and measurement code for the measurement of the sin-gle-chip chip size are written. Among them, the image processing link mainly includes image fil-tering, binarization and edge extraction. After the size measurement experiment of the single-chip microcomputer chip is completed, the experimental results are compared with the real size, and it can be seen that the built-up machine vision-based measurement system for the dimensions of electronic components meets the set goals of the subject. Keywords
Machine Vision, Image Processing, Camera Calibration, Size Detection
Copyright ? 2020 by author(s) and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY 4.0). https://www.360docs.net/doc/455435121.html,/licenses/by/4.0/
1. 引言
随着我们科技迅速发展，生产工艺水平不断提高，产品质量把控也愈加严格。产品的尺寸测量工作是把控产品质量的一个重要环节，因此对测量提出了高精度与快速化的要求[1]。过去，产品尺寸检测主要依赖人工的人眼观察以及简单的测量工具如卡尺、量规、轮廓仪来判断，这一方法已经无法适应目前大批量生产以及电子元器件外形越来越复杂的状况，且人工长时间的机械重复容易产生疲劳既不能保证检测效率又影响测量精确性[2]。在这样的背景下，机器视觉测量技术应运而生，成为了现代化工业最受欢迎的检测技术，并且该技术已经成为目前工业界的研究热点。机器视觉测量系统具有高精度和高效率的独特优势，广泛应用于复杂元器件及小型元器件的尺寸测量。本课题应用机器视觉技术，设计了一个电子元器件尺寸检测系统，测量对象是单片机芯片的长度与宽度。课题研究内容主要包括相机标定、图像采集、图像预处理与边缘提取和芯片长宽尺寸测量等，其重点在于图像处理与尺寸测量两个部分。
本文对图像预处理与图像边缘提取方法研究作重点阐述，主要包括图像滤波、图像二值化阈值分割等预处理方法，边缘检测及连通域处理等边缘提取方法，并作对比分析。再次介绍单片机芯片尺寸测量实验，主要包括相机标定、尺寸测量与误差分析。最后总结课题完成过程并且检讨自己的不足并对将来研究机器视觉检测技术做出展望[3] [4]。
Open Access
李超，许杰
2. 系统总体设计
本系统中的硬件设计所需要的设备有光源、相机、镜头和计算机，软件设计所需要的平台是MATLAB R2016A ，电子元件选用的是单片机芯片。系统硬件应用顺序如图1所示。
Figure 1. Hardware application sequence diagram
图1. 硬件应用顺序图
系统总体方案的实施步骤是：首先选取适合电子元件尺寸测量的光源类型以及其对应的光照方式，在完成照明方案设计后选择合适的工业相机和镜头，将照明光源和相机、镜头固定在支架后，通过调节相机与被测物体的距离、相机镜头的放大倍数和光圈大小，确保待测单片机芯片可以完整清晰地呈现在计算机成像画面中，至此系统硬件平台的搭建工作完成。随后在成像画面中获取对比度高的单片机芯片灰度图作为尺寸测量系统软件部分的待处理图片[5]。待处理的单片机芯片灰度图在MATLAB 软件平台上经过图像增强、图像滤波、二值化、边缘检测等一系列图像处理方法后通过像素点计算获取芯片长宽尺寸。
3. 硬件系统设计
照明方案设计对于视觉系统尤其重要，一方面可以提高采集到的图像的清晰度，另一方面减少环境光对测量系统的干扰。通过查阅资料和对比本课题实际测量的元器件尺寸，LED 灯的综合性能最为优越；同时，经过在实验室环境下对各种光照方式实际对比，综合考虑到照明效果与可操作性，本文最终在前向照明、背向照明和环形照明这种光照方式；与CMOS 相机相比，CCD 相机有着更高的分辨率和灵敏度，本系统最终采用大恒图像MER-132-30GM 面阵CCD 相机，它支持水平镜像和垂直镜像，可直接连接HALCON 、MERLIC 、LabVIEW 等第三方软件；镜头采用COMPUTAR 公司生产的M0824-MPW2型号镜头[6]。现在主流的视觉处理软件有：OpenCV 、LabVIEW 、HALCON 、eVision 、HexSight 、RVB 以及MATLAB 。本课题选择了MATLAB 的R2016a 版本作为系统软件设计平台，MATLAB 相比于其他图像处理软件学习成本低同时集成了许多图像处理函数，适合本科生选用作为毕业设计课题的开发软件。选择好硬件后，将硬件凑齐简单搭建平台即可开始软硬件调试以及后续工作。
4. 图像处理总体方案
本章将重点介绍图像预处理和边缘提取的流程，流程图如图2所示，包括图像滤波、图像二值化和边缘检测以及边缘检测的替代处理方法，同时在这几道流程中对比不同的算法带来的效果差别，并挑选出最适合单片机芯片尺寸测量的方法。
对比中值滤波、均值滤波和高斯滤波可以比较得出，高斯滤波的对于邻域内各点的权重分配类似于正态分布，所以高斯滤波对于服从正态分布的噪声的抑制效果非常好。由于采集的单片机芯片图像质量较好，故三种滤波效果均非太明显，最终采用高斯滤波。滤波效果如图3所示，并将其灰度反转为图像二值化作准备，灰度反转效果如图4所示。本课题对于单片机芯片的二值化处理，在使用最大类间方差法、平均值法和直方图阈值法后均未得出较理想的二值图像结果，由于待测图像样本量比较少，根据人工经验选择法的准则最终确定了阈值[7] [8]。确定阈值为200，效果如图5所示。
在完成了上述一系列连通域处理步骤后，可以运用MATLAB 软件中最小外接矩形函数计算待测单片机芯片的外接矩形，获取单片机四个角点坐标为最终尺寸测量作铺垫。单片机芯片最小外接矩形如图
6
李超，许杰
绿线标注所示。
Figure 2. Overall sequence of image processing
图2. 图像处理总体顺序
(a) (b) Figure 3. Comparison of Gaussian filtering effect. (a) Original image; (b) filtered image
图3. 高斯滤波效果对比。(a) 原图；(b) 滤波后图
Figure 4. Gray inversion effect
图4. 灰度反转效果
Figure 5. Threshold value is 200 effect
图5. 阈值为200效果
李超，许杰
Figure 6. Minimum external rectangle of single chip microcomputer chip
图6. 单片机芯片最小外接矩形
5. 电子元件尺寸测量实验及分析
用棋盘格标定法将单片机芯片图像中的尺寸转变为现实的尺寸。棋盘格标定法的操作介于相机自标定法和传统相机标定法之间，没有传统相机标定繁琐的步骤。
本系统采用MATLAB 标定工具箱对相机进行标定，相机标定流程如图7所示。
Figure 7. Camera calibration process
图7. 相机标定流程
利用相机内外参数将像素坐标转换为物理坐标，分别对单片机芯片两条长宽进行尺寸测算求平均值。本实验测量了四个不同型号单片机芯片的长度与宽度，并分别对四组长宽测量结果做误差计算[9] [10]。利用尺寸计算的双边求平均值的做法降低误差，但通过对单片机芯片实际测量值与系统测量值的对比发现仍然存在细微的误差。对于单片机长度及宽度的终值计算仅依赖简单的双边求平均方法，仅能有限的降低误差无法做到彻底消除误差。
李超，许杰6. 结论
尺寸检测在工业中应用极其广泛，而电子元器件是工业待检测物体中占比重很大的门类。应用机器视觉技术的尺寸检测系统取代了以往的人工测量，节省了大量的人力与物力，为工业检测技术的发展增添了动力。基于机器视觉的电子元器件尺寸测量系统的测量对象是单片机芯片，系统主要包括相机标定、图像采集、图像预处理与边缘提取和芯片长宽尺寸测量等步骤，其重点在于图像处理与尺寸测量两个部分。选型之后重点工作在对图像处理方法的对比研究，包括图像滤波、图像二值化以及边缘提取等步骤。其中图像滤波进行了对高斯滤波、均值滤波及中值滤波的对比分析，图像二值化进行了对直方图阈值法、最大类间方差法及平均值法的对比分析并最终结合三种方法使用了人工经验选择法确定了图像分割的阈值。采用连通域处理的方法对图像进行孔洞填充、边界平滑以及面积过滤最终确定了单片机芯片的最小外接矩形。最后完成对单片机芯片的尺寸测量并进行了误差计算与分析。
参考文献
[1]王爱珍. 基于机器视觉的低对比度物体二维尺寸测量方法的研究[D]: [硕士学位论文]. 西安: 西安理工大学,
2019.
[2]魏星. 基于机器视觉的突跳式温控器缺陷检测系统[D]: [硕士学位论文]. 镇江: 江苏大学, 2019.
[3]张喜民, 余奇颖, 张金博, 付安英. 基于机器视觉的手机尾插件精密测量方法研究[J]. 仪器仪表学报, 2019,
40(10): 47-54.
[4]田培运. 基于机器视觉的激光加工在线检测系统设计[J]. 农业装备与车辆工程, 2019, 57(10): 97-100.
[5]李正大. 基于机器视觉的高精度工业轴芯尺寸检测设计与实现[D]: [硕士学位论文]. 成都: 成都理工大学, 2019.
[6]周彬. 多视图视觉检测关键技术及其应用研究[D]: [硕士学位论文]. 杭州: 浙江大学, 2019.
[7]朱凌寒. 基于视觉的尺寸检测方法及其在钒电池装配中的应用[D]: [硕士学位论文]. 合肥: 合肥工业大学, 2019.
[8]张潘杰. 基于机器视觉的复杂工件形位尺寸的高精度测量技术研究[D]: [硕士学位论文]. 济南: 济南大学, 2019.
[9]蒙春学. 理管机机器视觉光源关键技术研究[D]: [硕士学位论文]. 西安: 西安工程大学, 2019.
[10]张潘杰. 基于机器视觉的复杂工件形位尺寸的高精度测量技术研究[D]: [硕士学位论文]. 济南: 济南大学, 2019.
机器视觉系统设计五大难点
机器视觉系统设计五大难点 机器视觉系统的组成 机器视觉系统是指用计算机来实现人的视觉功能，也就是用计算机来实现对客观的三维世界的识别。按现在的理解，人类视觉系统的感受部分是视网膜，它是一个三维采样系统。三维物体的可见部分投影到网膜上，人们按照投影到视网膜上的二维的像来对该物体进行三维理解。所谓三维理解是指对被观察对象的形状、尺寸、离开观察点的距离、质地和运动特征（方向和速度）等的理解。 机器视觉系统的输入装置可以是摄像机、转鼓等，它们都把三维的影像作为输入源，即输入计算机的就是三维管观世界的二维投影。如果把三维客观世界到二维投影像看作是一种正变换的话，则机器视觉系统所要做的是从这种二维投影图像到三维客观世界的逆变换，也就是根据这种二维投影图像去重建三维的客观世界。 机器视觉系统主要由三部分组成：图像的获取、图像的处理和分析、输出或显示。 将近80%的工业视觉系统主要用在检测方面，包括用于提高生产效率、控制生产过程中的产品质量、采集产品数据等。产品的分类和选择也集成于检测功能中。下面通过一个用于生产线上的单摄像机视觉系统，说明系统的组成及功能。 视觉系统检测生产线上的产品，决定产品是否符合质量要求，并根据结果，产生相应的信号输入上位机。图像获取设备包括光源、摄像机等；图像处理设备包括相应的软件和硬件系统；输出设备是与制造过程相连的有关系统，包括过程控制器和报警装置等。数据传输到计算机，进行分析和产品控制，若发现不合格品，则报警器告警，并将其排除出生产线。机器视觉的结果是CAQ系统的质量信息来源，也可以和CIMS其它系统集成。 图像的获取 图像的获取实际上是将被测物体的可视化图像和内在特征转换成能被计算机处理的一系列数据，它主要由三部分组成： ＊照明
机器视觉测量技术
机器视觉测量技术 杨永跃 合肥工业大学 2007.3
目录第一章绪论 1.1 概述 1.2 机器视觉的研究内容 1.3 机器视觉的应用 1.4 人类视觉简介 1.5 颜色和知觉 1.6 光度学 1.7 视觉的空间知觉 1.8 几何基础 第二章图像的采集和量化 2.1 采集装置的性能指标 2.2 电荷藕合摄像器件 2.3 CCD相机类 2.4 彩色数码相机 2.5 常用的图像文件格式 2.6 照明系统设计 第三章光学图样的测量 3.1 全息技术 3.2 散斑测量技术 3.3 莫尔条纹测量技术 3.4 微图像测量技术 第四章标定方法的研究 4.1 干涉条纹图数学形成与特征 4.2 图像预处理方法 4.3 条纹倍增法 4.4 条纹图的旋滤波算法 第五章立体视觉 5.1 立体成像
5.2 基本约束 5.3 边缘匹配 5.4 匹域相关性 5.5 从x恢复形状的方法 5.6 测距成像 第六章标定 6.1 传统标定 6.2 Tsais万能摄像机标定法 6.3 Weng’s标定法 6.4 几何映射变换 6.5 重采样算法 第七章目标图像亚像素定位技术 第八章图像测量软件 （多媒体介绍） 第九章典型测量系统设计分析9.1 光源设计 9.2 图像传感器设计 9.3 图像处理分析 9.4 图像识别分析 附：教学实验 1、视觉坐标测量标定实验 2、视觉坐标测量的标定方法。 3、视觉坐标测量应用实验 4、典型零件测量方法等。
第一章绪论 1.1 概述 人类在征服自然、改造自然和推动社会进步的过程中，面临着自身能力、能量的局限性，因而发明和创造了许多机器来辅助或代替人类完成任务。智能机器或智能机器人是这种机器最理想的模式。 智能机器能模拟人类的功能、能感知外部世界，有效解决问题。 人类感知外部世界：视觉、听觉、嗅觉、味觉、触觉 眼耳鼻舌身 所以对于智能机器，赋予人类视觉功能极其重要。 机器视觉：用计算机来模拟生物（外显或宏观）视觉功能的科学和技术。 机器视觉目标：用图像创建或恢复现实世界模型，然后认知现实世界。 1.2 机器视觉的研究内容 1 输入设备成像设备：摄像机、红外线、激光、超声波、X射线、CCD、数字扫描仪、 超声成像、CT等 数字化设备 2 低层视觉（预处理）：对输入的原始图像进行处理（滤波、增强、边缘检测），提取角 点、边缘、线条色彩等特征。 3 中层视觉：恢复场景的深度、表面法线，通过立体视觉、运动估计、明暗特征、纹理 分析。系统标定 4 高层视觉：在以物体为中心的坐标系中，恢复物体的完整三维图，识别三维物体，并 确定物体的位置和方向。 5 体系结构：根据系统模型（非具体的事例）来研究系统的结构。（某时期的建筑风格— 据此风格设计的具体建筑） 1.3 机器视觉的应用 工业检测—文件处理，毫微米技术—多媒体数据库。 许多人类视觉无法感知的场合，精确定量感知，危险场景，不可见物感知等机器视觉更显其优越十足。 1 零件识别与定位
机器视觉检测系统简述及系统构成
机器视觉检测系统简述及系统构成 1机器视觉检测的一般模式 机器视觉检测的目标千差万别，检测的方式也不尽相同。农产品如苹果、玉米等通常是检测其成熟度，大小，形态等，工业产品如工业零件,印刷电路板通常是检测其几何尺寸，表面缺陷等。不同的应用场合，就需要采用不同的检测设备和检测方法。如有的检测对精度要求高，就需要选择高分辨率的影像采集装置；有的检测需要产品的彩色信息，就需要采用彩色的工业相机装置。正是由于不同检测环境的特殊性，目前世界上还没有一个适用于所有产品的通用机器视觉检测系统。虽然各个检测系统采用的检测设备和检测方法差异很大，但其检测的一般模式却是相同的。机器视觉检测的一般模式是首先通过光学成像和图像采集装置获得产品的数字化图像，再用计算机进行图像处理得到相关检测信息，形成对被测产品的判断决策，最后将该决策信息发送到分拣装置，完成被测产品的分拣。 机器视觉检测的一般模式如图1所示： 图1机器视觉检测的一般模式 1.1图像获取 图像获取是机器视觉检测的第一步，它影响到系统应用的稳定性和可靠性。图像的获取实际上就是将被测物体的可视化图像和内在特征转换成能被计算机处理的图像数据。机器视觉检测系统一般利用光源，光学镜头，相机，图像采集卡等设备获取被测物体的数字化图像。 1.2视觉检测 视觉检测通过图像处理的方法从产品图像中提取需要的信息，做出结果处理并发送相应消息到分拣机构。通常这部分功能由机器视觉软件来完成。优秀的机器视觉软件可对图像中的目标特征进行快速准确地检测，并最大限度地减少对硬件系统的依赖性，而算法设计不够成熟的机器视觉软件则存在检测速度慢，误判率高，对硬件依赖性强等特点。在机器视觉检测系统中视觉信息的处理主要依赖于图像处理方法，它包括图像增强,数据编码和传输，平滑，边缘锐化，分割，特征提取，目标识别与理解等内容。 1.3分拣 对于一个检测系统而言，最终是要实现次品（含不同种类的次品）与合格品的分离即分拣，这部分功能由分拣机构来完成。分拣是机器视觉检测的最后一个也是最为关键的一个环节"对于不同的应用场合，分拣机构可以是机电系统!液压系统!气动系统中的某一种。但无论是哪一种，除了其加工制造和装配精度要严格保证以外,其动态特性,特别是快速性和稳定性也十分重要，必须在设计时予以足够的重视。 2机器视觉检测系统的构成 一个典型的机器视觉检测系统主要包括光源、光学镜头、数字相机、图像采集卡、图像处理模块、分拣机构等部份。其构成如图2所示。 图2典型的机器视觉检测系统 3光源
常用电子元器件检测方法与技巧
常用电子元器件检测方法与技巧
民常用电子元器件检测方法与技巧元器件的检测是家电维修的一项基本功，如何准确有效地检测元器件的相关参数，判断元器件的是否正常，不是一件千篇一律的事，必须根据不同的元器件采用不同的方法，从而判断元器件的正常与否。特别对初学者来说，熟练掌握常用元器件的检测方法和经验很有必要，以下对常用电子元器件的检测经验和方法进行介绍供对考。 一、电阻器的检测方法与经验： 1固定 1固定电容器的检测 A检测10pF以下的小电容 因10pF以下的固定电容器容量太小，用万用表进行测量，只能定性的检查其是否有漏电，内部短路或击穿现象。测量时，可选用万用表R×10k挡，用两表笔分别任意接电容的两个引脚，阻值应为无穷大。若测出阻值(指针向右摆动)为零，则说明电容漏电损坏或内部击穿。B检测10PF～001μF固定电容器是否有充电现象，进而判断其好坏。万用表选用R×1k挡。两只三极管的β值均为100以上，且穿透电流要小。可选用3DG6等型号硅三极管组成复合管。万用表的红和黑表笔分别与复合管的发射极e和集电极c相接。由于复合三极管的放大作用，把被测电容的充放电过程予以放大，使万用表指针摆幅度加大，从而便于观察。应注意的是：在测试操作时，特别是在测较小容量的电容时，要反复调换被测电容引脚接触A、B两点，才能明显地看到万用表指针的摆动。C对于001μF以上的固定电容，可用万用表的R×10k挡直接测试电容器有无充电过程以及有无内部短路或漏电，并可根据指针向右摆动的幅度大小估计出电容器的容量。 2电解电容器的检测 A因为电解电容的容量较一般固定电容大得多，所以，测量时，应针对不同容量选用合适的量程。根据经验，一般情况下，1～47μF间的电容，可用R×1k挡测量，大于47μF的电容可用R×100挡测量。 B将万用表红表笔接负极，黑表笔接正极，在刚接触的瞬间，万用表指针即向右偏转较大偏度(对于同一电阻挡，容量越大，摆幅越大)，接着逐渐向左回转，直到停在某一位置。此时的阻值便是电解电容的正向漏电阻，此值略大于反向漏电阻。实际使用经验表明，电解电容的漏电阻一般应在几百kΩ以上，否则，将不能正常工作。在测试中，若正向、反向均无充电的现象，即表针不动，则说明容量消失或内部断路；如果所测阻值很小或为零，说明电容漏电大或已击穿损坏，不能再使用。C对于正、负极标志不明的电解电容器，可利用上述测量漏电阻的方法加以判别。即先任意测一下漏电阻，记住其大小，然后交换表笔再测出一个阻值。两次测量中阻值大的那一次便是正向接法，即黑表笔接的是正极，红表笔接的是
机器视觉系统模块的原理分析及设计
机器视觉系统模块的原理分析及设计 一、概述 视觉技术是近几十年来发展的一门新兴技术。机器视觉可以代替人类的视觉从事检验、目标跟踪、机器人导向等方面的工作，特别是在那些需要重复、迅速的从图象中获取精确信息的场合。尽管在目前硬件和软件技术条件下，机器视觉功能还处于初级水平，但其潜在的应用价值引起了世界各国的高度重视，发达国家如美国、日本、德国、法国等都投入了大量的人力物力进行研究，近年来已经在机器视觉的某些方面获得了突破性的进展，机器视觉在车辆安全技术、自动化技术等应用中也越来越显示出其重要价值。本文根据最新的CMOS 图像采集芯片设计了一种通用的视觉系统模块，经过编制不同的图像处理、模式识别算法程序本模块可以应用到足球机器人，无人车辆等各种场合。 二、设计原理 系统原理框图如图1所示。 系统包含5个主要芯片：图像采集芯片OV7620，高速微处理器SH4，大规模可编程阵列FPGA，和串口通讯控制芯片MAX232。FPGA内部编程设立两个双口RAM，产生图像传感器所需的点频，行场同步等信号，以及控制双口RAM的存储时序。SH4负责对OV7620通过I2C进行配置，读取双口RAM的图像数据，进行处理，并通过串口实现图像资料的上传或控制步进电机等其他设备。 三、图像采集模块 系统模块以CMOS图像传感器OV7620为核心，还包括一个聚光镜头和其他一些辅助
元器件比如27MHZ的晶振，电阻电容等。 COMS图像传感器是近几年发展较快的新型图像传感器，由于采用了相同COMS技术，因此可以将像素阵列与外围支持电路集成在同一块芯片上，是一个完整的图像系统(Camera on Chip)。本系统采用的是Ommnvision公司推出的一块CMOS彩色图像传感器OV7620，分辨率为640x480。它能工作在逐行扫描方式下，也能工作在隔行扫描方式下。它不仅能输出彩色图像，也可用作黑白图像传感器。这块芯片支持的图像输出格式有很多种： 1)YCrCb4:2:2 16 bit/8 bit格式；2)ZV端口输出格式；3)RGB原始数据16 bit/8 bit； 4)CCIR601/CCIR656格式。其功能包括有对比度、亮度、饱和度、白平衡及自动曝光、同步信号位置及极性输出，帧速率和输出格式等都可以通过I2C 总线进行编程配置片内寄存器控制。 聚光镜头选用桑来斯公司生产的DSL103镜头。此镜头体积小，适合嵌入式视觉传感器的应用场合。 四、FPGA接口模块 FPGA采用Xilinx公司的XC2S100，这款芯片内部集成了10000个逻辑门。接口程序采用VHDL(Very High Speed Integrated Circuit Hardware Description Language)书写。为了提高数据的传输速率，在XC2S100 内部分配了2个双口RAM缓冲区，其大小为127KB，每个双口RAM存储1行的图像数据。两组双口RAM进行奇偶行计数器进行切换。当一行存储完毕后，立即向SH4传生一个读取该行数据的中断的申请信号。FPGA内部结构如图2所示。 这里主要问题在于FPGA内部的双口RAM读写操作共用同一数据总线和地址总线，当同时进行读写操作的时候就会产生时序问题导致写入或读出的数据错误。在这两个过程中为了防止数据和地址总线冲突，在FPGA内部设计了一个中央总线仲裁器。根据公共数据传输的先后顺序，中央仲裁器先接受图像传感器的总线请求，当图像存储到RAM之中后，中央仲裁器才响应单片机系统的读信号请求。
[电子行业企业管理]实验一、常用元器件的识别与测量及常规电子仪器使用
（电子行业企业管理）实验一、常用元器件的识别与测量及常规电子仪器使 用
实验一、常用元器件的识别与测量及常规电子仪器使用 一、目的 掌握常用电子元件的识别知识与检测技术。 二、实验仪器 万用表、示波器、信号发生器、直流稳压电源、毫伏表 三、任务 电子、电容的测量；二极管、三极管管脚识别与测量，常规电子仪器使用 四、实验内容 1．电阻器的检测 用万用表（指针式或数字式）测量电阻器是测量阻值和判别其质量好坏的最简易方法。测量方法如下（以MF-47为例）： ⑴检查电池 ⑵机械调零 ⑶选择倍率挡 ⑷电阻挡调零 ⑸测量电阻 2．电容器的检测 ⑴电容器的充放电检测 ⑵电容器漏电电阻的检测 3．二极管的简易测量 ⑴用指针式万用表测试二极管 ①二极管的好坏及电极的判别。用万用表的R×1K挡，用红、黑两表笔分别接触二极管的两个电极，测出其正、反向电阻值，一般二极管的正向电阻为几十欧到几千欧，反向电阻为几百千欧以上。正、反向电阻差值约大约好，至少应相差百倍为宜。若正、反向电阻都为零，则管子内部短路；若正、反向电阻都为∞，则管子内部开路；若正、反向电阻接近，则管子性能差。用上述测法测得阻值较小的那次，黑表笔所接触的电极为二极管的正极，另一端为负极。这是因为在磁电式万用表的欧姆挡，黑表笔接表内电池的正端，红表笔接表内电池的负端。 ②二极管类型的判别。经验证明，用500型万用表的R×1K挡测二极管的正向电阻时，硅管为6～20kΩ，锗管为1～5kΩ。用2.5V或10V电压挡测二极管
的正向导通电压时，一般锗管的正向电压为0.1V～0.3V，硅管的正向电压为0.5V～0.7V。 注意：用不同类型的万用表或同一类型的万用表的不同量程去测二极管的正向电阻时，所得结果是不同的。 ⑵用数字式万用表测试二极管 ①极性判别。将数字式万用表置于二极管挡，红表笔插入“V?Ω”插孔，黑表笔插入“COM”插孔，这时红表笔接表内电源正极，黑表笔接表内电源负极。将两只笔分别接触二极管的两个电极，如果显示溢出符号“1”，说明二极管处于截止状态；如果显示在1V以下，说明二极管处于正向导通状态，此时与红表笔相接的是管子的正极，与黑表笔相接的是负极。 ②好坏的测量。将数字式万用表置于二极管挡，红表笔插入“V?Ω”插孔，黑表笔插入“COM”插孔。当红表笔接二极管的正极，黑表笔接二极管的负极时，显示值在1V以下；当黑表笔接二极管的正极，红表笔接二极管的负极时，显示溢出符号“1”，说明被测二极管正常。若两次测量均显示溢出，则表示二极管内部断路。若两次测量均显示“000”，则表示二极管已击穿短路。 ③硅管与锗管的测量。量程开关位置及表笔插法同上，红表笔接被测二极管的正极，黑表笔接负极，若显示电压在0.5V∽0.7V，说明被测管是硅管；若显示电压在0.1V∽0.3V，说明被测管是锗管。用数字式万用表判断二极管类型是，不宜用电阻挡进行测量，因为数字式万用表电阻挡所提供的测量电流太大，而二极管是非线性元件，其正、反向电阻与测试电流的大小有关，所以，用数字式万用表测出来的电阻值与正常值相差极大。 4．晶体三极管的简易测试 利用万用表来简易测试晶体三极管 ①判断基极和管子类型 由于三极管的基极对集电极和发射极的正向电阻都较小，据此，可先找出基极。将万用表拨在R×100或R×1K挡上，当红表笔接触某一电极时，将黑表笔分别与另外两个电极接触，如果两次测得的电阻值均为几十至上百千欧的高电阻时，则表明该管为NPN型管，且这时红表笔所接触的电极为基极b。同理，如用黑表笔接触某一电极时，将红表笔分别与另外两个电极接触，如果两次测得的电阻值均为几百欧姆的低电阻，则表明该管仍然为NPN型管，且这时黑表笔所接触的电极为基极b。 反之，当红表笔接触某一电极时，将黑表笔分别与另外两个电极接触，如果两次测得的电阻值均为几百欧姆的低电阻时，则表明该管为PNP型管，且这时
嵌入式机器视觉系统设计
嵌入式机器视觉系统设计 熊 超 田小芳 陆起涌 (复旦大学电子工程系 上海 200433) 摘要 机器视觉系统是智能机器人的一个重要标志,也是近年来的一个研究热点,现有研究成果在系统复杂度、价格和性能之间很难达到平衡。针对此问题,设计了一个CM O S摄像头为图像采集设备、DM CU为核心处理器的嵌入式机器视觉系统,并实现了实时双目测距。该系统简单、实时性好。 关键词 嵌入式系统 DM CU 机器视觉 双目测距 The Design of Embedded Machine Vision System Xiong Chao Tian Xiaofang Lu Qiyo ng (E.E.D ep ar tment,F udan U niv er sity,Shanghai200433,China) Abstract M achine vision is an act ive research area in recent years,which is an import ant symbol of intelligent robot,but t he present research product ion has not f ound a balance among the system complexit y,cost and per-formance.T o solve the problem,a new embedded machine vision system is proposed,which t akes t he CM OS sense as the image acquisit ion unit and DM CU as cent ral processor,and real-time depth measurement is realized. T he system is simple and st able,and has a good perf ormance in real-time operation. Key words Embedded syst em DM CU M achine vision Binocular dept h measurement 1 引 言 机器视觉系统是智能机器人的一个重要标志,其模拟了人的感知功能,具有探测范围宽、目标信息完整等优势,因此越来越受到人们的关注。其中,机器视觉测量障碍物距离是近年来的研究热点,并取得了一定的效果[1～3]。但这些视觉测距系统往往比较复杂、价格高,或者实时性差。在此设计了一个以CM OS摄像模块为图像采集设备、DM CU为核心处理器的嵌入式机器视觉系统,并实现了双目视觉实时测距。该系统集成度高、功耗低、实时性好,还有丰富的外围接口,可以广泛应用于智能机器人导航、目标定位等领域。 2 嵌入式系统设计 系统采用的摄像模块为台湾原相公司的CM OS 图像传感器PAS109B,工作电压2.4～3.6V,分辨率164×124,像素大小7.25 m×7.25 m,图像帧率最高60fps(frame per second),支持I2C接口。处理器采用台湾俊亿公司提供的DM CU处理器KBD0001B。DM-CU是为了适应现代便携设备发展而出现的一种全新体系结构,整合了DSP高效的运算能力和M CU强大的控制能力。K BD0001B字长16位,内部有RO M 32kW,有两种RA M:XRA M(16kW)和YRA M (8kW),可在一个时钟周期内分别从这两个RA M中得到两个操作数。K BD0001B运算速度最高可达25M IPS,采用了4级流水线结构,每条指令执行时间均为一个时钟周期。K BD0001B提供48个通用I/O接口,支持SPI、I2C、U A RT、PWM,内嵌了LCD控制器。 这里设计的机器视觉系统以K BD0001B为核心处理器,CM OS摄像模块为图像采集设备,大大降低该系统的复杂度。将该系统安装于一个移动小车上,通过双目视觉的方法测量障碍物的距离,实现了小车自主行驶和避障,如图1所示。 嵌入式机器视觉系统框图如图2所示。 为实时地测量障碍物距离,系统利用外极线约束[4]重整图像,这样每次只需分别从两图像传感器中 第26卷第8期增刊 仪 器 仪 表 学 报 2005年8月
机器视觉测量技术
机器视觉测量技术杨永跃合肥工业大学 2007.3 目录 第一章绪论 1.1 概述 1.2 机器视觉的研究内容 1.3 机器视觉的应用 1.4 人类视觉简介 1.5 颜色和知觉 1.6 光度学 1.7 视觉的空间知觉 1.8 几何基础 第二章图像的采集和量化 2.1 采集装置的性能指标 2.2 电荷藕合摄像器件 2.3 CCD 相机类 2.4 彩色数码相机 2.5 常用的图像文件格式
2.6 照明系统设计 第三章光学图样的测量 3.1 全息技术 3.2 散斑测量技术 3.3 莫尔条纹测量技术 3.4 微图像测量技术 第四章标定方法的研究 4.1 干涉条纹图数学形成与特征4.2 图像预处理方法 4.3 条纹倍增法 4.4 条纹图的旋滤波算法 第五章立体视觉 5.1 立体成像 2 5.2 基本约束 5.3 边缘匹配 5.4 匹域相关性 5.5 从 x 恢复形状的方法 5.6 测距成像
第六章标定 6.1 传统标定 6.2 Tsais 万能摄像机标定法 6.3 Weng ’ s 标定法 6.4 几何映射变换 6.5 重采样算法 第七章目标图像亚像素定位技术第八章图像测量软件 (多媒体介绍 第九章典型测量系统设计分析9.1 光源设计 9.2 图像传感器设计 9.3 图像处理分析 9.4 图像识别分析 附:教学实验 1、视觉坐标测量标定实验 2、视觉坐标测量的标定方法。 3、视觉坐标测量应用实验 4、典型零件测量方法等。
3 第一章绪论 1.1 概述 人类在征服自然、改造自然和推动社会进步的过程中,面临着自身能力、能量的局限性, 因而发明和创造了许多机器来辅助或代替人类完成任务。智能机器或智能机器人是这种机器最理想的模式。 智能机器能模拟人类的功能、能感知外部世界,有效解决问题。 人类感知外部世界:视觉、听觉、嗅觉、味觉、触觉 眼耳鼻舌身 所以对于智能机器,赋予人类视觉功能极其重要。 机器视觉:用计算机来模拟生物(外显或宏观视觉功能的科学和技术。 机器视觉目标:用图像创建或恢复现实世界模型,然后认知现实世界。 1.2 机器视觉的研究内容 1 输入设备成像设备:摄像机、红外线、激光、超声波、 X 射线、 CCD 、数字扫描仪、超声成像、 CT 等 数字化设备 2 低层视觉(预处理 :对输入的原始图像进行处理(滤波、增强、边缘检测 ,提取角点、边缘、线条色彩等特征。 3 中层视觉:恢复场景的深度、表面法线,通过立体视觉、运动估计、明暗特征、纹理分析。系统标定
机器视觉系统设计五大难点【详解】
机器视觉系统设计五大难点 内容来源网络，由“深圳机械展（11万㎡，1100多家展商，超10万观众）”收集整理！ 更多cnc加工中心、车铣磨钻床、线切割、数控刀具工具、工业机器人、非标自动化、数字化无人工厂、精密测量、数控系统、3D打印、激光切割、钣金冲压折弯、精密零件加工等展示，就在深圳机械展. 机器视觉系统的组成 机器视觉系统是指用计算机来实现人的视觉功能，也就是用计算机来实现对客观的三维世界的识别。按现在的理解，人类视觉系统的感受部分是视网膜，它是一个三维采样系统。三维物体的可见部分投影到网膜上，人们按照投影到视网膜上的二维的像来对该物体进行三维理解。所谓三维理解是指对被观察对象的形状、尺寸、离开观察点的距离、质地和运动特征（方向和速度）等的理解。 机器视觉系统的输入装置可以是摄像机、转鼓等，它们都把三维的影像作为输入源，即输入计算机的就是三维管观世界的二维投影。如果把三维客观世界到二维投影像看作是一种正变换的话，则机器视觉系统所要做的是从这种二维投影图像到三维客观世界的逆变换，也就是根据这种二维投影图像去重建三维的客观世界。 机器视觉系统主要由三部分组成：图像的获取、图像的处理和分析、输出或显示。 近80%的工业视觉系统主要用在检测方面，包括用于提高生产效率、控制生产过程中的产品质量、采集产品数据等。产品的分类和选择也集成于检测功能中。下面通过一个用于生产线上的单摄像机视觉系统，说明系统的组成及功能。 视觉系统检测生产线上的产品，决定产品是否符合质量要求，并根据结果，产生相应的信号输入上位机。图像获取设备包括光源、摄像机等；图像处理设备包括相应的
软件和硬件系统；输出设备是与制造过程相连的有关系统，包括过程控制器和报警装置等。数据传输到计算机，进行分析和产品控制，若发现不合格品，则报警器告警，并将其排除出生产线。机器视觉的结果是CAQ系统的质量信息来源，也可以和CIMS 其它系统集成。 图像的获取 图像的获取实际上是将被测物体的可视化图像和内在特征转换成能被计算机处理的一系列数据，它主要由三部分组成： ＊照明 ＊图像聚焦形成 ＊图像确定和形成摄像机输出信号 1、照明 照明和影响机器视觉系统输入的重要因素，因为它直接影响输入数据的质量和至少30%的应用效果。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。 过去，许多工业用的机器视觉系统用可见光作为光源，这主要是因为可见光容易获得，价格低，并且便于操作。常用的几种可见光源是白帜灯、日光灯、水银灯和钠光灯。但是，这些光源的一个最大缺点是光能不能保持稳定。以日光灯为例，在使用的第一个100小时内，光能将下降15%，随着使用时间的增加，光能将不断下降。因此，如何使光能在一定的程度上保持稳定，是实用化过程中急需要解决的问题。 另一个方面，环境光将改变这些光源照射到物体上的总光能，使输出的图像数据存在噪声，一般采用加防护屏的方法，减少环境光的影响。
机器视觉检测分解
研究背景： 产品表面质量是产品质量的重要组成部分，也是产品商业价值的重要保障。产品表面缺陷检测技术从最初的依靠人工目视检测到现在以CCD 和数字图像处理技术为代表的计算机视觉检测技术，大致经历了三个阶段，分别是传统检测技术阶段、无损检测技术阶段、计算机视觉检测技术阶段。[] 传统检测技术 （1）人工目视检测法 （2）频闪检测法 无损检测技术 （1）涡流检测法 （2）红外检测法 （3）漏磁检测法 计算机视觉检测技术 （1）激光扫描检测法 （2）CCD 检测法 采用荧光管等照明设备，以一定方向照射到物体表面上，使用CCD摄像机来扫描物体表面，并将获得的图像信号输入计算机，通过图像预处理、缺陷区域的边缘检测、缺陷图像二值化等图像处理后，提取图像中的表面缺陷的相关特征参数，再进行缺陷图像识别，从而判断出是否存在缺陷及缺陷的种类信息等。 优点：实时性好，精确度高，灵活性好，用途易于扩充，非接触式无损检测。 基于机器视觉的缺陷检测系统优点： 集成化生产缩短产品进入市场时间改进生产流程100%质量保证实时过程监控提高产量精确检测100%检测 由于经济和技术原因国内绝大多数图像处理技术公司都以代理国外产品为主，没有或者很少涉足拥有自主知识产权的机器视觉在线检测设备，对视觉技术的开发应用停留在比较低端的小系统集成上，对需要进行大数据量的实时在线检测的研究很少也很少有成功案例，但是随着国内经济发展和技术手段不断提高对产品质量检测要求就更高，对在线检测设备的需求也就更大具有巨大的市场潜力。 机器视觉图像处理技术是视觉检测的核心技术 铸件常见缺陷：砂眼气孔缩孔披缝粘砂冷隔掉砂毛刺浇不足缺陷变形 问题的提出： 1.水渍、污迹等不属于铸件缺陷，但由于其外观形貌与缺陷非常类似, 因此易被检测系统误识为缺陷。从目前发表的文献来看，对于伪缺陷的识别率较低。 2.不同种缺陷之间可能存在形状、纹理等方面的相似性，造成缺陷误判。 国外研究发展现状： 20 世纪90 年代后，基于机器视觉检测系统的自动化功能和实用化水平得到了进一步的提高。 1990 年芬兰Rautaruukki New Technology公司研制了Smartivis表面检测系统[]，该系统具有自学习分类功能，应用机器学习方法对决策树结构进行自动设计优化。 1996 年美国Cognex公司研发了一套iLearn自学习分类器软件系统并应用于其研制了iS-2000 自动检测系统。通过这两套系统的无缝衔接，极大地提高了检测系统实时的运算速度，有效的改进了传统自学习分类方法在算法执行速度、数据实时吞吐量、样本训练集规模及模式特征自动选择等方面的不足之处[]。 2004 年Parsytec公司发布了新一代表面质量检测产品Parsytec5i，该系统运用了自学习神经
机器视觉检测
机器视觉检测 一、概念 视觉检测是指通过机器视觉产品（即图像摄取装置，分 CMOS 和CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 机器视觉检测的特点是提高生产的柔性和自动化程度。 2、典型结构 五大块：照明、镜头、相机、图像采集卡、软件 1.照明 照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。目前没有通用的照明设备，具体应用场景选择相应的照明装置。照射方法可分为： 分类具体说明优点 背向照明被测物放在光源和摄像机之 间能获得高对比度的图像 前向照明光源和摄像机位于被测物的 同侧 便于安装 结构光将光栅或线光源等投射到被 测物上，根据它们产生的畸 变，解调出被测物的三维信 息 频闪光照明将高频率的光脉冲照射到物
体上，摄像机拍摄要求与光 源同步 2.镜头 镜头的选择应注意以下几点：焦距、目标高度、影像高度、放大倍数、影响至目标的距离、中心点/节点、畸变。 3.相机 按照不同标准可分为：标准分辨率数字相机和模拟相机等。 要根据不同的实际应用场合选不同的相机和高分辨率相机：线扫描CCD 和面阵CCD；单色相机和彩色相机。 为优化捕捉到的图像，需要对光圈、对比度和快门速度进行调整。 4.图像采集卡 图像采集卡是图像采集部分和图像处理部分的接口。将图像信号采集到电脑中，以数据文件的形式保存在硬盘上。通过它，可以把摄像机拍摄的视频信号从摄像带上转存到计算机中。 5.软件 视觉检测系统使用软件处理图像。软件采用算法工具帮助分析图像。视觉检测解决方案使用此类工具组合来完成所需要的检测。是视觉检测的核心部分，最终形成缺陷的判断并能向后续执行机构发出指令。常用的包括，搜索工具，边界工具，特征分析工具，过程工具，视觉打印工具等。 3、关键——光源的选择 1.光源选型基本要素： 对比度机器视觉应用的照明的最重要的任务就是使需要被观察的特征与需要被忽略的图像特征之间产生最大的对比度，从而易于特
机器视觉在线检测系统项目实施流程
精选文档 随着机器视觉检测技术的日益成熟，越来越多的企业选择安装机器视觉在线检测系统，企业如何做到机器视觉在线检测项目的顺利实施，企业用户对机器视觉在线检测系统设计制作流程的了解至关重要，今天创视新小编在这里整理了整个机器视觉在线检测系统从前期的产品检测评估到系统设备设计制作集成的整个过程做一个简单的介绍： 1、项目的前期评估 A、通过电话联系我们公司，我们公司将会有专业项目工程工程师跟您进行 初步的沟通，了解您的需求； B、需要您提供检测样品（0K品和各种NG品数个）以及现场环境，如果 不是做整机检测设备的还需要提供视觉设备的安装空间及外围I0通讯。如有 需要，项目工程师可以到贵公司进行现场评估； C、根据提供的样品，项目工程师会在公司进行初步的技术评估，一般在收 到样品后两个工作日内会给出测试结果； D、项目工程师会根据测试结果，向您提出专业的意见。提供合适的视觉产品 （包括工业相机、镜头、光源、电脑、机器视觉系统软件等）给您，然后在测 试结果出来后给您提供初步方案及项目费用预估。 E、如对方案存在疑问，可以随时联系项目工程师，项目工程师会对您的疑 问进行解答并完善方案，尽力满足您的需求。 2、立项 项目经过初步评估后，双方确认项目方案的可行性，项目工程师接下来会建 立一个新项目流程往下进行。 3、检测标准的明确 需要您收集0K品和限度NG品（即初步测试中认为可以检测出来的NG品 种类），需要一定数量。项目工程师会对您提供的样品进行测试，详细的检测标准跟您进行确认 精选文档
4、其他确认 明确了检测标准后，项目工程师会进一步和您确认检测设备达到安装现场，机械和电气要求；如果贵公司对设备使用有特殊要求的，请及时提出，以便我们进行评估和设计。 5、整体方案书制作、明细报价单、合同制作 项目工程师根据以上的确认制作详细的整体方案，整体包含整机图、视觉系统配置、检测标准、软件功能等。 机器视觉在线检测系统设备设计制作流程 在签完合同和各方面财务确认后就开始进一步的系统设备的设计制作。 1、客服提供相关的辅料 需要提供不同程度的良品与不良品样品、产品样品外观尺寸和设计品载具。如果需要使用专用载具，请提供专用载具的相关尺寸以提供我们的设计使用。 2、设备整机布置图和电气控制动作流程的确认 我们在收到您提供的相关辅料几个工作日后，提供设备整机布置图和电气控制动作流程给贵公司的责任人确认，如有疑问可以和公司的技术工程师沟通，技术工程师会尽快解决您的问题。 3、机器零件图设计 整机布置图确认后，接着就是进行机械零件的设计。 4、机械、电气标准件的选型 精选文档 整机布置图和电控动作流程确认后，接着就是完成机械、电气标准件的选型。
实验二常用电子元器件的测量
实验二常用电子元器件的测量 一．实验目的 1．掌握用万用表测量电阻、电容、二极管、三极管及检测元件性能的好坏 2．进一步熟悉低频信号发生器、交流毫伏表、直流稳压电源、双踪示波器的使用，并通过测试一个实验电路理解电阻、电容、电感、二极管等元器件在电路中的 作用。 二．实验原理 ㈠固定电阻 1．固定电阻器的主要参数 固定电阻器的主要参数是标称阻值、允许误差和额定功率。 （1）标称阻值和允许误差 电阻器上标志的阻值叫标称值，而实际值与标称值的偏差，除以标称值所得的百分数叫 电阻的误差，它反映了电阻器的精度。不同的精度有一个相应的误差，表2-1列出了常用电 阻器的允许误差等级（精度等级）。 目前固定电阻器大都为I级或II级普通电阻，而III级很少，都能满足一般应用的要 求，02、01、005级的精密电阻器，一般用于测量仪器，仪表及特殊设备电路中。 国家有关部门规定了阻值系列作为产品的标准，表2-2是普通电阻器系列表。表中的标 称值可以乘以10n，例如，4．7这个标称值，就有0．47Ω、4．7Ω、47Ω、470Ω、4．7K Ω……。选择阻值时必须在相应等级的系列表中进行。 表 2–2 电阻器系列及允许误差 （2）电阻器的额定功率 电阻器长时间工作允许所加的最大功率叫额定功率。电阻器的额定功率，通常有1/8、 1／4、1／2、1、2、3、5、10瓦等。表示电阻器额定功率的通用符号见图2-1。大于1W的 则用阿拉伯数字表示。 125 .0W W 1 5.0W .0W 25
图2-1 电阻器通用符号 2．固定电阻器主要参数的标志方法 （1）电阻器的额定功率、阻值及允许误差一般都标在电阻器上。额定功率较大的电阻器，一般都将额定功率直接印在电阻器上。额定功率较小的电阻器，可以从它的几何尺寸和表面面积上看出来，一般1/8w、1/4w电阻器的直径约2．5毫米，长约7-8毫米；1/2W电阻器的直径约4．5毫米，长约10-12毫米。 （2）电阻值及允许误差有三种表示法，即直标法、文字符号法和色标法。直标法是阻值和允许误差直接标明，如2KΩ±5％；文字符号法是阻值用数字与符号组合在一起表示，组合规律如下：文字符号Ω、K、M前面的数字表示整数阻值，文字符号Ω、K、M后面的数字表示小数点后面的小数阻值。允许误差用符号J＝±5％、K＝±10％、M＝±20％。例如5Ω1J表示5．1Ω±5％。这种表示法可避免因小数点脱掉而误识标记。目前小型化的电阻器都采用色标法，用标在电阻体上不同颜色的色环作为标称值和允许误差的标记。色标法具有颜色醒目、标志清晰、无方向性的优点，它给生产过程中的安装、调试与检修带来方便。误差为±5％、±10％的普通色环电阻用四色环表示，左端部为第一色环（比较靠近引脚），顺次向右为第二、第三、第四色环。各色环所代表的意义为：第一、第二色环相应代表阻值的第一、第二位有效数字，第三色环表示后面加“0’’的个数，第四环代表允许误差，各色环颜色一数值对照表2-3。精密电阻用五色环（或六色环）表示阻值和允许误差，见表2-4。 表2-3 四色环电阻读数表 2-4 五色环电阻读数
机器视觉检测台自动控制系统设计毕业设计
毕业设计题目：机器视觉检测台自动控制系统设计 姓名： 学号： 学院：机电学院 专业：机械工程及自动化 指导教师： 协助指导教师： 201 年月日
摘要 为了提高机器视觉检测系统中摄像头的定位精度和实现摄像头的全自动调节，本文结合实际工业生产需求详细叙述了怎样进行机械机构设计、硬件选型与硬件接线以及精度计算设计等工作。其中硬件设计包含怎么选择合适的控制器、控制工艺、驱动设备、上位监控软件及网络通信方式等机器视觉检测台自动控制系统中的重要组成部分；精度计算设计主是指通过计算步进电机步距角与其高速脉冲频率的关系来实现摄像头移动位置的精确定位。 关键词：自动检测系统、PLC、步进电机
Abstract Precision detection technology as the key to promoting industrial development and the efficiency of detection to some extent reflects the development of the manufacturing sector; for machine vision inspection system has the advantage of high precision, on-line, real-time, non-contact, etc., with industrial production field of automation requirements continue to increase, machine vision inspection applications in various fields more widely, such as assembly line parts recognition positioning, size and location of the measurement of mechanical components, parts flaw detection, mechanical parts assembly Appearance inspection and product testing completely. In order to improve the positioning accuracy of the machine vision inspection system in the camera and the camera's automatic adjustment realization, this paper actual industrial production requirements described in detail how mechanical structure design, hardware selection and the hardware wiring and accuracy of the calculation and design work. The hardware design includes how to choose the right controller to control the process, drives, PC and network monitoring software, communications and other machine vision inspection station automatic control system, an important part; precision computing design of the main means by calculating the stepper motor step Relationship angle from its high-speed pulse frequency to achieve precise positioning camera movement position. Keywords: Automatically Detecting System, PLC, Stepper Motor.
机器视觉系统设计的五大难点
上海嘉肯光电科技有限公司:机器视觉光源的研发https://www.360docs.net/doc/455435121.html, 机器视觉系统设计的五大难点 第一：打光的稳定性 工业视觉应用一般分成四大类：定位、测量、检测和识别，其中测量对光照的稳定性要求最高，因为光照只要发生10-20%的变化，测量结果将可能偏差出1-2个像素，这不是软件的问题，这是光照变化，导致了图像上边缘位置发生了变化，即使再厉害的软件也解决不了问题，必须从系统设计的角度，排除环境光的干扰，同时要保证主动照明光源的发光稳定性。 第二：工件位置的不一致性 一般做测量的项目，无论是离线检测，还是在线检测，只要是全自动化的检测设备，首先做的第一步工作都是要能找到待测目标物。每次待测目标物出现在拍摄视场中时，要能精确知道待测目标物在哪里，即使你使用一些机械夹具等，也不能特别高精度保证待测目标物每次都出现在同一位置的，这就需要用到定位功能，如果定位不准确，可能测量工具出现的位置就不准确，测量结果有时会有较大偏差。 第三：标定 一般在高精度测量时需要做以下几个标定，一光学畸变标定（如果您不是用的软件镜头，一般都必须标定），二投影畸变的标定，也就是因为您安装位置误差代表的图像畸变校正，三物像空间的标定，也就是具体算出每个像素对应物空间的尺寸。
上海嘉肯光电科技有限公司:机器视觉光源的研发https://www.360docs.net/doc/455435121.html, 第四：物体的运动速度 如果被测量的物体不是静止的，而是在运动状态，那么一定要考虑运动模糊对图像精度（模糊像素=物体运动速度*相机曝光时间），这也不是软件能够解决的。 第五：软件的测量精度 在测量应用中软件的精度只能按照1/2—1/4个像素考虑，最好按照1/2，而不能向定位应用一样达到1/10-1/30个像素精度，因为测量应用中软件能够从图像上提取的特征点非常少。 上海嘉肯光电科技有限公司是一家专业从事机器视觉光源的研发、生产和销售为一体的高新技术企业。以工业检测、机器视觉、图像处理、科学研究等领域为主要研发及经营方向。此外，公司还代理工业镜头、工业相机、图像采集卡、图像处理软件和各类视觉附件。??上海嘉肯光电科技有限公司?将坚持“用心，创造未来”的企业经营理念，并持续不断地把最优秀、性价比最高的视觉产品提供给广大用户，以不断满足客户日益增长的要求。