基于HALCON的中压真空断路器视觉检测系统实现

张振超，卢建宁，王 伟，郭彦斌，赵义辉

（北京机械工业自动化研究所，北京 100120）

0 引言

中压真空断路器作为电力系统中重要的开关设备，其质量好坏对电网的安全性有着重要的影响。中压真空断路器的尺寸是影响其质量的关键因素，因此在中压真空断路器生产过程中需要对其进行尺寸检测，传统的检测方式都是采用标准柜模拟配柜检测，其只能实现工件的定性检测，且具有效率低，耗人工，容易磨损等缺点，产品检测可靠性较差。但随着电网建设对输变电设备要求的不断提高，对中压真空断路器检测也提出了更高的要求。本文将机器视觉应用在中压真空断路器尺寸检测上，其具有在线实时、非接触、高精度等特点[1]，实现了中压真空断路器的定量检测，对生产及安装过程具有指导性作用。

HALCON是世界公认具有最佳效能的机器视觉软件，在工业检测中提供了高速、高精度的算法，其交互式的开发环境可以迅速开发机器视觉程序，节约产品成本缩短开发周期[2]。针对传统检测方式存在的一些问题及电力系统对真空断路器检测要求的提高，本文应用机器视觉技术，利用HALCON机器视觉软件实现对中压真空断路器的尺寸检测。

1 系统构成

一个完整的机器视觉系统主要包括光源、相机、图像采集卡、计算机、执行机构等部分[3]。本文的中压真空断路器尺寸检测系统构成如图1所示。

根据中压真空断路器的检测要求，将其分为24个检测点，通过PLC控制伺服电机及工件平台实现对24个点的逐个采集检测。

图1 中压真空断路器视觉检测系统构成

2 检测过程

2.1 图像获取

通过调用HALCON算子open_framegrabber可以访问图像采集设备，之后调用grab_image算子实现对图像的采集[4]。其中产品的24个检测点主要分为两类，圆形测试点和线形测试点，采集到的两类图像如图2、图3所示。

图2 采集到的圆形测试点

图3 采集到的线性测试点

2.2 图像预处理及区域提取

2.2.1 图像预处理

经图像采集设备采集到的图像首先需要经过一定的预处理，其目的是使其特征更加明显。本文图像预处理过程为：1）调用reduce_domain算子截取所画出的ROI，进一步缩小定义区域。2）调用threshold算子对图像进行二值化。3）调用opening_circle算子消除边界毛刺。4）调用fill_up算子对区域进行填充。5）调用connection算子连通和划分区域。6）调用select_shape算子选出面积大于预设面积的圆形（线性测试点选出矩形）区域。7）调用closing_circle算子填充细小孔洞平滑边界。预处理后得到的图像如图4、图5所示。

图4 圆形测试点预处理后图形

图5 线形测试点预处理后图形

2.2.2 区域提取

图像预处理后，再通过相应的步骤提取出包含检测特征的区域。

圆形测试点区域提取过程：首先通过调用dilation_circle算子和erosion_circle算子分别对图像进行膨胀和腐蚀，分别得到两个区域，然后使用difference算子得到两个区域的差值区域，图像的圆形外部边缘就包含在该区域中。

线性测试点区域提取过程：首先调用erosion_rectangle1算子对图像进行腐蚀，再调用move_region算子对区域进行移动，经过shape_trans算子进行形状变换，最后使用reduce_domain算子截取ROI，得到的区域的边缘即为图像的边缘。

2.3 亚像素边缘提取

首先使用threshold_sub_pix算子进行阈值边界提取，然后使用union_adjacent_contours_xld算子连接相邻的XLD，然后调用select_contours_xld算子选出轮廓长度在400到2000范围内的XLD，最后调用f i t_circle_contour_xld算子对圆形测试点使用圆形结构拟合轮廓，调用fit_line_contour_xld算子对线形测试点使用线段拟合轮廓。最终得到的图像边缘如图6、图7所示。

图6 特征提取获得圆形边缘

图7 特征提取获得线形边缘

2.4 检测结果

亚像素边缘提取得到轮廓后计算出其中心点坐标，结合PLC控制伺服电机移动的坐标进行计算即可得到中压真空断路器的尺寸，经数据库与标准产品尺寸及误差范围对比最终得到产品的检测结果。

3 结束语

本文应用机器视觉技术，结合HALCON开发平台，实现中压真空断路器的尺寸检测，提高了工件的检测精度，避免了人工主观因素造成的测量误差，提高了流水线的自动化程度。但是目前中压真空断路器视觉检测算法还存在一些不足，如复杂光照和工件表面氧化程度等都会对检测效果产生影响，因此在以后的工作中争取在图像处理算法上再加以改进，使图像的识别率和检测精度进一步提高，增加系统的实用性和检测效率。

[1] 黄正福.面向尺寸检测的机器视觉系统研究[D].杭州:浙江工业大学,2004.

[2] 林佩谕.高性能的图像处理软件—HALCON[DB/OL].豆丁网.

[3] 刘混海.基于机器视觉的集成芯片基板定位技术研究[D].合肥:合肥工业大学,2009.

[4] 郭佳寅.基于Halcon的乳制品箱体喷码字符识别方法研究[J].制造业自动化,2013(02):21-21.