SCI论文（www.lunwensci.com）
摘要：基于计算机视觉识别开发了一种能够快速指导接线工作并且对接线结果进行检测的方法。通过线号识别指导接线，分步判断法检测接线，以产品实物图或者三维模型为基准构建模板，扫条形码，系统自动调用模板主摄像头采集实物匹配模板。创新点在于采用图像拼接算法实现双系统取像融合，模板信息映射至实景，接线前通过识别线号做到提前判断接线位置和指导员工接线。同时，在接完一根线后立即对接线局部图像进行判断，实现高准确度的判断。采用2D识别算法，使得匹配响应时间控制到1s以内，采用漫反射光源，搭配最佳高角度照射打光方式，确保成像质量。实验结果表明，采用此方法指导和检测接线，能克服双系统取样图像拼接畸变、一次性检验准确率低和外部光线干扰等应用难点，大幅提升了接线效率和准确率。
关键词：计算机视觉识别,接线指导,接线检验,图像
0引言
控制柜是自动化设备的核心控制部件，通过接插线束和设备连接。大型控制柜的接线数量多达上千条，数千个接线点位排布密集，传统方式为操作人员对照电气图纸查找接线位置，再根据接线图选择对应线号的线束进行接线，接线完成后再进行目视检验。存在以下问题：接线低效耗时长，单根耗时30 s以上；检验可靠性低，异常检出率不足85％。
针对上述问题，目前的研究方向为接线模式的经济性和可靠性[1]，具体有应用模块化＋大数据处理技术来解决。通过设计出标准化、兼容式接线模块，规范接线安装标准，提升接线效率。在装接工作完成后，利用无负荷计量回路自动检测技术，能够在无负荷不通电状态下迅速实施验证现场接线正确与否，确保在通电前装接工作的准确性，并利用遗传算法和BP神经网络算法实现数据的处理和计算，实现精确筛选，提升检出率[2]。
也有采用电气自动化技术结合PLC完成自动控制接线方案[3]。
现有研究主要聚焦于前端设计优化和后端的接线检验，涉及多项技术的应用研究。计算机视觉识别是一种被识别物体与识别装置之间的交互自动获取被识别物体的相关信息提供给计算机系统识别的技术。由于视觉识别技术具有灵敏度高、响应速度快、噪声低、抗电磁干扰能力强及应用方便灵活等特点，具备广阔的应用场景，属于重点研究领域之一[4]。
本文基于计算机视觉识别技术提出一种全新的接线指导及视觉检测新工艺方法。通过应用视觉识别技术，创新性地采用拼接算法融合图像，将模板信息映射至实景，快速准确地标定接线位置、判断接线是否正确，可用于接线指导和接线检测，提升了接线效率和准确性。
1系统概述
1．1系统总体设计构架
系统以产品实物图或者三维模型为基准构建模板，在模板中标记出所有的接线位置和接线位置定义(连接配线的线号)。可根据图幅需求选择不同数量的高清摄像头进行图像采集，并采用图像合成算法实现图像无缝拼接为全景图。图像拼接完成后系统根据产品条码调用产品模板，通过图像算法实现模板与实景图片匹配，将模板接线位置信息映射至实景图片。
模板映射至实景图后，接线人员拿取配线，并使用摄像头／扫码器／键盘等获取配线号，系统结合实景图中的接线位置标记在实景图中标记配线的接线位置，直观地指导生产人员进行接线。接线完成系统获取下一条配线号时触发检测动作，系统对接线标记位置进行局部检测，若与接线前有变化则判断为接线正确，若未发生变化说明接线错误，系统报警并标记错误位置。以此实现接线的指导和检测。系统的工作流程如图1所示。
1．2硬件结构分析和软件运行流程
本系统硬件部分的核心部件为矩阵式排列的2个2 000万像素的主摄像头加1个300万像素的副摄像头，主摄像头精度达0．5 mm，精度可兼容最小直径的配线。系统包含4大核心系统部件：矩阵主摄、高精度副摄、图像采集处理单元、核心主控，具体如图2所示。软件系统运行流程为：扫描订单号、系统匹配、摄像头识别线号、自动显示接线位置信息、员工根据视觉指导接线、系统自动检测接线准确性、记录接线数据，同时，整个系统会关联相关图文，当线路图或配线图文信息更新时，系统会自动提醒。
2系统核心功能设计与实现
2．1图像拼接技术
图像拼接主要是指将很多具有重叠部分的图像拼接成一幅无缝、分辨率高的图像技术[5]。主要包括以下5步：(1)图像预处理，基本去噪等和建立图像匹配模板和对图形进行变换；(2)图像配准，采用匹配策略找出特征点对应位置，确定变换关系；(3)建立变换模型，根据对应关系，计算参数，数学建模；(4)统一坐标变换，根据模型，将待拼接图形转换至参考图像坐标系中；(5)融合重构，将拼接图像的重合部分进行融合，即可得到无缝全景图像。
其中，图像配准是核心技术，直接关系到拼接算法的成功率和运行速度[6]，目前的配准算法分为基于频域的方法和基于时域的方法。基于频域的方法由Kuglin和Hines在1975年提出，证明在纯二维平移的情形下，拼接精度可以达1个像素。该方法主要进行傅里叶变换，具备简单而精准的特点，但是需要50％以上的重叠比例，否则会造成平移矢量的错误估计，影响配准[7]。基于时域的方法利用特征点建立特征关系，不直接利用图像的灰度信息，对光线变换不敏感，对特征点对应关系的精确度依赖很高，整体而言该算法精度较高，但计算量过大。在实际应用中，如对精度要求不高，光线稳定，建议选用前者，反之选用后者。同时，也有结合图像信号傅里叶变换提出的基于频域时域相结合图像配准算法可供选择[8]。
在本系统中，由于控制柜涉及规格种类多达上百种，相机视野需要超过2700 mm×1 600 mm才能全覆盖，同时电控箱内部元器件尺寸规格差异大，高度差接近200 mm，最小配线内部铜芯截面积为0．5 mm2，因此相机拍摄照片时视野及景深必须保证满足所有配线径影像识别。
针对视野范围和检测精度，选定镜头集中为28 mm，物距1650 mm，景深范围为280 mm的双摄像头，进行如图3所示的多摄像头矩阵式分布，以满足不同图幅产品识别区域覆盖。所有摄像头采集的图片采用图像拼接算法将图片无缝拼接为全景图幅。具体过程为：先将相机1拍摄图片进行桶形变换，缩减边缘图像匹配的发散，减少因透视变换所带来的变形，使得拼接后图片的畸变率大幅降低[9]；然后对相机1和相机2拍摄的图片进行特征点匹配，使用透视矩阵自动识别匹配点，对相机2拍摄图片进行透视变换，与相机1拍摄图片进行无缝拼接，最终实现图形融合，融合后使得视觉系统能兼容所有电控规格。
自动匹配采用了L－M(Levenberg－Marquardt)算法优化透视矩阵[10]。利用L－M优化算法来最小化误差函数，可以算出近似的黑塞矩阵和加权梯度矢量，通过修正值迭代来降低误差，直至误差达到设定的标准。
2．2指导检测技术
行业内接线指导通常是通过人工匹配器件代码、配线信息及纸质线路图中相关信息在电控柜中找到实际接线位置，线路图信息密集、字符小、人眼易疲劳、效率低。于是自动判断的系统应运而生。目前主要有模糊判断方法、基于支持向量机学习法、以及神经网络识别法等[11]。
本系统使用创新的视觉判断法，通过界面主显示窗口和局部放大窗口显示的位置信息找到配线在电控柜中的接线位置，对员工的技能要求降低，显著降低劳动强度，效率高。
准确指导和检测的核心前提之一是成像质量，而外界光线的强弱不稳定很大程度影响相机拍照取像，拍摄出的电控柜产品图像曝光不足或过度，均有可能造成产品标准接线位置信息与接线指导时实际图像位置匹配不成功，最终会导致系统无法正常指导与检测。
针对此问题，本系统选用漫反射LED光源，其发光角度大，当发出的平行入射光照到表面时，表面将光向四面八方射出，发光均匀、亮度高，更利于成像[12]。
LED光源由多个LED灯珠并联组成，每根灯管内部配有独立的开关电源，外部由220 VAC供电；独立的开关电源可以滤除外部的串扰，同时可提供稳定的直流电源驱动LED灯珠。直流供电可滤除市电50 Hz的频闪，避免了频闪导致拍照图像出现亮、暗条纹的情况发生。
采用最佳高角度照射打光方式，让光源照射更加均匀。启动系统时，系统提醒员工依次通过“打开相机”“打开光源”“关闭光源”等动作对光源相关部件做点检，确保光源正常，保障接线过程操作岗位环境光线稳定，系统运行正常。
针对双层结构、共压端子等特殊结构件，视觉指导难的问题。系统在平面检测流程基础上采用特殊处理方法实现接线指导及检测，保证电控生产操作可行性及产品质量。具体而言，双层结构在建模时采用上、下层子模板方式，识别方法为先识别下层，提示下层装配完成后在开始上层装配。同时，制定器件判别逻辑，系统根据此器件存在上下层接线，提示先接下层，再接上层配线。共压端子识别其中一条线号，系统建立了多线按顺序指导接线模式，系统自动带出所有配线信息，并给所有配线进行接线排序，按照顺序接线和确认，实现接线指导和准确性判断。
传统接线识别方案多采用成品完成后一次性拍照取样判断，该检测方法效率低，配线接线端处互相干扰，无法实现所有接线准确检测。目前国内电控柜接线采用成品一次性检测的企业，其识别准确率最高仅约80％左右。本系统采用实时检测方法实现电控柜接线准确性的检测：即员工每接1根线，系统识别下一根线号信息时触发上一根配线接线准确性判断，依次循环直至整台电控柜所有接线完成。系统通过算法判断接线准确性，检测合格界面给出OK闪烁提示；检测不合格，给出NG提示并发出声光报警，系统界面同步切换和显示上一根接线位置信息。
针对检测过程中的位置偏离问题，开发局部特征识别算法，实现箱体外框架接线前与模板匹配一次，箱体内器件实时匹配。同时建立电控部件摆放基准，促使建模与接线过程电控柜所放位置偏差在允许范围内，提高系统容差能力。
局部特征匹配时，采用局部二值模式(LBP)[13]。对于任意图像来说，LBP通过比较中心像素点和邻域像素点的值来对图像进行重编码。
接线方面，除了接线指导及检测外，还有关于线束绝缘层厚度的在线检测应用，能清晰准确地检测出线缆绝缘层的厚度，切实保证电线电缆的绝缘质量，避免出现系统故障和杜绝安全隐患[14]。
2．3特殊场景视觉处理技术
在制作模板时，实物箱体实际位置偏离实时偏移，检测过程模板无法匹配；部分如继电器、断路器等有导轨安装器件，每次安装均存在不同程度位置偏移变化，系统检测过程模板无法匹配。
针对此类特殊场景，开发局部特征识别算法，通过局部特征来识别整体，该方法无需对处理数据进行分割，往通过提取物体的关键点、边缘或者面片等局部特征并进行比对，完成物体的识别。识别步骤为在不同的局部区域使用探测器提取特征点，构造特征向量，形成描述器，通过匹配不同图像中的描述器，实现识别[15]。在本系统中，箱体外框架接线前会与模板匹配一次，箱体内器件实时匹配；同时根据局部识别范围，建立电控部件摆放基准，有助于建模与接线过程电控柜所放位置偏差在允许范围内；器件允许左右偏移30 mm、前后偏移20 mm、角度偏移±20°，箱体允许前后左右偏移200 mm、角度偏移±40°，使系统具备大容差能力。
3试验证
3．1图像融合验证
将左相机拍摄图片进行桶形变换，对左、右相机拍摄图片，如图4所示，然后进行特征点匹配，使用透视矩阵自动识别匹配点，对右相机拍摄图片进行透视变换，与左相机拍摄图片进行无缝拼接，实现图形融合。融合后未见拼接畸变，如图5所示。
3．2实时检测验证
选择10组线束，让员工根据指导进行接线，系统依次实时判定接线准确性，再通过走线图人工判定实际准确性，发现相符率达100％，如表1所示。
3．3成像质量验证
打开漫反射LED光源，进行现场作业，整个接线过程操作岗位环境光线稳定，系统运行正常。成像清晰，如图6所示。
4结束语
本文从大型控制器接线的视觉识别出发，采用模板信息映射至实景的方式，通过识别接线前线号做到提前判断接线位置和指导接线。具体指出了双系统取样图像拼接畸变、特殊构件难识别、一次性检验准确率低和外部光线干扰等问题。研究应用结果表明：
(1)桶形变换能缩减边缘图像匹配的发散，减少因透视变换所带来的变形；
(2)通过算法依次实时检测，能有效提升识别准确率；
(3)选用漫反射LED光源，直流供电可滤除市电50 Hz的频闪，避免了频闪导致拍照图像出现亮、暗条纹的情况发生，使得环境光线稳定。
综上，基于视觉识别的接线指导检测方式可行，能突破应用难点，具备较强的实用性，投入生产后能大幅提升接线效率和准确性。
参考文献：
[1]祁含，邹福强，陈奇芳，等．配电网接线模式识别算法设计[J]．电气应用，2015(S1)：76－77．
[2]赵晓群，曹磊，张伍．应用模块化＋大数据处理技术提高计量新装接线率[J]．电子测量技术，2020(5)：150－150．
[3]翟晓卉，刘宏国，孙艳玲，等．浅谈采集终端自动化接线、拆线技术的设计与实现[J]．工业设计，2015(11)：117－118．
[4]白泽斌．农业自动化中自动控制技术的应用分析[J]．工程技术：文摘版，2016(10)：257－257．
[5]宋翠．多算法结合的图像拼接分析探讨[J]．计算机光盘软件与应用，2012(22)：168－168．
[6]赫更新，马嘉文，张西克，等．SURF与RANSAC组合图像拼接算法[J]．应用科技，2018(4)：45－49．
[7]秦绪佳，陈国富，王洋，等．改进ORB特征点检测的图像拼接方法[J]．小型微型计算机系统，2022(1)：98－99．
[8]韦春荣．基于频域时域相结合的医学图像配准算法[J]．桂林航天工业高等专科学校学报，2008(2)：15－17．
[9]王颖，李锋．基于改进透视变换的结构光图像校正[J]．计算机与数字工程，2019(5)：1240－1240．
[10]李云霞，曾毅，钟瑞艳．基于SIFT特征匹配的图像拼接算法[J]．计算机技术与发展，2009(1)：44－45．
[11]徐金亮，刘沛，陈其俊．电网现场错接线高精度自动判断系统设计[J]．自动化与仪器仪表，2019(8)：33－34．
[12]王增琴，闫瑛，董永谦，等．印刷检测仪采集图像的质量提升[J]．山西电子技术，2018(3)：24－25．
[13]顼聪，陶永鹏．基于改进的LBP人脸识别算法的研究[J]．微型机与应用，2016(23)：18－19．
[14]罗赘．基于视觉识别的线缆绝缘层厚度在线检测研究[J]．中国设备工程，2021(4)：216－216．
[15]崔星华．基于局部特征的图像模式识别算法研究[J]．吉林建筑工程学院学报，2014(6)：52－53．
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/ligonglunwen/61064.html
