基于机器视觉的工业机械故障智能检测系统研究

NO.09 2020

热点聚焦

智能城市 INTELLIGENT CITY

基于机器视觉的工业机械故障智能检测系统研究

邵怡文

（青岛理工大学信息与控制工程学院，山东 青岛 266520）

摘 要：针对传统工业机械故障检测系统在应用过程中检测结果准确率低问题，提出基于机器视觉的工业机械故

障智能检测系统研究。根据工业机械检测实时性要求，选取最高像素2 048的CCD线阵摄像机和分辨率最高可达5 000P/R的编码器作为系统的硬件设备；采用机器视觉算法对图像进行增强、分割、处理，智能提取到准确的机械故障位置和大小，由此完成了基于机器视觉的工业机械故障智能检测系统的设计。经过试验证明，基于机器视觉的工业机械故障智能检测系统在应用过程中对机械故障具有较高的准确率。

关键词：机器视觉；工业机械故障；智能检测

机器视觉系统是将机器代替人眼来识别检测的系统，通过摄像机对待检物品进行图像采集，经过图像信号处理后再通过系统软件识别出检测结果[1]。随着自动化技术的不断发展，机器视觉技术被广泛应用到工业生产检测中，尤其对工业机械故障的智能检测，传统系统在使用过程中经常出现错检和漏检现象，并且检测结果准确率较低，所以，试图将机器视觉技术与工业机械故障检测结合，设计出一套基于机器视觉的工业机械故障智能检测系统，保证工业机械生产顺利进行，为工业经济发展提供保障。

1 基于机器视觉的工业机械故障智能检测系统设计1.1 系统硬件设计

此次设计的系统以机器视觉技术为基础，所以该系统具有一般基于机器视觉的检测系统的核心硬件设备摄像机，系统不仅具有智能检测的特性，还增加了编码器设备，将编码器与摄像机连接，使系统检测与工业机械运转同步进行，使摄像机采集到分辨率较高的机械故障图片。

摄像机是基于机器视觉的工业机械故障智能检测系统硬件设备重要组成部分，作用是在系统运行过程中将光信号转化为电信号。摄像机分辨率的高低将直接关系到整个系统的运行结果，所以要根据工业机械故障检测需求合理选取摄像机。系统所用的摄像机根据感光芯片的不同分为CDD摄像机和CCD摄像机。CDD摄像机和CCD摄像机优缺点比较

见即所得的核实测量数据为规划管理部门核实审批工作提供了直接的数据支撑。

为规划改造提供直观有力的数据基础，也可分时段进行数据采集，最终基于生成的多期影像数据可实现改造前、改造中、改造后等多期历史数据回溯分析功能，也可将其数字成果作为证据保全的参考资料。4 结语

当前测绘工作的有效开展，需要更加科学的技术手段作为支撑，将低空无人机遥感技术运用于测绘工作中，有效地提升了测量工作的作业效率和测量结果的准确性。

图3 粤剧艺术博物馆的实景三维模型

在未来的工程测量中，可以大力推进无人机遥感技术的研发应用，将各类现代技术手段与无人机技术进行有效融合，推进测量工程技术的智能化和高效化发展。

参考文献

[1] 郭宁.关于测绘工程测量中无人机遥感技术的运用[J].华北自然资

源，2019（6）：86-87，89.

[2] 张洁.无人机遥感测绘技术在工程测绘中的应用探究[J].信息与电

脑（理论版），2019（15）：13-15.

[3] 王玮.低空无人机遥感在水利工程测绘中的应用研究[J].中国高新

科技，2019（8）：99-101.

[4] 潜军伟，毛铭祺，江一帆.浅谈无人机遥感技术在测绘工程测量

3.3 房屋现状测量

房屋现状测量是城市进行微改造、危房改造或者危房拆除重建前证据保存的重要环节。城市街区微改造主要针对老城区，主张高度重视历史文化保护。岭南文化代表——永庆坊实景三维模型如图4所示。

图4 岭南文化代表——永庆坊实景三维模型

中的应用[J].世界有色金属，2018（22）：237-238.

无人机遥感生成的高分辨率影像能够有效帮助城市规划管理部门了解微改造街区的现状地貌、建筑风貌等情况，

作者简介：曲宏伟，工程师，研究方向为工程测量。

热点聚焦

14

智能城市 INTELLIGENT CITY

NO.09 2020

如表1所示。

表1 CDD摄像机和CCD摄像机优缺点

摄像机种类噪点耗电量使用成本采集图像品质

CDD摄像机多低低低CCD摄像机

少

高

高

高

通过表1可以发现，CCD摄像机在应用过程中虽然成本和耗电量较高，但是采集到的图像品质比CDD摄像机要高。CCD摄像机由于感光单元的排列方式不同，又分为面阵摄像机和线阵摄像机，面阵摄像机和线阵摄像机优缺点比较如表2所示。

表2 面阵摄像机和线阵摄像机优缺点比较

摄像机使用图像分图像种类

摄取范围

图像维数

成本辨率应用领域

处理方式

面阵摄

像元总体数

形状、面积、

像机

量多，但单二维

较低较低尺寸、范围

较简

元像元量少

等测量

单

线阵摄

较低

较高

工业机械检较复

像机摄取范围大三维

测杂

根据以上面阵、线阵两种摄像机优缺点比较，线阵摄像机更符合系统设计需求，所以，此次系统摄像机硬件设备选择CCD型号的线阵摄像机来完成机械故障图像采集工作。为了能够更精准地拍取到机械故障，将摄像机的采集速度设置为1250 mm/s，宽幅为400 mm，横向精度为0.35 mm，相机像素设置为2 048 px。设置扫描率为15.69 kl/ps，以此来保证图像的质量。

编码器是将摄像机采集到的图像信号进行编码，将其转化为可传输和储存的数据。由于编码器需要周期性对CCD线阵摄像机采集的图像进行编码，并且为了配合工业机械的生产，编码器要满足生产线200 m/min的机械运转速度。为了保证与摄像机分辨率保持一致，此次系统选用上海恒祥企业生产的增压式编码器，外径为35 mm，轴径为19 mm，厚度为15.3 mm，分辨率可达到5 000 P/R，该编码器的信号出口可以直接与摄像机的出发端口连接，并且可以智能自动对图片信号编码，使检测的机械故障与相机同步。1.2 系统软件设计

基于机器视觉的工业机械故障智能检测系统的软件部分是由机器视觉算法实现的。由于该系统是对工业机械进行检测，检测故障的具体位置和大小需要从机器视觉中查看，所以需要用到机器视觉算法来准确地检测出机械故障情况。

机器视觉的工业机械故障智能检测系统对机器视觉的硬件设备除上述要求外，主要依托对硬件设备采集的图像的处理和智能提取工业机器的故障信息点进行研究。软件研究处理首先是对采集图像的初始化处理和图像增量处理，然后对图像进行分割处理和图像形态的处理，再对工业机器故障特征进行智能提取，最后是智能获取工业机器的位置和大小。智能获取工业机器的故障还需要针对不同机器参数增加不同的前端传感器设备和工业机器的软件协议。

机器视觉算法的流程图如图1所示。

图像初始化

图像增强

图像分割

图像形态处理

机械故障特征智能

提取

智能获取机械故障

位置和大小

图1 机器视觉算法流程图

机器视觉算法是在haLCon软件平台上开发的，该平台是由德国MVtec公司研究的一套适用于机器视觉算法的软件包，可以看作为一个图像处理平台。在对机器视觉算法设计时，第一，考虑到摄像机采集到的图像中机械故障特征是否明显。虽然在硬件设计时，选取的都是分辨率高且图像质量好的摄像机和编码器，但是工业机械转速特别快，拍取到的图像优势机械故障特征不明显，所以需要运用机器视觉算法对图像进行初始化设置。第二，对图像特征进行增强，再对其进行阈值分割，选取图像敏感区域，对其进行形态学处理。第三，智能提取到机械故障特征，向系统智能提示出工业机械出现故障的具体部位和大小。

同时，在摄像机图像获取时要注意包括光照、反光物、颜色对比度、细密的视觉算法工程等干扰因素，采取以下几点措施：（1）增加光线防护装置，消除光线测量偏移，对早班和夜班光线不同的环境下测试相机找边的能力，增加和减少边缘对比度的数值，找出不同环境下跟边缘对比度的关系。根据偏移量与光线的关系，调整偏移线性补偿。使白天与夜晚相机找边的能力曲线尽量接近。（2）视觉系统处理时出现误判的现象，改变放置方式提高测量数据稳定性。（3）图像背景全部调成白色，方便图像处理。

复合多尺度熵（CMSE）方法，该方法克服了多尺度熵中粗粒化方式的不足，得到的熵值一致性和稳定性好，可以衡量时间序列复杂性，能改善早期故障特征不明显和特征提取难等问题，用于故障振动信号的特征提取。但同时，该研究表明，其方法对于机械故障智能诊断中小范围样本收集较为容易，而在样本多时，对所有的样本进行类别标记却较为困难。

机器视觉算法则拥有更高的兼容性，其在实现中主要是通过消除图像噪声干扰来提取到机械故障特征。在图像上的目标像素添加一个窗口模板，设窗口模板的大小为S，其计算公式如下：

（1）

式中，n—不定数，可以表示为n=0，1，2...；在该窗口模板选取平均值作为目标像素。假设目标像素点为（x，y），则通过图像增强后的改点的像素值为：

15

NO.09 2020

热点聚焦

智能城市 INTELLIGENT CITY

（2）

式中，f—当前图像的像素总个数。在对图像阈值分割处理中，像素值可以设置为数值同时也可以假设为一个区间，所以对区间内的像素值阈值分割公式如下：

（3）

式中，T1，T2—为图像的像素区间。对阈值分割后的图像进行形态学处理，将工业机械形状的结构元素与提取到的机械图像进行对比，并分析和识别出两者之间的差异，智能识别出工业机械故障的所在之处和具体情况，并保存到基于机器视觉的工业机械故障智能检测系统的数据库文件夹中。2 实验2.1 实验设计

为验证此次设计的基于机器视觉的工业机械故障智能检测系统是否具有良好的实用性，将其与传统工业机械故障检测系统进行对比实验，检验此次设计系统检测机械故障的精准度。实验选用两种老化程度相同的工业机械，并在实验环境中加入噪声干扰。为了保证实验结果的有效性，让两种系统对同一工业机械同时进行检测，并且将两种系统的机械故障检测周期设定为30 s，检测时间设定为3 h。用两种系统对工业机械进行检测，对比实验结果并对其进行合理分析。2.2 结果分析

将此次设计的系统采用系统a进行表示，传统系统采用系统B进行表示。两种系统此次实验结果对照如表3所示。

表3 两种系统实验结果对照表

系统机械1每个小时检测到机械2每个小时检测名称的故障/个到的故障/个系统a59106814系统B

2

5

3

4

6

7

准确率/

%9976

在以上研究结果的基础上，选用故障较多的机械2，在1 h内，再次对本文系统与传统系统检测出的故障时间开销进行统计，结果如图2所示。

60故障采集时间/min5040302010

0 1 2 3 4 5 6 7 8 9

故障数/个

系统a系统B

图2 故障采集时间对比

由图2给出的故障采集时间对比可以看出，传统系统在1 h内仅检测出7个故障，而本文设计的基于机器视觉的工业机械故障智能检测系统1 h内检测到9个故障；并且，在检测出第7个故障时，仅用时约30 min，在时间开销上亦远远优于传统系统，验证了本文基于机器视觉的工业机械故障智能检测系统在应用过程中时间开销较低。综合以上实验结果可以看出，本文系统具备良好的有效性与经济性。3 结语

本文系统采用的机器视觉识别方法具备可视化的直观性、准确特性，因此，非常适合对重复性图像的差异特征进行检测，随着信息处理技术的发展，机器视觉已经成为一种检测技术的主流，能够有效提高工业设备的故障诊断效率。随着工业机器人的广泛应用，针对这些工业生产设备的检测检修已经进入了全自动化的时代，因此机器视觉的发展前景是可观的。本文的实验分析证明了本文设计系统具备更高的精度、准确性与经济实用性。在未来的研究中，将通过深入的研究开发，使得更便捷、更智能的诊断检测手段与设备成为智能工厂的重要角色。

参考文献

[1] 蒋章雷，徐小力.旋转机械传动系统运行稳定性劣化表征参数提

取方法研究[J].电子测量与仪器学报，2017，31（1）：155-160.

由上表给出的机械故障检测结果可以看出，基于机器视觉的工业机械故障智能检测系统在3 h内，对两个机械设备检测出来的故障平均值为8个，而传统系统在相同时间内对2个机械设备检测出来的故障平均值为4个。由准确率对比可以看出，此次设计的系统检测机械故障准确率接近100%，远远优于传统系统，验证了基于机器视觉的工业机械故障智能检测系统在应用过程中检测结果精度有较大的提升。

作者简介：邵怡文，硕士，研究方向为控制工程自动检测。

港珠澳大桥开展5G智慧桥梁监控科研项目该项目由中国移动通信集团广东有限公司珠海分公司与港珠澳大桥管理局联合开展，依托5G网络毫秒级的低时延以及北斗卫星毫米级的高精度定位等技术优势，为机器人巡检、视频实时回传及远程控制作业等一系列新型监测和养护工作提供实时、安全、高精度的监测和应急管控能力。