相機參數(shù)如下：

2、鏡頭選型

在機器視覺表面缺陷檢測系統(tǒng)中，鏡頭與相機的組合對于中密度板表面缺陷圖像的質(zhì)量有著直接的影響，相機成像原理如上圖所示。在采集圖像時，鏡頭必須能夠完整的照亮相機的傳感器區(qū)域，以避免陰影和漸暈的產(chǎn)生。鏡頭的光學分辨率越好，可以再現(xiàn)出越精細的結(jié)構(gòu)。對于工業(yè)鏡頭，一般可分為以下三類：標準分辨率鏡頭、微距鏡頭、遠心鏡頭，不同類型的鏡頭應用場合也不相同。本文在確定了工作距離、視場大小和傳感器尺寸之后，可以通過以下公式求得工業(yè)鏡頭的焦距 ?：

式中，WD 表示拍攝距離，指鏡頭與拍攝目標的距離；PMAG 表示鏡頭放大倍數(shù)，指相機傳感器大小與視場大小之比。根據(jù)本研究中的實際需要，本文選用焦距為25mm 的工業(yè)鏡頭。

鏡頭的主要參數(shù)如下表所示：

3、光源選型

光照系統(tǒng)是中密度板表面缺陷檢測系統(tǒng)中一個重要的環(huán)節(jié)之一，它決定著系統(tǒng)的檢測結(jié)果與分割質(zhì)量，失敗的照明系統(tǒng)會導致缺陷細節(jié)信息的丟失。由于相機是通過采集檢測目標的反射光來構(gòu)成圖像。因此，在進行光源的選型時，首先要考慮到所有影響光線反射的外界因素，如檢測對象的材料、大小、形狀及顏色等。其次是光源的顏色及亮度，對比度差和照明不均勻的圖像會影響直接系統(tǒng)的識別準確率。對于某些缺陷，在使用特定顏色光進行照明時，也會提高系統(tǒng)的識別準確率。

本研究選用?？低暪旧a(chǎn)的工業(yè)線形光源 MV-LTDS-1200 及其控制器，如上圖所示。該光源功率為 104W，256 級亮度調(diào)節(jié)。MV-LTDS-1200 及其控制器主要參數(shù)如下表所示。

4、主機選型

主機的主要作用是軟件的載體，本文的軟件系統(tǒng)包含神經(jīng)網(wǎng)絡算法，因此 GPU是主機的一個主要參數(shù)。若將 CPU（中央處理器）稱為 PC 的大腦，則 GPU（圖形處理單元）便是它的靈魂。與 CPU 相比，GPU 將復雜的任務分解為成千上萬個單獨的任務來并行處理，因此這使 GPU 成為圖形計算的理想選擇。從體系結(jié)構(gòu)上講，CPU僅由幾個內(nèi)核組成，這些內(nèi)核具有大量可以同時處理幾個軟件線程的緩存。而 GPU由數(shù)百個可以同時處理數(shù)千個線程的核心組成。在 AI 中，GPU 已成為稱為“深度學習”的技術(shù)的關(guān)鍵。深度學習神經(jīng)網(wǎng)絡含有大量數(shù)據(jù)，訓練它們執(zhí)行任何人類程序員都無法描述的復雜任務。實驗主機參數(shù)如下表所示：

5、平臺搭建

本研究搭建的圖像采集平臺如下圖所示，平臺由相機、光源、勻速傳送臺、光電開關(guān)、主機等模塊組成。平臺可采集不同速度下的板材圖像，相機、光源的高度與距離可自由調(diào)整，為接下來的實驗提供了方便。平臺將供后續(xù)軟件開發(fā)、深度學習算法數(shù)據(jù)采集、深度學習算法實驗與評估使用。

6、尺寸標定

本文基于長寬為 0.35 米的標定板對圖像采集平臺的線陣相機像素點進行了尺寸標定工作，標定樣圖如下圖所示。通過如下公式確定了相機的主要參數(shù)。

式中，Resolution表示相機橫向分辨率；Di表示標定圓直徑的實際尺寸；di 表示標定圓直徑的像素尺寸；n 表示標定圓數(shù)量。最終確定了相機橫向分辨率為0.25mm/pixel；橫向視野范圍為 1.02 米。

來源：新機器視覺

審核編輯：湯梓紅