2019 年 4 月 机床与液压 Apr.

2019
第 47 卷 第 8 期 MACHINE TOOL ＆ HYDＲAULICS Vol. 47 No. 8

DOI： 10． 3969 / j. issn. 1001 － 3881. 2019. 08. 030

本文引用格式： 蔡述庭，
王雪岩， 等． 一种基于 Halcon 的美标电源线缺陷检测方法［J］． 机床与液压，
陈学松， 47（ 8） ： 134 － 139．
2019，
CAI Shuting，WANG Xueyan，CHEN Xuesong，et al． A Defects Detection Method for American Standard Power Line
Based on Halcon［J］． Machine Tool ＆ Hydraulics， 47（ 8） ： 134 － 139．
2019，

一种基于 Halcon 的美标电源线缺陷检测方法

蔡述庭，王雪岩，陈学松，熊晓明
（ 广东工业大学自动化学院，广东广州 510000）

摘要： 美标电源线是国内电线电缆企业生产的产品之一，因布局合理、电气安全设计规范等优势，在美国、加拿大、
巴西等国家和地区广泛使用。目前多数国内生产企业使用的检测方法是人工离线检测和工具检测 （ 如显微镜，投影检测仪
等传统设备） ，这类方法耗费较大人工成本，且精度低，效率不高，并不适用于大规模生产过程。因此急需一种测量精度
高、测量速度快的产品检测方法，以满足高质量生产和高效率检测的要求。以美标电源线为研究对象，利用图像处理和机
器视觉相关知识，设计一种基于 Halcon 的美标电源线缺陷检测方法，该方法可以对美标电源线进行较完整的检测，对其各
种缺陷有较好的检测效果。
关键词： 图像处理； 机器视觉； 美标电源线； 缺陷检测； 图像分割； 模版匹配
中图分类号： TP207

A Defects Detection Method for American Standard Power Line Based on Halcon
CAI Shuting，WANG Xueyan，CHEN Xuesong，XIONG Xiaoming
（ School of Automation，Guangdong University of Technology，Guangzhou Guangdong 510000，China）
Abstract： American standard power lines are one kind of the products that domestic wires ＆ cables enterprises produced． Due to
their reasonable layout，normative electrical safety design and other advantages，American standard power lines are widely used in Unit-
ed States，Canada，Brazil and other countries and regions． At present，the detection methods that most of the domestic wires ＆ cables
enterprises use are manual off-line detection and tools detection （ such as microscope，projection detector and other traditional equip-
ments，etc） ． These kinds of method cost large labour with low precision and efficiency，are not applied to mass production． There-
fore，a kind of high precision detection method with high speed is needed to meet the requirements of high quality production and high
efficiency detection． Taking American standard power lines as the research objects，by using image processing and machine vision
knowledge，a set of American standard power line defects detection method based on machine vision was designed． This method has a
better effect for American standard power lines on their various defects．
Keywords： Image processing； Machine vision； American standard power line； Defect detection； Image segmentation； Template
matching

0 前言
美标电源线就 是 指 美 国 标 准 的 电 源 线 （ 图 1 ） ，
其地线是一个圆柱形的孔，火线和零线分别由两个互
相平行且宽窄不一的插头构成，火线窄，零线宽，这
就保证了用户不会因插错而出现安全问题。由于美标
电源线设计合理，标准严格，带有漏电保护和过载保
护，安全无故障工作时间长，插拔动作频繁而不易损
坏，热 升 温 小，因 此 在 全 球 许 多 国 家 和 地 区 广 泛
［1］ 图1 美标电源线的插头、插座
使用 。
目前多数国内电线电缆生产企业使用的检测方法

收稿日期： 2017 － 12 － 06
基金项目： 国家自然科学基金青年科学基金项目 （ 61201392） ； 广东省科技计划项目 （ 2017B010124003； 2017B090909001）
作者简介： 蔡 述 庭 （ 1979—） ， 博 士， 教 授， 研 究 方 向 为 图 像 处 理、 机 器 视 觉、 机 器 学 习 等。 E － mail： shutingcai @
gdut. edu. cn。
第8 期 蔡述庭 等： 一种基于 Halcon 的美标电源线缺陷检测方法 · 135·

是人工离线检测和工具检测 （ 如显微镜、投影检测 工业相机和图像采集卡提供接口，应用范围涵盖医

仪等传统设备） ，这类方法耗费较大人工成本，且精 学、遥感探测、监控及工业上的各类自动化检测。
度低，效率不高，并不适用于大规模生产过程。再加 2 美标电源线图像处理方法
上国务院在 “十三五” 规划中提出： 我国要加快建 从实践经验来看，基于 Halcon 的缺陷检测方法
设制造强国，实施 《中国制造 2025》，重点促进机器 有其通用流程，该流程可用于对美标电源线的检测。
［2］
人等产业发展壮大 。因此电线电缆生产企业急需一 即首先采集图像，对采集而来的图像进行有无判定，
种测量精度高、测量速度快的产品检测方法，以满足 判断目标是否出现在图像上； 对出现在图像上的目标
高质量生产和高效率检测的要求。 进行定位，获得目标的位置、角度等信息； 然后对目
［3］
机器视觉是用机器代替人眼来做检测和判断 。 标进行预处理，剔除掉图像的干扰项，使图像易于分
Halcon 是工业级图像处理软件，它拥有一套完善的机 析； 接着进行图像处理，最终输出结果。整个流程框
器视觉 算 法 包 和 应 用 广 泛 的 机 器 视 觉 集 成 开 发 环 图如图 3 所示。
［4］
境 。本文作者提出一套基于 Halcon 的美标电源线
缺陷检测方法，通过搭建硬件平台和使用图像处理软
件，可以对美标电源线进行较完整的检测，对其各种
缺陷有较好的检测效果。
1 检测总体设计方案
设计的机器视觉系统包括硬件和软件两个部分， 图3 美标电源线检测流程图

硬件部分包括工控机和实验平台，用于固定相机、镜 2. 1 图像预处理
头和光源； 软件部分使用 Halcon，用于图像处理并输 受拍照环境条件和图像传感元器件自身因素的影
出处理结果。 响，图像在获取过程中会存在噪声等干扰项，使得图
1. 1 硬件部分 像成像质量不高，影响图像进一步处理。因此需要对
机器视觉系统的硬件部分主要包括工业相机、工 采集图像进行预处理以改善成像质量。
业镜头、光源、图像采集卡、工控机和检测台架，系 图像复原技术的最终目的是改善给定的图像，利
统的整体结构如图 2 所示。 用某种先验知识来重建或复原退化模型，并且采用相
［6］
反的过程进行处理，以便复原出图像 。文中着重讨
论用于减少噪声的空间滤波器，例如均值滤波器和统
计排序滤波器。
算术均值滤波器是最简单的均值滤波器。令 S xy
表示中心在 （ x，y） 点、尺寸为 m × n 的矩形子图像
窗口的坐标组。算术均值滤波过程就是计算由 S xy 定
义的区域中被干扰图像 g（ x，y） 的平均值。在任意点
^
（ x，y） 处复原图像 f 的值就是用 S xy 定义的区域中的
像素计算出的算术均值，即
图2 美标电源线检测平台结构图 ^ 1
f （ x，y） = ∑ g（ s，t）
mn （ s，
设计的运行流程为： 相机采集图像并传送给工控 t） ∈S xy

这个操作可以用 1 / mn 的卷积模版来实现，均值
机，在工控机上进行图像处理，并返回处理结果。此
简单地平滑了一幅图像的局部变化，在模糊了图像的
系统采用的相机为 Basler acA2500-14gc，镜头为 Com-
同时减少了噪声。而在此基础上的几何均值滤波器由
putar M2514-MP2 型 25 mm 工业自动化镜头，光源采
如下表达式给出
用同轴光源和背光光源。 ^ 1 / mn

1. 2 软件部分 f （ x，y） = ［ ∏ g（ s，t） ］

（ s，t） ∈S xy

文中使用的图像处理软件是德国 MVtec 公司开 其中，每个被复原像素由子图像窗口中像素点的乘积

发的 Halcon，它由一千多个各自独立的函数以及底层
［5］
的数据管理核心构成 ，包含了各类滤波、几何数学
转换、形态学计算分析、校正、分类辨识、形状搜寻
等基本的几何以及影像计算功能，整个函数库可以用
C、C + + 和 C#等多种编程语言访问，并能为百余种
并自乘到 1 / mn 次幂给出。与算术均值滤波器相比可
以保留更多图像细节，更适合处理高斯或均匀等随机
噪声。
中值滤波器是最著名的统计排序滤波器，是一种
非线性的信号处理方法，它采用像素的相邻像素的灰
 · 136· 机床与液压 第 47 卷

度中值来替代该像素的值，即： 作者在进行美标电源线的盒盖检测时尝试了算术
^
f （ x，y） = median ｛ g（ s，t） ｝ 均值滤波器和中值滤波器进行图像预处理，效果如图
（ s，t） ∈S xy
4 所示，可以看出使用中值滤波器处理后明显消除了
在一定条件下可以克服线性滤波器带来的图像细节
图像的脉冲干扰并保存了较完整的图像边缘细节。
模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效。

图4 美标电源线预处理效果图
2. 2 目标定位 （ 分辨率 M × N） 的 L 个灰度级，n i 是灰度级为 i 的
在 Halcon 中进行目标定位有两种方法： Blob 分 像素数，图 像 总 的 像 素 数 量 MN = n0 + n1 + …… +
析定位和几何定位。Blob 分析定位指的是在以像素 n L － 1 。直方图归一化后有分量 P i = n i / MN，由此可得
L －1
为单位的图像上把目标 （ 也称为前景） 从背景中区 （ 1）
∑P i = 1，P i ≥ 0
分出来，得到坐标、形状、方向等信息并根据这些信 i =0

首先选取阈值 T（ k） = k，0 ＜ k ＜ L － 1，对输入图

息对目标进行识别； 几何定位也称为几何匹配，它基
于物体的形状、边缘、轮廓等几何信息进行定位，与
Blob 分析相比具有以下优点： 支持非线性光照变化、
［7］
支持尺度变化、支持旋转、支持物体被遮挡
根据检测项目的实际特点，对电线极性和盒盖项目使用
像阈值分割为两类 C1 和 C2 ，其中 C1 是图像中灰度
值范围在 ［0，k］ 内的像素点，C2 是图像中灰度值
范围在 ［k + 1，L － 1］ 内的像素点，则把像素分类
。作者
为 C1 的概率 P1 （ k） 见下式
k

Blob 分析定位，对端子耦合铜线检测使用几何定位。 P1 （ k） = ∑P i （ 2）
i =0
2. 2. 1 Blob 分析定位 被分类为 C2 的概率 P2 （ k） 见下式
Blob 分析集合了图像分割、形态学处理、连 通 L －1

P2 （ k） = ∑p （ 3）
性分析和特征提取等技术，是对图像进行处理的一套 i = k +1
i

比较完整的流程，其作用是把目标从图像中分离并标 分配到类 C1 的平均像素点灰度值为

k k
记出来。
m1 （ k） = ∑ iP（ i / C ） 1 = ∑ iP（ C 1 / i） Pi / P（ C1 ）
分割能将图像细分为多个子区域，在实际应用中 i =0 i =0
k
经常使用图像分割提取感兴趣的区域或物体。例如在 1
（ 4）
P1 （ k） ∑
= iP i
检测电子元件时，可以利用图像分割客观地确定是否 i =0

其中： P1 （ k） 由式 （ 2） 给出，P（ i / C1 ） 是值 i 出现的

存在特定的异常现象，如元件丢失或连线断裂。多数
概率，P（ i） 是第 i 个值的概率，P（ C1 ） 是类 C1 的概
分割算法均基于灰度值的两个基本特性： 不连续性或
率，由式 （ 2） 得知它等于 P1 （ k） 。
相似性。第一类方法以灰度突变为基础分割一幅图
同理，分配到类 C2 的像素的平均灰度值为
片，比如图像的边缘分割； 第二类方法中，主要是依 L －1 L －1
1
据事先制定的一组准则将图像分割为相似的几个区 m2 （ k） = ∑ iP（ i / C2 ） = ∑ iP （ 5）
i = k +1 P2 （ k） i = k +1
i

域，阈值处理就是其中典型的运用。文中着重介绍用
一直到级 k 的累加均值见下式
Otsu 方法的最佳全局阈值处理。 k

当所取的阈值效果最佳时，图像的背景应该与前 m（ k） = ∑ iP i （ 6）
i =0
景差别最大，在 Otsu 算法中这个衡量差别的标准就 整个图像的全局均值 （ 平均灰度） 为
是最大类间方差。除了其最佳性外，Otsu 算法的另 L －1

mG = ∑ iP （ 7）
一个重要特性就是它依赖于直方图进行计算，而直方 i =0
i

图作为一维阵列又容易得到，所以 Otsu 算法的执行 使用量纲归一化矩阵评价级别 k 处的阈值的质量

2
难度相对友好。 σB
η = 2 （ 8）
令 ｛ 0，1，2，． ． ． ． ． ． ， L － 1 ｝ 表 示 一 副 图 像 σG
第8 期 蔡述庭 等： 一种基于 Halcon 的美标电源线缺陷检测方法 · 137·

其中： σ G 是图像所有像素的灰度方差 （ 全局方差） ；

2
果进行膨胀操作，其中膨胀表示为 fb，定义为
2 ^
σ 是类间方差，定义为
B f  b = ｛ Z | ［（ b） z ∩ f］ f｝ （ 15）
σ B = P 1 （ m1 － m G ） + P 2 （ m2 － m G ） （ 9）
2 2 2
即 b 逐步移动扫描灰度图像 f，f 原有的元素加上
从式 （ 9） 可以看出，两个均值 m1 和 m2 彼此隔 b 扫过的元素的集合就构成了 b 对 f 的膨胀。
2
得越远，σ B 越大。再次引入 k，此时有最终结果 腐蚀表示为 fb，定义为
σ B （ k）
2
f  b = ｛ Z | （ b） z ∩ f c = ｝ （ 16）
ηk = 2 （ 10） c
σG 其中： f 是 f 的补集； 是空集。即 b 在 f 的边界上
和 逐步移动时，f 包含的元素中被 b 扫描到的元素将被
［m G P1 （ k） － m（ k） ］2 舍弃，其余元素得到保留。开操作有一个简单的几何
σ B （ k） = （ 11）
2

P1 （ k） ［1 － P1 （ k） ］ 解释，假设把结构元素 b 看作是 “滚球”，f ° b 的边

* 2
从而当最佳阈值是 k 时，σ B 有最大值 界由 b 中的点建立，当 b 在 f 的边界内滚动时，b 所
σ B （ k ） = max σ B （ k） （ 12）
2 * 2
0≤k≤L －1
能到达的 f 的边界的最远点 （ 如图 5 所示） 。
即为 了 寻 找 k ， 对 k 的 所 有 整 数 值 代 入 式
*

（ 12） ，并计算当 σ2B 最大时的 k 值，如果 σ2B （ k） 的最

大值对应于多个 k 值，则对这些 k 值做平均。一旦得
到 k ，就可以对图像做如下阈值分割
*

g（ x，y） = {0255
f（ x，y） ≥ k *
f（ x，y） ＜ k *
（ 13）

Otsu 算法是一种对图像进行二值化的高效算法，
通过该算法得到的阈值可以将图像的前景色和背景色
尽可能地分开。 图5 开操作示意图

形态学图像处理是从图像中提取对描述区域形状 本文作者对美标电源线的盒盖使用了 Blob 分析

有用的图像分量，比如边界、骨架等。它主要有 4 类 方法来定位图像中盒盖的引脚。首先利用 Halcon 提
操作： 腐蚀、膨胀、开操作和闭操作，文中主要使用 供的 threshold 算子分割图像，把阈值范围内的像素
其中的开操作。设 f（ x，y） 是一副灰度图像，b（ x，y） 点提取出来作为前景； 然后对前景进行形态学处理，
此例需要去掉盒盖的主体部分仅提取引脚，因此要构
是结构元素，Z 表示实整数集合，则坐标 （ x，y） 就
造的是矩形结构元素，使用 Halcon 中的 opening_rec-
是来自笛卡尔积 Z 的集合，f 和 b 是对每个坐标 （ x，
2

tangle1 算子进行开运算处理，可以得到包括引脚在
y） 赋以灰度值的函数。结构元 b 对图像 f 的开操作
内的前景区域； 最后进行特征提取，此例中由于引脚
表示为 f ° b，即
区域和干扰项区域的最大区别在于面积不同，因此使
f ° b = （ f  b）  b （ 14）
用 select_shape 算子中的面积特征提取引脚。最终结
先用 b 对 f 进行腐蚀操作，然后用 b 对得到的结 果如图 6 所示。

图6 使用 Blob 分析定位目标
几何定位
2. 2. 2 置好参数、创建模版； 接着在图像中使用 find_shape_
几何定位的流程一般是： 对图像预处理，创建 model 寻找与模版相同的区域进行定位，并返回定位
ＲOI 覆盖模版图像，使用算子 create_shape_model 设 结果，最后清除模版句柄，释放资源。

图7 几何定位流程
 · 138· 机床与液压 第 47 卷

本文作者对美标电源线的端子使用了几何定位，
效果如图 8 所示。

图8 端子耦合铜线定位
2. 3 图像处理
2. 3. 1 盒盖正反及引脚数量检测
利用上文提出的预处理和 Blob 分析找到引脚后，
使用 count _obj 算子计算出区域的数量并进行判断，
如果区域数量等于 7，则认为引脚数量完整，否则判
定为引脚缺失； 而盒盖正反的检测方法，可以通过计
算第 1、3、6 个引脚的相互距离进行判断，若第 1 个
和第 3 个引脚的距离小于第 3 个和第 6 个引脚的距
离，则认为盒盖为正，否则判定盒盖为反。在 Halcon
上处理的效果如图 9 所示。
图 10 电线极性检测效果图
端子耦合铜线检测
2. 3. 3
端子耦合铜线的检测项目有 2 个，分别是端子位
置和端子耦合铜线长度。对于端子极性，上文已通过
几何定位的方法对两个段子进行了定位并返回了其坐
标值，因此只要判断这两个坐标值的相对位置关系即
可得到端子位置是否正确； 至于端子耦合铜线长度，
通过几何定位，找到每张图片上端子耦合铜线的位
置，使用 distance_ lr 算子求出端子耦合铜线区域和端
子之间的距离，并通过前期实验找到端子耦合铜线长
度过短、适中、过长时的距离范围，把实际距离和该
距离范围做对比，得出端子耦合铜线长度是否达标。
检测效果如图 11 所示。

图9 盒盖检测效果图
2. 3. 2 电线极性检测
电线正极的表面光滑，电线负极的表面有螺纹，
这种区别是检测电线极性的主要依据。由于电线在图
像中会从左至右贯穿，所以预先使用 gen _rectangle1
产生 4 个矩形区域，对这 4 个区域的电线进行处理。
螺纹条纹表面对光照的反射不同所以会产生明暗交接
的情况，而光滑表面在光下只会反射出明亮的区域，
因此利 用 threshold 算 子 提 取 出 明 亮 的 区 域 并 使 用
count_obj 算子进行统计，当每块区域中的明亮区域
数目为 1 时，判定它为光滑表面，电线为正极； 当这
个数目大于 1 时，判断它为螺纹表面，电线为负极。
效果如图 10 所示。
图 11 端子耦合铜线检测效果图
第8 期 蔡述庭 等： 一种基于 Halcon 的美标电源线缺陷检测方法 · 139·

3 实验结果与分析 表1 美标电源线缺陷检测实际测试结果
设计了 MFC 和 Halcon 联合编程的检测界面，软 检测数量
检测项目 工位 准确率 / % 漏检率
件功能包括检测项目选项、日志记录和产品检测结果 合格 不合格
显示和统计。为了验证检测效果，在实验台架上随机 盒盖 1 122 34 100 0

对 6 个盒盖采集了 156 张图像，其中合格品 122 个， 电线极性 2 57 57 100 0

不合格品 34 个； 对 10 根电线采集了 114 张图像，其 端子耦合铜线 3 116 35 100 0

中电线正极 57 个，电线负极 57 个； 对 5 个端子耦合 4 结束语

铜线端子采集了 151 张图像，其中合格品 116 个，不 传统对美标电源线的检测存在着耗费人工、效率
合格品 35 个，均能做出准确的检测，准确率 100% 。 不高等问题，本文作者设计了一种基于 Halcon 的美
结果如图 12 和表 1 所示。 标电源线缺陷检测方法，使用机器代替人眼对美标电
源线的盒盖、端子耦合铜线和电线极性进行检测，检
测速度快、效率高，在实验室环境下检测成功率可达
到 100% ，为工业自动化生产的产品检测提供了一种
新的思路。
参考文献：
［1］ 赵霞． 我国电线电缆行业现状与产品质量提升［J］． 机
2013（ 2） ： 7 － 9．
械工业标准化与质量，
［2］ 十二届全国人大四次会议，全国政协十二届四次会议．
中华人民共和国国民经济和社会发展第十三个五年规
划纲要［Z］． 2016．
［3］ 张铮，王艳平，薛桂香． 数字图像处理与机器视觉： Visual
C + + 与 Matlab 实 现［M］． 北 京： 人 民 邮 电 出 版 社，
2010： 434．
［4］ Halcon Quick Guide． MVTec Software GmbH［Z］． 2010： 5
－ 10．
［5］ 许桢英，李健康，凌俊，等． 基于 Halcon 的电连接器壳体
缺陷检测系统设计［J］． 制造业自动化，2015，37 （ 18） ：
135 － 138．
XU Z Y，LI J K，LING J，et al． Design of Detection System
for Electric Connector Shell Defect Based on Halcon［J］．
Manufacturing Automation， 37（ 18） ： 135 － 138．
2015，
［6］MILAN S，VACLAV H，ＲOGEＲ B． Image Processing，Anal-
ysis and Machine Vision［M］． Chapman ＆ Hall Compu-
ting，
2011： 141．
［7］ 李程鹏，范彦斌，胡青春． 基于 HALCON 的 PCB 光学定
位点的 3 种识别方法及比较［J］． 佛山科学技术学院学
报（ 自然科学版） ， 28（ 2） ： 29 － 33．
2010，
LI C P，FAN Y B，HU Q C． 3 Ｒecognition Methods and
Analysis of PCB Mark Point Based on HALCON［J］． Jour-
nal of Foshan University（ Natural Science Edition） ，2010，
28（ 2） ： 29 － 33．
［8］ 吴掬鸥，袁晓桂． 基于阈值分割技术的图像分割法研究
［J］． 现代电子技术， 39（ 16） ： 105 － 107．
2016，
WU J O，YUAN X G． Study on Image Segmentation Method
Based on Threshold Segmentation Technology［J］． Modern
Electronics Technique， 39（ 16） ： 105 － 107．
2016，
图 12 检测界面效果图 （ 责任编辑： 张艳君）