文/王雪娇,东莞市沃德普自动化科技有限公司
机器视觉检测系统是通过光学系统和半导体传感器实时自动获取图像,并通过图像处理算法获得必要信息的一种检测系统。一般的机器视觉检测系统包括照明系统、图像传感器、图像采集卡以及图像处理系统。[1]光源是机器视觉获取图像的基础,通过对光源的改进与设计,可以高效提取出所需目标信息,极大地提高图像处理和识别的效率,提高系统测量精度和可靠性;反之,光源的错误使用会造成图像处理复杂度提高,系统效率低下。因此,光源是机器视觉获得图像的基础,是决定整个系统成败的关键因素。[2]
目前对于光源强度的评估都是以照度为标准,随着光源在机器视觉系统中重要性的提升,以及光源种类和应用场景的丰富,单纯地使用照度指标对不同照明方式的光源进行评估,设计出来的光源并不能满足实际应用需求。基于这方面的需求,本文提出了一种新型光源评估方式:背向照明应该采用亮度进行评估,并通过实验论证了该结论。
理论分析
机器视觉中评估光源质量的指标有光通量、照度、亮度、色温、显色性、寿命等。其中,照度、亮度都是衡量光源强度的指标,是两个既关联又不同的物理量。
亮度指的是人在看光源时,眼睛感觉到的光亮度;亮度更侧重人的感受程度,我们常说一个地方很亮而不会说很“照”,就是人的感受,指的就是这个地方的物品被照射后,反射到我们眼中的光线相对多。指定方向上光源光通量的多少,是亮度的决定性因素,光通量多,亮度就高。
照度指的是光源照射到样品上,单位被照射面积上的光通量,指的是有多少能量发射到被照的物品表面。单位被照射面积上的光通量多,照度就高。
两者的关联是影响光源亮度及照度高低的物理量是共同的,即光通量。不同点是:影响光源亮度的光通量,是光源表面指定方向辐射出来的光通量的多少;影响光源照度的光通量,是光源辐射到样品上的光通量的多少。两者表述不同,受外界影响因素也不同。同一只光源,指定方向上光源表面辐射出来的光通量、与光源辐射到样品上的光通量是不相等的。
特别说明:光源的亮度视觉感,有时受色温影响较大。在光通量相同的光源中,色温高的光源会产生亮度高的错误视觉感。这种“高亮度”光源,光效并不一定比其他光源高,照度也并不一定比其它光源高,只是一种刺眼的“虚假亮”。
亮度指进入人眼中被感受到的光线强度,照度是指被照射面得到的光的数量,从机器视觉应用的照明方式来分析,背光源照明方式是相机接收到的背光源直接射入镜头的光线,如图1所示。
图1:背光源打光方式。
此时的相机相当于人眼,接收到的是直接入射到相机的光强,与亮度表达的概念相符,因此经理论分析,亮度是评价此种光源的最佳指标。而其他照明光源例如环型光,相机接收到的是照射到被测样品后的反射光,如图2所示。
图2:环型光打光方式。
相机接收到的是照射到样品上反射的光,与照度表达的概念相符,因此照度是评价除背光外其他光源的最佳指标。
实验验证
为了验证以上结论,本文分别用亮度和照度来判定背光源中一个辅助配件——棱镜膜的作用,同时以相机采集到的数据为判定的最终标准。
实验使用的背光源为沃德普的背光源FQ2-50X51,如图3所示。棱镜膜为3M,该光学膜材内部结构如图4所示。
图3:背光源FQ2-50X51。
图4:棱镜膜内部结构。
该膜材通过内部微棱镜结构改变光的发散角度,将光收集到正前方,从而达到提高该光源正方向的能量利用率。实验使用的照度计为柯尼卡美能达CL-200,亮度计为CS-160。相机为东芝CSFS20BC2,镜头为Computar 2514。
分别使用照度计、亮度计测试该背光源不加棱镜膜和加入棱镜膜后的照度、亮度,并与相机拍摄出来图片灰度值进行对比,见表1。
表1:亮度计和照度计测试光源的对比数据
亮度值(nit) |
照度值(lx) |
||||
未加棱镜膜 |
加棱镜膜 |
差值 |
未加棱镜膜 |
加棱镜膜 |
差值 |
21291nit |
29641nit |
33% |
57262lx |
26726lx |
-73% |
使用相机拍摄出来的未加棱镜膜和加入棱镜膜后的图像如图5所示。
a.未加棱镜膜 b.加棱镜膜
图5:相机拍摄背光源图片。
截取的中心水平轴上未加棱镜膜和加入棱镜膜的中心灰度最大值,分别如图6和图7所示,中心最大灰度值如表2所示。
图6:未加棱镜膜图片中心灰度值。
图7:加棱镜膜后图片中心灰度值。
表2:相机拍摄的中心最大灰度值
灰度值 |
||
未加棱镜膜 |
加棱镜膜 |
差值 |
97 |
135 |
33% |
由相机拍摄出来的图片和数据分析可知,经过棱镜膜的收光后,中心灰度值增加 了33%左右;而使用亮度计的测试结果同样为亮度增加33%左右,但是使用照度计的测试结果是降低了73%,不能反映出真实数据。因此照度不是评价背光源能量的指标。
小结
本文提出了针对机器视觉检测应用的光源能量评估方式:背向照明应该采用亮度进行评估,并通过对比实验验证了该方式的正确性。
参考文献
1 刘双春.基于机器视觉的USB插头表面缺陷检测技术研究[M].成都:中国科学院光电技术研究所,2017.
2 李凤娇,叶亚楠.我国机器视觉光源专利特点分析[J].电子测试,2017,13.