机器视觉在零部件质量检测上应用

导语：机器视觉在零部件质量检测上应用一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要：零部件作为制造行业的基础，其质量高低直接影响到该行业未来的发展，加强对零部件表面缺陷或尺寸等质量的检测显得尤为重要。随着零部件趋向精细化发展，传统的质量检测技术已经不能满足零部件检测的需要，以机器视觉技术为代表的新型零部件质量检测技术得到了广泛应用，具有非接触、精度高和反应快等优点。零部件的质量检测是零部件加工后的重要环节，而传统检测方法对螺栓和气门关键部分的质量检测精度和效率较低。根据螺栓和气门的检测特点设计基于机器视觉的检测方案。

关键词：机器视觉；螺栓；气门

1机器视觉检测系统的设计分析

1.1机器视觉检测系统组成结构

为实现对零部件质量的准确检测，机器视觉检测系统通常由图像采集模块、光学成像模块、机械运动模块以及图像处理模块四个部分组成。其中，图像采集模块的主要功能是以电信号的形式将被检测零部件的质量信息反馈给计算机。图像处理模块通过预先设计好的算法程序实现对图像的预处理，从而提高视觉检测系统的检测精度，机器视觉检测系统的结果可以通过计算机的通讯接口直接输出。机器视觉检测系统在检测零部件质量时，会有电机驱动机构零部件送到预先设置的位置，相机对零部件进行图像采集并将结果送到计算机中，图像处理模块对零部件的质量缺陷进行识别。

1.2机器视觉检测系统相机与镜头的选择

图像传感器及工业相机的设计是整个检测系统的重要部分，目前常用的工业相机传感器包括CCD和CMOS两种。两种相机均利用了光电效应实现光信号与电信号之间的转换，并将零部件的质量信息存储在计算机中。CCD相机与CMOS相机相比，具有更好的输出信号一致性，这是由于CCD相机只有少数几个输出节点，而CMOS相机需要对每个像素都应用放大器并需要电压电荷转换，因此输出信号的一致性降低。CMOS相机由于对信号带宽要求不高，较CCD相机具有更长的使用寿命。CCD相机需要更加复杂的加工工艺，而集成度低，同时也增加了生产成本。CMOS相机不仅具有更高的集成度，而且具备更高的成本优势。镜头是图像采集过程中的重要器件，高质量的镜头才能获取更加清晰的零器件信息，方便后续过程的操作。在进行镜头选择时，需要考虑到相机以及被检测器件的尺寸，当镜头尺寸选择为1/2时，就可满足镜头成像遮住镜头传感器，从而满足图像的清晰度要求。

1.3机器视觉检测系统光源的设计

对系统光源的设计是机器视觉检测系统的另一个重要内容，设计科学合理的照明系统可以保证图像具有更加明显的信息特征，可确保后续检测流程的顺利进行。在进行照明系统设计过程中，主要需要考虑到被检测零部件是否在检测过程中处于均匀的光照环境中，确保零部件的轮廓信息的准确提取。若零部件处于不均匀的光照环境中，直接导致机器视觉检测系统检测成功率的下降。在诸多光源中，LED光源具有使用寿命长、抗抖性能高以及造价成本低等特点，因此采取LED环形光作为机器视觉检测系统的光源。此外，当光源被安置到不同位置时，相机也会拍出不同的图像特征，若是光源位置设计不合理，直接导致成像的偏差，为后期的图像处理环节增加困难，因此需要根据零部件的结构特点合理安排光源位置。

2对螺栓表面的螺纹缺陷检测

2.1螺栓表面的螺纹缺陷检测方案

螺栓是工业生产过程中广泛应用的零部件，其质量直接影响到机构的正常功能。螺栓在生产加工过程中，会出现卷纹或划伤等缺陷，加强对螺栓表面缺陷的检查，才能保证零部件的使用质量和使用寿命。在设计螺栓表面的螺纹缺陷检测方案时，将螺纹表面定义为正常、卷纹及划伤三种状态，加工好的螺栓被运送到运动圆盘的中部，并由LED环形光源提供照明环境，由工业相机对螺栓表面的状态进行识别，最后由贝叶斯判别函数或神经网络算法来判别被检测零部件的状态。当检测到零部件存在缺陷时，则停止检测；若不存在缺陷，则改变零部件位置对另一面进行缺陷检测。

2.2图像预处理

机器视觉检测系统在实际工作中，工业相机提取的图像信息可能会出现缺失或模糊，因此需要对所获取的图像进行预处理，从而提高图像质量。图像预处理主要任务包括突出有用信息和弱化无用信息两部分，为提高图像的可读性。常用的图像预处理手段包括去噪、增强、分割和二值化等步骤。在对螺栓表面缺陷进行检测过程中，图像预处理包括灰度变换和图像去噪两个操作，其中灰度变换是将校正彩图转化为灰度图，从而提高螺纹的特征值。由于光源或成像时存在灰度，导致图像变得模糊，通过灰度处理实现拉伸变换，获得更加清晰的图像。此外，图像在采集和传输过程中受到外界干扰，从而导致图像品质降低，通过滤波操作可以减少噪声，进而提高图像质量。

2.3对螺栓表面纹理的特征提取

基于机器视觉系统对螺栓表面缺陷的识别，其重要工作是对螺栓表面的纹理特征进行提取，零部件的纹理信息通常由图像上的局部不规律颜色或灰度变化反映出来，进而在宏观上呈现出规律性的特性。由于零部件在成像后的纹理信息固定，因此可以反映出零部件的质量信息。图像纹理主要具有规则性、方向性及粗糙度等特性，可用来直接描述图像的空间信息。基于图像纹理的机器视觉系统已经成为零部件质量检测的重要发展方向，特别是对于缺陷或模糊的零部件图像具有更好的检测效果，在具有大量相近像素的图像中采取表面纹理分析，经验证可以取得更好的识别效果。

3气门关键部分的几何尺寸检测

在零部件检测过程中，零部件的尺寸是衡量零部件是否合格的重要标准。根据尺寸的检测结果可以预判生产的零部件是否合格；同时对检测的零部件进行数据分析，得到零部件的生产规律，如生产多少个零部件后精度达不到标准需要重新调试设备等问题，提高了企业的生产效率并预防质量不合格问题的发生。探讨如何检测零部件中气门的长度与直径尺寸.

3.1长度的测量

检测气门长度的方法是通过检测气门两端平行直线的距离来测量出气门的长度。测量气门两端平行直线的方法如下：首先确立气门两端的平行直线，获得直线方程，最后测量两条平行于气门始末段直线上水平点两点之间的距离，确定气门的长度。确立直线的过程中有很多方法，如最小二乘法、霍夫变换方法等。研究选用最小二乘法进行直线的拟合，确立直线方程。测量的具体过程如下：首先，确立检测的范围，并用坎尼算子进行边缘的大致定位，通过二项式插值法确定边缘的具体定位，获得亚像素级的边缘坐标；其次，采用最小二乘法对亚像素级边缘左边进行处理，获得直线拟合方程，根据直线拟合方程计算平行于顶端面上多点到平行于底端直线多点之间距离，根据水平多点间的距离去除异常数据，再取多个测量直线距离的平均值为气门总长的像素数；最后，将所得到的像素数乘以标定系数就可以得到气门的长度，判断是否合乎工程要求。

3.2直径的测量

气门的直径检测分为杆端直径、近杆直径与杆径等，根据检测对象的不同可以选择不同的检测方法。被测零部件的直径有气门的杆端直径、近杆端直径和杆径等，以及气门的盘径和槽径，根据直径的不同可以选择不同的测量方法。研究仅讨论杆端直径、近杆端直径与杆径这一类直径测量的问题。杆端直径、近杆端直径与杆径这一类直径的测量要求检测精度较高，直线拟合与最小外接矩形方法较为粗劣，达不到检测目标。因此，杆端直径、近杆端直径与杆径这一类直径的测量方法如下：首先，选取测量的范围，用坎尼算子进行粗劣定位，再应用改进二项式插值法进行直径边缘精准定位，获得亚像素级边缘坐标；其次，选取边缘直径上的多对两点坐标，并取其平均值为直径像素数后再乘以标定系数，可得到气门的测量直径。

4结束语

机器视觉技术目前已经应用到多个领域，机器视觉技术能够替代人工，提高企业自动化程度。探析了机器视觉的基本理论及基本概念，说明了螺栓表面欠缺检测技术、气缸的长度及直径检测案例，希望能够为机器视觉技术进一步落实及深入研究略尽绵薄之力。

参考文献：

［1］吴荥荥.基于机器视觉的零部件质量检测研究［D］.镇江:江苏大学,2017.

［2］苍立凤.水下图像光斑去除方法的研究［D］.哈尔滨:哈尔滨工业大学,2013.

［3］王宇晨,雷腾,胡晓伟,等.组网雷达下的弹道目标三维微动识别［J］.太赫兹科学与电子信息学报,2017,15(2):206~210.

［4］葛静祥.图像纹理特征提取及分类算法研究［D］.天津:天津大学,2010.

作者:郭晓丽 单位:青岛市技师学院