雷 艇

(武漢東湖學院 機電工程學院， 湖北 武漢 430212)

?

鑄件表面缺陷自動化檢測設備的系統(tǒng)設計

雷 艇

(武漢東湖學院 機電工程學院， 湖北 武漢 430212)

鑄件成形后會在表面形成砂眼和裂紋等表面缺陷，而傳統(tǒng)的鑄件表面缺陷檢測方法為人工通過肉眼檢測，這種檢測手段效率低、易受工人的主觀情緒影響，已不適應現(xiàn)代化的大規(guī)模自動化生產(chǎn)，因此開發(fā)出一套自動化檢測設備，完成對鑄件的表面缺陷檢測具有很重大的現(xiàn)實意義，本文采用的檢測方法為機器視覺檢測，分析機器視覺檢測設備的系統(tǒng)組成，簡述系統(tǒng)的工作原理，重點研究系統(tǒng)的硬件設計和軟件設計，完成主要硬件的選型和參數(shù)計算，并利用Matlab軟件對缺陷樣本處理分析。

鑄造件 表面缺陷 自動化檢測 系統(tǒng)設計 硬件設計 軟件設計

0 引言

常用的表面缺陷檢測方法有超聲波檢測[1]和機器視覺檢測[2]，超聲波檢測是根據(jù)超聲波的反射原理檢測工件，但由于超聲波檢測對缺陷的顯示不直觀，檢測技術難度大，要求富有經(jīng)驗的檢驗人員才能辨別缺陷種類，因而其具有一定的局限性。機器視覺檢測是由攝像頭對工件拍照取像，經(jīng)由圖像采集卡處理和傳輸，導入到計算機的圖像處理軟件，計算分析處理辨別出工件的表面缺陷，其具有檢測準確、效率高、易上手等特點，目前廣泛應用于各類工件的表面缺陷檢測。

1 系統(tǒng)分析

考慮鑄件形狀復雜、表面缺陷易于觀察，系統(tǒng)采用基于機器視覺的檢測方法，因而該自動化檢測設備除了具有機械單元、伺服及其驅動單元、控制單元和檢測單元外，還應具有圖像處理單元、照明單元等。

1.1 檢測對象

1) 鑄件質量：5kg

2) 鑄件外形尺寸：100×120×80(mm)

3) 鑄件材質：灰鐵

1.2 檢測指標

需檢測鑄件的澆鑄不足、破損、砂眼和裂紋等表面缺陷，如下兩圖分別為鑄件澆鑄不足和破損的情形。

圖1 澆鑄不足Fig.1 Shortage of pouring

圖2 破損Fig.2 Breakage

1.3 系統(tǒng)組成

需檢測的鑄件的表面缺陷種類復雜，各種缺陷隨機出現(xiàn)，毫無規(guī)律，因而視覺檢測的重點和難點即在于：(1) 準確的獲取工件各個表面的圖像；(2) 識別并提取出工件圖像里的表面缺陷；(3) 每一種表面缺陷對應一種圖像處理算法。第1個問題決定組成系統(tǒng)的機械單元的復雜性，機械單元除應具有傳動裝置外，還應具有限位裝置，翻轉裝置等，以此來保證攝像頭能對工件的各個表面拍照取像，第2個和第3個問題決定系統(tǒng)應開發(fā)出先進的圖像處理算法，這需要在試驗中不斷地測試和修補。

整個系統(tǒng)按照功能可以劃分為儲料箱、傳送裝置、翻轉裝置、檢測裝置、控制裝置和剔除裝置等。整個系統(tǒng)模型如圖3所示。

圖3 系統(tǒng)模型Fig.3 System model

1) 儲料箱

儲料箱用于放置鑄件，采用鈑金結構，便于工人拾取工件。

2) 傳送裝置

傳送帶在工廠的流水線生產(chǎn)中運用的相當廣泛，其具有傳動平穩(wěn)、傳遞速率可控的特點，鑄件形狀復雜采用傳送帶傳送較為合適。傳送裝置主要由輸送帶、滾筒、架體等零部件組成，采用步進電動機+滾筒的驅動方式。

3) 翻轉裝置

設計翻轉裝置一方面是因為鑄件形狀復雜，若只固定一個位置和姿態(tài)，CCD攝像頭無法檢測到鑄件的每一個部位，另一方面是因為鑄件要從待檢區(qū)域運動到檢測區(qū)域再到檢測完畢區(qū)域。翻轉裝置要與檢測裝置配合使用，每一個翻轉工位都要有一個攝像頭與之匹配，根據(jù)檢測效率和實際使用情況，考慮使用3個翻轉工位，工件經(jīng)過3個翻轉工位后，6個面都能被檢測。翻轉裝置由旋轉機械手和夾具組成。

4) 檢測裝置

檢測裝置包括CCD攝像頭、鏡頭、照明部件、各類傳感器和圖像采集卡等組成。檢測裝置獲取圖像質量的好壞主要是由CCD攝像頭的分辨率、光源的安裝方式以及動態(tài)抓拍技術等決定的，具體每一個元件的參數(shù)如何選取需要在后續(xù)的試驗中不斷驗證。

5) 控制裝置

控制裝置主要由工控機和PLC組成，PLC作為下位機與步進電機和伺服電動機通信，工控機作為上位機與PLC和圖像采集卡通信。

2 系統(tǒng)工作過程

自動檢測設備的工作過程可分為3個步驟[3]：

1) 人工將鑄造件從料庫中取出放在傳送帶

2) 翻轉裝置拾取工件，CCD攝像頭拍照取像

圖4 翻轉和拍照過程Fig.4 Process of turning over and taking photos

3) 剔除裝置將不合格工件剔除

3 檢測系統(tǒng)硬件設計

下位機PLC控制步進電機、剔除裝置的氣缸、翻轉裝置、以及CCD攝像頭和照明部件，上位機為工控機與下位機PLC相連，且作為人機交互設備。表面缺陷檢測系統(tǒng)的參數(shù)和基本性能如下[4]：

圖5 圖像處理和剔除過程Fig.5 Process of image-processing and removing

1) 相機：德國Basler 線陣工業(yè)相機6臺，并配置6個近焦鏡頭。

2) 光源：LED光源。

3) 測量速度：平均5s/工件，完成對工件6個面的檢測，每個面至少5次，總共25次的圖像采樣處理，單次圖像采樣處理的時間范圍為：100-120ms。

4) 監(jiān)視器：監(jiān)視生產(chǎn)過程和調(diào)試診斷時提供人機交互接口的作用。

5) 環(huán)境適應性：在環(huán)境溫度50攝氏度以下可保證不間斷連續(xù)可靠工作。

6) 使用壽命：加裝防塵系統(tǒng)，通過在風扇系統(tǒng)加過濾裝置向設備內(nèi)部空氣加壓的方法，防止污染物進入設備污染鏡頭和光源等部件。光源只有在工件到位后才被點亮，減緩它的衰減。

如圖6所示為檢測系統(tǒng)硬件示意圖，CCD攝像頭和光源安裝在工件的同一側，采用前向照明的方式，直射光照明，這種方式便于安裝，采光效果好有利于成像，且在明、暗的陰影之間產(chǎn)生對比度相對較高的圖像。

選擇相機時要考慮滿足零件的精度檢測要求，相機的分辨率是影響檢測質量的重要因素，精度是圖像中一個像素對應目標代表的尺寸，單位為mm/像素[5]。

分辨率(對應方向)像素個數(shù)=

工件的最大外形尺寸為100×120×80(mm)，取檢測視場的最大面積為120×150(mm)，精度為0.03mm/像素，則相機在對應方向的像素個數(shù)分別為4000個和5000個，則相機的分辨率為4000×5000=2000萬像素。

根據(jù)實際使用情況，我們選擇嵌入式圖像采集和處理單元，在嵌入式機器視覺系統(tǒng)中，通過專門的硬件模塊組合將圖像采集、圖像處理以及數(shù)據(jù)的通訊輸出接口整合在一起，將光源和鏡頭也一并集成為一個整體，因而能避免圖像采集和圖像處理以及外部PC軟硬件環(huán)境間的兼容問題。

圖6 檢測系統(tǒng)硬件Fig.6 hardware of detection system

4 檢測系統(tǒng)軟件設計

軟件部分開發(fā)環(huán)境運用Visual C++ 6.0高級計算機編程語言，VC6.0是運行于Windows上的交互式可視化集成開發(fā)環(huán)境。為節(jié)省開發(fā)時間本課題中的圖像處理算法均采用Matlab程序語言實現(xiàn)模擬。

軟件系統(tǒng)的的主要任務是配合硬件系統(tǒng)完成圖像采集、圖像處理、圖像存儲、圖像顯示以及圖像打印等功能[6]。本程序設計采用“自頂向下”的設計原則，將預期實現(xiàn)的功能劃分成不同的功能模塊，對每一個功能模塊編程完畢后再合并成為一個整體。軟件設計的好壞關系到整個系統(tǒng)的性能，因而要不斷調(diào)試。

圖像處理的一般步驟為圖像增強、圖像去噪、邊緣銳化、特征參數(shù)提取、系統(tǒng)計算和判決，在試驗中我們采取的是CCD攝像頭+Matlab軟件測試方法，將獲取的圖像導入到Matlab軟件里面，然后分析缺陷樣本，發(fā)現(xiàn)缺陷所在的砂眼的灰度值明顯低于其周圍區(qū)域，因此先采用梯度濾波算法對圖像的噪聲、圖像的邊緣、圖像的內(nèi)部信息點分別處理，保留圖像的原始信息且有較好的信噪比，然后采用小波濾波的方式增強圖像，既可以增強圖像的紋理也可以增強圖像的表面缺陷，最終缺陷樣本處理的效果如圖7所示。

5 總結

本文根據(jù)鑄件的特點，討論采用基于機器視覺

圖7 圖像處理后效果圖Fig.7 Effect after defect sample being processed

的檢測方法，分析完成視覺檢測的自動化檢測設備的系統(tǒng)組成，并將系統(tǒng)的工作過程劃分為3個階段。重點設計檢測系統(tǒng)的硬件和軟件，對CCD相機和光源進行選型和相關參數(shù)設計計算，決定選用硬件模塊組合搭建圖像采集與處理單元；系統(tǒng)軟件考慮采用VC6.0開發(fā)，并利用Matlab軟件對缺陷樣本測試和處理，最終得出采用梯度濾波算法和小波濾波算法能得到比較好的效果。

[1] 朱丹，曾效舒. 鑄鐵件超聲波檢測方法的應用和發(fā)展[J]. 現(xiàn)代鑄鐵，2005，(9)：76-79.

[2] 韓芳芳. 表面缺陷視覺在線檢測關鍵技術研究[D]. 天津：天津大學，2011.

[3] 王波. 基于機器視覺的產(chǎn)品外觀檢測機研發(fā)[D]. 哈爾濱：哈爾濱工業(yè)大學，2013.

[4] 周龍. 汽車發(fā)動機連桿表面缺陷機器視覺檢測系統(tǒng)[D]. 浙江：浙江工業(yè)大學，2005.

[5] 都吉鋼. 小型精密鑄件快速檢測設備研制[D]. 遼寧：大連理工大學，2014.

[6] 朱杰. 數(shù)字圖像處理技術在螺紋檢測中的應用研究[D].河北：河北科技大學，2010.

The system design of automatic testing equipment for the defects on the surface of the casting

LeiTing

(SchoolofMechatronicEngineering,WuhanDonghuUniversity,Hubei,Wuhan430212)

After being formed, sand hole, sand inclusion, damage and defects will appear on the surface of the casting But the traditional casting surface detecting method is eye testing by people, which is a method with low efficiency and easy to affected by the worker’s subjective emotion. It can’t be adapt to the modern large-scale automatic production. Therefore, developing an automatic testing equipment and finishing the surface detection of the casting own great realistic significance. This paper adopts the method of machine vision inspection, analyzing the system composition, descripting the working principle. Focusing on the hardware and software design of the system, completing the main hardware selection and parameter calculation, then we can use Matlab to analyze and dispose the defect sample.

Casting surface defect automatic detecting system design hardware design software design

1006-8244(2016)03-030-03

TG247

B