關(guān) 月，江 鵬，董 雪

(1. 沈陽(yáng)飛機(jī)工業(yè)(集團(tuán))有限公司，沈陽(yáng) 110034；2. 上海交通大學(xué) 機(jī)械與動(dòng)力工程學(xué)院，上海 200240)

?

基于視覺(jué)的小模數(shù)樣板花鍵參數(shù)檢測(cè)的研究*

關(guān) 月1，江 鵬2，董 雪2

(1. 沈陽(yáng)飛機(jī)工業(yè)(集團(tuán))有限公司，沈陽(yáng) 110034；2. 上海交通大學(xué) 機(jī)械與動(dòng)力工程學(xué)院，上海 200240)

針對(duì)小模數(shù)樣板花鍵由于尺寸小，使用傳統(tǒng)方法檢測(cè)困難的問(wèn)題，研究了將機(jī)器視覺(jué)技術(shù)應(yīng)用到小模數(shù)樣板花鍵的檢測(cè)中的方法。提出并設(shè)計(jì)了基于視覺(jué)的小模數(shù)樣板花鍵的檢測(cè)系統(tǒng)。使用高精度位移平臺(tái)和相機(jī)采集多幅圖像，從而獲取高分辨的花鍵端面圖像，并采用圖像增強(qiáng)、分割、輪廓提取等圖像處理技術(shù)獲取花鍵的輪廓信息，然后依據(jù)GB/T3478.5-2008和GB/T13924-2008的定義計(jì)算出花鍵模數(shù)、壓力角等檢測(cè)參數(shù)。實(shí)現(xiàn)了對(duì)小模數(shù)花鍵的多參數(shù)一次性自動(dòng)化檢測(cè)，提高了檢測(cè)的效率，減少了人為檢測(cè)可能引入了誤差，對(duì)花鍵的檢測(cè)生產(chǎn)具有重要意義。

圖像處理；小模數(shù)花鍵測(cè)量；輪廓提取

0 引言

花鍵在傳動(dòng)過(guò)程中可以承載較高的負(fù)載、保證較大的接觸面積、具有良好的定心性和導(dǎo)向[1-2]，因而花鍵常被應(yīng)用于汽車(chē)領(lǐng)域、燃?xì)廨啓C(jī)領(lǐng)域、航空航天等領(lǐng)域[3-5]。在這些重要領(lǐng)域的應(yīng)用，對(duì)于花鍵的制造和檢測(cè)提出了較高的要求，制造過(guò)程中的誤差產(chǎn)生的尺寸誤差形位誤差都會(huì)對(duì)花鍵的壽命、聯(lián)接的性能造成較大的影響。樣板花鍵常被應(yīng)用于花鍵軸孔的互換性和精度檢驗(yàn)。對(duì)于樣板花鍵本身的檢驗(yàn)，在生產(chǎn)制造環(huán)節(jié)中也有著重要意義。但是對(duì)于小模數(shù)花鍵，由于花鍵體積小、齒形小的特性，傳統(tǒng)方法對(duì)其檢測(cè)存在困難。

基于視覺(jué)方法已經(jīng)被廣泛應(yīng)用在檢測(cè)中，如Son等使用影像測(cè)量技術(shù)測(cè)量柱面結(jié)構(gòu)位移[6]，余文詠等采用圖像處理方法對(duì)零件中的圓形特征的測(cè)量進(jìn)行了研究[7]，李強(qiáng)等使用視覺(jué)技術(shù)實(shí)現(xiàn)了對(duì)數(shù)螺旋錐齒輪的自動(dòng)化檢測(cè)[8]。此外視覺(jué)方法還被應(yīng)用于缺陷檢測(cè)[9]，焊縫跟蹤[10]，墊片截面尺寸[11]，高溫工件尺寸[12]等領(lǐng)域。但是視覺(jué)測(cè)量方法還沒(méi)有被運(yùn)用樣板花鍵的測(cè)量上。 徐俊成等曾實(shí)現(xiàn)了基于機(jī)器視覺(jué)的塑料齒輪的在線(xiàn)檢測(cè)[13]，但采用單幅圖像處理，測(cè)量的尺寸和精度都受到限制。

針對(duì)上述的問(wèn)題，本文提出了機(jī)器視覺(jué)的方法對(duì)花鍵進(jìn)行測(cè)量。使用多幅花鍵端面局部圖像拼接獲取整體圖像，提高了系統(tǒng)測(cè)量范圍和精度。此外系統(tǒng)采用底光和頂光兩種打光方式，使之能夠?qū)崿F(xiàn)對(duì)內(nèi)外兩種花鍵的測(cè)量。本文描述的系統(tǒng)實(shí)現(xiàn)了樣板花鍵的多參數(shù)的檢測(cè)，填補(bǔ)了在視覺(jué)測(cè)量領(lǐng)域?qū)τ诨ㄦI檢測(cè)方面的空白。

1 樣板花鍵檢測(cè)系統(tǒng)

常用的花鍵檢測(cè)設(shè)備有綜合止端花鍵量規(guī)、綜合通端花鍵量規(guī)、萬(wàn)能測(cè)齒儀等[14]。上述傳統(tǒng)方法通常只針對(duì)花鍵的一到兩項(xiàng)參數(shù)，要完成一個(gè)花鍵的全參的檢測(cè)要求使用多個(gè)設(shè)備并耗費(fèi)較多的時(shí)間。

通過(guò)提出并設(shè)計(jì)了一套基于視覺(jué)的小模數(shù)樣板花鍵檢測(cè)系統(tǒng)，可以實(shí)現(xiàn)同時(shí)檢測(cè)花鍵的多個(gè)參數(shù)。如圖1其主要由8部分組成：高精度位移工作平臺(tái)、照明系統(tǒng)、圖像采集卡、高倍鏡頭和CCD相機(jī)、運(yùn)動(dòng)控制卡、電子計(jì)算機(jī)、自主開(kāi)發(fā)的檢測(cè)軟件和結(jié)果輸出設(shè)備。

通過(guò)位移平臺(tái)和CCD相機(jī)獲得的多幅花鍵端面圖像，再依據(jù)其運(yùn)動(dòng)方式對(duì)圖像進(jìn)行拼接，然后提取花鍵端面的整體輪廓數(shù)據(jù)，最后根據(jù)輪廓數(shù)據(jù)計(jì)算小模數(shù)花鍵的多項(xiàng)基本參數(shù)和檢測(cè)信息。

圖1 基于視覺(jué)的小模數(shù)樣板花鍵檢測(cè)系統(tǒng)

2 花鍵端面輪廓獲取

2.1 照明方式選擇

對(duì)于樣板內(nèi)花鍵或單獨(dú)的外花鍵，采用底光照明可以獲得包含較好輪廓信息的圖像，見(jiàn)圖2a。然而對(duì)于樣板外花鍵，其本身固定安裝在樣板上不可拆卸。在不破壞工件本身的前提下，只能采用頂光照明，見(jiàn)圖2b。在頂光照明下，花鍵端面光線(xiàn)為漫射，頂部端面形貌的不規(guī)則會(huì)對(duì)成像有影響，導(dǎo)致相較于內(nèi)花鍵，外花鍵的輪廓獲取更困難，因而在后續(xù)的研究中，主要以在頂光照明下獲取的圖像作為研究對(duì)象。而內(nèi)花鍵的檢測(cè)與之類(lèi)似，但方法經(jīng)過(guò)簡(jiǎn)化。

圖2 底光和頂光打光圖

2.2 圖像獲取

為了獲得較高的測(cè)量精度，設(shè)計(jì)的視覺(jué)系統(tǒng)中將高倍率精通、CCD相機(jī)以及高精度位移機(jī)構(gòu)結(jié)合起來(lái)，以小場(chǎng)景采用多次采集的方式對(duì)花鍵端面進(jìn)行圖像采集，最后根據(jù)高精度位移機(jī)構(gòu)的運(yùn)動(dòng)路線(xiàn)將多張采集到的圖像拼接起來(lái)，以此來(lái)獲取小模數(shù)樣板花鍵端面的完整圖像(見(jiàn)圖3)。其中圖像拼合的精度主要依靠位移機(jī)構(gòu)的精度保證。

圖3 采樣圖和拼接后的圖

2.3 圖像增強(qiáng)

花鍵的有效尺寸形狀在其齒廓，因而其端面常有劃痕、磨損等，這些都會(huì)在頂光照明時(shí)對(duì)圖像造成干擾。此外由于小模數(shù)花鍵的尺寸較小、齒形較小，獲取的花鍵端面圖像中邊界輪廓比較弱，因而要先對(duì)圖像進(jìn)行增強(qiáng)處理，采用直方圖均勻化處理法來(lái)提高輪廓的對(duì)比度[15]。

它的主要想法是：因?yàn)橐桓眻D像的灰度值會(huì)集中在特定區(qū)間上，如圖4所示，其灰度值主要集中在25～125之間。為了加強(qiáng)對(duì)比度，可以把圖像原來(lái)的灰度域擴(kuò)寬到圖片格式的整個(gè)0～255范圍內(nèi)，如圖5所示。

圖4 原始圖片灰度直方圖

圖5 增強(qiáng)圖片灰度直方圖

2.4 圖像分割

在將圖像增強(qiáng)后，為了獲取花鍵的外輪廓，同時(shí)減少后續(xù)圖像處理過(guò)程中的計(jì)算量和干擾，對(duì)圖像進(jìn)行分割，把圖像的興趣區(qū)域與無(wú)關(guān)區(qū)域分割開(kāi)來(lái)。常見(jiàn)的圖像分割方法有基于閾值的分割方法、基于形態(tài)學(xué)的分割方法等。

然而由于花鍵端面的表面質(zhì)量不好，存在劃痕、反光和凹陷等影響因素，導(dǎo)致圖像組成比較復(fù)雜。采用傳統(tǒng)的單一的分割方法不能夠有效的將興趣區(qū)域與非興趣區(qū)域分割出來(lái)。所以本文將結(jié)合閥值分割、形態(tài)學(xué)運(yùn)算和邊界分割等方法組合起來(lái)更好的實(shí)現(xiàn)了分割，具體操作如下：

(1)根據(jù)端面存在的反光特性，先使用閾值分割，大致提取出花鍵端面的圖像區(qū)域；

(2)接著采用膨脹運(yùn)算(dilation)，擴(kuò)大閾值分割提取的區(qū)域范圍；

(3)根據(jù)圖像區(qū)域的連通情況，將圖像分割為若干塊區(qū)域；

(4)根據(jù)區(qū)域的面積和位置將興趣區(qū)域的位置篩選出來(lái)；

(5)將興趣區(qū)域縮小，獲得邊界所在的區(qū)域。

2.5 花鍵輪廓提取

在興趣區(qū)域中包含了花鍵的輪廓數(shù)據(jù)。運(yùn)用Canny濾波器對(duì)于該區(qū)域進(jìn)行亞像素邊緣提取。在根據(jù)輪廓的估計(jì)中心，將邊緣的在圖像中變?yōu)闃O坐標(biāo)表示。如公式(1)I(x,y)表示圖像，(xi,yi)表示提取輪廓點(diǎn)在亞像素坐標(biāo)，(ri,θi)表示輪廓點(diǎn)的極坐標(biāo)表示。

C=Canny(I(x,y))={(xi,yi)}(i=1,…,n)=
{(ri,θi)}(i=1,…,n)

(1)

由于小模數(shù)花鍵端面的質(zhì)量和倒角，導(dǎo)致邊緣提取出來(lái)的邊緣中包含大量的無(wú)用信息，如圖6a所示。

圖6 輪廓提取

根據(jù)公式(2)通過(guò)求取提取邊緣的外包絡(luò)，除去大量無(wú)用信息，如圖7所示。

圖7 輪廓外包絡(luò)

(2)

其中△(C)表示(ri′,θi′)附近的一部分C的集合。

花鍵外輪廓在圓周上呈周期變換，因此其輪廓上的點(diǎn)到中心距離r隨其角度θ呈周期性的變換即：r=f(θ)=f(θ+T)。因此f(θ)為一維周期信號(hào)信，通過(guò)傅里葉變換如公式(3)可以將輪廓順滑如圖8所示。

C″={(ri″,θi″ )|F[f(θ′)]>H}

(3)

其中，F(xiàn)表示離散傅里葉變換，H為一個(gè)順滑的閥值。

最后在獲得花鍵輪廓點(diǎn)坐標(biāo)的轉(zhuǎn)換圖像點(diǎn)坐標(biāo)，即可獲得最終輪廓如圖6b所示。

圖8 輪廓順滑

3 小模數(shù)花鍵參數(shù)檢測(cè)

根據(jù)GB/T3478.1-2008和GB/T13924-2 008中對(duì)各個(gè)檢測(cè)項(xiàng)目的定義，利用提取的輪廓數(shù)據(jù)計(jì)算出花鍵的參數(shù)。

3.1 花鍵大徑和小徑測(cè)量

花鍵的大小徑是花鍵檢測(cè)的關(guān)鍵尺寸之一。根據(jù)這個(gè)定義，通過(guò)計(jì)算可以包含花鍵輪廓的最小圓的直徑，即可得到花鍵的大徑。通過(guò)計(jì)算花鍵輪廓包含的最大圓的直徑作為花鍵的小徑。

3.2 花鍵分度圓直徑、齒數(shù)和模數(shù)測(cè)量

在分度圓上的齒槽寬和齒厚寬相等的，并且分度圓直徑應(yīng)該比大徑小，比小徑大。根據(jù)這些信息采用二分查找法，以輪廓中心為圓心，在大徑和小徑范圍內(nèi)搜索查找符合齒槽寬和齒厚寬相等條件的圓。

花鍵的齒數(shù)就等于分度圓與花鍵輪廓的交點(diǎn)個(gè)數(shù)的一半。

花鍵的模數(shù)是國(guó)家標(biāo)準(zhǔn)規(guī)定的標(biāo)準(zhǔn)值，通過(guò)實(shí)測(cè)的齒數(shù)和分度圓直徑，計(jì)算出花鍵的模數(shù)近似值，再以查表獲得其的設(shè)計(jì)模數(shù)。

3.3 花鍵壓力角測(cè)量

根據(jù)標(biāo)準(zhǔn)壓力角的定義，以輪廓中心為圓心，作分度圓。取分度圓與輪廓上的一個(gè)交點(diǎn)，連接該點(diǎn)和圓心，并過(guò)該點(diǎn)作輪廓上的切線(xiàn)，計(jì)算切線(xiàn)與徑向線(xiàn)的夾角即可獲得花鍵的標(biāo)準(zhǔn)壓力角。

3.4 花鍵齒距偏差測(cè)量

花鍵的齒距偏差的檢測(cè)包括了三個(gè)項(xiàng)目分別是：

單個(gè)齒距偏差fpt：

fpti=Fpi-Fp(i-1)

(4)

fpt=fpk

(5)

其中:fpk=max(fpti|i=0…z)

k個(gè)齒距累積偏差Fpk：

Foki=|Fpi-Fp(i-k)|

(6)

Fpk=max(Fpki)

(7)

齒距累積總偏差Fp：

Fp=max(Fpi)-min(Fpi)

(8)

以花鍵輪廓中心為圓心以標(biāo)準(zhǔn)分度圓直徑畫(huà)圓，與花鍵輪廓有2z個(gè)(z為花鍵的齒數(shù))交點(diǎn)。選定一個(gè)點(diǎn)作為起始點(diǎn)，計(jì)算相對(duì)于基準(zhǔn)的齒距累積總偏差Fpi(i=0…z)。然后根據(jù)公式(6)～(8)分別計(jì)算出三個(gè)齒距偏差的檢測(cè)項(xiàng)目。

3.5 花鍵輪廓偏差檢測(cè)

齒廓偏差是指齒廓相對(duì)于標(biāo)準(zhǔn)齒廓的偏離量。根據(jù)定義，在獲得的輪廓數(shù)據(jù)中截取出每個(gè)齒的有效范圍，然后分別構(gòu)造出對(duì)應(yīng)的一對(duì)理論曲線(xiàn)，計(jì)算兩線(xiàn)間的距離，即可獲得齒廓總偏差Fa、齒廓形狀偏差ffα和齒廓傾斜偏差fHα三個(gè)檢測(cè)項(xiàng)的值。最后選取各組數(shù)據(jù)中的最大值，作為最后結(jié)果。

4 實(shí)驗(yàn)結(jié)果和分析

采用TEO TM-C7590F工業(yè)相機(jī)、Navitar鏡頭PN12SK226、SWY交叉滾子導(dǎo)軌、UWC控制器和HEIDENHAIN LS1378C和自主開(kāi)發(fā)的針對(duì)樣板花鍵檢測(cè)開(kāi)發(fā)的軟件搭建實(shí)驗(yàn)平臺(tái)。通過(guò)采用標(biāo)準(zhǔn)量塊對(duì)實(shí)驗(yàn)平臺(tái)進(jìn)行標(biāo)定，得到的結(jié)果是4.22165μm/Pixels。在搭建的平臺(tái)上對(duì)三對(duì)樣板花鍵進(jìn)行檢測(cè)，然后再使用萬(wàn)能工具顯微鏡對(duì)三對(duì)樣件進(jìn)行檢測(cè)，最后將兩組測(cè)量的結(jié)果進(jìn)行分析比對(duì)，用以驗(yàn)證測(cè)量的精度。主要的測(cè)量結(jié)果如表1所示。

表1 實(shí)驗(yàn)系統(tǒng)測(cè)量與萬(wàn)工顯微鏡測(cè)量的比較

續(xù)表

通過(guò)多次測(cè)量驗(yàn)證，使用實(shí)驗(yàn)系統(tǒng)對(duì)單個(gè)小模數(shù)樣板花鍵進(jìn)行測(cè)量，測(cè)量結(jié)果的絕對(duì)誤差都小于1倍的像素標(biāo)定值。通過(guò)分析，測(cè)量的誤差主要來(lái)源于：

(1)圖像處理算法的誤差。在預(yù)處理中，對(duì)圖像進(jìn)行了增強(qiáng)，降噪等操作。這些會(huì)導(dǎo)致圖像的一些信息損失，產(chǎn)生誤差。此外，算法中多次運(yùn)用到圓擬合、曲線(xiàn)擬合等算法也將一些誤差引入到結(jié)果中。

(2)硬件系統(tǒng)的誤差。由于圖像的拼接是基于位移機(jī)構(gòu)的運(yùn)行，所以位移機(jī)構(gòu)的運(yùn)動(dòng)誤差對(duì)最后拼接的圖像造成了誤差。另外光照的不均勻，鏡頭畸變的沒(méi)有被完全校正以及相機(jī)鏡頭與被測(cè)表面的不平行等，都對(duì)最終的測(cè)量結(jié)果造成影響。

上述誤差中，由于硬件引起的誤差可以通過(guò)軟件來(lái)修正。而對(duì)圖像處理算法誤差，只能通過(guò)改進(jìn)算法來(lái)降低。

5 結(jié)束語(yǔ)

基于視覺(jué)的方法通過(guò)對(duì)小模數(shù)花鍵端面圖像的處理，提取出花鍵的輪廓，實(shí)現(xiàn)了小模數(shù)花鍵參數(shù)檢測(cè)檢測(cè)，解決了傳統(tǒng)測(cè)量方法無(wú)法對(duì)小模數(shù)花鍵進(jìn)行有效檢測(cè)的問(wèn)題。同時(shí)檢測(cè)的自動(dòng)化實(shí)現(xiàn)，很大程度提升了生產(chǎn)檢測(cè)環(huán)節(jié)中的效率和減少了對(duì)工人熟練操作的依賴(lài)要求。接下來(lái)需要進(jìn)一步提升系統(tǒng)的精度，需要優(yōu)化圖像處理算法，并在軟件中引入補(bǔ)償機(jī)制對(duì)硬件造成的誤差進(jìn)行補(bǔ)償。

[1] 王慶國(guó), 陳大兵, 魏靜, 等. 基于有限元法的漸開(kāi)線(xiàn)花鍵聯(lián)接接觸分析[J]. 機(jī)械傳動(dòng), 2014(1):134-137.

[2] CUR Francesca, MURA Andrea. 花鍵聯(lián)接齒輪荷載點(diǎn)的分析[J]. 浙江大學(xué)學(xué)報(bào), 2014,15(4):302-308.

[3] 陳元, 朱如鵬, 靳廣虎. 航空漸開(kāi)線(xiàn)花鍵副齒面摩擦功分析[J]. 機(jī)械傳動(dòng), 2015(8):119-121.

[4] 黃晉華, 袁春, 華小珍, 等. 飛機(jī)發(fā)電機(jī)花鍵軸斷裂原因[J]. 腐蝕與防護(hù), 2015,36(5):493-496.

[5] 朱金芳, 姜磊. 摩托車(chē)花鍵軸鉆孔后內(nèi)裂紋產(chǎn)生的原因[J]. 機(jī)械工程材料, 2015,39(5):107-110.

[6] Son K S, Jeon H S, Park J H, et al. Vibration displacement measurement technology for cylindrical structures using camera images[J]. Nuclear Engineering & Technology, 2015,47(4):488-499.

[7] 余文詠, 朱世根, 駱祎嵐, 等. 基于圖像處理技術(shù)的零件圓度評(píng)定研究[J]. 組合機(jī)床與自動(dòng)化加工技術(shù), 2015(7):74-76.

[8] 李強(qiáng), 閆歡, 閆洪波, 等. 自動(dòng)化視覺(jué)檢測(cè)在對(duì)數(shù)螺旋錐齒輪中的應(yīng)用[J]. 組合機(jī)床與自動(dòng)化加工技術(shù), 2015(4):94-97.

[9] 岑譽(yù), 高健. 基于LabVIEW的電容器缺陷檢測(cè)系統(tǒng)研究[J]. 組合機(jī)床與自動(dòng)化加工技術(shù), 2014(10):80-84.

[10] 董富強(qiáng), 李亞, 李振亮, 等. 基于LabVIEW的直縫鋼管內(nèi)焊縫跟蹤系統(tǒng)[J]. 組合機(jī)床與自動(dòng)化加工技術(shù), 2014(11):97-99.

[11] Bi Q, Li N. Research on the Application of Digital Image Measurement in Gasket Section Size Detection[J]. Journal of Henan Science & Technology, 2015.

[12] Bi C, Zhang Y, Liu Y, et al. Image Technology in Dimension Measurement of High Temperature Parts[J]. Journal of the Chinese Society of Mechanical Engineers, Transactions of the Chinese Institute of Engineers-Series C, 2014,35(5):355-361.

[13] 徐俊成, 張莉彥, 閻華. 基于機(jī)器視覺(jué)的小模數(shù)塑料齒輪的在線(xiàn)檢測(cè)[J]. 組合機(jī)床與自動(dòng)化加工技術(shù), 2011(3):57-60.

[14] 雷亞娟, 王向陽(yáng). 淺談漸開(kāi)線(xiàn)花鍵的檢測(cè)方法的應(yīng)用[J]. 汽車(chē)實(shí)用技術(shù), 2014(5):109-112.

[15] 陳永亮, 王華彬, 陶亮. 自適應(yīng)動(dòng)態(tài)峰值剪切直方圖均衡化[J]. 計(jì)算機(jī)工程與應(yīng)用, 2015,51(1):167-171.

(編輯 李秀敏)

Study on Measuring Technique of Small Module Spline Based on Machine Vision

GUAN Yue1, JIANG Peng2, DONG Xue2

(1.Shenyang Aircraft Corporation, Shenyang 110034,China;2.School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China)

Focus on the problem that the traditional measurement technique had difficulties to be applied on small module spline, research on the application of machine vision on the measurement technique of small module spline was carried out, and a system based on machine vision used to measure various parameters of small module spline was presented and designed. The system uses high accuracy moving platform and high resolution camera to grab several images of the top of the spline, combining multiple image processing methods including image enhancement, image segmentation, counter extraction and etc. Finally, referring to GB/T3478.5-2008 and GB/T13924-2008, a number of parameters of spline like modulus, angle of pressure are gained. The realization of automated measurement improve efficiency of measuring and reduce the error induced by people which had great meaning on the measuring and producing of splines.

image processing; small module spline measurement; counter extraction

1001-2265(2017)06-0106-04

10.13462/j.cnki.mmtamt.2017.06.027

2016-09-14；

2016-11-03

國(guó)家04重大專(zhuān)項(xiàng)(2014ZX04015021)；上海市科委項(xiàng)目(15111102203)

關(guān)月(1966—)，女，吉林省吉林市人，沈陽(yáng)飛機(jī)工業(yè)(集團(tuán))有限公司高級(jí)工程師，研究方向?yàn)閹缀瘟啃?zhǔn)和檢測(cè)，(E-mail)guany2006@sina.com;通訊作者：江鵬(1991—)，男，成都人，上海交通大學(xué)碩士研究生，研究方向?yàn)闄C(jī)器視覺(jué)與精密測(cè)量，(E-mail)maskjp@sjtu.edu.cn。

TH705;TG506

A