郭雪梅，劉桂雄，黃堅，林鎮(zhèn)秋

（1.廣東省智能制造研究所，廣東廣州510070；2.華南理工大學(xué)機械與汽車工程學(xué)院，廣東廣州510640；3.廣州市華頡電子科技有限公司，廣東廣州510663）

面向標準件裝配質(zhì)量的PI-SURF檢測區(qū)域劃分技術(shù)

郭雪梅1，劉桂雄2，黃堅2，林鎮(zhèn)秋3

（1.廣東省智能制造研究所，廣東廣州510070；2.華南理工大學(xué)機械與汽車工程學(xué)院，廣東廣州510640；3.廣州市華頡電子科技有限公司，廣東廣州510663）

標準件裝配具有部位多、類型復(fù)雜、結(jié)構(gòu)各異等特點，可基于產(chǎn)品特性指導(dǎo)機器視覺進行產(chǎn)品裝配質(zhì)量檢測。該文基于部分裝配產(chǎn)品的位置不變性（PI），提出面向標準件裝配質(zhì)量的PI-SURF檢測區(qū)域劃分技術(shù)。首先，分析產(chǎn)品裝配中各標準件間位置關(guān)系基本穩(wěn)定的特點，以平面尺寸鏈描述兩個標準件的位置關(guān)系，提出基于PI的裝配檢測區(qū)域劃分方法；其次，提出基于PI-SURF的標準件裝配質(zhì)量檢測區(qū)域劃分技術(shù)，通過提取基準部位的SURF區(qū)域特征與特征主方向，使得檢測區(qū)域具有對產(chǎn)品整體平移、旋轉(zhuǎn)的抗干擾能力；最后，構(gòu)建標準件裝配質(zhì)量檢測裝置，以聯(lián)想ThinkCentre G3機箱進行試驗。結(jié)果表明：與全局檢測相比，使用PI-SURF檢測區(qū)域劃分技術(shù)后，檢測時間縮短83.4%，實現(xiàn)零漏檢，提高裝配質(zhì)量檢測裝置結(jié)果可靠性。

標準件裝配；質(zhì)量檢測；檢測區(qū)域劃分；位置不變性

0 引言

標準件裝配具有部位多、類型復(fù)雜、結(jié)構(gòu)各異等特點，目前多采用人工目測法檢測裝配質(zhì)量。但在高強度、重復(fù)性工作環(huán)境下人員容易疲憊導(dǎo)致決策失誤，難以滿足大批量工業(yè)生產(chǎn)檢測的需要[1]。引入機器視覺實現(xiàn)機器代人是制造產(chǎn)業(yè)升級的必然趨勢，裝配產(chǎn)品往往具有顯著的宏觀特性。以專家經(jīng)驗結(jié)合機器視覺技術(shù)形成圖像檢測模板，是提高機器視覺檢測準確率的重要手段[2]。

圖像檢測模板是機器視覺檢測要求的載體，應(yīng)當存儲評判標準、位置等信息，據(jù)此來實現(xiàn)裝配中標準件的準確識別，從而判斷裝配質(zhì)量[3]。目前主要有數(shù)據(jù)變換自動構(gòu)建法、匹配自動構(gòu)建法。數(shù)據(jù)變換自動構(gòu)建法通過讀取標準數(shù)據(jù)文件中標準件的形狀、大小、位置和型號等信息，生成相應(yīng)檢測模板[4]。如Hirvonen等[5]從有限元模型獲得的等效電路來制作機械部件庫，為進行復(fù)雜幾何任務(wù)實驗及構(gòu)建對象模型庫提供了可能性；文獻[6]通過CAD參數(shù)直接導(dǎo)入生成模板庫方法，系統(tǒng)讀取SMT文件中參數(shù)，轉(zhuǎn)換后生成標準的PCB裝配模板庫；Xie等[7]基于組裝組件的規(guī)則，將SolidWorks模型轉(zhuǎn)換而虛擬組件數(shù)據(jù)庫用于二次開發(fā)。匹配自動構(gòu)建法則通過形成標準件圖像樣本庫對合格產(chǎn)品進行匹配，從而獲得標準件類別和相對位置[8]。文獻[9]選取某類零件的一張圖像作為基準圖像進行擬合區(qū)域的人工選取，后批量零件的操作則根據(jù)圖像配準技術(shù)，自動得到其余每張零件圖像與基準圖像的仿射變換參數(shù)，進行擬合區(qū)域自動轉(zhuǎn)換，從而檢測相應(yīng)區(qū)域內(nèi)的零件位置。中國科學(xué)院結(jié)合零件特點，重點研究零件的形狀特征和幾何特征提取方法，定位準確度能夠滿足工業(yè)要求[10]。匹配自動構(gòu)建法實現(xiàn)簡單，但存在誤匹配、漏匹配情況，一般與專家定義構(gòu)建法結(jié)合使用[11]。

本文分析面向裝配檢測對象具有位置不變性，提出基于位置不變性的裝配檢測區(qū)域劃分方法，并基于SURF區(qū)域特征與特征方向?qū)崿F(xiàn)檢測區(qū)域配準，實現(xiàn)裝配標準件的高準確識別。

1 基于位置不變性的裝配檢測區(qū)域劃分方法

產(chǎn)品由對應(yīng)裝配圖明確各標準件裝配要求，其中大部分標準件是固定零件，各標準件間位置關(guān)系基本穩(wěn)定，可使用直線、角度等平面尺寸鏈描述，儀器設(shè)備機箱裝配圖如圖1所示。由于一個合格產(chǎn)品的各標準件，其上的各裝配部位具有位置不變性（position invariance，PI），那么在標準件裝配質(zhì)量檢測過程中，若充分考慮各標準件的位置不變性篩選出裝配檢測部位，則可降低圖像檢測計算量、提高檢測準確率。

圖1 儀器設(shè)備機箱裝配圖（單位：mm）

基于位置不變性（PI）的裝配檢測區(qū)域劃分方法總體流程如下：

1）選定基準面或基準位置?；鶞拭婊蚧鶞饰恢帽仨毷欠茄b配要求部位或漏裝配/誤裝配可能性最小部位。在設(shè)計過程中，會選擇較大加工面、零件結(jié)合面、零件對稱平面與重要平面作為尺寸基準，從而形成便于裝配的裝配基準。在機箱標準件裝配部位確定過程中，這些尺寸基準在圖像中顯示為線特征，不利于自動識別。因此，為保證劃分裝配檢測區(qū)域準確，選定基準面或基準位置必須具有顯著圖像特征。

2）選擇需要檢測的裝配部位，并錄入該部位裝配標準件的具體型號與規(guī)格。這些內(nèi)容也是整個機箱標準件裝配質(zhì)量要求。

3）計算裝配部位與基準間相對位置與方向。裝配部位描述與裝配檢測范圍如圖2所示，以裝配部位Ai的形心Oi到基準位置O來確定裝配部位的位置(藍色箭頭)，以距離di、角度αi進行描述。

4）根據(jù)該標準件零件尺寸、安裝尺寸、裝配尺寸等相關(guān)信息，估計其檢測范圍。零件尺寸為裝配部位Ai所需裝配機箱標準件安裝尺寸（黑色方框），在此基礎(chǔ)上，考慮裝配部位與基準間定位尺寸誤差要求、標準件與基礎(chǔ)裝配尺寸誤差，快速估計檢測范圍（藍色虛線框）。

5）錄入全部裝配部位，記錄其需裝配標準件的型號規(guī)格，形成其與基準位置的距離、角度，裝配檢測區(qū)域，這樣就完成基于位置不變性（PI）裝配檢測區(qū)域劃分。

2 基于PI-SURF的機箱標準件裝配質(zhì)量檢測區(qū)域劃分技術(shù)

SURF特征描述感興趣點周圍亮度內(nèi)容的分布，相比較其他區(qū)域特征提取方法，其特征計算、模式識別速度較快、穩(wěn)定性較強。SURF特征提取方法的總體流程包括：使用箱型濾波器逼近Hessian濾波器，構(gòu)建圖像金字塔尺度空間，基于非極大值抑制初步確定特征點，使用Haar小波響應(yīng)尋找主方向，沿主方向及其垂直方向共選取16個5×5子區(qū)域，使用4個描述子描述圖像的SURF特征。

圖2 裝配部位與檢測范圍

采用SURF區(qū)域特征結(jié)合匹配的方式尋找基準位置，通過SURF特征確定坐標軸方向（圖2中點O與坐標軸）；這可對裝配檢測范圍在機箱標準件裝配圖像上的平移、旋轉(zhuǎn)進行校正，使機箱標準件裝配質(zhì)量檢測裝置對平移、旋轉(zhuǎn)具有一定的抗干擾能力，降低成像時機箱產(chǎn)品對運動控制裝置的定位準確度要求。

在選定非裝配要求或漏裝配/誤裝配可能性最小部位，具有顯著圖像特征部位作為基準位置后，提取其SURF區(qū)域特征，并以基準位置的SURF區(qū)域特征主方向作為坐標軸方向。則基于PI-SURF的機箱標準件裝配質(zhì)量檢測區(qū)域劃分技術(shù)流程如圖3所示。

1）生成機箱標準件裝配質(zhì)量檢測區(qū)域。在原始圖像I0上規(guī)定基準位置并提取SURF區(qū)域特征，以區(qū)域形心為基準位置、SURF區(qū)域特征主方向作為坐標軸方向，應(yīng)用基于PI的裝配檢測區(qū)域劃分方法，獲得所有裝配部位的應(yīng)裝配標準件型號、規(guī)格，計算到基準位置的相對距離、方向，估計檢測范圍。

圖3 基于PI-SURF的機箱標準件裝配質(zhì)量檢測區(qū)域劃分技術(shù)

則經(jīng)過這些步驟，生成的機箱標準件裝配質(zhì)量檢測區(qū)域可以以如下數(shù)據(jù)描述：基準位置、基準SURF區(qū)域特征；全部裝配部位，以及每個裝配部位中應(yīng)裝配標準件型號、規(guī)格，到基準相對距離與方向，檢測范圍。

2）復(fù)現(xiàn)機箱標準件裝配質(zhì)量檢測區(qū)域。采集待測機箱圖像I′，在待測圖像I′上基于基準部位SURF區(qū)域特征匹配到基準部位，以基準部位的形心作為待測圖像坐標系的原點O′、SURF區(qū)域特征主方向作為坐標軸方向，再讀取記錄的機箱標準件裝配質(zhì)量檢測區(qū)域數(shù)據(jù)，在圖像I′上復(fù)現(xiàn)。

本方法目的是解決基于位置不變性（PI）的裝配檢測區(qū)域劃分方法應(yīng)用到機器視覺中可能出現(xiàn)的運動控制裝置準確度、振動擾動等導(dǎo)致的產(chǎn)品位置重復(fù)性問題。

以機箱風(fēng)扇位固定鈑金件為基準，提取SURF區(qū)域特征之后，實現(xiàn)鉚釘裝配部位檢測區(qū)域劃分如圖4所示。在圖4（a）的原始圖像上生成機箱標準件裝配質(zhì)量檢測區(qū)域，并使用軟件旋轉(zhuǎn)原始圖像形成新圖像。在圖4（b）待檢測圖像上，使用SURF區(qū)域特征匹配得到基準區(qū)域，計算其形心與主方向，以形心為基準位置，以主方向為坐標軸，將檢測區(qū)域信息在檢測圖像上復(fù)現(xiàn)。復(fù)現(xiàn)機箱標準件裝配質(zhì)量檢測區(qū)域準確地覆蓋裝配部位，在檢測過程中只需考慮檢測區(qū)域內(nèi)部位，能夠降低圖像檢測計算量，提高檢測準確率。

圖4 機箱標準件裝配質(zhì)量檢測區(qū)域劃分

圖5 機箱標準件裝配質(zhì)量檢測裝置

3 試驗與效果分析

機箱標準件裝配質(zhì)量檢測裝置如圖5所示。圖5（a）為機箱標準件裝配質(zhì)量檢測裝置三維模型，檢測平臺用箱體遮蓋，防止外部光照、人為因素干擾視覺成像，保證拍攝圖像質(zhì)量；外部設(shè)施主要由傳動裝置組成，傳動裝置將檢測樣品機箱送至檢測區(qū)域。圖5（b）為機箱標準件裝配質(zhì)量檢測裝置實物圖，裝置采用深圳市度申科技有限公司睛馳U3S230M-H黑白工業(yè)相機（分辨率1920×1200、感光元件尺寸1/1.2″、像素大小5.86μm），廣東奧普特科技股份有限公司的200萬級OPT-C7528-2M定焦鏡頭（徑向畸變〈0.02%），視創(chuàng)科技有限公司的型號TXX-D708X21條形光源。圖5（c）為機箱標準件裝配質(zhì)量檢測裝置上位機軟件，選用ThinkCentre G3機箱進行試驗。對比全局檢測、劃分檢測區(qū)域2種方法，結(jié)果見表1。由表可知，使用PI-SURF檢測區(qū)域劃分技術(shù)后，檢測時間縮短83.4%，由50.5s降低至8.4s；實現(xiàn)零漏檢，有效提高裝配質(zhì)量檢測裝置結(jié)果的可靠性。

4 結(jié)束語

1）提出基于位置不變性（PI）的裝配檢測區(qū)域劃分方法，充分考慮各產(chǎn)品裝配中各標準件間位置關(guān)系基本穩(wěn)定的特點，兩個標準件之間位置關(guān)系可使用直線、角度等平面尺寸鏈描述，有效降低圖像檢測計算量。

2）提出基于PI-SURF的機箱標準件裝配質(zhì)量檢測區(qū)域劃分技術(shù)，通過提取基準部位的SURF區(qū)域特征與特征主方向，使檢測區(qū)域具有對產(chǎn)品整體平移、旋轉(zhuǎn)的抗干擾能力，提高定位準確度，降低漏檢可能性。

3）構(gòu)建機箱標準件裝配質(zhì)量檢測裝置，選用ThinkCentre G3機箱進行試驗，與全局檢測相比，使用PI-SURF檢測區(qū)域劃分技術(shù)后，檢測時間縮短83.4%，實現(xiàn)零漏檢，提高裝配質(zhì)量檢測裝置結(jié)果可靠性。

[1]RADKOWSKI R，HERREMA J，OLIVER J.Augmented reality-based manual assembly support with visual featuresfordifferent degrees of difficulty[J].International Journal of Human-Computer Interaction，2015，31（5）：337-349.

[2]RAJSIC J，WILSON D E，PRATT J.The price of information：increased inspection costs reduce the confirmationbiasinvisualsearch[J/OL].Quarterly Journal of Experimental Psychology，2016：1-20[2017-03-20].http：//dx.doi.org/10.1080/17470218.2916.1278249.

[3]RICHTER I.Assembly inspection system and method[J].Journal of Vascular Surgery，2015，52（6）：1727.

[4]郭靜，韓躍平，賈志前，等.產(chǎn)品表面檢測的變步長采樣機制研究[J].中國測試，2017，43（2）：20-24.

[5]HIRVONEN J，KALLIO P.Automatic image-based detection and inspection of paper fibres for grasping[J].Computer Vision Iet，2015，9（4）：588-594.

[6]LIU H W，CHEN S H，PERNG D B.Defect inspection of patterned thin-film ceramic light-emitting diode substrate using a fast randomized principal component analysis[J].IEEE Transactions on Semiconductor Manufacturing，2016，29（3）：248-256.

[7]XIELF，LINL J，YIN M，et al.A novel surface defect inspection algorithm for magnetic tile[J].Applied Surface Science，2016（375）：118-126.

[8]FRANKE F，QUIROGA R Q，HIERLEMANN A，et al.Bayes optimal template matching for spike sorting-combining fisher discriminant analysis with optimal filtering[J].JournalofComputationalNeuroscience，2015，38（3）：439-459.

[9]談高超.基于機器視覺的批量零件自動檢測系統(tǒng)的研制與工程應(yīng)用[D].上海：東華大學(xué)，2014.

[10]司小婷.基于視覺的零件特征識別與分類方法研究與實現(xiàn)[D].沈陽：中國科學(xué)院研究生院（沈陽計算技術(shù)研究所），2016.

[11]宋小春，王凱，熊芝，等.伺服定位技術(shù)汽車大梁視覺測量系統(tǒng)研究[J].中國測試，2015，41（1）：93-96.

（編輯：商丹丹）

PI-SURF detection area partitioning technique for standard component assembly quality

GUO Xuemei1，LIU Guixiong2，HUANG Jian2，LIN Zhenqiu3
（1.Guangdong Institute of Intelligent Manufacturing，Guangzhou 510070，China；2.School of Mechanical and Automotive Engineering，South China University of Technology，Guangzhou 510640，China；3.Guangzhou Huajie Electronic Technology Co.，Ltd.，Guangzhou 510663，China）

Standard component assembly has lots of features，such as complex type，multiassembly parts，different structures and so on，which is applicable to guide the machine vision for product assembly quality inspection based on product characteristics.In this article，PI-SURF detection area partitioning technique for standard component assembly quality is proposed based on the position invariance(PI)of part of assembled products.Firstly，the basic stability characteristic of position relationship between the standard components in product assembly is analyzed，and the position relation of the two standard components is described via the plane dimension chain，so that the PI-based assembly detection area partitioning method is proposed.Secondly，the standard component assembly quality detection area partitioning technique based on PI-SURF is proposed，and then through extracting the SURF region characteristic and the characteristic main direction of the reference part，the detection area has the anti-interference ability to overall translation and rotation.Finally，standard component assembly quality inspection device is built，and it is testedbyusingThinkCentreG3chassis.Theresultsshowthatcomparedwiththeglobal detection，the detectiontimeisshortenedby83.4%afterusingPI-SURF detectionarea partitioning technique，which also achieves zero leakage detection and improves the reliability of results of assembly quality inspection device.

standard component assembly；quality inspection；detection area partitioning；position invariance

A

1674-5124（2017）08-0101-05

2017-04-11；

2017-05-08

廣州市科技計劃項目（2017010160641，201509010008）

郭雪梅（1975-），女，遼寧沈陽市人，工程師，碩士，主要從事智能制造技術(shù)與裝置研發(fā)。

劉桂雄（1968-），男，廣東揭陽市人，教授，博導(dǎo)，主要從事先進傳感器與儀器研究。

10.11857/j.issn.1674-5124.2017.08.021