徐旋波，王寅飛，張 偉

（1.廣東省機械研究所，廣東廣州 510635；2.廣東工業(yè)大學，廣東廣州 510006）

1 概述

本文以金屬手機外殼的工業(yè)機器人打磨拋光為例，研究通過基于計算機視覺反饋的表面粗糙度和缺陷檢測，實現(xiàn)對各種缺陷的判斷和粗糙度檢測，搭建基于計算機視覺反饋的工業(yè)機器人打磨拋光檢測系統(tǒng)，使其滿足金屬工件自由曲面打磨拋光的需要并提高打磨拋光的效率和質(zhì)量，降低生產(chǎn)成本，同時對減輕工人勞動的工作強度。

2 工藝路線

工藝路線如圖1所示。

3 總體方案設(shè)計

整個系統(tǒng)主要由打磨工作平臺、視覺檢測系統(tǒng)以及基于PC機的控制系統(tǒng)組成，如圖2所示。

圖1 工藝路線

圖2 系統(tǒng)組成

3.1 打磨工作站設(shè)計

如圖3所示，打磨工作站主要由Kawasaki RS020N六軸機器人、打磨及上下料夾具、工件安裝定位夾具、除塵裝置、力控制設(shè)備和終端執(zhí)行器等外圍設(shè)備硬件系統(tǒng)、基于PC機的機器人控制系統(tǒng)組成，其中上下料夾具和打磨工件的安裝定位夾具根據(jù)工件專門設(shè)計和定制，并使用機器人仿真、視覺和導航方面有出色的表現(xiàn)的ROS作為開發(fā)工具，結(jié)合具體硬件來編寫驅(qū)動程序。

圖3 打磨工作站

RS020N六軸機器人主要規(guī)格參數(shù)及工作范圍見表1。

3.2 視覺檢測系統(tǒng)設(shè)計

視覺檢測系統(tǒng)用于實現(xiàn)對手機外殼表面的缺陷檢測和表面粗糙度檢測，包括工件缺陷檢測系統(tǒng)和表面粗糙度檢測系統(tǒng)。如圖4所示，視覺檢測系統(tǒng)主要由可沿X、Y、Z軸移動的平臺及夾具、PLC觸摸控制屏、LED光源照明系統(tǒng)、工業(yè)級CCD圖像采集系統(tǒng)、OpenCV圖像處理系統(tǒng)和結(jié)果輸出以及控制系統(tǒng)組成。

檢測時以機器人夾取或人工的方式將工件放置于移動平臺的安裝夾具上，工件移動至設(shè)定位置后通過YH-3001高清CCD攝像頭或非接觸式J9型光切法顯微鏡對手機外殼進行圖像采集，通過提取表面輪廓信號、構(gòu)建表面粗糙度與圖像灰度值的線性關(guān)系等數(shù)據(jù)處理后，與手機外殼標準樣本、粗糙度樣板進行比對和分析，判斷是否存在缺陷和粗糙度是否符合要求，視覺反饋決策系統(tǒng)對于檢測出有缺陷的工件實時返回檢測結(jié)果，對于沒有達到金屬零件表面粗糙度要求的工件收集進行重新的打磨。

表1 RS020N六軸機器人主要規(guī)格參數(shù)

圖4 視覺檢測系統(tǒng)

3.2.1 缺陷檢測

3.2.1.1 采集后的圖像預(yù)處理

缺陷檢測時通過YH-3001高清CCD攝像頭進行圖像采集，采集完成后圖像處理系統(tǒng)首先對采集后的手機外殼圖片進行統(tǒng)一規(guī)格處理，比如統(tǒng)一設(shè)為800 600像素，然后進行圖像灰度化、二值化、選取最大連通區(qū)域等處理，采用仿射變換來自動實現(xiàn)圖像的平移、旋轉(zhuǎn)和縮放等修正后，將最大連通域后的結(jié)果與真實比例自適應(yīng)并記錄坐標。如圖5所示，對所采集的圖片進行預(yù)處理，并對其進行2.6h旋轉(zhuǎn)，標記手機外殼寬為443，高為217。3.2.1.2缺陷分析和結(jié)果輸出

圖5 圖像預(yù)處理

將預(yù)處理后的圖片與手機外殼標準樣本圖片比對進行缺陷分析，首先對預(yù)處理后的手機外殼圖片表面劃分為多個部分并進行區(qū)域劃分和放大，運用共軛矩陣方法進行計算處理以實現(xiàn)圖像的紋理抑制[1]，減弱放大后紋理對檢測的影響，然后對放大后的手機外殼圖片進行圖像的主結(jié)構(gòu)提取，用自適應(yīng)邊緣檢測Roberts方法[2]進行邊緣檢測和通過中值濾波、數(shù)學形態(tài)學運算、區(qū)域連通性等方法處理后，進一步去除例如攝像頭等固定特征，如圖6和圖7所示，并與手機殼標準樣本圖片進行比對分析，提取擦痕、劃痕、缺損等缺陷并輸出檢測結(jié)果（圖8、圖9）[3]。

圖6 邊緣檢測

圖7 感興趣區(qū)域

圖8 檢測結(jié)果

從上述檢測結(jié)果可以看出檢測到的缺陷在手機外殼的相對中心坐標為（73.5，110.5），大約在寬比例為16.59%，高比例為50.92%的位置，缺陷的大小為寬9、高19。3.2.2粗糙度檢測

圖9 結(jié)果輸出

采用非接觸式J9型光切法顯微鏡實現(xiàn)對手機外殼的表面粗糙度的檢測，根據(jù)檢查和分析表面粗糙度檢測結(jié)果對不合格產(chǎn)品采用不同控制策略重新進行打磨。

圖10 光切法原理圖

光切法是利用光切原理來測量表面粗糙度的方法，如圖10所示，將一束平行光帶以一定角度（45h）投射與被測表面上，具有齒狀的不平表面，被光亮的具有平直邊緣的狹縫像的亮帶照射后，表面的波峰在S點產(chǎn)生反射波谷在S′點產(chǎn)生反射，最后形成的光帶與表面輪廓相交的曲線影像即反映了被測表面的微觀幾何形狀，解決了工件表面微小峰谷深度的測量問題，避免了與被測表面的接觸[4]。由于可測表面的輪廓峰谷的最大和最小高度要受物鏡的景深和鑒別率的限制，峰谷高度超出一定的范圍，就不能在目鏡視場中成清晰的真實圖像而導致無法測量或者測量誤差很大，因此需要通過測量表面光滑度曲線的高峰值和低峰值，計算出物體表面粗糙度平均高度Rz，再通過換算得到表面光潔度等級Ra。

表2 光潔度與粗糙度Ra、Rz數(shù)值對照換算表μm

檢測處理流程框圖如圖11所示。

圖11 粗糙度檢測方法流程框圖

待檢測的手機外殼通過移動平臺到達指定位置后，利用句柄自動打開光切機的驅(qū)動軟件，CCD工業(yè)攝像機和非接觸時式的光切法顯微鏡對手機外殼進行圖像采集，為了測量的表面粗糙度的結(jié)果更為精確，進行在手機外殼表面進行多次采樣以減少實驗的誤差。本次研究所采用的14倍物鏡，CCD工業(yè)攝像機采集后的圖片格式為2048 1536，用OpenCV圖像處理系統(tǒng)統(tǒng)一縮小至800 600的標準。然后對表面圖像進行縮放、灰度化、二值化、中值濾波[5]、自適應(yīng)的邊緣檢測等一系列的圖像處理工作（如圖12所示），利用測得的散射特征值和已知表面粗糙度標準樣塊參數(shù)值建立關(guān)系曲線。

圖12 圖像預(yù)處理

因已經(jīng)提取出最終的曲線圖是由CCD攝像機采樣得到的，為避免曲線傾斜的現(xiàn)象和減小誤差，可使用最小二乘法擬合曲線進行修正后[6]，從對曲線圖提取5個波峰值和5個波谷值，從而得到一個手機外殼表面平均高度Rz。同時因采樣了若干張圖片以得到比較多的數(shù)據(jù)，可從多個手機外殼表面平均高度Rz先去除幾個極高值和幾個極低值，設(shè)置一個自適應(yīng)的權(quán)值來修訂最后的結(jié)果參數(shù)，以減小檢測誤差。

通過這種構(gòu)建表面粗糙度與圖像灰度值的線性關(guān)系快速和準確地檢測工件的整體表面輪廓粗糙度并輸出檢測結(jié)果（圖13）[7]，對于沒有達到表面粗糙度要求的情況進行重新的打磨和再次進行檢測。

4 結(jié)論

圖13 粗糙度檢測結(jié)果輸出

本文對目前結(jié)合機器視覺的工業(yè)機器人打磨拋光技術(shù)中出現(xiàn)的亟待解決的缺陷檢測技術(shù)、表面粗糙度檢測技術(shù)進行了深入研究，針對金屬表面的復雜紋理和缺陷較小容易造成誤檢或者漏檢的情況，綜合分析了目前工件復雜底紋的缺損檢測方法，提出了一種基于機器視覺的手機外殼復雜紋理的缺陷檢測算法；采用的非接觸式的光學散射表面粗糙度檢測方法，利用測得的散射特征值與已知表面粗糙度標準樣塊的參數(shù)值建立關(guān)系曲線從而測得其表面粗糙度，相對于傳統(tǒng)的觸針測量法，具有測量速度快、測量條件限制少、不損傷表面等特點，同時還具有系統(tǒng)體積小、易于集成、動態(tài)響應(yīng)好、適于在線檢測等優(yōu)點[8]。

［1］陳志華，劉怡，袁玉波，等.一種針對復雜紋理圖像的圖像顯著性分析方法.CN 103985130 B［P］.2017.

［2］康牧，許慶功，王寶樹.一種Roberts自適應(yīng)邊緣檢測方法［J］.西安交通大學學報， 2008，42（10）：1240-1244.

［3］張偉，曾碧.針對復雜紋理的手機外殼缺陷檢測方法［J］.計算機應(yīng)用與軟件，2017（11）：217-222.

［4］劉斌，馮其波，匡萃方.表面粗糙度測量方法綜述［J］.光學儀器，2004，26（5）：54-58.

［5］時小軍，張玉琴，張小輝.基于機器視覺技術(shù)的研磨表面粗糙度檢測［J］.機械設(shè)計與研究，2010，26（3）：101-103.

［6］丁克良，沈云中，歐吉坤.整體最小二乘法直線擬合［J］.遼寧工程技術(shù)大學學報， 2010，29（1）：44-47.

［7］易懷安，劉堅，路恩會.基于圖像清晰度評價的磨削表面粗糙度檢測方法［J］.機械工程學報，2016，52（16）：15-21.

［8］周莉莉，趙學增.表面粗糙度的激光及相關(guān)在線測量方法［J］.激光雜志，2004，25（3）：4-8.