王曉東， 胡美玲， 郭富杰, 張 煒

(1.長(zhǎng)春工業(yè)大學(xué) 工程訓(xùn)練中心， 吉林 長(zhǎng)春 130012;2.長(zhǎng)春工業(yè)大學(xué) 機(jī)電工程學(xué)院， 吉林 長(zhǎng)春 130012)

0 引 言

螺紋是緊固連接且應(yīng)用極為廣泛的一類機(jī)械零件。因此，對(duì)其高質(zhì)量、高精度生產(chǎn)無(wú)論是對(duì)企業(yè)核心競(jìng)爭(zhēng)力還是工程機(jī)械安全都尤為重要。傳統(tǒng)的外螺紋檢測(cè)技術(shù)主要分為接觸式檢測(cè)及非接觸式檢測(cè)兩種。接觸式檢測(cè)是通過(guò)操作人員使用尺規(guī)等工具對(duì)外螺紋直接進(jìn)行檢測(cè)的一種方法。但該方法依賴操作人員進(jìn)行操作，因此其檢測(cè)誤差大、檢測(cè)精度差、檢測(cè)效率低，且無(wú)法實(shí)現(xiàn)自動(dòng)化高通量的批量化檢測(cè)。由于上述弊端，接觸式檢測(cè)法已不能滿足現(xiàn)代工業(yè)生產(chǎn)的需求，因此，實(shí)現(xiàn)螺紋在線檢測(cè)是工業(yè)生產(chǎn)過(guò)程中亟需解決的問(wèn)題[1]。

機(jī)器視覺(jué)系統(tǒng)具有實(shí)現(xiàn)實(shí)時(shí)高通量自動(dòng)化檢測(cè)、檢測(cè)精度高、與被檢測(cè)物體無(wú)直接接觸等優(yōu)點(diǎn)。因此，機(jī)器視覺(jué)系統(tǒng)在檢測(cè)領(lǐng)域得到廣泛應(yīng)用。文中應(yīng)用該項(xiàng)技術(shù)于外螺紋這一產(chǎn)品質(zhì)量檢測(cè)環(huán)節(jié)，研究和解決螺紋在線檢測(cè)，并將其應(yīng)用于工業(yè)自動(dòng)化流水線，滿足了產(chǎn)品數(shù)字化檢測(cè)未來(lái)趨勢(shì)的技術(shù)要求，具有較為廣泛的應(yīng)用空間和工程價(jià)值。

1 視覺(jué)檢測(cè)系統(tǒng)

1.1 檢測(cè)系統(tǒng)組成及流程

機(jī)器視覺(jué)系統(tǒng)是基于數(shù)字化處理、光學(xué)成像、傳感器以及計(jì)算機(jī)軟件等技術(shù)，簡(jiǎn)而言之，是一種實(shí)現(xiàn)數(shù)字化模擬人眼視覺(jué)功能的自動(dòng)化系統(tǒng)，計(jì)算機(jī)將獲取得到的圖像信息進(jìn)一步處理并提取得到目標(biāo)參數(shù)，對(duì)目標(biāo)參數(shù)與實(shí)際設(shè)定的標(biāo)準(zhǔn)進(jìn)行比對(duì)，最終完成整個(gè)檢測(cè)過(guò)程。

螺紋檢測(cè)系統(tǒng)工作期間，由操作人員將螺紋工件放置在傳送帶上進(jìn)行自動(dòng)測(cè)試。傳輸裝置分為兩個(gè)區(qū)域：檢測(cè)區(qū)域和分離區(qū)域。螺紋工件進(jìn)入待檢測(cè)區(qū)域，CCD光學(xué)相機(jī)檢測(cè)待測(cè)工件并接收發(fā)出的模擬圖像信號(hào)[2]。當(dāng)螺紋圖像信號(hào)通過(guò)圖像采集卡時(shí)，它被轉(zhuǎn)換成數(shù)字模擬信號(hào)，通過(guò)圖像軟件技術(shù)處理后，處理螺紋工件的圖像數(shù)據(jù)，根據(jù)編譯的程序運(yùn)行并判斷螺紋是否合格，然后輸出檢測(cè)結(jié)果。

1.2 檢測(cè)系統(tǒng)工作原理

檢測(cè)系統(tǒng)基本原理是圖像信息采集模塊主要由光源設(shè)備、測(cè)頭攝像機(jī)裝置以及圖像采集卡所構(gòu)成。通過(guò)對(duì)光源設(shè)備的調(diào)整營(yíng)造出最優(yōu)的光源環(huán)境，將三個(gè)測(cè)頭攝像機(jī)標(biāo)定好位置后，對(duì)外螺紋進(jìn)行圖像信息捕捉，將獲取的圖像信息通過(guò)圖像采集卡由光學(xué)信號(hào)轉(zhuǎn)變?yōu)閿?shù)字信號(hào)，并將數(shù)字信號(hào)傳輸至圖像加工與處理模塊。在圖像加工與處理模塊中，計(jì)算機(jī)設(shè)備對(duì)接收到的螺紋圖像通過(guò)處理系統(tǒng)進(jìn)行灰度變換、降噪以及二值化等計(jì)算處理，記錄下所有處理后的數(shù)據(jù)并進(jìn)行分析判斷。最終經(jīng)由檢測(cè)分離模塊由計(jì)算機(jī)對(duì)控制裝置進(jìn)行指令傳達(dá)，實(shí)現(xiàn)螺紋達(dá)標(biāo)判斷，從而完成合格品與廢品的分揀。

圖像處理軟件由LabVIEW軟件編程開(kāi)發(fā)，主要作用是對(duì)由光學(xué)相機(jī)捕捉到的螺紋圖像進(jìn)行圖像優(yōu)化篩選和螺距計(jì)算。圖像處理算法框圖如圖1所示。

2 圖像處理

2.1 二值化

為了獲得高還原度的圖像，將通過(guò)光學(xué)視覺(jué)成像系統(tǒng)捕捉得到的圖像進(jìn)行處理，從而減少因降質(zhì)所帶來(lái)的影響。將圖像進(jìn)行中值濾波降噪處理后，外螺紋的圖像與背景區(qū)域間的對(duì)比度較明顯，此時(shí)為外螺紋圖像灰度最理想的狀態(tài)，這是進(jìn)行圖像處理中最基礎(chǔ)、最重要的一個(gè)步驟,即圖像二值化，也即圖像處理中的圖像分割法。

圖1 圖像處理原理框圖

使用數(shù)學(xué)形態(tài)學(xué)又是圖像去噪處理的一種常用的方法。基本操作為擴(kuò)張操作、侵蝕操作、開(kāi)放操作和封閉操作。文中使用開(kāi)放操作，主要因?yàn)槠渚哂羞吔缙交⑾〖夥?、斷開(kāi)窄連接等優(yōu)勢(shì)特點(diǎn)，并能保持螺紋圖像的輪廓形狀基本不變[3]。開(kāi)運(yùn)算公式為

A?B=U{(B)z|(B)zA}。

(1)

數(shù)學(xué)形態(tài)學(xué)是利用探針來(lái)獲取圖像信息的一種方法，其探針是用于測(cè)量的一種結(jié)構(gòu)元素，圓形結(jié)構(gòu)探頭因具有各向同性、形狀保持良好和識(shí)別精準(zhǔn)等優(yōu)勢(shì)，因此選擇了圓形結(jié)構(gòu)探頭。在圖像上，探頭將不斷移動(dòng)，圖像的各個(gè)部分可以相互連接，了解圖像的結(jié)構(gòu)信息。

取反操作的螺紋缺陷圖像如圖2所示。

圖2 取反操作的螺紋缺陷圖像

2.2 中值濾波

由于CCD光學(xué)相機(jī)對(duì)光強(qiáng)度的反映特性曲線并不是完全線性的，因此圖像在采集轉(zhuǎn)移的過(guò)程中會(huì)受到各種外部噪聲干擾，出現(xiàn)轉(zhuǎn)移誤差。光學(xué)噪聲在圖像處理中一般占有較大的比重，大部分的噪聲都是由光學(xué)現(xiàn)象產(chǎn)生的，中值濾波是將一組序列中的數(shù)據(jù)按照正序或者倒序一定的順序進(jìn)行排列的順序形態(tài)濾波[4]，因此,文中選擇中值濾波的方式去除噪聲對(duì)圖像清晰度的影響。作為一種簡(jiǎn)單且有效的非線性濾波方式，在對(duì)外螺紋檢測(cè)時(shí)，采取這種濾波方式最為合理。設(shè)序列{x1,x2，…，xn-1,xn}，先假定序列長(zhǎng)度為m，m為奇數(shù)時(shí)，從序列中抽取m個(gè)數(shù)，表示為xi-v…xi-1,xi…xi+v，根據(jù)中值濾波的定義可知,i為中心位置，如下式

(2)

CCD光學(xué)拍攝的源圖像和算法提取的邊緣輪廓圖像分別如圖3和圖4所示。

圖3 CCD拍攝的源圖像

圖4 算法提取的邊緣

中值濾波能夠衰減隨機(jī)噪聲，還能夠有效濾除灰塵微粒和脈沖噪聲，是對(duì)外螺紋圖像進(jìn)行去噪聲銳化的最好方式，且邊界信息不會(huì)在去噪的時(shí)候而變模糊。

2.3 形態(tài)學(xué)處理

數(shù)學(xué)形態(tài)學(xué)是一門基于格點(diǎn)理論和拓?fù)鋵W(xué)的圖像分析學(xué)科。圖像二值化之后，開(kāi)始對(duì)外螺紋的邊緣輪廓信息進(jìn)行提取，這對(duì)之后的應(yīng)用非常重要。其運(yùn)算規(guī)則如下：在圖像處理運(yùn)算中，若有兩幅圖像a和b，并利用其中一幅圖像a映射處理圖像b，則記圖像b為圖像a的結(jié)構(gòu)元素。根據(jù)這一規(guī)則，可以把數(shù)學(xué)形態(tài)學(xué)中的基本運(yùn)算定義為四種：1)腐蝕；2)膨脹；3)閉運(yùn)算；4)開(kāi)運(yùn)算。

對(duì)于圖像邊緣特征的提取一般是通過(guò)濾波、增強(qiáng)、檢測(cè)來(lái)實(shí)現(xiàn)的。邊緣檢測(cè)的算法主要是基于圖像強(qiáng)度的一階和二階導(dǎo)數(shù)，但是在應(yīng)用過(guò)程中，導(dǎo)數(shù)通常會(huì)對(duì)噪聲很敏感，需要采取相應(yīng)的手段改善或是消除噪聲給邊緣檢測(cè)帶來(lái)的影響，同時(shí)還要將濾波處理后帶來(lái)的附加影響考慮其中。綜合考慮，文中選用閉運(yùn)算作為螺紋圖像處理的運(yùn)算規(guī)則[5]。閉式操作是一種復(fù)合式操作，其中圖像b優(yōu)先膨脹到圖像a，最后進(jìn)行腐蝕操作。即

a?b=(a?b)Θb。

(3)

通過(guò)對(duì)圖像處理結(jié)果的比較，運(yùn)算結(jié)果填充了圖像中缺失的大部分內(nèi)容，有效地減少了圖像中冗余信息的干擾。圖像經(jīng)過(guò)多次放大和關(guān)閉操作后，其邊界將移動(dòng)到頂部和底部，影響實(shí)驗(yàn)的準(zhǔn)確性。文中主要檢測(cè)外螺紋的螺距尺寸數(shù)據(jù)，而螺距檢測(cè)取決于兩個(gè)齒之間的距離，并且圖像的中心軸對(duì)測(cè)試精度影響很小。含有孔洞的牙頂圖像和圖像處理結(jié)果分別如圖5和圖6所示。

圖5 含有孔洞的牙頂圖像

圖6 圖像處理結(jié)果

2.4 輪廓提取

在圖像處理中，主要識(shí)別圖像的輪廓、色彩和紋理等主要特征，而忽略一些次要因素。骨架的數(shù)學(xué)形態(tài)學(xué)因其表征圖像形狀方面具有簡(jiǎn)潔、迅速的作用而在圖像處理學(xué)科領(lǐng)域中扮演著關(guān)鍵角色。算法選擇的結(jié)構(gòu)元素既要保留目標(biāo)的高亮部分，又要保留圖像邊緣的內(nèi)點(diǎn)和交點(diǎn)，同時(shí)盡量去除邊緣像素的噪雜問(wèn)題。邊緣點(diǎn)刪除和內(nèi)部點(diǎn)保留是圖像形態(tài)骨架提取算法到目前為止最為常用的兩種方式。在圖像骨架提取過(guò)程中，侵蝕操作、命中操作和細(xì)化操作是圖像識(shí)別中幾種常用的數(shù)學(xué)形態(tài)基本操作[6]。命中和細(xì)化操作的定義如下：

a?b=(aΘb1)-(a?b2),

(4)

式中：?----膨脹運(yùn)算；

Θ----腐蝕運(yùn)算。

b對(duì)a進(jìn)行薄化運(yùn)算定義為

a*b=a-(a?b)。

(5)

可見(jiàn)，結(jié)構(gòu)元素的優(yōu)化選取在圖像的形態(tài)學(xué)骨架提取算法中對(duì)算法的實(shí)際效果影響重大。由以上規(guī)則可得，優(yōu)化的形態(tài)學(xué)骨架提取算法需要選取兩組結(jié)構(gòu)單元:

D={D1,D2,D3,D4}，

E={E1,E2,E3,E4}。

兩組結(jié)構(gòu)單元如圖7所示。

圖7 兩組結(jié)構(gòu)單元序列

目標(biāo)圖像上的點(diǎn)用“1”表示，需要保留；用“0”表示背景像素上的點(diǎn);“*”則表示該點(diǎn)處于目標(biāo)像素和背景像素的接觸部分。

提取算法流程如圖8所示。

圖8 提取算法流程

在確定了用于骨架提取的結(jié)構(gòu)單元后，細(xì)化處理圖像，按照一定的順序掃描像素點(diǎn)?；痉椒ㄊ欠謩e用8個(gè)結(jié)構(gòu)單元與該像素點(diǎn)8領(lǐng)域做擊中運(yùn)算,并同時(shí)編譯處理圖像數(shù)據(jù)。如果被擊中結(jié)構(gòu)單元的像素點(diǎn)被選中，則將像素點(diǎn)標(biāo)記為“1”(即需要剔除像素點(diǎn))。在圖像進(jìn)行一次迭代編譯之后，剔除所有被標(biāo)記為“1”的元素，細(xì)化操作被迭代一次。如此反復(fù)迭代，直到迭代中沒(méi)有可以刪除的像素，則視為迭代收斂，完成迭代操作[7]。

齒頂?shù)穆菪€由獲得的骨架信息及中軸線數(shù)據(jù)進(jìn)行提取，根據(jù)測(cè)量數(shù)據(jù)的標(biāo)定，即可計(jì)算出螺紋螺距尺寸，兩幅圖像骨架中軸線間距由測(cè)量數(shù)據(jù)標(biāo)定處理之后即為外螺紋螺距。選取的兩個(gè)中軸線測(cè)量圖像如圖9所示。

圖9 螺紋螺距測(cè)量圖像

2.5 測(cè)量數(shù)據(jù)標(biāo)定及螺距計(jì)算

在圖像被數(shù)字化之后，形成M*N矩陣，以矩陣中第0個(gè)行為坐標(biāo)軸建立坐標(biāo)系,通過(guò)分析各個(gè)像素的坐標(biāo),就可以分析圖像組成。由于在測(cè)量中攝像頭的放大倍率以及系統(tǒng)的成像因素影響，所獲得的圖像與實(shí)際尺寸會(huì)有所差異，特征坐標(biāo)對(duì)應(yīng)于CCD所獲得的圖像由像素塊的某個(gè)區(qū)域組成，因此，只要確定了像素與實(shí)際尺寸之間的比例因子,就可以利用矩陣中各元素的坐標(biāo)將比例因子進(jìn)行放大,從而獲得實(shí)際零件尺寸。

在圖像檢測(cè)過(guò)程中，使用刻度作為校準(zhǔn)對(duì)象，通過(guò)校準(zhǔn)方法確定校準(zhǔn)系數(shù)，在捕獲的圖像上放置已知尺寸的刻度，再利用光學(xué)相機(jī)拍攝標(biāo)尺，然后利用處理后的邊緣像素分析計(jì)算比例尺大小。處理后，重復(fù)測(cè)量1 mm和0.5 mm兩個(gè)刻度之間的像素值，并取平均值。最終確定其比例因子k=1 mm / (22 pixels)約等于0.045 5 mm/pixel。通過(guò)這種方式獲得縮放因子，從坐標(biāo)計(jì)算尺寸以獲得外螺紋參數(shù)的實(shí)際測(cè)量值[8]。兩個(gè)齒頂距離在螺紋軸線上的垂直投影即為螺距。則可求出平均螺距為

(6)

在測(cè)量螺距大小的過(guò)程中,上述方法不僅可以求取單個(gè)螺紋的螺距尺寸，也可以根據(jù)實(shí)際情況同時(shí)測(cè)量若干個(gè)螺距，采用平均值的方法求取螺距，并利用累計(jì)誤差及公差值驗(yàn)證測(cè)量結(jié)果。

3 實(shí)驗(yàn)與分析

實(shí)驗(yàn)中，利用螺紋測(cè)試實(shí)驗(yàn)臺(tái)測(cè)試了一批公稱直徑為12 mm的圓柱外螺紋。作為對(duì)比，外螺紋螺距利用接觸式外螺紋測(cè)量?jī)x人工進(jìn)行測(cè)量，其測(cè)量精度為0.01 mm。取該測(cè)量值與理論值進(jìn)行對(duì)比。篩選眾多試驗(yàn)數(shù)據(jù)，采集并分析了10組測(cè)量結(jié)果。為了測(cè)量螺距，將提取的峰形圖像的形態(tài)骨架恢復(fù)到原始圖像。由于處理后的圖像已被修正，并且圖像核心部分失真較小，所以圖像測(cè)量精度較為準(zhǔn)確，因此其目標(biāo)匹配位置坐標(biāo)等于原始位置的橫坐標(biāo)，目標(biāo)圖像為測(cè)量圖像。選擇10個(gè)測(cè)量圖像,圓柱外螺紋螺距是測(cè)量圖像中兩個(gè)圖像幀的軸之間的距離,外螺紋螺距測(cè)量結(jié)果見(jiàn)表1。

表1 外螺紋螺距測(cè)量結(jié)果

表1是螺距測(cè)量圖像的10組實(shí)驗(yàn)數(shù)據(jù),并作出測(cè)量誤差和相對(duì)誤差對(duì)比。通過(guò)10組數(shù)據(jù)求出螺紋間距的平均值為1.496 mm，通過(guò)接觸外螺紋測(cè)量?jī)x器測(cè)量螺距的機(jī)械測(cè)量值被認(rèn)為是理論值，并且測(cè)量結(jié)果的標(biāo)準(zhǔn)偏差是0.011 mm。10組測(cè)量結(jié)果的相對(duì)誤差均保持在0.05%以內(nèi)。根據(jù)視覺(jué)檢測(cè)系統(tǒng)的測(cè)量精度，可以滿足外螺紋工業(yè)自動(dòng)化檢測(cè)要求。

4 結(jié) 語(yǔ)

提出了一種螺紋螺距的自動(dòng)化檢測(cè)方法，利用機(jī)器視覺(jué)技術(shù)對(duì)螺紋外觀缺陷進(jìn)行識(shí)別與分析，其測(cè)量精度可達(dá)到0.02 mm以下，為進(jìn)一步提高檢測(cè)精度,可選取最優(yōu)算法對(duì)其進(jìn)行優(yōu)化。最后同標(biāo)準(zhǔn)參數(shù)進(jìn)行比對(duì),實(shí)現(xiàn)對(duì)外螺紋質(zhì)量合格與否的判斷，以此實(shí)現(xiàn)實(shí)時(shí)高效且可以成批量進(jìn)行檢測(cè)的工業(yè)自動(dòng)化檢測(cè)要求，可應(yīng)用于多規(guī)格螺紋產(chǎn)品檢驗(yàn)。螺紋的在線檢測(cè)應(yīng)用于工業(yè)自動(dòng)化流水線中，實(shí)現(xiàn)了產(chǎn)品全數(shù)字化檢測(cè)的未來(lái)趨勢(shì)和檢測(cè)精度要求。