吳代思，范 勇，陳念年，巫 玲

(西南科技大學(xué) 計算機科學(xué)與技術(shù)學(xué)院, 四川 綿陽 621010)

0 引言

在工業(yè)零件加工制造領(lǐng)域，各零件產(chǎn)品均要求進行尺寸測量以檢驗是否滿足加工要求。隨著制造業(yè)加工技術(shù)與計算機技術(shù)的發(fā)展，工業(yè)零件的加工精度在不斷提高的同時，加工對象也在不斷變化，各加工廠對各類產(chǎn)品的尺寸測量精度、檢測效率以及自動化程度要求越來越高，而傳統(tǒng)的接觸式尺寸測量方法一直存在著局限性[1]。目前各工廠對批量加工零件的檢測普遍采用游標卡尺、千分尺等手工測量儀器進行傳統(tǒng)的人工抽檢方式[2]，雖然手工測量儀器使用簡單、便捷，但功能單一且既無法完成批量檢測的任務(wù)，又不能滿足一定程度的精度要求，甚至容易導(dǎo)致技術(shù)人員因長期工作造成視覺上的疲勞從而產(chǎn)生誤檢，難以達到高精度、高效率、自動化檢測的標準。因此基于機器視覺的非接觸式測量逐漸替代了傳統(tǒng)的接觸式測量，有效提高測量精度與檢測效率[3]，而且在最大程度上避免了人為誤差，所以被廣泛應(yīng)用于工業(yè)零件加工質(zhì)量的在線檢測[4]，其中最常見的應(yīng)用是影像測量儀[5]，主要用于檢測高精密零件，測量精度普遍能達到±3 μm。

常用的影像測量儀雖已達到了測量精度高、效率快、可靠性強的程度，但無法實現(xiàn)批量自動化與智能化的測量，且存在設(shè)備價格高昂、程序高度定制化、操作流程復(fù)雜等缺點，會相應(yīng)地影響批量檢測的整體效率。對于像民用市場中常用的螺絲、二極管、五金件等加工制造零件，由于所需檢測的種類和數(shù)量較大，所以工廠更傾向于一種能批量檢測、低廉、簡單、無需夾具、適用性強的尺寸批量測量系統(tǒng)。

為解決以上問題，本文設(shè)計研究一種識別率高、測量精度高、效率快、能兼容適應(yīng)工業(yè)零件批量檢測的尺寸批量測量方法。通過標準零件的注冊，批量零件的圖像采集與拼接、零件識別、待測量區(qū)域定位、邊緣檢測與最小二乘擬合、基于多線程的并行測量等一系列流程，最終實現(xiàn)同批次工業(yè)零件的尺寸批量測量。這種批量測量方法簡單、高效、精確、適用性強，能滿足工業(yè)批量檢測的需求，有效解決工業(yè)實際問題。

1 系統(tǒng)總體方案設(shè)計

在工業(yè)應(yīng)用場景中，往往工業(yè)零件的檢測并不是數(shù)量上的逐一檢測或內(nèi)容的單一尺寸測量，更多的是針對同一批次零件的批量檢測。本文結(jié)合圖像拼接技術(shù)，通過運動控制平臺自動對載物臺(300 mm×200 mm)上放置的同一批次(≦100個)零件進行全景圖像掃描拼接，獲取超視場批量待測零件的拼接圖像，再對拼接圖像中的零件進行自動識別與模板加載、尺寸批量測量，最終對測量結(jié)果進行數(shù)據(jù)統(tǒng)計與質(zhì)量分析，一次性有效地區(qū)分該批次待測零件產(chǎn)品中尺寸測量結(jié)果在預(yù)設(shè)定的公差范圍(3.0 μm)內(nèi)的合格產(chǎn)品與需重新加工的次品，從而實現(xiàn)同批次工業(yè)零件高效率的批量檢測。同批次零件的質(zhì)量檢測流程如圖1所示。

圖1 同批次零件的質(zhì)量檢測流程圖

2 尺寸批量測量方法的實現(xiàn)

實現(xiàn)拼接圖像中所有零件的尺寸快速批量測量，最關(guān)鍵的技術(shù)是快速精確的圖像配準算法和快速并行批量測量方案的設(shè)計。針對同批次零件的快速配準與尺寸批量測量，本文實現(xiàn)了一種尺寸快速并行批量測量方法，如圖2所示。

圖2 尺寸快速并行批量測量流程圖

零件識別：主要包括圖像的二值化、使用OTSU算法對零件區(qū)域進行閾值分割、圓形度計算等處理流程，自動識別出該批次零件在指定目錄下標準零件圖像的種類歸屬、測量內(nèi)容、測量區(qū)域。

待測量區(qū)域定位：根據(jù)標準零件與拼接圖像中各零件的亞像素邊緣點集，利用基于單向Hausdorff距離的圖像配準算法計算各零件的配準矩陣，通過配準矩陣對各零件中待測區(qū)域進行重定位。

邊緣檢測與最小二乘擬合：針對重定位后的待測量區(qū)域進行亞像素邊緣檢測，根據(jù)已知測量內(nèi)容對亞像素邊緣點集進行3 σ剔除毛刺與使用最小二乘法對測量元素(點、線、圓)進行擬合。

基于多線程的并行測量：對擬合出的測量元素(點、線、圓)按標準模板中預(yù)定的測量內(nèi)容(距離、角度等)，結(jié)合基于多線程的加速策略，完成各零件的尺寸并行測量。

2.1 零件識別

在零件類型識別之前，受工業(yè)零件的形狀大小各異、數(shù)量較多等因素影響，所以本文限制了批量測量的對象必須為同一類型的工業(yè)零件。因此使用具有較好分割效果的OTSU法[6]對零件區(qū)域進行分割，再對其中一個零件進行類型識別即可完成零件識別工作，為下一步讀取模板的測量內(nèi)容與測量區(qū)域等信息提供基礎(chǔ)。

由于大部分工業(yè)零件具有剛性不可形變的特點，并且本次背光采集的零件圖像顏色特征無法提取，因此通過幾何特征[7](面積S、周長c)和形狀特征[8](幾何參數(shù)法中的圓形度m)對常用的各類工業(yè)零件進行種類區(qū)分與識別。圓形度m：描述目標接近圓形的程度，計算公式如式(1)所示：

(1)

通過標準模板圖像中的圓形度計算值與待測零件圖像中的圓形度值進行對比分析，最為接近的屬于同一類別的零件，且識別成功的前提是保證該類型標準零件已經(jīng)被注冊成為模板文件。不同類型零件的種類區(qū)分如圖3所示。

圖3 不同類型零件的種類區(qū)分

2.2 待測量區(qū)域定位

在待測量區(qū)域定位過程中，最關(guān)鍵的技術(shù)還是圖像配準，國內(nèi)外對配準算法的研究眾多[9]，甚至將神經(jīng)網(wǎng)絡(luò)應(yīng)用于圖像配準領(lǐng)域[10]。由于大部分工業(yè)零件存在形狀單一、全局或局部特征不易提取等問題，易造成配準效果出現(xiàn)較大誤差，故本文使用基于單向Hausdorff距離的圖像配準算法，利用零件的亞像素輪廓點集與形心[11]進行圖像配準。

對標準零件圖像與拼接圖像進行濾波去噪二值化等處理，并應(yīng)用基于空間矩的亞像素邊緣檢測算法獲取零件圖像的亞像素輪廓點集，則拼接圖像中各零件的離散化形心坐標的計算公式如(2)與(3)所示：

(2)

(3)

根據(jù)相應(yīng)的公式，可計算出零件圖像之間的水平與垂直方向的偏移量(Δx,Δy)，即零件圖像配準的平移參數(shù)。

Δx=XC1-XC2

(4)

Δy=YC1-YC2

(5)

Hausdorff距離[12]是描述兩個點集相似程度的一種有效度量，其表示兩個點集的最不相似程度。本文通過預(yù)設(shè)16個旋轉(zhuǎn)角度(360°內(nèi))，迭代更新求取不同角度下的單個待配準零件圖像與標準零件圖像的邊緣點集之間的Hausdorff距離，再通過不斷細化角度，直至最小的Hausdorff距離符合配準距離閾值條件，則將該角度設(shè)置為配準的角度參數(shù)Δθ。配準算法流程如圖4所示。

圖4 基于Hausdorff距離的圖像配準算法流程圖

根據(jù)以上步驟可以計算出零件圖像配準的旋轉(zhuǎn)角度，再結(jié)合圖像配準的平移參數(shù)與旋轉(zhuǎn)角度，能將其組成一個“配準矩陣”。

(6)

將標準零件圖像的待測量區(qū)域坐標按該配準矩陣進行圖像的仿射變換，則得到拼接圖像中該單個待測零件圖像的測量區(qū)域，同理也可得到其余零件圖像的測量區(qū)域。

2.3 邊緣檢測與最小二乘擬合

為減少配準矩陣誤差帶來的測量區(qū)域偏移，導(dǎo)致尺寸測量出現(xiàn)誤差，因此還需要對單個待測零件圖像進行亞像素邊緣檢測。

亞像素邊緣檢測的基礎(chǔ)是像素級邊緣檢測，但卻不依靠灰度圖像中的單一像素點，而是使用由鄰域組成的一群具有特定灰度分布特性的像素點，結(jié)合檢測目標的自身特性，找到檢測目標與實際目標的特性最相似位置，使用浮點運算使得目標位置的像素精度高于整像素精度。

空間矩邊緣定位法[13]是一種利用邊緣灰度空間矩來進行邊緣亞像素定位的算法，利用的是一維歸一化階躍邊緣模型。其一維階躍邊緣的前三階空間矩為：

(7)

(8)

(9)

由上述3個公式可推導(dǎo)出邊緣位置l、背景灰度h和邊緣對比度k的值分別為：

(10)

(11)

(12)

然后通過采樣矩估計m0、m1、m2，最終將目標的邊緣位置定位到亞像素位置l。

再對待測量區(qū)域的亞像素邊緣點集使用3 σ準則剔除毛刺，然后通過最小二乘法對測量元素進行點集擬合(點、線、圓)，為下一步的尺寸測量提供基礎(chǔ)。

2.4 基于多線程的并行測量

在實際應(yīng)用測量過程中，為實現(xiàn)各零件的高效、快速、獨立測量，本文采用基于多線程[14]的并行測量方式，將同一批次零件的測量進程劃分為多個獨立的單線程，讓他們同時運行、各自并行運行，從而大大縮短了同批次零件測量所需時間。當程序進入尺寸測量進程時，程序自動為每個零件的測量創(chuàng)建線程，并為每個線程分配固定的時間片段，該線程的時間片結(jié)束時則停止執(zhí)行，而其他線程執(zhí)行。由于時間片足夠小，所以單從尺寸測量的主進程來看，不同零件的測量線程近似于并行工作。

3 實驗結(jié)果及分析

本文所研究的是針對工業(yè)零件批量檢測能實現(xiàn)尺寸批量測量的方法，同時能對同一批次的零件設(shè)定公差范圍(3.0 μm)，通過批量測量結(jié)果可以快速鑒別出同批次零件產(chǎn)品中符合尺寸要求的合格產(chǎn)品與次品。

3.1 尺寸批量測量結(jié)果與分析

在測試本文提出的尺寸批量測量方法的測量精度和重復(fù)度過程中，為避免系統(tǒng)誤差和硬件上的誤差對測量方法的精度和重復(fù)度計算造成偏差，本文選用了SolidWorks軟件制作出高精度仿真實驗圖，圖片大小與相機單次采集的圖像大小相同均為5 472×3 648，且為達到真實仿真效果，還通過高斯平滑5×5處理得到模擬相機采集獲得的灰度圖，高精度仿真零件如圖5所示。

圖5 高精度仿真零件圖

在實驗過程中，為測試不同的角度與位移對尺寸測量結(jié)果的影響，實驗分別將仿真小方塊圖和仿真圓形塊圖旋轉(zhuǎn)0～20°(每次遞增1°)與20～180°(每次遞增5°)，即52組數(shù)據(jù)來驗證角度變換對測量精度的影響；水平位移從1～20像素(每次遞增1像素)與20～100像素(每次遞增10像素)和100到1 000像素(每次遞增100像素)，反方向相同，即74組數(shù)據(jù)驗證水平位移變換對測量精度的影響；同理垂直方向也形成74組數(shù)據(jù)來驗證垂直位移變換對測量精度的影響；對于任意角度及位移對測量結(jié)果精度的影響，隨機選取了50組不同位移和角度進行實驗。仿真零件測量結(jié)果如表1所示。

從表1中可以看出，本次仿真零件圖像的測量精度誤差不超過2.1 μm，重復(fù)性測量誤差不超過0.8 μm，與常用

表1 仿真零件圖像的測量結(jié)果

影像測量儀的測量精度相近，且能實現(xiàn)同批次工業(yè)零件的批量檢測。

3.2 配準算法精度與效率分析

在上一節(jié)中，本文對仿真小方塊零件圖與仿真圓形塊零件圖的批量測量精度進行了分析，這一切都基于配準算法得到的配準矩陣。因此本次為驗證配準算法的精度，抽取了仿真小方塊零件圖的十組測試數(shù)據(jù)進行配準算法的精度驗證實驗。

從表2可以看出，基于單向Hausdorff距離的圖像配準算法的配準角度精度誤差不超過0.190 7°，位移誤差不超過1個像素。

從表3可以看出，在配準精度誤差影響不大的前提下，經(jīng)過多次對配準算法進行改進，目前配準算法在Windows10操作系統(tǒng)的Visual Studio2010編譯器下，對圖6中的100個圓角小方塊(全景自動掃描拼接小方塊圖，圖像大小為5 528×10 416像素)同時進行配準的耗時約為7 s，而其整個測量過程(包括配準與并行測量)的時間約為9 s，即快速并行測量時間約為2 s。

3.3 同批次零件的產(chǎn)品質(zhì)量分析

待同批次零件尺寸批量測量后，為方便各工廠能對測量結(jié)果進行數(shù)據(jù)統(tǒng)計與質(zhì)量分析，一次性有效的區(qū)分該批次零件產(chǎn)品中測量結(jié)果在公差范圍(3.0 μm)內(nèi)的合格產(chǎn)品與次品。本文對100個長度與寬度尺寸均檢驗合格的圓角

表2 仿真零件圖像的配準結(jié)果

表3 配準算法耗時的改進

小方塊(圖6)進行尺寸批量測量與產(chǎn)品質(zhì)量分析，驗證系統(tǒng)的正確率。

圖6 全景自動掃描拼接的圓角小方塊圖

本次實驗使用的標準零件模板對應(yīng)的寬度測量結(jié)果為2.476 9 mm，長度測量結(jié)果為3.487 2 mm。本次批量測量的耗時為9 s，其尺寸批量測量結(jié)果如圖7所示，質(zhì)量分析結(jié)果如圖8所示。經(jīng)系統(tǒng)的質(zhì)量分析，長度與寬度的批量測量結(jié)果均在預(yù)設(shè)的公差范圍(3.0 μm)內(nèi)，因此該批次的100個圓角小方塊均被系統(tǒng)檢測為合格類產(chǎn)品。

圖7 100個圓角小方塊(合格)的尺寸批量測量結(jié)果

圖8 100個圓角小方塊(合格)的質(zhì)量分析結(jié)果

4 結(jié)束語

本文提出了一種適用于工業(yè)零件批量檢測的尺寸批量測量方法。該方法的測量精度誤差不超過2.1 μm，重復(fù)性測量誤差不超過0.8 μm，與常用影像測量儀的測量精度相近，且能滿足工業(yè)批量檢測的需求，有效解決工業(yè)實際問題。目前該方法已成功應(yīng)用于某科技有限公司的一鍵式測量儀中。下一步將考慮對同一批次零件中包含不同類型的零件測量與易形變零件的測量作進一步研究，因為這將是未來一鍵式測量儀的發(fā)展趨勢。