石 磊
(重慶工程學院軟件與人工智能學院,重慶 400056)
螺紋連接是工業(yè)生產(chǎn)中普遍使用的機械連接方式,能夠起到連接零件、機械傳動和密封的作用[1]。某微矩形連接器采用一種非標的螺釘進行連接,該螺釘頭部呈現(xiàn)正六邊形。在連接器裝配過程中往往因螺釘頭部尺寸超差造成裝配工序返工,部分未及時發(fā)現(xiàn)的質(zhì)量異常螺釘將會跟隨連接器成品流入市場,在后期連接器的使用過程中造成機械連接強度降低等質(zhì)量問題[2]。當前對該型號螺釘頭部質(zhì)量的管控主要是人工目測與卡尺測量相結(jié)合的抽檢方式,該方式耗時費力、檢測精度低、不利于大批量檢測,如何有效提高檢測精度和實現(xiàn)自動化批檢是企業(yè)急需解決的問題。
近年來,隨著光學成像、圖像處理和計算機技術(shù)的快速發(fā)展,基于機器視覺的非接觸測量技術(shù)成為研究熱點[3]并在螺紋相關(guān)的檢測中得到了成功應用。包能勝等[4]設(shè)計了螺紋尺寸自適應檢測系統(tǒng),采用自適應ROI實時裁剪采集的運動螺紋圖像,基于Canny算子和最小二乘法等設(shè)計的圖像處理算法有效地實現(xiàn)了連續(xù)運動圖像的實時處理。文獻[5]提出了基于螺紋邊緣的L-yakuo圖像質(zhì)量評價算法,對不同規(guī)格螺紋牙型角的評價結(jié)果顯示提出的方法滿足評價需求。文獻[6]針對內(nèi)螺紋測量的難題設(shè)計了基于機器視覺的圖像處理算法,將內(nèi)螺紋測量轉(zhuǎn)化成外螺紋圖像檢測問題,有效提升了測量精度和效率。機器視覺系統(tǒng)因其靈活性、連續(xù)性、高精度等優(yōu)點在眾多領(lǐng)域取得了良好效果[7],為了滿足螺釘頭部正六邊外形幾何特征的自動批量檢測,可設(shè)計基于機器視覺的螺釘外形尺寸測量系統(tǒng)。
由于該螺釘是一種非標零件,目前市面上沒有將機器視覺技術(shù)應用于螺釘頭部外形尺寸檢測的方案。為了提高檢測精度、實現(xiàn)自動化批測,本文針對螺釘頭部圖像質(zhì)量不高的問題,設(shè)計基于機器視覺的螺釘頭部幾何尺寸檢測系統(tǒng),用于測量螺釘正六邊形尺寸。算法主要分為3個步驟:首先,采用圖像濾波、增強算法在亮度、對比度方面改善圖像質(zhì)量,凸顯圖像細節(jié)信息[8];其次,設(shè)計自適應閾值圖像分割算法,將圖像中的外形特征與背景分離,改善算法魯棒性;最后,基于改進的邊緣檢測算子和最小二乘直線擬合法擬合出外形直邊參考邊緣,在此基礎(chǔ)上構(gòu)建相對坐標系,在相對坐標系中進行外形直邊查找及幾何尺寸測量。經(jīng)試驗測試,圖像處理軟件穩(wěn)定運行,測量精度高、誤差小。
某連接器的非標準螺釘零件如圖1所示,螺釘頭部有0.8 mm臺階、呈外六角狀,頂部中心有圓形沉孔。螺釘頭部對邊S3.5尺寸是一個關(guān)鍵尺寸,不合格的尺寸嚴重影響后期裝配質(zhì)量與精度,因此,需對螺釘頭部的尺寸進行測量,剔除尺寸超差的不合格品,保障后續(xù)工序的裝配質(zhì)量。
圖1 某螺釘零件
為準確測量螺釘正六邊形幾何尺寸,提出了基于機器視覺的螺釘外形尺寸檢測系統(tǒng),利用機器視覺檢測技術(shù)替代傳統(tǒng)的人工檢測方式。利用高分辨率工業(yè)相機采集螺釘頭部圖像,設(shè)計基于機器視覺的圖像處理算法對螺釘外形圖像進行預處理,解決圖像細節(jié)信息不突出、對比度低的問題。在此基礎(chǔ)上,設(shè)計自適應圖像分割算法,將螺釘頭部目標特征與背景分割開,基于類間方差最大度量法的自適應閾值圖像分割算法對背景與目標灰度差異不明顯的圖像具有理想效果,進一步提升算法的魯棒性。采用改進Canny算子剔除無效邊緣點,結(jié)合最小二乘法擬合出最優(yōu)六邊形參考邊緣,在此基礎(chǔ)上設(shè)計正六邊形外形幾何尺寸測量算法,通過相機標定,檢測出正六邊形幾何尺寸,與該尺寸參數(shù)的容許范圍進行對比,進行螺釘零件的合格性判斷,通過圖像處理系統(tǒng)判斷結(jié)果進行不合格品的剔除。
螺釘頭部外形尺寸測量系統(tǒng)主要包括圖像采集、圖像預處理、特征計算、結(jié)果顯示與輸出,如圖2所示。視覺系統(tǒng)將采集的圖像通過千兆以太網(wǎng)送入圖像預處理模塊,通過對原始圖像進行增強、降噪、圖像分割等圖像預處理后提取出噪聲少的目標特征圖像。進一步,采用圖像檢測算法進行目標六邊形的參考邊緣檢測,基于參考邊緣和質(zhì)心特征建立相對坐標系以適應不同角度位置的螺釘頭部圖像。在相對坐標系中進行六邊形的邊緣提取,依據(jù)幾何關(guān)系計算得到尺寸參數(shù)的像素測量值,通過相機標定得到外形尺寸值。
圖2 視覺測量算法
針對暗視覺環(huán)境下圖像細節(jié)信息不突出、噪聲大、對比度低的問題,采用圖像增強算法在亮度、對比度方面改善圖像質(zhì)量[9]。采用Brightness圖像增強算法的結(jié)果如圖3所示,Brightness亮度調(diào)整、Contrast對比對調(diào)整和Gamma伽馬調(diào)整參數(shù)設(shè)置為150、46、0.49。
(a)原始圖像
圖像分割是基于圖像灰度、形狀等參數(shù),將待分割圖像劃分成不同的子區(qū)域以去除不必要信息進而提取目標特征,分割后的圖像在不同區(qū)域之間呈現(xiàn)明顯差異性,而在同一區(qū)域內(nèi)呈現(xiàn)相似性。自動閾值分割法基于圖像的灰度直方圖來確定灰度閾值,在背景與目標灰度差異不明顯的情況下具有較好的效果[10]。本文采用基于類間方差最大度量法的自適應閾值圖像分割算法。
假設(shè)圖像經(jīng)過自動分割處理后分為目標A和背景B+,則同一個類別的像素值分布應具有均勻性,類間像素值分布應具有明顯差異[10]。通常采用方差來衡量類的均勻或差異性,一個最優(yōu)的閾值能夠使目標A和背景B類間方差維持最大。
類間方差σ2(K)可表示為
σ2(K)=PA(μA-μ)2+PB(μB-μ)2
(1)
式中:σ2(K)為類間方差;K為求使方差取最大值時的最優(yōu)閾值;PA、μA、PB、μB分別為A、B兩類像素點灰度值出現(xiàn)的概率和均值;μ為整體圖像灰度統(tǒng)計均值。
(2)
(3)
(4)
自適應閾值二值化分割采用提取圖像灰度值分布特征,利用類間方差作為判據(jù),選取類間方差最大值作為最優(yōu)閾值,二值化分割公式如下:
(5)
自適應閾值圖像分割算法能夠有效地將圖像目標與背景分割開。自適應二值化圖像如圖4所示。
(a)形態(tài)學閉操作
進行螺釘頭部正六邊外形幾何特征測量時,首先需要獲取目標的邊緣點信息。2個具有不同灰度值的相鄰區(qū)域之間總存在邊緣,邊緣是灰度值不連續(xù)的結(jié)果,通過邊緣增強算子突出圖像中的局部邊緣,然后定義像素的“邊緣強度”,通過設(shè)置門限的方法提取邊緣點集,利用求導數(shù)檢測邊緣。
Canny算法[11]檢測結(jié)果包含了圖像更多邊緣信息,是一種常用的邊緣檢測算法,主要步驟包括:高斯濾波平滑圖像→梯度和梯度方向計算→非極大值抑制保留局部梯度變化最大的點→雙閾值篩選邊緣,螺釘頭部邊緣檢測效果如圖5(a)所示。測量過程中因螺釘頭部反光情況不一致,導致成像圖像目標與背景之間存在噪聲、干擾。為了提高Canny算子檢測穩(wěn)定性,在算法中增加單邊接觸非閉合弱邊緣剔除法以減弱或消除邊緣檢測干擾[12]。設(shè)H、L為當前像素點的局部高、低閾值,M′為邊緣候選點的梯度賦值,邊緣檢測結(jié)果圖像E(x,y)采用0、0.5、1,標記如下:
(a)Canny算子
(6)
單邊接觸非閉合弱邊緣剔除原則:當E(x,y)=1或E(x,y)=0.5且點E(x,y)與某個強邊緣點連通,該點是邊緣點;若E(x,y)=0或E(x,y)=0.5且點E(x,y)不與任何強邊緣點連通,標記為弱邊緣點,剔除該點。在獲得邊緣點后,采用最小二乘法對邊緣點進行擬合[13],設(shè)圖像坐標系下一組邊緣點為(x1,y1),(x2,y2),…,(xn,yn),擬合的直線方程如下[14]:
y=f(x)+ε
(7)
(8)
式中:f(x)為沒有噪聲時的擬合函數(shù);ε為噪聲。
通過極小化誤差平方和Q即可求得擬合直線的相關(guān)參數(shù),最小二乘能夠快速擬合出邊緣點的最優(yōu)曲線,如圖5(b)所示。
為驗證方法的有效性,設(shè)計圖6所示檢測平臺,包括伺服模組、相機、鏡頭、光源、固定夾具等。采用500萬像素工業(yè)相機、遠心鏡頭、白色環(huán)光構(gòu)成視覺檢測系統(tǒng)。相機和光源固定在伺服模組上,通過移動伺服模組調(diào)整視覺系統(tǒng)焦距以適應不同高度規(guī)格的螺釘。前序工序?qū)⒙葆敼潭ㄔ趭A具上面,PLC控制系統(tǒng)控制拍照,將獲取的螺釘頭部圖像通過千兆以太網(wǎng)傳送給圖像處理系統(tǒng)進行分析處理。
圖6 測量平臺
以LabVIEW為開發(fā)平臺,基于IMAQ Vision視覺庫函數(shù)進行圖像處理算法開發(fā)。通過改進的邊緣檢測算子和最小二乘直線擬合法擬合出外形直邊參考邊緣,得到六邊形某條參考邊緣,基于圖像處理算法獲得圖7特征,在此基礎(chǔ)上利用Set Coordinate System函數(shù)設(shè)立相對坐標系,該函數(shù)基于參考特征的位置與方向設(shè)立坐標系,特征信息選用粒子分析函數(shù)求得質(zhì)心。在相對坐標系中進行外形直邊查找,可以實現(xiàn)螺釘頭部在夾具中任意角度位置的穩(wěn)定測量。相對坐標系的建立使得在ROI區(qū)域內(nèi)即使圖像位置變化也可以準確定位。通過圖像處理算法查找到6條邊緣及邊緣中點。效果如圖7所示。
圖7 坐標系效果圖
選用某型號螺釘進行測試,將獲得的螺釘圖像輸入到檢測系統(tǒng)中,檢測結(jié)果如圖8(a)所示,測量系統(tǒng)檢測出外六角6條直線邊緣,并計算得到邊緣中點,左圖顯示了每條邊緣的中點到對邊之間的幾何尺寸為:3.46、3.46、3.47 mm,測量結(jié)果顯示為OK。為了對比本文提出方法的有效性,采用基恩士圖像處理儀測量該螺釘,獲得對應尺寸分別為:3.462、3.461、3.473 mm,二者測量值接近,測量精度為0.01 mm、測量誤差不超過0.09%,滿足實際測量需求。此外,對圖8(b)、圖8(c),本文測量系統(tǒng)也能有效抵抗干擾,并獲得準確結(jié)果。
(a) (b) (c)圖8 產(chǎn)品測量效果
表1為本文測量系統(tǒng)對10顆產(chǎn)品測量結(jié)果,經(jīng)過人工復核,測量數(shù)據(jù)準確。綜上,基于機器視覺的螺釘外形尺寸測量系統(tǒng)為替代人工測量提供了可行方法。
表1 部分產(chǎn)品測量結(jié)果
為了實現(xiàn)螺釘頭部外形幾何特征的準確、自動測量,解決人工測量一致性差且不利于批測的問題,提出了基于機器視覺的螺釘外形尺寸測量系統(tǒng)。通過搭建高分辨率視覺檢測硬件平臺,設(shè)計魯棒性好的圖像處理算法進行螺釘外形尺寸的非接觸式測量。根據(jù)螺釘頭部形狀特點與成像效果,設(shè)計了圖像增強、基于類間方差最大度量法的自適應閾值圖像分割、結(jié)合改進Canny算子與最小二乘法擬合的邊緣查找算法,進一步,基于特種邊緣和質(zhì)心建立相對坐標系,在此基礎(chǔ)上可以對任意角度的圖像進行穩(wěn)定測量。在實際應用測試中,測量結(jié)果顯示該系統(tǒng)能夠有效檢測出任意角度且存在干擾圖像的6條邊緣,尺寸測量精度為0.01 mm,測量誤差小,適合大批量的過程檢驗,為自動化高精度批檢提供了有效措施,目前該系統(tǒng)已投入實際生產(chǎn),具有一定工程實用性和可泛化性。