输入个别参数即可进行测量该方法有效利用 了三坐标机精度高的特点,实现起来简单、 高效 参考文献 1 渐开线圆柱齿轮精度,G B/ T10095 - 2001 2 圆柱齿轮检验实施规范,G B/ Z18620 - 2002 3 标准齿轮,JJG1008 - 2006 4 刘巽尔,渐开线圆柱齿轮.中国计划出版社,2004 5 廖世鹏,廖俊必等.直齿渐开线小模数齿轮(m< 1.0)齿形 误差的三坐标图象测量法.四川大学学报,2007 ,39 (4) : 164～168 6 潘血涛,费贤举.基于VB的齿距偏差及其累积误差的数 据处理.精密制造与自动化,2005 ,(4) :54～59 第一作者:任丽芬,四川大学制造学院测试技术与控制 工程系,610065成都市 收稿日期:2007年8月 基于机器视觉的螺钉检测 林长青1 庄 石2 廖俊必1 1 四川大学 2 深圳市普尔测量系统有限公司 摘 要:介绍了一种基于机器视觉技术的非接触式螺钉检测系统该系统利用CCD相机采集图像,经过 拉普拉斯锐化算子、 中值滤波等图像处理,可获得清晰的螺钉轮廓图像,再利用机器视觉的相关几何运算测量出各 个螺钉几何参数,实现螺钉的检测。
实验表明,该系统检测速度快、 精度高,具有很好的推广应用价值 关键词:图像处理, 机器视觉, 螺钉, 检测 On2line Detection of Screws Based on Machine Vision Technology Lin Changqing Zhuang Shi Liao Junbi Abstract : A kind of non2contacted on2line detection systemfor screws based on machine vision technology was introduced. The screw’s image was acquired with CCD camera , and through image processing using the Laplacian kernel and the medianfilter and so on , the clear edge contour of screw can be obtained , then geometric parameters of screw were measured by using the geo2 metrical algorithm of the machine vision. The test results indicate that the detection system has faster inspection speed and higher calculation accuracy , so that has a good spreading application value. Keywords :image processing , machine vision , screw , on2line detection 1 引言 目前,国内大多数螺钉生产企业还只能采用抽 检方式对螺钉进行尺寸检测,即抽取部分螺钉用卡 尺或光学放大仪测量其尺寸。
对于有全检要求的螺 钉,企业不得不使用大量人力进行手工筛选对于 大批量生产、 尺寸较小的螺钉,人工检测相当困难和 繁琐,耗时费力,且存在许多技术漏洞,检测精度不 高,难以保证螺纹质量 针对螺钉尺寸检测现状,我们开发了基于机器 视觉的非接触式螺钉检测系统该系统将机器 视觉和数字图像处理技术应用于螺钉的大批量检 测,对螺钉的各个尺寸参数进行自动测量,并根 据预先设定的各参数检验合格标准,自动完成对螺 钉的筛选,并统计出检测数量、 不合格数、 合格 率等检测数据该检测技术不仅可实现螺钉的 检测,而且测量速度快、 精度高,代表了螺纹检测的 发展方向,具有广阔的发展和应用空间 2 系统结构与工作原理 非接触式螺钉检测系统的构成如图1所 示首先,由震动顺料装置将待检测螺钉输送到排 队等候区,由上料装置将待检测螺钉输送至特定的 像场位置并定位,位置传感器检测到待检螺钉已经 就绪后,发送信号指示主控计算机启动CCD摄像机 采集螺钉头部的俯视图像和侧面图像,并通过图像 采集卡输入计算机,然后由计算机按预先设定的图 图1 螺钉检测系统示意图 29工 具 技 术 像识别检测方法,经过图像处理获得对图像特征的 数字评估,得出最终检测结论,最后发送分选指令至 自动分选装置,进行螺钉分选。
根据检测要求,需要测量的螺钉尺寸参数(见图 2) 包括:螺钉头部直径D1,头部厚度L1,螺纹长度 L2,螺纹外径D,螺纹内径d;同时,还需要测量螺钉 头部槽与头部的同心度,螺纹外径与头部的同心度 (a)顶部图像(b)侧面图像 图2 采集图像及测量参数 3 图像处理 采用LabVIEW和IMAQ2Vision软件开发了螺钉 检测系统的测量软件系统的主要检测流程为:图 像滤波 → 锐化边缘轮廓 → 中值滤波 → 螺纹参数测量 → 判断合格情况 → 显示和输出 (1)图像滤波 在螺钉检测系统中,螺纹视频图像信息的边缘 检测是测量的基础和关键由于螺钉图像在采集、 传输、 接收等过程中引入了噪声,使图像质量恶化, 造成图像模糊、 特征淹没,给处理和分析带来困难, 并使测量精度降低因此,在参数测量前应去除图 像噪声,尽可能使图像边缘轮廓清晰,以提高测量精 度,达到实际检测要求 常见的图像噪声有椒盐噪声、 脉冲噪声、 高斯噪 声等,在空间域对图像进行滤波除噪主要采用均值 滤波和中值滤波两种方法由于图像的边缘包括了 图像细节和高频信息,在采用均值滤波法进行图像 除噪时,会使图像边缘模糊化,而中值滤波法则能够 较好地弥补均值滤波法不足。
中值滤波器是基于次序统计完成信号恢复的一 种典型的非线性滤波器,其基本原理是对一个窗口 内所有像素的灰度进行排序,取排序结果的中间值 作为原窗口中心点处像素的灰度值中值滤波对于 消除图像中的随机噪声和脉冲噪声(也称椒盐噪声) 非常有效,其主要优点是运算简单,算法速度较快, 在滤除噪声的同时能很好保护信号的细节信息(如 边缘和锐角 ) , 对后续的参数测量有很大帮助;此外, 中值滤波器容易自适应化,从而可进一步提高其滤 波特性 (2)锐化图像边缘轮廓 螺纹尺寸测量的关键在于边缘轮廓的提取根 据检测要求,只要图像边缘轮廓清晰,可满足测量要 求,同时又能实现检测的速度要求即可因此, 只需将边缘锐化,而无需提取出边缘,这样既可达到 检测要求,又可提高软件运行速度 图像锐化是一种突出和加强图像中物体边缘和 轮廓的技术,由于图像的边缘和轮廓一般都位于图 像中灰度突变之处,因此通常采用空间微分方法来 实现锐化处理,常用方法有梯度法、 拉普拉斯锐化算 子、Sobel锐化算子等经分析比较,本系统选用了 合成拉普拉斯锐化算子 设f ( x , y)为连续图像函数,其在点( x , y)处的 拉普拉斯算子是一个二阶微分算子,并定义为 2f= 92f 9x2 + 92f 9y2 拉普拉斯锐化算子是一种空间滤波形式的高通 滤波算子,具有各向同性和位移不变性,可以满足图 像中不同走向边缘的锐化要求。
拉普拉斯锐化方法 与大多数其它算子一样,也是一种基于方向导数模 板求卷积的方法采用合成拉普拉斯模板 0- 10 - 15- 1 0- 10 得到的增强图像是将原图像与拉普拉斯锐化图 像叠加在一起的结果图像,可在增强图像边缘的基 础上更好地保持原图像的信息锐化处理前、 后的 螺钉图像如图3所示 由图3可以看出,锐化处理后的图像边缘轮廓 明显变得更清晰,但同时也增加了原图像的高频噪 声,因此需再利用中值滤波除去高频噪声,最后得到 的图像即可用于后续的参数测量 4 螺钉参数测量 (1)用标准块标定长度 利用硬件系统采集几幅标准块图像,经过滤波、 二值化、 边缘提取等图像处理后,在LabVIEW和I2 MAQ2Vision软件系统下,利用机器视觉功能块下的 几何参数测量功能测量标准块长度(像素长度 ) , 再 与标准块的实际长度进行比较,并连续对几幅图像 进行相同的标定处理,最后取几幅图像的测量平均 值作为结果,即可确定软件系统下的像素长度对应 的实际长度 392008年第42卷 №4 图3 图像锐化处理前后的对比 (2)几何参数的测量 首先,确定采集图像的坐标系由于该检测系 统是在运行中进行实时图像采集,虽然相机位 置固定不变,但在螺钉不断运行的过程中,采集的图 像可能并非位于像场的同一位置,而后续的参数测 量需要给定一个固定区域搜索图像的各个边缘轮 廓,因此,确定坐标系可使每个螺钉图像在该坐标系 中都相对处于一个固定位置,以保证参数测量的准 确性和精确性。
然后,主要利用测量软件系统中的 机器视觉功能模块,分别对螺钉头部和侧面图像的 相应几何参数进行测量 对于头部直径D1、 头部厚度L1、 螺纹长度L2、 螺纹外径D、 螺纹内径d等参数的测量,首先应确 定适当的边缘搜索范围(如该范围选择过大,会增加 检测时间;如该范围选择过小,会影响边缘检测精 度 ) , 然后利用相应的数学函数(包括测量内、 外边缘 和上、 下边缘的距离函数)完成参数测量 对于螺纹外径与螺钉头部的同心度测量,需要 求出外径的中轴线和头部宽度的中轴线,然后确定 两条直线的同轴度,即为所求的螺纹外径与头部的 同心度螺钉头部槽与头部的同心度测量主要采用 拟合圆求圆心的办法,即首先在相应的搜索范围内 拟合出头部最外面轮廓所在的圆,求出圆心的位置 坐标对于大多数圆型槽,可采用同样的方法拟合 出圆和找出圆心;对于十字型或其它型式的槽,可求 出各个槽对边的中轴线,再求出中轴线的交点以确 定中心位置,知道了螺钉头部的圆心和槽的中心,即 可求出头部槽与头部的同心度 要求检测的螺钉约有20种不同的型式,对 于不同型号的螺钉,需要确定的搜索范围也不相同 该检测系统首先对不同种类的螺钉图像进行识别, 然后调用相应的参数测量程序,完成几何参数的测 量。
测量结果如图4所示 图4 测量界面与测量结果 (3)合格判断 根据各种型号螺钉参数的标准规定,将测得的 螺钉参数与其标准参数进行比较,以判断螺钉参数 是否满足标准规定如果测得的参数在允许的误差 范围之内,则判断螺钉合格;反之为不合格,该检测 系统除可输出螺钉合格与否的判断外,还能统计出 检测数量、 不合格数、 合格率等,并完成对螺钉的在 线筛选等工作 5 结语 实验结果表明,该螺钉检测系统采集的图 像尺寸为576768 ,该像素下的检测精度为0105mm (不同的像场和像素对检测精度有一定影响)检测 系统由处理、 测量一对图片到最后输出判断结果及 49工 具 技 术 各个参数,所需时间约为60毫秒(采用不同的计算 机配置,测量时间会有差异 ) , 能够满足检测要 求,且检测精度较人工筛选显著提高,并可检测各种 不同规格尺寸的螺钉根据不同的检测要求,该系 统还可以完成螺钉头部是否有裂纹和皱头、 螺纹是 否有斜纹等相关检测 基于机器视觉的非接触式螺钉检测系统具 有检测速度快、 效率高、 测量精度和可靠性高等优点, 对于大批量螺钉的检测具有很好的推广价值 参考文献 1 [美]Robert H Bishop. LabVIEW实用教程.北京:电子工 业出版社, 2003 2 李俊山,李旭辉.数字图像处理.北京:清华大学出版 社, 2007: 68～102 3 左建中.螺纹检测的机器视觉方法研究.天津:天津大 学机械工程学院, 2006 4 刘 智,张世荣,刘 江.基于数字图像处理技术的螺 纹检测.机械工程与自动化, 2006(5) : 67～。