一種基于機(jī)器視覺的螺紋缺陷檢測(cè)方法

施保華 魏雅慧

（三峽大學(xué) 電氣與新能源學(xué)院，湖北 宜昌 443002）

螺紋是機(jī)械緊固零件的重要部分，然而由于其表面結(jié)構(gòu)的復(fù)雜性和多參數(shù)問題，目前在工業(yè)現(xiàn)場(chǎng)多采用傳統(tǒng)的螺紋量規(guī)、塞規(guī)、螺紋單項(xiàng)儀等量具來進(jìn)行檢測(cè)［1］，耗時(shí)耗力，嚴(yán)重影響了螺紋檢測(cè)精度，無法實(shí)現(xiàn)在線檢測(cè).如果螺紋本身有缺陷，就會(huì)引發(fā)設(shè)備故障，造成重大經(jīng)濟(jì)損失.因此在投入使用之前，檢測(cè)到有缺陷的螺紋并予以剔除，就顯得非常重要.為此，迫切需要一種高精度的自動(dòng)螺紋檢測(cè)方法來實(shí)現(xiàn)螺紋缺陷檢測(cè).景敏，陳曼龍等［2］提出了一種以工具顯微鏡作為基礎(chǔ)將其原有目鏡鏡筒摘去，加裝一套CCD成像器件的方法，以完成螺紋的參數(shù)測(cè)量.何寶泉，雷振山［3］在虛擬儀器平臺(tái)上建立了一種基于機(jī)器視覺的螺紋測(cè)量系統(tǒng)，可以快速獲取大量信息，易于自動(dòng)處理，也易于同設(shè)計(jì)信息以及加工控制信息集成.上述方法雖然可以保證檢測(cè)精度，但編程復(fù)雜，可實(shí)現(xiàn)性不強(qiáng)，為此本文提出了一種快速簡潔、易于操作的基于機(jī)器視覺的螺紋缺陷檢測(cè)方法，即用機(jī)器代替人眼，對(duì)控制對(duì)象做出測(cè)量和判斷.通過圖像采集和處理得到判別結(jié)果，并根據(jù)結(jié)果來控制現(xiàn)場(chǎng)設(shè)備的動(dòng)作［4］.該方法不僅可以實(shí)現(xiàn)螺紋的在線測(cè)量，而且具有檢測(cè)速度快、檢測(cè)精度高的特點(diǎn).本文采用機(jī)器視覺技術(shù)，結(jié)合圖像處理方法，對(duì)螺紋缺陷進(jìn)行了快速有效的檢測(cè).

1 測(cè)量系統(tǒng)設(shè)計(jì)

1.1 測(cè)量原理

首先將待測(cè)螺紋零件置于平行光場(chǎng)中，經(jīng)平行光照射后，其外形輪廓投影在相機(jī)的成像區(qū)域，主機(jī)控制進(jìn)料，觸發(fā)相機(jī)采集螺紋圖像.相機(jī)在驅(qū)動(dòng)電路的作用下，輸出包含待測(cè)螺紋外形輪廓信息的脈沖序列.該脈沖序列經(jīng)信號(hào)處理電路處理后，輸入到計(jì)算機(jī)中，由相應(yīng)的軟件進(jìn)行處理和分析，得到的檢測(cè)結(jié)果用以控制分選汽缸，剔除缺陷螺紋零件.

1.2 系統(tǒng)構(gòu)成

為實(shí)現(xiàn)螺紋的缺陷檢測(cè)，設(shè)計(jì)系統(tǒng)時(shí)應(yīng)充分考慮設(shè)計(jì)要求，保證系統(tǒng)具有良好的穩(wěn)定性、可操作性及擴(kuò)展性.系統(tǒng)主要由光學(xué)成像系統(tǒng)、光學(xué)照明系統(tǒng)、運(yùn)動(dòng)控制系統(tǒng)、攝像裝置和圖像處理軟件等部分組成.螺紋缺陷檢測(cè)系統(tǒng)流程如圖1所示.

圖1 螺紋缺陷檢測(cè)系統(tǒng)流程圖

主機(jī)控制進(jìn)料，觸發(fā)相機(jī)將采集到的螺紋圖像輸入到計(jì)算機(jī)相應(yīng)軟件中進(jìn)行圖像處理，并將處理結(jié)果傳送回主機(jī)，主機(jī)根據(jù)結(jié)果合格與否控制分選汽缸，剔除缺陷螺紋零件，從而實(shí)現(xiàn)螺紋缺陷分析和識(shí)別.

2 圖像處理

螺紋缺陷檢測(cè)的圖像處理流程如圖2所示.由相機(jī)獲取的螺紋零件圖像，如圖3所示，為11道螺紋零件.為了快速、有效地提取圖像信息，對(duì)其進(jìn)行灰度變換、平滑等預(yù)處理后，進(jìn)一步完成螺紋邊緣檢測(cè)、缺陷識(shí)別及螺距等相關(guān)參數(shù)的測(cè)量和計(jì)算.

圖2 螺紋缺陷檢測(cè)的圖像處理流程圖

2.1 二值化圖像處理算法

為了突出目標(biāo)區(qū)域，便于檢測(cè)和識(shí)別，需要對(duì)螺紋圖像進(jìn)行二值化處理.由于二值圖像的目標(biāo)圖像和背景之間的灰度對(duì)比度很大，很容易通過灰度值的不同，從背景中分割出目標(biāo)圖像.將目標(biāo)圖像標(biāo)記為0，而背景標(biāo)記為1，即可將一幅灰度圖像變成二值圖像，更利于圖像識(shí)別.本文的螺紋零件圖像中，只有一個(gè)目標(biāo)與背景，且目標(biāo)與背景的灰度分布都比較均勻，因此可以選用某一閾值Th把圖像的像素分成大于Th的像素群（背景）和小于Th的像素群（目標(biāo)）.設(shè)F（x，y）為對(duì)圖像二值化的輸出，則有

此處圖像二值化將目標(biāo)點(diǎn)的灰度值設(shè)為0，背景點(diǎn)的灰度值設(shè)為1.閾值Th的選取由最大類間方差法計(jì)算，以半邊螺紋為例，二值化的結(jié)果如圖4所示.

2.2 提取螺紋邊緣

邊緣是圖像灰度變化較劇烈的地方，在此處進(jìn)行微分將產(chǎn)生高值，因此在數(shù)字圖像中常用差分代替微分運(yùn)算.其中一階差分計(jì)算最為簡單，但對(duì)源圖像質(zhì)量要求較高，且螺紋軸線必須垂直于圖像坐標(biāo)系的X軸，否則邊緣像素在X方向的誤差過大且有明顯鋸齒的現(xiàn)象，而適應(yīng)性較好的Canny算法可得到較細(xì)化的邊緣［5］，因此本文采用Canny算法提取螺紋邊緣.Canny算法利用高斯函數(shù)的一階微分對(duì)圖像進(jìn)行濾波，得到每個(gè)像素梯度的大?。麲｜和方向θ：

其中f為濾波后的圖像.Canny算法提取的螺紋邊緣如圖5所示.

2.3 螺紋缺陷識(shí)別

為了找出螺紋的波峰、波谷特征點(diǎn)，本文采用如下方法：將圖5所示的螺紋邊緣圖像平均分為上下兩部分，分別找出這兩部分的中心點(diǎn)（x1，y1）和（x2，y2），求出過這兩點(diǎn)的中心直線l.通過行列搜索白色點(diǎn)，找出邊緣點(diǎn)（x，y），將邊緣點(diǎn)代入中心直線l，求得邊緣點(diǎn)對(duì)直線的偏差，即邊緣點(diǎn)的位置position＝（y－y1）／（y2－y1）－（x－x1）／（x2－x1），偏差的正負(fù)表示邊緣點(diǎn)位于直線的兩側(cè).

根據(jù)螺紋波峰點(diǎn)的縱坐標(biāo)值比其兩側(cè)點(diǎn)的值大，波谷點(diǎn)的縱坐標(biāo)值比其兩側(cè)點(diǎn)的值小的特點(diǎn)，容易找到螺紋的波峰點(diǎn)及波谷特征點(diǎn)，完成螺紋波峰波谷的粗定位，如圖6（a）所示.隨后，再根據(jù)波峰、波谷的特點(diǎn)，取波峰粗定位的點(diǎn)的兩側(cè)波谷之間的點(diǎn)中縱坐標(biāo)最大的為波峰，取波谷粗定位的點(diǎn)的兩側(cè)波峰之間的點(diǎn)中縱坐標(biāo)最小的為波谷，進(jìn)一步完成螺紋波峰波谷的精定位，如圖6（b）所示.

圖6 螺紋波峰波谷的定位

分別計(jì)算波峰、波谷點(diǎn)的個(gè)數(shù)，并將所有的波峰點(diǎn)、波谷點(diǎn)分別進(jìn)行直線擬合，計(jì)算出波峰擬合直線的斜率k1、截距b1及波谷擬合直線的斜率k2、截距b2.識(shí)別結(jié)果如圖7（a）～（b）所示.為得到更加準(zhǔn)確和嚴(yán)謹(jǐn)?shù)膶?shí)驗(yàn)結(jié)果，進(jìn)行了多次重復(fù)實(shí)驗(yàn)，結(jié)果見表1.

圖7 螺紋識(shí)別結(jié)果

表1 實(shí)驗(yàn)結(jié)果 （單位：像素）

3 實(shí)驗(yàn)結(jié)果分析

實(shí)驗(yàn)在機(jī)器視覺皮帶傳送開發(fā)平臺(tái) MVBDP200S上進(jìn)行，系統(tǒng)工作圖如圖8所示.

圖8 螺紋缺陷檢測(cè)系統(tǒng)工作圖

采用LED環(huán)形光源，CMOS相機(jī)MVVD040SC，相機(jī)的分辨率為744×480，像素尺寸為6 μm×6μm.

由圖7（a）～（b）及表1分析可知，待檢測(cè)螺紋的牙角，即波峰波谷個(gè)數(shù)與標(biāo)準(zhǔn)螺紋零件的個(gè)數(shù)一致，說明該零件無螺紋個(gè)數(shù)缺陷.波峰、波谷擬合直線的斜率近似相同，即兩條直線平行.系統(tǒng)標(biāo)定系數(shù)為0.1，則波峰、波谷擬合直線距離為10.200 4×0.1＝1.020 04mm，即螺紋深度為1.02mm.最大波峰、波谷螺距誤差為0.102mm，在允許的誤差范圍內(nèi)，螺距規(guī)則，符合產(chǎn)品要求.由表1中的均方差趨近于0可知，該檢測(cè)系統(tǒng)穩(wěn)定性良好，檢測(cè)精度高，進(jìn)一步證明了這種方法的可行性.不符合上述檢測(cè)要求的螺紋零件，即為缺陷螺紋零件，由分選汽缸進(jìn)行剔除.實(shí)驗(yàn)表明，本文所采用的螺紋缺陷識(shí)別方法，能夠識(shí)別無螺紋、少螺紋、螺距不規(guī)則等外觀缺陷，且一個(gè)螺紋零件的缺陷檢測(cè)時(shí)間為171ms，小于規(guī)定的300ms，滿足檢測(cè)要求.

4 結(jié) 論

將機(jī)器視覺技術(shù)應(yīng)用到螺紋缺陷檢測(cè)中，通過Matlab的Canny算法提取螺紋邊緣，對(duì)螺紋缺陷進(jìn)行識(shí)別，實(shí)現(xiàn)了對(duì)無螺紋、少螺紋、螺紋粗細(xì)不規(guī)則等外觀缺陷的識(shí)別.與傳統(tǒng)的接觸式測(cè)量相比，對(duì)螺紋零件的損傷更少，檢測(cè)耗時(shí)更短，精度更高；與現(xiàn)有的非接觸式檢測(cè)技術(shù)相比，編程更加簡單，檢測(cè)更加快捷，易于操作，可實(shí)現(xiàn)性好，滿足檢測(cè)要求，具有良好的通用性和較高的自動(dòng)化程度.今后將在螺紋的大、小徑等具體參數(shù)的檢測(cè)方向做進(jìn)一步的研究.

［1］ 袁鵬斌，袁宗明，歐陽志英.基于機(jī)器視覺的非接觸式螺紋參數(shù)測(cè)量系統(tǒng)［J］.管道技術(shù)與設(shè)備，2008（4）：20－22.

［2］ 景 敏，陳曼龍，楊 帆，等.基于機(jī)器視覺的螺紋參數(shù)綜合測(cè)量系統(tǒng)的設(shè)計(jì)［J］.測(cè)控技術(shù)，2013，32（11）：35－38.

［3］ 何寶泉，雷振山.基于機(jī)器視覺的螺紋測(cè)量技術(shù)［J］.計(jì)量技術(shù)，2005（2）：21－23.

［4］ 朱焱丹，廖俊必，何子牛.基于LabVIEW的機(jī)器視覺系統(tǒng)的標(biāo)定［J］.中國測(cè)試，2009，35（6）：54－56.

［5］ 卜 晨，萬 鵬.基于機(jī)器視覺的螺紋參數(shù)檢測(cè)［J］.工業(yè)儀表與自動(dòng)化裝置，2011（3）：83－85.