梁 棟,楊龍興,潘 輝,楊浩軒
(江蘇理工學(xué)院機(jī)械工程學(xué)院,江蘇常州 213001)
基于汽車發(fā)動(dòng)機(jī)齒輪通氣孔自動(dòng)視覺檢測系統(tǒng)的設(shè)計(jì)
梁 棟,楊龍興,潘 輝,楊浩軒
(江蘇理工學(xué)院機(jī)械工程學(xué)院,江蘇常州 213001)
汽車發(fā)動(dòng)機(jī)齒輪作為汽車的核心零部件,檢測其加工精度是保證汽車安全的重要前提。針對目前國內(nèi)普遍采用傳統(tǒng)手工檢查齒輪通氣孔效率不高、精度低等一系列問題,提出齒輪通氣孔檢測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)方案。首先分析了待檢測件的結(jié)構(gòu)特征,給出了檢測系統(tǒng)的結(jié)構(gòu)簡圖,再借助計(jì)算機(jī)視覺理論,通過大量實(shí)驗(yàn)和圖像算法仿真,設(shè)計(jì)了適合齒輪通氣孔檢測的算法,使視覺檢測達(dá)到了較高的精度。
齒輪通氣孔;尺寸檢測;圓度校正;圖像處理
汽車發(fā)動(dòng)機(jī)齒輪是整車核心部件,對其通氣孔尺寸合格性檢測是確保產(chǎn)品性能的關(guān)鏈性工序。傳統(tǒng)的檢測手段為人工檢測,各孔方位各異導(dǎo)致人工檢測不僅效率低下,且長時(shí)間用眼產(chǎn)生的視覺疲勞,對產(chǎn)品的合格率也產(chǎn)生重大影響。近些年來,國外的計(jì)算機(jī)視覺檢測水平越來越高,三維檢測、微小結(jié)構(gòu)檢測技術(shù)正不斷的發(fā)展,國內(nèi)視覺檢測起步較晚,但發(fā)展迅速,尤其在電子工業(yè)產(chǎn)業(yè)中。盡管已有采用機(jī)械式自動(dòng)檢測方案的應(yīng)用實(shí)例,如耿春明、蔡?hào)|寶等設(shè)計(jì)出了一種機(jī)械零件檢測系統(tǒng)[1],但由于機(jī)械測量方法精度不高、接觸磨損、智能和柔性差等弊端,不適合在本例中采用。Cheng設(shè)計(jì)了PCB板缺陷的視覺檢測系統(tǒng)[2],歐陽平等人提出基于計(jì)算機(jī)視覺的圓孔零件檢測方案,對一些薄壁零件進(jìn)行測量[3],但對于均布孔的自動(dòng)檢測與圖像處理沒有成熟方案。該專機(jī)充分利用數(shù)字圖像處理技術(shù)與機(jī)電一體化控制技術(shù),能實(shí)現(xiàn)產(chǎn)品的自動(dòng)檢測。
本文采用一種基于計(jì)算機(jī)視覺檢測技術(shù),該技術(shù)是計(jì)算機(jī)技術(shù)、光電信息技術(shù)、智能技術(shù)相結(jié)合的產(chǎn)物,具有快速、非接觸、柔性、智能和不受生理限制等優(yōu)點(diǎn)。該系統(tǒng)視覺檢測內(nèi)容為汽車發(fā)動(dòng)機(jī)齒輪通氣孔尺寸。檢測系統(tǒng)構(gòu)成包括:圖像采集組件、交流伺服電機(jī)、PLC控制設(shè)備、分類執(zhí)行機(jī)構(gòu)以及輸入輸出通信部等分。其中圖像采集組件由光源、CCD數(shù)字相機(jī)、鏡頭、圖像采集軟件等組成,經(jīng)由計(jì)算機(jī)運(yùn)用圖像處理算法,可得到通氣孔的個(gè)數(shù)及其精度。其系統(tǒng)組成結(jié)構(gòu)框圖如圖1所示。
圖1 視覺系統(tǒng)組成圖
視覺自動(dòng)檢測策略如下:自動(dòng)檢測周向各孔,需將待測齒輪放置于視覺檢測系統(tǒng)的旋轉(zhuǎn)工作臺(tái)上,在光源照射下,被測小孔會(huì)投射光源發(fā)出的光線,該光線被CCD相機(jī)捕捉,CCD將視頻轉(zhuǎn)成數(shù)字圖像信號(hào)供計(jì)算機(jī)處理,計(jì)算機(jī)運(yùn)用數(shù)字算法對圖像數(shù)據(jù)處理運(yùn)算,得出待檢測齒輪周向孔參數(shù),并與預(yù)置的標(biāo)準(zhǔn)參數(shù)作比較,判斷其所屬規(guī)格齒輪是否合格,不合格則輸出報(bào)警提示信號(hào)。在此期間,被測齒輪按一定節(jié)拍跟隨旋轉(zhuǎn)臺(tái)運(yùn)動(dòng),圖像獲取與旋轉(zhuǎn)臺(tái)運(yùn)動(dòng)同步進(jìn)行。因此,該系統(tǒng)依據(jù)圖1中的組成要素,設(shè)計(jì)出視覺檢測總體結(jié)構(gòu)如圖2所示。旋轉(zhuǎn)平臺(tái)上待檢齒輪的左右側(cè)放置圖像采集CCD相機(jī),檢測過程中,伸縮氣缸通過接近開關(guān)控制實(shí)現(xiàn)移動(dòng)工作平臺(tái)上下料動(dòng)作,并觸發(fā)旋轉(zhuǎn)電機(jī)按程序設(shè)定角度旋轉(zhuǎn),同時(shí)觸發(fā)數(shù)字相機(jī)和計(jì)算機(jī)采集圖像,并將圖處理結(jié)果經(jīng)RS232轉(zhuǎn)RS485線路傳送給PLC,使PLC輸出檢測報(bào)警信號(hào)。
圖2 視覺檢測系統(tǒng)結(jié)構(gòu)簡圖
2.1 圖像預(yù)處理
為了實(shí)現(xiàn)周向孔徑的精確檢測,需對采集圖像進(jìn)行數(shù)字化處理。采集得到的原始圖像不可避免地夾雜著噪聲,必須先對原始圖像進(jìn)行灰度校正、噪聲過濾等預(yù)處理。噪聲具有空間不相關(guān)性,圖像中的噪聲具有更高的空間頻譜,通??梢圆捎玫屯V波器去除噪聲[4];銳化處理將加大圖像各點(diǎn)間灰度差,增強(qiáng)有用的信息,在真實(shí)邊界處對邊緣檢測極為有利,但同時(shí)圖像內(nèi)的噪聲也被增強(qiáng),可能會(huì)被作為邊界檢測出來,這將致將非邊界點(diǎn)檢測為邊界點(diǎn)。針對該狀況,本系統(tǒng)采用了二次平滑濾波的方法即濾波-銳化-再濾波[5-7]。經(jīng)過試驗(yàn)比對:首先對原始圖像采用濾波因子為6的中值平滑處理;再將濾波結(jié)果經(jīng)階梯銳化增強(qiáng)處理,利用梯度算法突出有用信息。對于一幅圖像用函數(shù)f(x,y)表示,則點(diǎn)(x,y)處的梯度是為;
用其差分形式寫成
最后對銳化圖像用5×5的高斯濾波因子平均值平滑處理,至此獲得了效果良好的邊緣信息,圖像質(zhì)量大為提高。圖3為本系統(tǒng)采用二次平滑濾波的方法濾波前后的圖像比。
圖3 圖像預(yù)處理
2.2 邊緣提取與圓度校正
2.2.1 邊緣提取
邊緣檢測是圖像分割、目標(biāo)區(qū)域識(shí)別、區(qū)域形狀提取等圖像分析領(lǐng)域中一個(gè)十分重要的關(guān)鏈問題。邊緣提取首先檢測出圖像局部特性的不連續(xù)性,然后再將這些不連續(xù)的邊緣像素連成完整的邊界[8]。常用的邊緣檢測算子有微分算子(Roberts、Prewitt、Sobel、Laplacian等)、拉普拉斯高斯算子以及Canny算子,各種算子具有其不同的應(yīng)用特性。本文采用Lipschitz算子,它可以描述奇異點(diǎn)的不同幾何結(jié)構(gòu),這里主要考慮采用小波變換來刻畫這些結(jié)構(gòu)。分析圖像,原始圖像里存在著三種邊界,經(jīng)過上面的圖像處理后主要為階梯型邊界具體過程:
步驟一:取不同的尺度s1,…,sn利用階梯型邊界公式求出小波變換系數(shù)wse(x)。
步驟二:選擇峰值閾值T,保留滿足下面條件點(diǎn)。
步驟三:選擇均閾值R,保留滿足下列條件的點(diǎn):
則滿足上面條件的點(diǎn)f(x,y)就是要檢測的點(diǎn)。如圖4為邊緣提取后的圖像,再經(jīng)過圓形邊緣直徑檢測可得到孔徑大小和是否合格的信息。
圖4 邊緣提取
2.2.2 圓度校正
由上述的分析可知,因被測量的圓孔分布在一個(gè)圓柱形體的外表面,其邊線是一條相貫線,不在同一平面內(nèi)的曲線。采集到的圖像為近似圓,直接進(jìn)行測量會(huì)產(chǎn)生誤差。圖5為相機(jī)幾何成像系統(tǒng)[9],世界坐標(biāo)系中的點(diǎn)PW通過鏡頭投影中心C投影到成像平面的點(diǎn)P,如圖中的點(diǎn)所示。如果沒有畸變,點(diǎn)P應(yīng)該在PW點(diǎn)與投影中心連線的延長線上,畸變造成了點(diǎn)P的位置發(fā)生了偏移。
圖5 數(shù)字相機(jī)幾何成像系統(tǒng)
若給定一組畸變數(shù)據(jù)點(diǎn)Pb(xb,yb),用畸變校正模型[8]獲得無畸變的理想點(diǎn)PL(x,y),
其中:(cx,cy)表示相機(jī)鏡頭的光學(xué)中心;
由公式(3)可知,方程是非線性的,為了簡化求解,這里,利用光學(xué)成像的幾個(gè)規(guī)律對畸變校正模型進(jìn)行分析求解:忽略了鏡頭的畸變(因景深鏡頭的畸變產(chǎn)生的畸變遠(yuǎn)遠(yuǎn)大于);通過光心的直線成像后仍為直線[11];光軸中心附近無畸變量。所以只要求出畸變系數(shù)k。從圖4中可以看多提取出的邊緣為近似圓形,根據(jù)光學(xué)成像的定律,取邊線的四分之一分析如圖6所示,為了得到一個(gè)精度較高的圓形采用迭代算法,具體步驟:用圖像處理技術(shù)精確獲得畸變圖像邊沿上圓點(diǎn)的中心坐標(biāo)點(diǎn)O,這里用圓點(diǎn)區(qū)域內(nèi)的質(zhì)心坐標(biāo)作為初始圓點(diǎn)的中心坐標(biāo)。分別取在水平和豎直方向上去兩點(diǎn)a(x,y)、b(x,y)。代入公式(4)求出過這兩點(diǎn)圓的方程,再將V點(diǎn)乘以畸變系數(shù)k代入圓的方程得到新的點(diǎn)V。
根據(jù)檢測精度將兩個(gè)圓心作作比較,若不滿足要求,則在弧a`v`和v`b`做迭代直到滿足給定的精度要求(10μm)。圖7為迭代程序框圖。迭代多次直到滿足條件,再將結(jié)果代入公式(3)求出修正后的坐標(biāo)。
圖6 畸變校正原理圖
圖7 畸變校正迭代算法程序圖
系統(tǒng)軟件采用現(xiàn)流行的通用視覺處理軟件Vision Builder AI。Vision Builder AI是美國國家儀器公司開發(fā)的一款視覺處理軟件,其開發(fā)周期短、后期維護(hù)容易等特點(diǎn)已經(jīng)廣泛使用在工業(yè)中。數(shù)字相機(jī)采用500萬像素的AVT相機(jī)。相機(jī)接口為高幀率雙千兆網(wǎng)接口,分辨力為2336×1752,像元尺寸5μm。為了達(dá)到要檢測精度的要求,本系統(tǒng)采用多次測量取均值作為真值,利用上述分析的步驟處理采集到的圖像。其具體步驟如圖8所示,表1為測量圓孔數(shù)據(jù)。實(shí)際測量尺寸為5mm。測量平均值為5.003mm,方差為0.0000028。測量精度較高,滿足生產(chǎn)要求的檢測精度。
圖8 圖像處理流程圖
表1 圓孔測量結(jié)果
本文通過對產(chǎn)品檢測任務(wù)的分析,闡述了工業(yè)生產(chǎn)現(xiàn)場零部件視覺檢測系統(tǒng)的方案和結(jié)構(gòu),采用機(jī)電控制與圖像識(shí)別相結(jié)合的方法,對被測工件進(jìn)行了實(shí)時(shí)檢測,通過數(shù)字圖像處理技術(shù)對工件上周向孔徑是否合格實(shí)施了在線測量。該方法既保證了檢測的實(shí)時(shí)性和產(chǎn)品質(zhì)量的一致性,又提高了生產(chǎn)效率,減少了人工檢測成本,使得工業(yè)自動(dòng)化水平得到了進(jìn)一步提高,也為視覺檢測在齒輪圓周上檢測方面的應(yīng)用提供了新的途徑。
[1]耿春明,蔡?hào)|寶.基于計(jì)算機(jī)視覺的機(jī)械零件檢測系統(tǒng)設(shè)計(jì)[J].計(jì)算機(jī)測量與控制,2012,20(1):38-40.[2]Cheng Songlin,Zhou Zude,Hu Wenjuan.Research of vision detection system on PCB[J].武漢理工大學(xué)學(xué)報(bào),2006,28(S2):714-717.
[3]歐陽平,古平.基于計(jì)算機(jī)視覺的圓孔零件的檢測系統(tǒng)設(shè)計(jì)[D].成都:電子科技大學(xué),2012.
[4]楊小岡,孟飛.一種實(shí)用的圖像濾波算法[J].計(jì)算機(jī)應(yīng)用,2009,29(6):217-219.
[5]奕新,李鐵一.二次濾波法提取圖像邊緣信息方法及其應(yīng)用[J].青島海洋大學(xué)學(xué)報(bào),1999,29(1):107-111.
[6]慶華,周荷琴,馮煥清.一種快速有效的圖像脈沖噪聲濾除方法[J].計(jì)算機(jī)工程與應(yīng)用,2002(17):113-114,210.
[7]吳彰良,劉潔.基于計(jì)算機(jī)視覺的油封尺寸檢測系統(tǒng)設(shè)計(jì)[J].計(jì)算機(jī)測量與控制,2012,20(5):58-60.
[8]Zhou W and Zhang D.Progressive switching median filter for the removal of Impulse noise from highly corrupted images[J].IEEE Trans.on Circuits and Sys.Analog And Digital Signal Process,1999,46(1):78-80.
[9]Carsten Steger,MarkusUlrich.Machine Vision Algorithms and Application[M].清華大學(xué)出版社,2008.
[10]Weng JY,Cohen P.Camera calibration with distortion models and accuracy evaluation[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1992,14(10):956-980.
[11]曾巒.短焦距攝像頭的畸變校正方[J].裝備指揮技術(shù)學(xué)院學(xué)報(bào),2002,13(2):53-55.
The Design of Automated Visual Inspection System Based on the Automobile Engine Gear Vent
LIANG Dong,YANG Long-xing,PAN Hui,YANG Hao-xuan
(School of Mechanical Engineering,Jiangsu University of Technology,Changzhou Jiangsu 213001,China)
Automobile engine gear as the core of the car,which testing its machining precision is an important premise to assure the safety of the car.In view of the present domestic widely used traditional manual to check the gear,which lead to slow efficiency and low precision.This paper put forward the design of detection system of the gear vent.Firstly,the structure characteristics of the detection was analyzed,there is a structure diagram of detection system was given,and then with the aid of computer vision theory,through a large number of experiments and simulation image algorithm,that design suitable algorithm for gear vent detection and make the system precision to achieve the higher accuracy.
gear vent;size detection;roundness correction;image processing
TH165;TG65
A
1001-2265(2015)06-0058-03 DOI:10.13462/j.cnki.mmtamt.2015.06.016
2014-10-10;
2014-11-02
梁棟(1989—),男,江蘇鹽城人,江蘇理工學(xué)院碩士研究生,研究方向?yàn)闊o損檢測,(E-mail)709170090@qq.com。