邊沿檢測算法在緊固件質量檢測中的應用

魏 彥

（深圳職業技術學院計算機應用工程系，廣東 深圳 518055）

1 引 言

近年來，汽車廠家售出汽車產品召回案中有65%～70%是由于緊固件問題引起的，而產品質保費用中的3/4由一級供應商支付。因此，對于緊固件生產商而言，產品的質量控制決定其質保開銷。通常，在表面處理后采用的分選方式主要有人工挑選、渦流分選、光學傳感尺寸及輪廓分選等。分選過程主要是挑出帶有明顯缺陷的不良產品，如淬火裂紋、表面脫碳、尺寸變形等，其中精度較高的光學在線檢測受到應用領域的一致認同，用于重要零件尤其是高強度螺紋緊固件的過程檢測和在線分選，排除人為干擾因素，保證出廠產品質量，控制加工過程，實現制造“零缺陷”。該方法的實質是通過光學視覺系統獲得待測對象的圖像，運用圖像處理的方法進行分析，得出需要的結論。為此，將邊沿檢測算法應用到緊固件頭部尺寸、輪廓缺陷和桿部尺寸檢測的應用中，將是緊固件質量檢測技術的重要發展趨勢。

2 基于邊沿檢測的尺寸測量算法

將基于邊沿的檢測模式進行改進可得到后面所述的檢測算法，該算法可以快速而準確地定位檢測過程所感興趣的各個尺寸臺階邊沿，從而實現尺寸的像素級精確測量。算法按照以下三個步驟進行。

2.1 投影

處理算法的速度在實時檢測系統中顯得尤為重要，而在整個原始輸入圖像中查找邊界是一件很費時的事情，因此需要將包含邊界信息的圖像確定，并從中提取出所有的邊界信息，并強調邊界信息，降低干擾噪聲。

在輸入圖像中，首先確定一個矩形或者平行四邊形區域以及投影的方向，這個區域指定輸入圖像的其中一部分，包含需要檢測的邊沿。該區域必須具備以下特征：

（1）待檢測的邊沿必須平行于投影方向，以便下一步投影能夠確定方向。

（2）將待檢測的邊沿封閉在指定的區域中，以此來確定參與投影的像素，并盡可能地越小越好，以提高運算的速度。

投影的實質是將輸入的二維灰度圖像投影為一維灰度圖像。相關的公式算法較為經典，在該文中不再重復。圖1表示了映射的邊沿信息強化效果。

經過映射變換，輸入圖像已經轉換成了包含邊沿信息的一維灰度圖像，以便進行下一步的邊沿檢測。但是，得到的一維圖像中不但包含檢測過程感興趣的邊沿，而且還包含一些由于噪聲干擾而產生的邊沿以及來自于原始輸入圖像的邊沿無關信息，為此，下一步需要引入一個濾波器，來加強邊沿減少干擾。

2.2 濾波

濾波算法需要首先設計一個濾波器算子，將算子順序地作用于映射得到的一維圖像灰度值序列中，產生一個新的灰度值序列，這個新的序列就是濾波輸出，包含了邊沿峰值，且明顯地去除了大量干擾。

首先，使用一個簡單的寬度為1的濾波算子：-1，0，1，將它作用于投影一維灰度圖灰度序列，產生一個新的灰度序列，其運算的實質就是新灰度序列的每一個灰度值等于其在投影灰度序列中的右相鄰灰度值減去左相鄰灰度值。圖2表示了該算子的作用效果。

從圖2中可以看到，濾波輸出圖像看起來不再像輸入圖像。但是它確實包含了一些重要的新特性，它的峰值反映了邊沿的存在，也能保留邊沿在原始圖像中的位置信息，這對于下一步的檢測尤為重要。除了能夠產生表示邊沿信息的圖形之外，濾波還能去除輸入圖像中的噪聲和虛假邊沿。圖3表示了這種效果。圖3中的輸入圖像包含兩個真正的邊沿和幾個由于像素灰度值變化帶來的虛假邊沿，使用寬度為1的算子進行濾波，如圖3所示。

從濾波器的輸出圖形中可以看出，尖峰不僅在真正的邊沿處出現，在那些虛假的邊沿處也同樣出現。為了解決這個問題，可以加大濾波算子的寬度，這將有效地區分哪些是真正的邊沿。對上圖中的輸入波形再次使用寬度為2的濾波器進行濾波，結果如圖4所示。

從圖4中可以很明顯地看出，大部分在圖3中出現的虛假邊沿已經得到了明顯的抑制。

2.3 確定邊沿

得到了投影圖像的濾波輸出序列后，剩下的工作相當簡單了，有兩種方法可以確定出真正需要的邊沿，即定義最低峰值和定義對比度閾值。最后的邊沿輸出結果將不會包括低于定義的最小峰值，在應用中可以根據圖像的具體情況得到一個統計結果，設計需要的峰值；或者，可以指定原是圖像的對比度閾值來判斷濾波得到的輸出結果的準確性。

3 固件頭部尺寸及缺陷檢測

該邊沿檢測算法可以應用到緊固件頭部尺寸和輪廓缺陷的檢測中，通過實際檢測圖像可以觀察其檢測效果。

3.1 尺寸測量

在原始輸入圖像中確定一個投影矩形，得到投影圖像，之后進行濾波和邊沿的確定，效果如圖5所示。

圖5中的兩條線段表明了檢測到的邊沿，兩個線段的像素之差就是像素尺寸，通過標定即得到實際尺寸，完成了尺寸的測量。對于邊沿輪廓內部有陰影的輸入圖像，需要根據實際情況，利用邊沿處灰度變化的方向性來確定出邊沿輪廓，排除干擾。

3.2 輪廓缺陷檢測

利用尺寸測量的方法，還可以對輪廓缺陷進行檢測，原理與尺寸測量相同。具體方法如下：確定一個投影矩形，使它以緊固件頭部的中心點為中心，進行尺寸測量。之后將投影矩形做中心點固定的圓周旋轉，再進行尺寸測量，每次旋轉的角度根據輪廓缺陷檢測需要的精度而定，精度要求高，每次的旋轉角度需要取得相對小些。

4 固件桿部尺寸檢測

桿部尺寸測量的方法同頭部相同，可選擇多個投影矩形對需要測量的部分進行測量，包括桿長、頭部厚度等指標，如圖6所示。

5 結束語

綜上所述，采用改進的邊沿檢測算法進行尺寸測量，通過CCD得到的二維灰度輸入圖像經過投影映射為一維圖像，再經過濾波算子的作用進行濾波變換，確定圖像的邊沿，利用邊沿的坐標以及標定，可以最后確定兩個邊沿的距離及尺寸。經過工程實踐驗證，精度較高，速度較快，非常適合實時檢測系統使用。該算法在其他待檢測物體的尺寸測量中也可以非常方便地推廣使用，具有一定的通用性。

[1]楊慕升，熊秋菊.基于數字圖像處理的微內孔質量檢測技術[J].制造技術與機床，2009（1）：112-115.

[2]侯 艷，路邁西，張少波.用不同圖像邊緣檢測算法識別粉煤灰等顆粒物[J].潔凈煤技術，2008，14（6）：77-79.

[3]王小華，錢月晶.一種改進的Canny邊緣檢測算法[J].機電工程，2008，37（12）：60-63.

[4]劉華東，朱目成.數字圖像處理技術在螺紋檢測中的應用[J].現代機械，2007（2）：34-35.

[5]熊光華，袁志誠，夏慶觀.基于IMAQ的小孔徑測量[J].中國制造業信息化，2007（10）：101-103.

[6]何學科，龍賽瓊.基于計算機視覺技術的小尺寸機械零件的尺寸測量系統研究[J].湘潭師范學院學報，2007，29（3）：35-37.

[7]黃志輝，龍賽瓊，張 利，等.基于圖像處理技術的機械零件小孔徑尺寸測量方法 [J].計算機測量與控制，2006，14（5）：592-593，606.

[8]夏慶觀，路 紅，樊 琳.基于IMAQ的孔徑檢測[J].中國制造業信息化，2004，33（12）：116-117，120.

[9]李紹民，陳衛東.圖像處理方法在自動化加工中的應用[J].組合機床與自動化加工技術，2004（9）：91-92.

[10]路 紅，夏慶觀.圖像處理方法在多孔零件尺寸測量中的應用[J].組合機床與自動化加工技術，2004（3）：88-89.