基于機器視覺的銑刀幾何參數測量

汪 迪，葉 峰，王世勇，董志鵬

（華南理工大學 機汽學院，廣東 廣州 510640）

2011年，全球著名PCB市場分析機構prismark公司對未來PCB市場的未來發展做出了重要預測，在經歷了2009年的衰退時，2010年將迎來新一輪的成長期，雖不會出現高速增長態勢，但未來發展的特點仍將是平穩增長，與此同時，對于PCB制作過程中需要的硬質合金刀具的需求量也將越來越大。

國內最大的硬質合金刀具金洲精工，隨著訂單數量的增加，對刀具加工的自動化設備要求越來越高，對刀具加工的效率和質量都提出了更高的要求，結合當今迅速發展的機器視覺技術，PCB加工所用的銑刀刀具自動加工檢測設備的研究有了新的突破。基于機器視覺的影響測量技術由于其具有非接觸、精度高、柔性好、速度快的特點，被廣泛運用于工業控制檢測領域，對于提高裝備制造業水平具有重要意義。基于機器視覺的自動影像測量相比傳統的測量技術，具有以下優點：

1）提高測量精度

隨著工業相機，光學鏡頭，圖像采集設備等在硬件上的提升，使得獲得圖像的信息比傳統方法更多，更精確。

2）提高了圖像的質量

隨著數字圖像處理技術在理論上的不斷完善，可以明顯改善圖像處理的結果，甚至可以檢測到傳統方法無法測量的物理量。

3）減小系統誤差

用數字圖像處理技術可以實現對成像系統的高精度標定和誤差修訂，為高精度測量提供堅實的基礎。

4）自動化程度高

目前該領域的中高端設備基本被國外廠商壟斷，國內的測量儀器基本靠手動完成，最多只是處于半自動化狀態，沒有實現真正意義的自動化，手動測量的效率和可靠性都不高，很難適應制造業大批量產品的測量。

隨著PCB集成度的增長，所用的銑刀刀具直徑不斷減小，機器視覺技術的優勢將得到更大程度上地發揮。影像檢測技術必將受到越來越廣泛地重視。

1 檢測系統的組成與工作原理

1.1 檢測方案設計

圖1是測量系統的結構示意圖，從圖1可見，該測量系統主要由照明系統，光學成像系統，機械運動系統等部分組成。照明系統主要由光源，光源控制器，開關電源構成，光學成像系統由變焦鏡頭，面陣相機（CCD）以及圖像采集卡構成，機械運動系統由工作臺，立柱，Z軸運動部件，底座，支撐座和伺服運動系統等構成。

光學成像系統所采用的主要部件為：相機是高解析逐行掃描，型號是VCC-870，分辨率達到145萬像素，解析度為：1 392（水平）*1 040（垂直）像素。 鏡頭采用 Navitor的 12倍的變焦鏡頭，工作距離是86 mm，視野為13.79~1.14 mm，在低放大倍率下，特征尺寸為9.26 mm，像素尺寸為2.69 μm，景深為2.98 mm；在高放大倍率下，特征尺寸為1.67 mm，像素尺寸為5.83 μm，景深為0.1 mm.圖像的采集基于型號為Foresight I-75，PCI插槽的模擬圖像采集卡，具有四路模擬輸入，帶寬100 MHz.

圖1 測量系統示意圖Fig.1 Sketch of measurement system

1.2 系統工作原理

待檢測的螺旋銑刀，能有效抑制板邊毛刺產生，適用于表面帶銅箔板的加工，待檢測的項目主要包括兩個方面：1）螺旋槽的長度（刃長）變化量；2）魚尾槽的角度變化量；3）切削刃的間距大小。該系統的基本工作原理是：將加工好的銑刀置于物鏡的正下方 ，被加工面朝上，調整好鏡頭的倍率，光圈，工作距離以及光源的強度，正確聚焦后，通過CCD面陣相機獲取到銑刀刃面圖像的模擬信號，圖像采集卡將采集到模擬信號量化成數字信號并傳入計算機，由上位機的軟件對圖像進行處理，根據相應的需求，設計不同的算法，完成對銑刀刃面的表面質量和幾何形狀進行檢測。

2 照明裝置的設計及刃面圖像的獲取

照明對圖像檢測起著至關重要的影響，照明系統選擇合適，將會對圖像處理起到事半功倍的效果，因為高質量的圖像采集，可方便對后續的圖像處理，對圖像檢測十分有利。

3 檢測過程算法分析

1971年R.Kirsch提出了一種邊緣檢測的新方法：它使用了8個模板確定梯度和梯度的方向，是一種最佳匹配的邊緣檢測，用M1~M8分別與圖像的各對應元素相乘，去計算該結果的最大值作為中央像素的強度邊緣。8個卷積核形成了Kirsch算子，圖像的每個像素都用這8個掩模進行卷積，每個掩模都是對某個特定邊緣方向做出最大響應，所有8個方向的最大值作為該點的輸出值，實際使用的8個模板為：

圖2 照明系統下的銑刀徑向與軸向圖Fig.2 Radial and axial image of milling cutter with the illuminating system

圖3 照明原理圖Fig.3 Sketch of illuminating principle

在進行邊緣提取時，將上述模板分別與圖像中的一個3*3區域相乘，選取輸出值為最大的模板，把這個最大值作為該區域中心像素點上的邊緣強度，通過圖像預處理及kirsch邊緣檢測提取的邊緣點是一個像素寬度的邊緣。

由于測量精度要求的不斷提高，像素級精度已經不能滿足實際測量的需要，因此亞像素邊緣檢測的算法被提出，最近幾年有不少學者提出了研究各種亞像素算法，較為典型的有矩方法，插值法和擬合法。Tabatabai等首先提出利用前三階灰度矩對邊緣進行亞像素邊緣定位，隨后基于空間矩，Zernike正交矩的方法也相繼提出。在數字圖像處理技術中，矩是作為數字圖像灰度直方圖的統計特征量出現的。從另一個角度看，也可以把矩理解為原圖像函數在新的坐標空間的展開，即一個分段連續有界函數可以用其矩族唯一表示。

將一維連續函數f（x）的p階空間矩和灰度矩分別定義為

一維邊緣檢測的理想階躍模型可認為是由一系列具有灰度h1和一系列具有灰度h2的像素相接構成。這種模型可以用邊緣位置k，邊緣兩側的灰度值h1和h23個參數來決定，圖4中的離散點為實際邊緣，這線為理想邊緣。

圖4 一維邊緣檢測Fig.4 One dimensional edge detection

設u（x）為理想階躍函數，則一維理想邊緣函數可表示為：

假設灰度值為h1和h2的像素點數在整個邊緣上所占的比例分別為p1和p2，則二者滿足以下關系:

設單調序列 gj（j=1，2，…，n）為實際邊緣點的灰度值，則該序列的前三階灰度矩滿足下式:

式中，n為整個實際邊緣所占的像素總數，因此有p1=k/n。

以上3個方程式中包含了3個未知數p1、h1和 h2，聯立求解式（3）、（4）、（5）可得

其中，

由式（10）可得到邊緣位置為

4 實驗結果與分析

利用本研究所設計的自動光學檢測系統對直徑為3.175 mm的銑刀進行圖像采集，圖像大小為，利用kirsch算子進行圖像邊緣提取，并采用空間矩的亞像素細分法進行邊緣的精確定位，再采用最小二乘法等算法對銑刀刃面尺寸和缺陷進行檢測，檢測指標如圖5所示。在上述相同的實驗條件下，對200件用人工顯微鏡檢測，直徑為3.175 mm的銑刀合格品，采用該自動光學檢測方法檢測，結果為198件合格，2件不合格，對比結果表明，自動光學方法的準確率達到了99%，加工后銑刀切削刃標準間距0.160±0.01 mm，螺旋槽標準長度 12.500±0.01 mm，過切標準角度為 138.1°±0.1°檢出精度均達到了0.01 mm，過切角度達到0.1°對隨機抽取的10支做出數據統計得出表1及圖6.

圖5 檢測指標示意圖Fig.5 Detection indicator diagram

表1 刃面檢測結果Tab.1 Inspection results of blades

圖6 刃面檢測軟件統計Fig.6 Blade surface detection software statistics

5 結束語

本研究所設計的照明裝置能夠得到高質量，形變小的銑刀刃面圖像，所采用的邊緣檢測算法以及亞像素邊緣定位算法，能夠獲得亞像素的邊緣精確定位，提高了檢測精度，降低了生產成本，使銑刀的檢測由人工抽檢變成機器普檢成為可能，具有實際應用的意義。

[1]Hecht O，Dishon G，Automatic optical inspection （AOI）[C]//Proc Electronic Compon Conf， Las Vegas， NV：IEEE，1990：659-661.

[2]Smith S M ，Brady J M.SUSAN—a new approach to low level image processing[J].Int Journal of Computer Vision，1997，23（1）：394-397.

[3]Tae-hyoung P，Hwa-jung K.Path planning of automatic optical inspection machines for PCB assembly systems[C]//IEEE International Symposium on Computational Intelligence in Robotics and Automation.Espoo，Finland：IEEE Computer Society Press，2005：249-254.

[4]中國電子元件行業協會信息中心.2011版中國印制電路板（PCB）市場競爭研究報告[EB/OL].http://www.ic-ceca.org.cn/yjbg/report.asp.

[5]Raymond D W.Finding opens with optics [C]//Proc Test Conference.Washington，DC：IEEE Computer Society Press，1997：277.

[6]Sorting M.Application of statistical filtering for optical detection of tool wear[J].International Journal of Machine Tools and Manufacture，2003，43（5）：493-497.

[7]朱錚濤.基于計算機視覺圖像精密測量的關鍵技術研究[D].廣州：華南理工大學，2004.