基于圖像檢測技術測量外螺紋參數方法研究

于 楊

（杭州電子科技大學，浙江 杭州310018）

0 引言

螺栓是工業行業中必不可少的將機械設備緊密連接起來的標準件。由于使用量和生產量巨大，傳統的人工檢測螺紋零件參數方法耗時、耗力，很難做到全部檢測?；谟嬎銠C視覺的圖像檢測技術實現是檢測領域近年來發展起來的新技術，具有速度快、精度高、非接觸、抗干擾能力強等諸多優點。結合螺紋自身特點，采用圖像檢測技術和計算機控制技術對螺紋零件表面圖像進行自動采集和數字圖像處理，通過測量螺紋參數來判斷目標零件是否符合生產需要，這種檢測不僅可以實現在線檢測，還可以提高精度，是未來螺紋檢測的發展方向。目前圖像檢測技術已經廣泛應用到各個領域，但國內的研究現狀相比較國外的技術還不是很成熟。本文的目的是提出一種利用圖像檢測技術測量外螺紋幾何參數的方法，實現非接觸型檢測外螺紋，并達到精度上的提高。

1 系統構成

1.1 圖像檢測系統的組成

檢測系統中硬件結構包括CCD工業相機、環形LED光源、載物臺以及計算機。鏡頭和光源的選擇非常重要，采集到清晰的螺紋圖像對后期的圖像處理會有很大的幫助。為了可以在較短的時間內拍攝幾十甚至幾百幅圖片，本課題選擇了COSM面陣相機和環形光源。

為了能夠采集到外螺紋零件更多角度的照片，在機械結構上設計了一種攝像機固定，外螺紋放在轉盤中心繞軸向運動，以運動一周過程中攝像機隨機拍攝零件4次的方式獲取外螺紋圖像的采集圖像方案，這種采集圖像方案能夠在一定程度上減小誤差，提高精度。如圖1所示為實驗總體方案俯視圖。

圖1 總體方案俯視圖

1.2 檢測系統流程

通過相機采集螺紋圖像，經計算機進行圖像預處理，邊緣檢測提并取螺紋輪廓，然后進行螺紋參數檢測和缺陷識別，通過檢測得到的螺紋參數與標準螺紋參數分析對比，做出判斷的過程就是缺陷識別。系統流程如圖2所示[1]。

圖2 缺陷識別系統流程

2 螺紋圖像預處理

2.1 螺紋圖像灰度變換

由于采集圖像部分曝光不足而采用點運算灰度變換，目的是增強圖像灰度對比度，改善圖像顯示效果，使圖像更加清晰，特征顯示更明顯。算子T以每一個單個像素為作用域，圖像的輸出只與位置和輸入有關，實現像素點到點的式的運算為“點運算”，“點運算”表達式為：

s=T（r） （1）

式中r和s分別為輸入、輸出像素的灰度級；T為灰度級變換函數的映射關系。灰度變換前后如圖3、圖4可知。

圖3 原始圖像

圖4 灰度圖

2.2 圖像噪聲平滑處理

對螺紋圖像進行平滑處理的目的主要是去除圖像噪聲。中值濾波是一種能有效抑制噪聲的非線性信號處理技術，把數字圖像或者數字序列中的一點的值用該店的一個鄰域中各點值的中值代替，讓周圍的像素值接近真實值，從而消除孤立的噪聲點。對于一副圖像，對目標像素點領域內像素點的灰度值進行排序，將得到的中間值作為目標像素點處理后的灰度值。中值濾波用公式表示如下：

其中，Xn是原始圖像二維序列，Yn是處理后圖像二維序列。圖5為螺紋添加噪聲后圖像、圖6為濾波后圖像。

圖5 添加噪聲后圖像

圖6 濾波后圖像

2.3 閾值分割

閾值T可根據灰度圖像直方圖進行選取，經過濾波后得到螺紋零件圖像灰度直方圖。通過觀察螺紋圖像灰度直方圖可將直方圖中波谷處的灰度值作為閾值進行灰度值分割，灰度直方圖中出現了兩個波峰，一個波峰對應零件區域，另一個對應背景區域。兩個區域邊界附近像素點少從而產生了波谷?；叶戎捣指罘ǖ奶幚砗瘮等缦拢?/p>

其中，f（x，y）是原始圖像中的像素值，g（x，y）是處理后的黑白圖像的像素值。閾值分割法是一種非線性的運算，如果圖像的像素值大于所設置的額閾值，則將這個像素的灰度值設置為255，反之將其灰度值設置為0[2].灰度直方圖如圖7所示，選取灰度閾值T=160，分割效果如圖8所示。

圖7 灰度直方圖

圖8 二直圖像

3 外螺紋尺寸檢測

3.1 邊緣檢測

通過與其他邊緣檢測算子的對比分析，得出Canny算子是最優化的邊緣檢測算子，該算子采用了高斯函數對圖像進行了平滑處理，具有較強的抑制噪聲能力，定位準確，具有較高的精度，檢測到的螺紋邊緣寬度均勻且完整性較好，符合檢測需要。如圖9所示為Canny邊緣檢測算子的檢測結果。

圖9 Canny算子檢測結果圖

3.2 螺紋參數檢測

建立直角坐標系，設置波峰和波谷的個數，計算x和y的數據個數點，將x和y等分M段，計算每一段的長度。找出每一段y里的最大值和最小值，得到與波峰波谷分別對應的橫坐標x.根據螺紋參數的幾何定義求解各項參數，然后采用最小二乘法擬合螺紋軸心線。

（1）螺紋大徑r1

對所有的波峰進行直線擬合，得到牙頂擬合直線L1，求取M段L1擬合直線點到螺紋軸線的平均距離，該距離r1為螺紋大徑值的一半。

（2）螺紋小徑r2

對所有的波谷進行直線擬合，得到牙底擬合直線L2，求取M段L2擬合直線點到螺紋軸線的平均距離，該距離r2為螺紋小徑值的一半。如圖10所示為波峰、波谷點，圖11所示為大徑、小徑線擬合結果。

圖10 繪制波峰、波谷點

圖11 大徑、小徑線擬合結果

（3）螺紋中經r

螺紋中徑定義螺紋牙型上溝槽和凸起寬度相等的地方為螺紋中徑位置。螺紋中徑的測量是螺紋檢測中較重要的螺紋參數?；诖髲健⑿剿惴ㄕ页雎菁y邊界各個牙頂和牙底坐標，并分別以先后順序排列方式保存。初始化一條直線L與牙側相交，按順序記交點為P1、P2、P3……計算相鄰交點間距離并使得距離相等，即為P1P2=P2P3=P3P4……此直線可代表中徑線，因此該直線到螺紋軸線的距離r為螺紋中徑的一半[3]。中徑線提取結果如圖12所示。

圖12 中徑線提取效果

以大徑為例，記大徑每段擬合直線點到螺紋軸線的距離分別為 D（1）、D（2）、D（3）……求 M 段距離的平均值即為r1.由此可得到螺紋的大徑d1，檢測結果界面如圖13所示。

圖13 螺紋參數檢測結果界面

4 螺紋圖像參數檢測實驗

實驗中被測螺紋型號是公稱直徑為6 mm的普通螺栓，利用千分尺對螺栓大徑進行4次測量取平均值得到的結果為6.075 mm，小徑利用攝像機投影放大螺紋零件和標尺測量得數值分別為4.556 mm.將外螺紋零件放入檢測圖像檢測系統中，在檢測系統硬件結構和機械安裝沒有任何變動的狀態下，被測零件在轉動一周的過程中隨機拍攝4次照片進行圖像測量處理，如圖14為圖像檢測實驗系統整體實物圖。測量數據結果見表1所示。表1展示了螺栓4個面的參數的提取結果。

圖14 硬件系統整體

表1 螺紋參數提取結果

已知像元的邊長、相機的焦距和物距，計算方法如式（6）所示，式中xm為物理單位的測量結果，xc為螺紋參數在相機中成像的結果，xpix為以像素為單位的測量結果。結合已知的相機參數，便可通過式（6）進行單位（如mm）的轉換從而得到物理單位的螺紋參數。表2為螺紋物理參數結果，表3為誤差計算結果。

表2 螺紋物理參數結果

表3 誤差計算結果

從表中的實驗結果可得出，通過對實驗結果的計算分析，被測外螺紋零件大徑的標準差為0.009 3 mm，因此說明機械結構不變，外界環境影響較小的前提下，基于圖像檢測技術測量螺紋的集合參數具有較高的穩定性；小徑的標準差為0.012 9 mm，與大徑相差不多，同樣誤差也比較小。因此說明該圖像檢測系統所應用的檢測算法可以滿足工業生產中的外螺紋參數檢測要求。

5 結論

本文首先對獲取到的螺紋圖像進行預處理，對預處理后的圖像運用數學形態學的方法進行邊緣檢測并提取螺紋輪廓，識別出螺紋參和軸線并計算實驗中螺紋大徑、中徑、小徑值，判斷是否滿足實際需要。在設計好檢測系統的前提下，螺紋檢測識別過程均以每個5 s以內的速度完成，測量精度精確提高，根據誤差值是否在允許范圍內可快速判斷被測螺紋是否合格。這種識別方法速度快、精度高，高效率地實現了非接觸式檢測螺紋缺陷。

[1]姜籍翔.基于機器視覺的外螺紋幾何參數檢測算法研究[D].成都：電子科技大學，2014：37-40.

[2]周金山，婁訓志，王 凡，等.基于機器視覺的螺紋缺陷檢測方法[J].湖北工業大學學報，2010，25（2）：4-6.

[3]段瑞玲，李慶祥，李玉和，圖像邊緣檢測方法研究綜述[J].光學技術，2005，5（3）：415-419.