基于圖像處理的工件加工精度檢測系統(tǒng)研究

任金洋

摘要：加工精度關(guān)乎產(chǎn)品質(zhì)量，加工工件精度檢測是保證工件精度的重要工藝流程，要求高精度、高效率、柔性良好。傳統(tǒng)的產(chǎn)品精度檢測是人工檢測及簡單的機械裝置檢測。提出了基于數(shù)字圖像處理的精度檢測系統(tǒng)，采用Matlab與OpenCv3.0相結(jié)合方法，將數(shù)字圖像處理技術(shù)引用到工件加工精度檢測中，采集加工工件圖片，將圖片經(jīng)過一系列預(yù)處理后，提取工件最清晰輪廓，與數(shù)據(jù)庫中標(biāo)準(zhǔn)模板進(jìn)行對比，判斷所加工工件的精度。該系統(tǒng)可有效提高檢測效率和檢測精度，提高生產(chǎn)效率。

關(guān)鍵詞：數(shù)字圖像處理；加工精度；邊緣檢測

中圖分類號：TP319

文獻(xiàn)標(biāo)識碼：A

文章編號： 16727800（2017）004016303

0引言 現(xiàn)代制造業(yè)正朝著自動化、高精度方向發(fā)展，對工件的加工精度要求越來越高[1]。由于工件加工過程中刀具與工件相互作用，刀具不可避免會發(fā)生磨損，從而導(dǎo)致所加工工件出現(xiàn)加工誤差，所以，檢測這一流程成為判斷加工工件精度的重要環(huán)節(jié)。本文提出了基于數(shù)字圖像處理的精度檢測系統(tǒng)，將數(shù)字圖像處理技術(shù)應(yīng)用到工件加工精度檢測，可有效提高檢測效率和檢測精度。1Matlab圖像處理 傳統(tǒng)的圖像處理包括圖像的基本運算、圖像變換、圖像增強、圖像復(fù)原、圖像壓縮編碼、圖像邊緣檢測、圖像分割、圖像重建等[1]。MATLAB圖像處理工具箱提供了一套全方位的參照標(biāo)準(zhǔn)算法和圖像工具，可進(jìn)行圖像處理、分析、可視化和算法研究開發(fā)，可對有噪聲圖像或退化圖像進(jìn)行去噪和還原，獲得更高的圖像清晰度，根據(jù)特征、形狀和紋理對兩個圖像進(jìn)行匹配[2]。2系統(tǒng)架構(gòu) 本系統(tǒng)將MATLAB與OpenCv3.0結(jié)合，對通過CCD相機獲得的圖像進(jìn)行處理，并將處理好的圖片與數(shù)據(jù)庫中的模板圖片進(jìn)行對比、做差并判斷，繼而得出檢測結(jié)果，程序模塊組成如圖1所示。

本文采用的實驗操作平臺如圖2所示。將工件標(biāo)準(zhǔn)圖紙作為模板通過掃描儀掃描，所得圖片以BMP格式保存。通過CCD攝像機采集待加工工件圖像，將采集的圖像進(jìn)行預(yù)處理，并將預(yù)處理后的圖像提取清晰輪廓與特征。最后，將處理后的工件圖像與模板圖像進(jìn)行對比、做差，根據(jù)兩幅圖像的差值大小判斷工件的加工精度[3]。

3工件預(yù)處理 為去除外界因素對圖片質(zhì)量的影響，要對待檢測圖像進(jìn)行預(yù)處理，得到質(zhì)量較高的圖像及準(zhǔn)確清晰的邊緣 [4]。 利用OpenCv中的imread函數(shù)讀取待處理工件圖片，在讀取圖片的同時，用函數(shù)CV_LOAD_IMAGE_GRAYSCALE對CCD相機獲取的待處理工件圖片作灰度化處理。圖片在內(nèi)存中的存在方式以像素形式存在，經(jīng)過灰度化后，圖片的像素值只有0（黑）或1（白）[5]。對不同灰度值的像素個數(shù)進(jìn)行統(tǒng)計來獲得直方圖。一副圖像的灰度統(tǒng)計直方圖是一個1-D的離散函數(shù)：fk為圖像f（x，y）的第k級灰度值，nk是圖像f（x，y）中具有灰度值fk的像素個數(shù)，n是圖像像素總和[6]。3.1工件圖像降噪噪聲是最常見的圖像退化因素之一。圖像往往存在噪聲，因此需要進(jìn)行濾波來抑制或消除噪聲。濾波有很多形式，如空域平滑濾波、頻域低通濾波和小波低通濾波等，本文根據(jù)需要選擇頻域低通濾波[7]。頻域低通濾波就是在頻域?qū)D像進(jìn)行低通濾波，然后進(jìn)行反變換，得到處理后的圖像，對圖像進(jìn)行傅立葉變換和余弦變換，得到頻譜分布[8]。

3.2工件邊緣檢測具有不同灰度的兩個區(qū)域之間存在灰度不連續(xù)，灰度不連續(xù)對應(yīng)于圖像的邊緣，因此，邊緣是指圖像上灰度不連續(xù)的點形成的軌跡。在圖像邊緣處，灰度一階導(dǎo)數(shù)取極值，灰度二階導(dǎo)數(shù)取零值。利用一階導(dǎo)數(shù)極值與二階導(dǎo)數(shù)零值可以實現(xiàn)對邊緣的跟蹤[9]。（1）利用OpenCv對待處理的圖片進(jìn)行去噪、膨脹、細(xì)化等預(yù)處理，得到質(zhì)量較高的圖像，然后采用Canny邊緣檢測算子對圖像進(jìn)行邊緣檢測。Canny的高斯算子g（x，y，σ）可表示為：

（2）MATLAB利用edge函數(shù)識別圖像邊緣，尋找圖像上灰度快速變化的位置。取灰度圖像或二值圖像作為輸入，返回的是相同尺寸的二值圖像。在返回圖像中對應(yīng)圖像邊緣的灰度值為1，其余為0。圖像處理常用邊緣檢測算法有：Sobel算法、Prewitt算法、Roberts算法、Laplacian of Gaussian算法、Zero-Cross算法、Canny算法，本文采用Canny算法進(jìn)行邊緣提取[10]：①BW=edge（I，'canny'），指定采用Canny方法，缺省采用Sobel方法；②指定采用Canny方法的閾值thresh。其中thresh是兩個元素的矢量，第一元素表示低閾值；第二元素表示高閾值。如果不指定thresh或thresh取空，那么edge函數(shù)自動選擇高、低閾值；③采用Canny方法，指定Gaussian濾波器的標(biāo)準(zhǔn)偏差sigma（缺省時sigma=KF（2KF）），濾波器尺寸根據(jù)sigma自動選擇[11]。4工件檢測 圖3為待檢測工件，檢測曲線輪廓AB，檢測時取A點為起始點，同時將A點作為CCD的目標(biāo)區(qū)域中心點。4.1檢測方法與步驟 對不同工件進(jìn)行檢測前都要將所加工工件的工程圖紙作為模板輸入到系統(tǒng)模板庫中，作為待檢測工件的標(biāo)準(zhǔn)模板。系統(tǒng)檢測過程中利用CCD攝相機來獲得CCD圖像， ROI（Region of Interesting）為圖像處理感興趣區(qū)域，其中心與軸線重合， ROI的位置和大小在檢測過程中保持不變。例如，為了檢測圖4中工件A（工件形狀如圖3）的加工精度，系統(tǒng)先要對待檢測工件進(jìn)行定位，然后將相機采集到的CCD圖像以BMP格式自動保存在計算機中，此圖像即是待處理工件的圖像。經(jīng)過系統(tǒng)預(yù)處理后，可以得到具有明顯輪廓以及明顯特征的清晰輪廓圖，系統(tǒng)將此圖與模板庫中的該工件模板圖進(jìn)行匹配、對比并作差，即可得到待檢測工件的檢測值，同時得到待檢測工件與模板的差值，即工件檢測的誤差值。當(dāng)所得的差值在允許誤差范圍內(nèi)時，表示該工件加工精度符合加工要求，否則，該工件的加工精度不符合要求。圖5為系統(tǒng)檢測流程。

4.2檢測結(jié)果 檢測結(jié)果可以擬合出一條檢測曲線。將檢測曲線與模版庫中的標(biāo)準(zhǔn)理論曲線進(jìn)行對比、做差，即可得出工件加工過程中任意一點的加工精度，該誤差數(shù)據(jù)可作為判斷工件加工精度的重要數(shù)據(jù)，如圖6所示。

應(yīng)用系統(tǒng)對工件進(jìn)行檢測實驗，得到檢測數(shù)據(jù)如表1所示，比對每次結(jié)果得出相應(yīng)結(jié)論。 通過表1可以看出，系統(tǒng)檢測結(jié)果符合精度檢測要求。由于實驗條件所限，實驗中用普通相機來代替工業(yè)用CCD相機，所以造成誤差相對較大。對表1數(shù)據(jù)進(jìn)行分析可知，系統(tǒng)對工件進(jìn)行加工精度檢測時可以得到相對準(zhǔn)確的檢測結(jié)果，所得檢測結(jié)果誤差都在誤差允許范圍之內(nèi)，應(yīng)用該系統(tǒng)可以對工件加工精度進(jìn)行檢測。如果采用工業(yè)相機，則可獲得較高質(zhì)量的工件圖像，大大減小檢測誤差。

4.3誤差分析與說明 影響檢測精度的因素很多，如震動、噪聲、粉塵等，另外，系統(tǒng)硬件自身也會造成誤差，如CCD攝像機本身的誤差等，本文采用的圖像預(yù)處理及圖像相減算法可以在很大程度上降低誤差。系統(tǒng)主要對待檢測工件圖像進(jìn)行處理，所以檢測過程中獲得較高質(zhì)量的工件圖像是保證系統(tǒng)檢測精度的關(guān)鍵。為此，系統(tǒng)在工業(yè)應(yīng)用中應(yīng)采用像素較高的工業(yè)攝像機，檢測過程中盡量保證環(huán)境一致，這樣有利于獲得較高質(zhì)量圖像，保證較高的檢測精度。5結(jié)語 隨著計算機數(shù)字圖像處理技術(shù)的發(fā)展，機械視覺理論不斷完善，視覺理論逐漸應(yīng)用于各個領(lǐng)域。本文采用MATLAB和OpenCv相結(jié)合的數(shù)字圖像處理技術(shù)，通過對加工工件圖片進(jìn)行檢查，與數(shù)據(jù)庫中標(biāo)準(zhǔn)模板比對、做差，以此判斷工件的加工精度。應(yīng)用表明，該系統(tǒng)可以應(yīng)用于精度要求較高的工件檢測工作。

參考文獻(xiàn)：

[1]陳炳權(quán)，劉宏立，孟凡斌.數(shù)字圖像處理技術(shù)的現(xiàn)狀及其發(fā)展方向[J].吉首大學(xué)學(xué)報：自然科學(xué)版，2009，30（1）：1617.

[2]景曉軍.圖像處理技術(shù)及其應(yīng)用[M].北京： 國防工業(yè)出版社，2005.

[3]范壯.機械零件尺寸視覺檢測系統(tǒng)的研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2006.

[4]寇星源.基于圖像處理的智能機床刀具檢測技術(shù)研究[D].北京：北京郵電大學(xué)，2013.

[5]廖維.基于機器視覺的工件加工尺寸在線測量方法與系統(tǒng)研究[D].武漢：武漢理工大學(xué)，2012.

[6]章毓晉.圖像處理和分析技術(shù)[M].北京：高等教育出版社，2014.

[7]MERTES J G，MARRANGHELLO N，PEREIRA A S.Real-time module for digital image processing developed on a FPGA[J].IFAC Proceedings Volumes，2013，46（28）：405410.

[8]WANG X Y，WU J.A Featurebased robust digital image watermarking against desynchronization attacks[J].國際自動化與計算雜志，2007，4（4）：428432.

[9]江燕，王敬東.圖像處理在平面零件分揀控制中的應(yīng)用[J].電氣傳動，2015，45（2）：7680.

[10]KRUPINSKI E A，WILLIAMS M B，ANDRIOLE K，et al.Digital radiography image quality：image processing and display[J].Journal of the American College of Radiology Jacr，2007，4（6）：389400.

[11]FU Y，LIU Y.Development of a robust image processing technique for bubbly flow measurement in a narrow rectangular channel[J].International Journal of Multiphase Flow，2016（84）：217228.

（責(zé)任編輯：杜能鋼）