基于CCD的精加工零件缺陷在線監(jiān)控系統(tǒng)設計

楊彩霞，肖瑤

（湖南機電職業(yè)技術學院，湖南長沙，410082）

0 引言

機械精加工零件表面質(zhì)量直接影響其最終產(chǎn)品的性能與質(zhì)量，在加工過程中，由于加工過程和工藝等原因，導致零件表面出現(xiàn)裂紋等不同類型的缺陷，不僅影響產(chǎn)品外觀，還降低了后期加工產(chǎn)品的質(zhì)量和性能。當前，產(chǎn)品缺陷檢測的方式主要有：傳統(tǒng)人工檢測、渦流檢測、CCD檢測等。傳統(tǒng)的人工檢測技術存在檢測效率低、人工成本大、自動化程度低等缺點，渦流檢測方法要在產(chǎn)品表面產(chǎn)生渦流，需要較大的勵磁電流，容易造成資源浪費，而且對于劃痕等缺陷檢測精度低。當前，機器視覺作為一項結(jié)合計算和圖像處理的技術，廣泛應用于各種生產(chǎn)線檢測領域[1,2]。CCD(charge coupled device)是由貝爾實驗室于1970年首先提出的，近年來已成為現(xiàn)代光電子學和現(xiàn)代測試技術中最活躍、最富有成果的新興機器視覺傳感器，其核心作用是可以實現(xiàn)機器代替人眼來完成觀測與判斷。CCD器件具有體積小、重量輕、耐振動沖擊、受環(huán)境電磁場影響小、工作距離大、測量精度高、成本低等優(yōu)點，被廣泛應用于各種工業(yè)現(xiàn)場的測量和控制中。

本研究利用CCD傳感器對零件精加工表面進行實時檢測，能夠有效地提高產(chǎn)品加工質(zhì)量，帶來更多的經(jīng)濟效益和社會效益。適用于不同零件精加工在線質(zhì)量檢測技術不僅可以有效地促進視覺表面檢測技術的發(fā)展，對提高自動化生產(chǎn)線的智能化水平也具有深遠的意義。

1 CCD檢測單元設計

原有設備平面精加工零件生產(chǎn)線CCD檢測單元的主要功能是為下一步機械手實現(xiàn)定位控制，工件由傳送帶輸送，經(jīng)過第一個檢測工位時，CCD相機進行拍照定位作業(yè)，并將數(shù)據(jù)發(fā)送給第一個SCARA機械手，完成后續(xù)作業(yè)動作，在本環(huán)節(jié)設計新增缺陷檢測功能，新增加工件經(jīng)過第二個檢測工位時，CCD相機由無桿缸驅(qū)動從工位一移至工位二，進行外形、圖案及定位檢測，并將數(shù)據(jù)發(fā)送給第二個SCARA機械手，完成后續(xù)作業(yè)動作。

檢測單元采用康耐視IS1403視覺檢測系統(tǒng)，配專用檢測光源，具有檢測速度快，精度高等特點。其主要部件結(jié)構示意圖如下圖1所示。

圖1 CCD視覺檢測臺示意圖

2 CCD圖像處理設計

2.1 CCD圖像初始化處理

將CCD獲得的原始圖像做預處理，將彩色圖像轉(zhuǎn)化成為灰度圖像的過程稱為圖像的灰度化處理。灰度處理是將彩色圖象每個像素的顏色取RGB三個彩色圖像中每個像素的顏色由R、G、B三個分量，而每個分量有256種值可取，每個像素點可以有1600多萬(256，256，256)顏色的變化范圍[3]。灰度圖像的描述與彩色圖像一樣反映了整幅圖像的整體和局部的色度和亮度等級的分布和特征，對圖像進行灰度處理可以減少圖像的計算時間。

灰度化處理的方法為：Gray=0.3R+0.59G+0.11B

轉(zhuǎn)換為1500×1600像素的8位灰度圖像，該圖像包括很多干擾信息，如圖2所示，圖中有很多水平的豎線，同時圖像兩邊由于受到光照條件的影響而產(chǎn)生的照度減弱的現(xiàn)象，這些都不是我們要提取的目標特征，因此，在特征向量計算之前，有必要消除這些干擾信息。采用中值濾波方法和平滑處理方法對圖像進行處理，濾掉必要的干擾信息。

圖2 預處理圖像

噪聲對圖像信號幅度和相位的影響十分復雜。有些噪聲和圖像信號互相獨立不相關，有些是相關。噪聲本身之間也可能相關要減少圖像中的噪聲，必須針對具體情況采用不同的方法。圖像平滑(Smoothing)是一種實用的數(shù)字圖像處理技術，主要的目的是減少噪聲。一個較好的平滑方法應該既可以消掉噪聲影響又不使圖像的邊緣輪廓和線條變模糊。圖像平滑處理方法有空域法和頻域法兩大類。在空間域里一類方法是噪聲去除，即先判定某點是否為噪聲點，若是，重新賦值。

2.2 特征提取

DFT是一種特殊形式的傅里葉分析方法，它通常用于處理離散輸入信號。通過DFT，輸入塊像素矢量轉(zhuǎn)變成頻譜，所以之前的位置問題就會得到解決。通過這種變換，大部分的信號信息都傾向于轉(zhuǎn)化成集中在幾個低頻分量的DCT。這種特征適合于數(shù)據(jù)壓縮，但是不適用于特征提取，因為高頻信號會埋沒，因此可以采用Log頻譜方案。試驗結(jié)果表明，該方法缺陷提取率高，能達到85%以上。

3 結(jié)束語

本研究從提高零件精加工質(zhì)量檢測環(huán)節(jié)的自動化程度需求出發(fā)，針對目前機器視覺檢測技術在零件精加工行業(yè)檢測應用不廣泛，仍依賴人目檢測，在線檢測大都停留在單一產(chǎn)品檢測，視覺檢測領域局限性大和效率低等問題，提出合理的零件精加工系統(tǒng)質(zhì)量檢測方案，提高了設備的自動化水平。

[1]倪鶴鵬,劉亞男,張承瑞,等.基于機器視覺的Delta機器人分揀系統(tǒng)算法[J].機器人,2016,38（1）：49-55.

[2]王曉東,宋洪俠,劉強,羅怡.基于機器視覺的微小型零件測量與裝配控制[J].哈爾濱工程大學學報,2011，09：1117－1122.

[3]張圓福,沈洪艷.機器視覺技術在工業(yè)檢測中的應用綜述[J].電子技術與軟件工程，2013，22：111.