微小顆粒對刀具測量精度的影響及誤差消除研究*

李曉男 曾志強 王日俊 黨長營 段能全 段宇秀

(中北大學機械工程學院，山西 太原 030051)

隨著我國提出中國制造2025制造強國的目標，制造業正在快速的發展，同時對于制造業的高精度、高效率測量也越來越受到重視[1]。基于機器視覺技術的刀具在線高精度測量技術是保證高精度制造加工的重要手段之一。然而，刀具的測量工作環境較惡劣，測量精度易受到工作環境中微小顆粒等因素的影響，這對高精度加工制造就會因測量精度不足導致加工產品不合格，進而造成較大的經濟損失。因此，研究對微小顆粒的消除對高精度測量具有重要的工程意義和實用價值。

H. H. Shahabi等對采集到的刀尖圖像進行中值濾波以及形態學開運算處理，達到減少光線強度變化和降低粉塵微小顆粒對刀尖測量精度影響的目的[2]。此算法能消除一定的粉塵微小顆粒的干擾，但是對圖像進行形態學開運算會改變刀具邊緣的實際輪廓，使測量精度提高有限[3-4]。周洋利用霍夫變換和差分逼近幾何法將刀具輪廓分為直線和圓弧，并進行了兩種方法的比較分析——把刀具輪廓假設為直線-直線連接或直線-圓弧連接兩種情況[5]，證明了前者抗噪更強，計算量更小。但是此方法假設過于理想化，不適合粉塵微小顆粒這種形狀不規則性和提取的邊緣多樣性的特點。對于沒有采用微小顆粒消除技術的刀具檢測儀，一般測量者采取先擦試刀具后再測量，但是此方式也無法保證空氣中的粉塵再次附著，而且對刀具進行反復擦試會使測量效率大大降低。

針對上述問題，本文主要運用機器視覺圖像處理軟件Halcon并結合.NET，采用圖像處理技術，對圖像進行邊緣檢測[6]，粉塵微小顆粒消除[7]、邊緣擬合[8]等方法達到微小顆粒的最終消除。

1 微小顆粒對刀具測量精度的影響

由于加工車間的環境較為惡劣，空氣中常常會充滿粉塵，而且在刀具加工過程中產生的切屑也極易附著于刀具表面，這些微小顆粒會對測量過程中刀具的邊緣提取與邊緣擬合產生一定的干擾。

對于只附著在刀具表面的切屑的邊緣提取以及擬合，由于其灰度值和刀具的灰度值相近，對于小的離群點可以直接使用最小二乘法擬合原理進行擬合，對于遇到較大的離群點或者擬合點的樣本數量不足這些情況時，在使用最小二乘法擬合原理的同時加入權重函數再進行擬合[9]。

對于附著在刀具表面的粉塵、切屑等微小顆粒而言，粉塵的灰度值較高且灰度分布不均勻、范圍廣，如圖1所示，邊緣提取時會得到多段邊緣信息，如圖2b所示，若是直接使用附著切屑的刀具的邊緣擬合方法，會擬合出多條線段，如圖2c所示，無法有效獲得所需的刀具單向邊緣信息，難以保證測量參數的精確性，甚至導致測量失敗。一般測量者先擦試刀具后再測量，但是也無法保證空氣中的粉塵再次附著，而且對刀具進行反復擦試會使測量效率大大降低。其中圖2是含有粉塵顆粒對刀具擬合的影響：(1)含有粉塵微顆粒的刀具圖，如圖2a所示；(2)提取出的亞像素邊緣，如圖2b所示；(3)擬合效果，如圖2c所示，其結果沒有擬合出刀具單向邊緣，進而影響后續的測量精度。

2 消除微小顆粒的方法研究

為了達到消除微小顆粒的目的，本文采取圖像處理技術對微小顆粒進行消除。首先對刀具圖像進行邊緣檢測，分析微小顆粒邊緣特點，并引入相關概念，再根據消除微小顆粒的原理對其進行消除。此以處理附著微小顆粒的平底銑刀圖像為例。

2.1 邊緣檢測

Canny算子是具有濾波、增強和檢測的多級優化算子[10]，在圖像處理前，Canny算子首先使用高斯平滑濾波器來平滑圖像以消除噪聲，Canny分割算法使用有限的點并采用一階偏導的方法進行梯度幅值和方向的計算。在處理過程中，Canny算子還將經過一個非極大值抑制的過程，最后，Canny算法通過設定兩個閾值來檢測邊緣，使其連續性更好。

取高斯函數為：

(1)

其中：(x,y)表示圖像坐標；σ表示標準差。

在某一方向n上，G(x,y)的一階方向導數為：

(2)

將輸入圖像f(x,y)與G(x,y)n進行卷積，改變n的方向，使f(x,y)*G(x,y)n取最大值的方向就是梯度方向，其正交于邊緣走向。

此時，梯度的模為：

M=|f(x,y)*G(x,y)n|

(3)

梯度的方向為：

(4)

基于Canny算子對邊緣檢測的優點，本方案選擇Canny算子對刀具區域進行亞像素級邊緣提取。

2.2 微小顆粒邊緣的特點

基于對切屑等金屬微顆粒的可以直接使用最小二乘法并加入權重函數的方法進行邊緣擬合[9]，故可以不進行消除。本文主要對粉塵微小顆粒的邊緣進行消除，通過對刀具圖像邊緣提取，提取的粉塵邊緣或者刀具邊緣的斷線此統稱為分枝，其類型大概可以分為以下3種情況如圖3所示：

(1)交叉邊緣，此刀具的邊緣與粉塵的邊緣出現交叉現象，如圖3a所示。

(2)噪聲點，由于噪聲在前期沒有完全消除，而導致邊緣提取后的圖像出現點狀的噪聲點，如圖3b所示。

(3)斷線，由于光源角度等原因使粉塵中間段的灰度高于兩端而造成提取邊緣時出現斷裂，如圖3c所示，或者亞像素邊緣提取灰度閾值選取造成的刀具邊緣有斷裂，如圖3d所示。

2.3 消除分枝原理

通過分析刀具亞像素邊緣圖像可知，基本上所有的交叉邊緣在交叉點處和刀具邊緣的主干都會成一個比較大的夾角，粉塵微小顆粒的斷線和噪聲點都偏離刀具邊緣主干，而且邊緣提取后由噪聲產生的邊緣也非常短。

基于此種情況，提出一種基于曲線追蹤技術的消除分枝的算法，其基本思想是：利用閾值選擇和刀具邊緣和微小顆粒邊緣方向不同原則，對微小顆粒進行消除。首先通過設定閾值找出刀具邊緣的主干，然后在所有的交叉點和斷點處，消除與刀具邊緣法向方向不一致的分枝，這樣最后得到的就是具有單一連通性的曲線，那些與刀具邊緣方向不一致和小于閾值的分枝都會被消除。

2.4 消除分枝過程

以處理平底銑刀的其中一條邊緣為例，消除分枝的具體步驟如下：

Setp1：首先設定一個長度閾值。

Setp2：找到圖像中所有的分枝，如圖4a所示，并計算交叉點、端點和孤立點的個數，如果沒有交叉點和獨立點且端點數不大于兩個，則不進行消除分枝操作，退出。

Setp3：如果交叉點只有一個，計算各個分枝長度，選取較長的一根作為主干，然后計算主干和各個分枝在交叉點處的法線方向，保留與主干夾角最小的分枝。

Setp4：如果交叉點多于一個，計算各個分枝的長度，先將長度小于閾值的分枝消除。

Setp5：再次計算交叉點的個數，判斷有無交叉點，如果沒有，執行下步操作；如果有一個，則重復步驟(3)操作；如果還有多個，則重新設定閾值，重復步驟(4)操作，直至沒有交叉點為止，此時剩余的部分應該就是主干和斷線、孤立點，如圖4b所示。

Setp6：計算此時圖中的端點數，如果端點個數不多于兩個，進行下步操作，如果多于兩個，則證明有斷線存在，然后計算與該端點相連的斷線在該點處的法線方向，與主干過此點的法線方向進行比較，保留與其方向最為接近的分枝。

Setp7：清除孤立點。

Setp8：輸出結果，即輸出的就是消除粉塵微小顆粒后的刀具邊緣，如圖4c所示。

3 實驗研究

3.1 實驗平臺搭建

為了驗證此算法能較好的消除微小顆粒，運用此算法并以刀具測量系統(以下簡稱“檢測儀”)中的刀具直徑測量為例進行驗證。實驗平臺的搭建如圖5所示。實驗平臺主要包括銑床、被測刀具和檢測儀，其檢測儀主要包括照明系統、CMOS工業相機、鏡頭、驅動部分、顯示器以及微型計算機等。照明系統實現對被測刀具的穩定、均勻照明；COMS工業相機精確采集刀具圖像；鏡頭的主要作用是將目標成像在圖像傳感器的光敏面上；驅動部分主要驅動照明系統亮度的調節；顯示器主要是圖像和結果的顯示；微型計算機主要做圖像的數字化處理。針對該系統要求選取如下硬件：相機選用MV-EM 1200C型相機，其1 200萬的像素在視場為5 mm×5 mm時像素精度可達1.5 μm；鏡頭選用清晰度高、倍率可變、光學無畸變、高對比度的BT-2216型雙遠心鏡頭；光源采用OPT-RI9060-W型矩形光。

3.2 圖像處理消除微小顆粒及實驗數據分析

其中利用檢測儀拍攝并選取含粉塵微小顆粒較多且顆粒較明顯的平底銑刀圖像為例，利用Halcon軟件結合.NET和對其進行相關圖像處理，獲得消除微小顆粒的圖像。圖6a為刀具原圖，b為二值化后的旋轉刀具后的包絡圖像，c為利用Canny算子提取的刀具以及粉塵微小顆粒的亞像素邊緣圖像，d為消除粉塵微小顆粒分枝后的效果圖像,e為直線擬合后的刀具邊緣圖像，f顯示了消除粉塵微小顆粒后的結果在刀具包絡圖像中的位置。從這些圖中可以看出此消除粉塵微小顆粒的算法，能較好地消除粉塵微小顆粒，獲得刀具的單一連通邊緣。

對于刀具幾何參數測量的高精度要求，利用本算法對獲取的刀具邊緣進行擬合后進行一維距離直徑測量[11]。采用上述圖像處理方法，選取四幅含有較多且明顯的粉塵微小顆粒的平底銑刀圖像進行實驗，其直徑分別為10 mm、16 mm、20 mm、32 mm，首先使用刀具視覺檢測儀測量(刀具擦除粉塵等微顆粒干凈后進行測量)的刀具直徑分別為10.027 5 mm、16.024 7 mm、20.026 2 mm、32.025 6 mm。為了減小誤差，本實驗對以上四種刀具分別進行5次測量，并且刀具直徑測量分兩種情況，一種是消除粉塵前的刀具直徑測量數據對比結果如表1；一種是消除粉塵后的刀具直徑測量數據對比結果如表2所示。

經過兩組數據進行比較，消除粉塵微小顆粒前的刀具直徑測量結果的平均誤差最大達到了0.101 4 mm，誤差較大；而運用本算法消除粉塵微小顆粒后的刀具直徑測量結果，其最大的平均絕對誤差為0.019 1 mm，測量精度達到±0.02 mm，且單次測量平均運行時間為100.76 ms，運行效率比較高，可以較好滿足測量要求，對于圓鼻刀、球刀等圓弧部分的微顆粒消除，此消除粉塵微小顆粒對刀具參數測量精度影響的方法同樣適用。

4 結語

本文從理論上分析了微小顆粒對刀具測量精度的影響，并在刀具邊緣擬合的過程中通過消除分枝算法對微小顆粒進行消除。在高精度刀具測量系統上對手動擦除粉塵微小顆粒的檢測儀測量所得數據和使用本算法消除粉塵微小顆粒前后測量所得數據進行了數據對比。實驗結果表明，測量精度達到±0.02 mm，單次測量程序的平均運行時間為100.76 ms，該方法能快速有效地消除粉塵微小顆粒對刀具測量的影響，提高了刀具測量的精度。

表1 刀具直徑測量結果 (消除粉塵微小顆粒前) mm

表2 刀具直徑測量結果(消除粉塵微小顆粒后) mm

[1]張茉楠. 中國制造2025實現變道超車[J]. 全球化,2015(6):78-90+132.

[2]Shahabi H H, Ratnam M M.On-line monitoring of tool wear in turning operation in the presence of tool misalignment[J].International Journal of Advanced Manufacturing Technology, 2008,38(7- 8): 718-727.

[3]沈陽,宓超,鳳宇飛. 形態學開運算在車型圖像去噪中的應用[J]. 中國科技信息,2015,(18):52-53.

[4]拉斐爾 C. 岡薩雷斯, 理查德 E. 伍茲. 數字圖像處理[M].3版.北京：電子工業出版社，2011.

[5]周洋.圖像式刀調儀視覺檢測技術研究[D].無錫：江南大學，2011.

[6]Moustafa Akram A, Alqadi Ziad A. A practical approach of selecting the edge detector parameters to achieve a good edge map of the gray image[J]. Journal of Computer Science,2009,5(5)：355-362.

[7]秦一博. 基于數字圖像處理的粘連顆粒分析方法研究[D].淄博：山東理工大學,2013.

[8]倪金輝,肖軍,文立偉.一種基于直線擬合的預浸料邊緣直線在線視覺檢測方法[J].計算機科學,2015(S1):16-19，23.

[9]Wu Jinbo,Yin Zhouping, Xiong Youlun.The fast multilevel fuzzy edge detection of blurry images[J]. IEEE Signal Processing Letter，2007，14(5)：344-347.

[10]李俊山,馬穎,趙方舟，等. 改進的Canny圖像邊緣檢測算法[J]. 光子學報,2011,40(S1):50-54.

[11]田軍委,林家寶,鮮超. 圖像處理技術在車銑刀參數測量中的研究與應用[J]. 計算機與數字工程,2015,43(3):484-488.