外螺紋螺距機器視覺檢測

王曉東， 胡美玲， 郭富杰, 張 煒

(1.長春工業(yè)大學 工程訓練中心， 吉林 長春 130012;2.長春工業(yè)大學 機電工程學院， 吉林 長春 130012)

0 引 言

螺紋是緊固連接且應(yīng)用極為廣泛的一類機械零件。因此，對其高質(zhì)量、高精度生產(chǎn)無論是對企業(yè)核心競爭力還是工程機械安全都尤為重要。傳統(tǒng)的外螺紋檢測技術(shù)主要分為接觸式檢測及非接觸式檢測兩種。接觸式檢測是通過操作人員使用尺規(guī)等工具對外螺紋直接進行檢測的一種方法。但該方法依賴操作人員進行操作，因此其檢測誤差大、檢測精度差、檢測效率低，且無法實現(xiàn)自動化高通量的批量化檢測。由于上述弊端，接觸式檢測法已不能滿足現(xiàn)代工業(yè)生產(chǎn)的需求，因此，實現(xiàn)螺紋在線檢測是工業(yè)生產(chǎn)過程中亟需解決的問題[1]。

機器視覺系統(tǒng)具有實現(xiàn)實時高通量自動化檢測、檢測精度高、與被檢測物體無直接接觸等優(yōu)點。因此，機器視覺系統(tǒng)在檢測領(lǐng)域得到廣泛應(yīng)用。文中應(yīng)用該項技術(shù)于外螺紋這一產(chǎn)品質(zhì)量檢測環(huán)節(jié)，研究和解決螺紋在線檢測，并將其應(yīng)用于工業(yè)自動化流水線，滿足了產(chǎn)品數(shù)字化檢測未來趨勢的技術(shù)要求，具有較為廣泛的應(yīng)用空間和工程價值。

1 視覺檢測系統(tǒng)

1.1 檢測系統(tǒng)組成及流程

機器視覺系統(tǒng)是基于數(shù)字化處理、光學成像、傳感器以及計算機軟件等技術(shù)，簡而言之，是一種實現(xiàn)數(shù)字化模擬人眼視覺功能的自動化系統(tǒng)，計算機將獲取得到的圖像信息進一步處理并提取得到目標參數(shù)，對目標參數(shù)與實際設(shè)定的標準進行比對，最終完成整個檢測過程。

螺紋檢測系統(tǒng)工作期間，由操作人員將螺紋工件放置在傳送帶上進行自動測試。傳輸裝置分為兩個區(qū)域：檢測區(qū)域和分離區(qū)域。螺紋工件進入待檢測區(qū)域，CCD光學相機檢測待測工件并接收發(fā)出的模擬圖像信號[2]。當螺紋圖像信號通過圖像采集卡時，它被轉(zhuǎn)換成數(shù)字模擬信號，通過圖像軟件技術(shù)處理后，處理螺紋工件的圖像數(shù)據(jù)，根據(jù)編譯的程序運行并判斷螺紋是否合格，然后輸出檢測結(jié)果。

1.2 檢測系統(tǒng)工作原理

檢測系統(tǒng)基本原理是圖像信息采集模塊主要由光源設(shè)備、測頭攝像機裝置以及圖像采集卡所構(gòu)成。通過對光源設(shè)備的調(diào)整營造出最優(yōu)的光源環(huán)境，將三個測頭攝像機標定好位置后，對外螺紋進行圖像信息捕捉，將獲取的圖像信息通過圖像采集卡由光學信號轉(zhuǎn)變?yōu)閿?shù)字信號，并將數(shù)字信號傳輸至圖像加工與處理模塊。在圖像加工與處理模塊中，計算機設(shè)備對接收到的螺紋圖像通過處理系統(tǒng)進行灰度變換、降噪以及二值化等計算處理，記錄下所有處理后的數(shù)據(jù)并進行分析判斷。最終經(jīng)由檢測分離模塊由計算機對控制裝置進行指令傳達，實現(xiàn)螺紋達標判斷，從而完成合格品與廢品的分揀。

圖像處理軟件由LabVIEW軟件編程開發(fā)，主要作用是對由光學相機捕捉到的螺紋圖像進行圖像優(yōu)化篩選和螺距計算。圖像處理算法框圖如圖1所示。

2 圖像處理

2.1 二值化

為了獲得高還原度的圖像，將通過光學視覺成像系統(tǒng)捕捉得到的圖像進行處理，從而減少因降質(zhì)所帶來的影響。將圖像進行中值濾波降噪處理后，外螺紋的圖像與背景區(qū)域間的對比度較明顯，此時為外螺紋圖像灰度最理想的狀態(tài)，這是進行圖像處理中最基礎(chǔ)、最重要的一個步驟,即圖像二值化，也即圖像處理中的圖像分割法。

圖1 圖像處理原理框圖

使用數(shù)學形態(tài)學又是圖像去噪處理的一種常用的方法。基本操作為擴張操作、侵蝕操作、開放操作和封閉操作。文中使用開放操作，主要因為其具有邊界平滑、消除小尖峰、斷開窄連接等優(yōu)勢特點，并能保持螺紋圖像的輪廓形狀基本不變[3]。開運算公式為

A?B=U{(B)z|(B)zA}。

(1)

數(shù)學形態(tài)學是利用探針來獲取圖像信息的一種方法，其探針是用于測量的一種結(jié)構(gòu)元素，圓形結(jié)構(gòu)探頭因具有各向同性、形狀保持良好和識別精準等優(yōu)勢，因此選擇了圓形結(jié)構(gòu)探頭。在圖像上，探頭將不斷移動，圖像的各個部分可以相互連接，了解圖像的結(jié)構(gòu)信息。

取反操作的螺紋缺陷圖像如圖2所示。

圖2 取反操作的螺紋缺陷圖像

2.2 中值濾波

由于CCD光學相機對光強度的反映特性曲線并不是完全線性的，因此圖像在采集轉(zhuǎn)移的過程中會受到各種外部噪聲干擾，出現(xiàn)轉(zhuǎn)移誤差。光學噪聲在圖像處理中一般占有較大的比重，大部分的噪聲都是由光學現(xiàn)象產(chǎn)生的，中值濾波是將一組序列中的數(shù)據(jù)按照正序或者倒序一定的順序進行排列的順序形態(tài)濾波[4]，因此,文中選擇中值濾波的方式去除噪聲對圖像清晰度的影響。作為一種簡單且有效的非線性濾波方式，在對外螺紋檢測時，采取這種濾波方式最為合理。設(shè)序列{x1,x2，…，xn-1,xn}，先假定序列長度為m，m為奇數(shù)時，從序列中抽取m個數(shù)，表示為xi-v…xi-1,xi…xi+v，根據(jù)中值濾波的定義可知,i為中心位置，如下式

(2)

CCD光學拍攝的源圖像和算法提取的邊緣輪廓圖像分別如圖3和圖4所示。

圖3 CCD拍攝的源圖像

圖4 算法提取的邊緣

中值濾波能夠衰減隨機噪聲，還能夠有效濾除灰塵微粒和脈沖噪聲，是對外螺紋圖像進行去噪聲銳化的最好方式，且邊界信息不會在去噪的時候而變模糊。

2.3 形態(tài)學處理

數(shù)學形態(tài)學是一門基于格點理論和拓撲學的圖像分析學科。圖像二值化之后，開始對外螺紋的邊緣輪廓信息進行提取，這對之后的應(yīng)用非常重要。其運算規(guī)則如下：在圖像處理運算中，若有兩幅圖像a和b，并利用其中一幅圖像a映射處理圖像b，則記圖像b為圖像a的結(jié)構(gòu)元素。根據(jù)這一規(guī)則，可以把數(shù)學形態(tài)學中的基本運算定義為四種：1)腐蝕；2)膨脹；3)閉運算；4)開運算。

對于圖像邊緣特征的提取一般是通過濾波、增強、檢測來實現(xiàn)的。邊緣檢測的算法主要是基于圖像強度的一階和二階導數(shù)，但是在應(yīng)用過程中，導數(shù)通常會對噪聲很敏感，需要采取相應(yīng)的手段改善或是消除噪聲給邊緣檢測帶來的影響，同時還要將濾波處理后帶來的附加影響考慮其中。綜合考慮，文中選用閉運算作為螺紋圖像處理的運算規(guī)則[5]。閉式操作是一種復(fù)合式操作，其中圖像b優(yōu)先膨脹到圖像a，最后進行腐蝕操作。即

a?b=(a?b)Θb。

(3)

通過對圖像處理結(jié)果的比較，運算結(jié)果填充了圖像中缺失的大部分內(nèi)容，有效地減少了圖像中冗余信息的干擾。圖像經(jīng)過多次放大和關(guān)閉操作后，其邊界將移動到頂部和底部，影響實驗的準確性。文中主要檢測外螺紋的螺距尺寸數(shù)據(jù)，而螺距檢測取決于兩個齒之間的距離，并且圖像的中心軸對測試精度影響很小。含有孔洞的牙頂圖像和圖像處理結(jié)果分別如圖5和圖6所示。

圖5 含有孔洞的牙頂圖像

圖6 圖像處理結(jié)果

2.4 輪廓提取

在圖像處理中，主要識別圖像的輪廓、色彩和紋理等主要特征，而忽略一些次要因素。骨架的數(shù)學形態(tài)學因其表征圖像形狀方面具有簡潔、迅速的作用而在圖像處理學科領(lǐng)域中扮演著關(guān)鍵角色。算法選擇的結(jié)構(gòu)元素既要保留目標的高亮部分，又要保留圖像邊緣的內(nèi)點和交點，同時盡量去除邊緣像素的噪雜問題。邊緣點刪除和內(nèi)部點保留是圖像形態(tài)骨架提取算法到目前為止最為常用的兩種方式。在圖像骨架提取過程中，侵蝕操作、命中操作和細化操作是圖像識別中幾種常用的數(shù)學形態(tài)基本操作[6]。命中和細化操作的定義如下：

a?b=(aΘb1)-(a?b2),

(4)

式中：?----膨脹運算；

Θ----腐蝕運算。

b對a進行薄化運算定義為

a*b=a-(a?b)。

(5)

可見，結(jié)構(gòu)元素的優(yōu)化選取在圖像的形態(tài)學骨架提取算法中對算法的實際效果影響重大。由以上規(guī)則可得，優(yōu)化的形態(tài)學骨架提取算法需要選取兩組結(jié)構(gòu)單元:

D={D1,D2,D3,D4}，

E={E1,E2,E3,E4}。

兩組結(jié)構(gòu)單元如圖7所示。

圖7 兩組結(jié)構(gòu)單元序列

目標圖像上的點用“1”表示，需要保留；用“0”表示背景像素上的點;“*”則表示該點處于目標像素和背景像素的接觸部分。

提取算法流程如圖8所示。

圖8 提取算法流程

在確定了用于骨架提取的結(jié)構(gòu)單元后，細化處理圖像，按照一定的順序掃描像素點。基本方法是分別用8個結(jié)構(gòu)單元與該像素點8領(lǐng)域做擊中運算,并同時編譯處理圖像數(shù)據(jù)。如果被擊中結(jié)構(gòu)單元的像素點被選中，則將像素點標記為“1”(即需要剔除像素點)。在圖像進行一次迭代編譯之后，剔除所有被標記為“1”的元素，細化操作被迭代一次。如此反復(fù)迭代，直到迭代中沒有可以刪除的像素，則視為迭代收斂，完成迭代操作[7]。

齒頂?shù)穆菪€由獲得的骨架信息及中軸線數(shù)據(jù)進行提取，根據(jù)測量數(shù)據(jù)的標定，即可計算出螺紋螺距尺寸，兩幅圖像骨架中軸線間距由測量數(shù)據(jù)標定處理之后即為外螺紋螺距。選取的兩個中軸線測量圖像如圖9所示。

圖9 螺紋螺距測量圖像

2.5 測量數(shù)據(jù)標定及螺距計算

在圖像被數(shù)字化之后，形成M*N矩陣，以矩陣中第0個行為坐標軸建立坐標系,通過分析各個像素的坐標,就可以分析圖像組成。由于在測量中攝像頭的放大倍率以及系統(tǒng)的成像因素影響，所獲得的圖像與實際尺寸會有所差異，特征坐標對應(yīng)于CCD所獲得的圖像由像素塊的某個區(qū)域組成，因此，只要確定了像素與實際尺寸之間的比例因子,就可以利用矩陣中各元素的坐標將比例因子進行放大,從而獲得實際零件尺寸。

在圖像檢測過程中，使用刻度作為校準對象，通過校準方法確定校準系數(shù)，在捕獲的圖像上放置已知尺寸的刻度，再利用光學相機拍攝標尺，然后利用處理后的邊緣像素分析計算比例尺大小。處理后，重復(fù)測量1 mm和0.5 mm兩個刻度之間的像素值，并取平均值。最終確定其比例因子k=1 mm / (22 pixels)約等于0.045 5 mm/pixel。通過這種方式獲得縮放因子，從坐標計算尺寸以獲得外螺紋參數(shù)的實際測量值[8]。兩個齒頂距離在螺紋軸線上的垂直投影即為螺距。則可求出平均螺距為

(6)

在測量螺距大小的過程中,上述方法不僅可以求取單個螺紋的螺距尺寸，也可以根據(jù)實際情況同時測量若干個螺距，采用平均值的方法求取螺距，并利用累計誤差及公差值驗證測量結(jié)果。

3 實驗與分析

實驗中，利用螺紋測試實驗臺測試了一批公稱直徑為12 mm的圓柱外螺紋。作為對比，外螺紋螺距利用接觸式外螺紋測量儀人工進行測量，其測量精度為0.01 mm。取該測量值與理論值進行對比。篩選眾多試驗數(shù)據(jù)，采集并分析了10組測量結(jié)果。為了測量螺距，將提取的峰形圖像的形態(tài)骨架恢復(fù)到原始圖像。由于處理后的圖像已被修正，并且圖像核心部分失真較小，所以圖像測量精度較為準確，因此其目標匹配位置坐標等于原始位置的橫坐標，目標圖像為測量圖像。選擇10個測量圖像,圓柱外螺紋螺距是測量圖像中兩個圖像幀的軸之間的距離,外螺紋螺距測量結(jié)果見表1。

表1 外螺紋螺距測量結(jié)果

表1是螺距測量圖像的10組實驗數(shù)據(jù),并作出測量誤差和相對誤差對比。通過10組數(shù)據(jù)求出螺紋間距的平均值為1.496 mm，通過接觸外螺紋測量儀器測量螺距的機械測量值被認為是理論值，并且測量結(jié)果的標準偏差是0.011 mm。10組測量結(jié)果的相對誤差均保持在0.05%以內(nèi)。根據(jù)視覺檢測系統(tǒng)的測量精度，可以滿足外螺紋工業(yè)自動化檢測要求。

4 結(jié) 語

提出了一種螺紋螺距的自動化檢測方法，利用機器視覺技術(shù)對螺紋外觀缺陷進行識別與分析，其測量精度可達到0.02 mm以下，為進一步提高檢測精度,可選取最優(yōu)算法對其進行優(yōu)化。最后同標準參數(shù)進行比對,實現(xiàn)對外螺紋質(zhì)量合格與否的判斷，以此實現(xiàn)實時高效且可以成批量進行檢測的工業(yè)自動化檢測要求，可應(yīng)用于多規(guī)格螺紋產(chǎn)品檢驗。螺紋的在線檢測應(yīng)用于工業(yè)自動化流水線中，實現(xiàn)了產(chǎn)品全數(shù)字化檢測的未來趨勢和檢測精度要求。