基于机器视觉的高精度零件尺寸检测系统研究及实现

发布时间：2020-03-23 01:01

【摘要】：随着“中国制造2025”的提出,国内机械制造业蓬勃发展,制造技术日新月异,对检测技术的要求逐步提高。传统的人工手动接触式零件尺寸检测方式速度较慢且精度低、柔性差,无法满足目前的检测需求。同时目前能够实现精密检测的仪器价格非常昂贵且抗干扰能力差,无法适应工厂环境配合自动生产线实现在线检测的要求。而基于机器视觉的检测技术具有快速、精确、柔性强、成本低等特点。因此,本文依托机器视觉技术,设计了一套零件尺寸检测系统以提高检测精度和速度。本文选取Opencv图像处理库结合C#开发工具设计零件尺寸检测系统,对图像处理过程中的关键技术和系统的标定问题进行了深入研究,实现了对零件尺寸边缘的亚像素定位检测。首先,本文以具有代表性的回转体零件作为研究对象,根据工件表面的反光特点及尺寸参数,通过实验,对比分析常用的三种照明方式,分别选取其中最能突显工件直径及高度特征的照明方式。采取三种滤波方式,分别对采集的图像进行去噪处理后,分析不同滤波方式下同一行像素的灰度变化,选择最合理的一种滤波方法降低对边缘模糊度的影响。其次,根据系统检测精度和速度的要求,本文提出了一种融合形态学改进的Canny算子边缘检测方法,在不损失检测精度的前提下大幅度提高检测速度,达到了边缘单像素级定位精度。另外,本文提出了一种改进的Zernike亚像素边缘算子,该算子能够自动获取阶跃灰度最优值,使系统具有了鲁棒性。最后,本文详细地阐述了本系统的尺寸测量原理,为了避免出现“边缘轮廓点野值”影响检测精度的问题,将Hough与最小二乘拟合相结合,来提高直线拟合的检测精度。利用该零件尺寸检测系统,进行单一工件重复测量和多类型工件多次测量实验,记录尺寸数据和检测时间。实验结果表明,本检测系统能够满足本文设计指标。另外,针对实验结果进行误差分析,并对误差来源提出了改进方案。基于以上分析,该零件检测系统满足目前的检测需求,且具备普遍适用性。
【图文】：

零件图,环形光,暗视场

从图 2-2 b) 暗视场低角度照明方式可以看出零件图像边缘处对比度比图2-2 a)，图像细节更加全面，易于系统后面零件边缘轮廓提取。a) 明视场高角度照明 b) 暗视场低角度照明图 2-2 环形光照射Fig.2-2 Ring light irradiation根据高度检测需求，通过对工件进行前向照明和背光照明方式（相机、镜头均相同）进行对比分析如图 2-3 对比，观察发现背光照明时，零件边缘轮廓

背照明

a）明视场照明 b）背向照明图 2-3 背照明对比Fig.2-3 Comparison of Backlighting图像预处理图像预处理是后续零件边缘提取、零件尺寸测量的基础。常用的图像预处法有图像滤波、图像增强、形态学图像处理等方法，但是在尺寸测量的系一般只采用图像滤波进行图像去噪，其中形态学中的开闭运算、图像增强原始图像中边缘位置改变影响尺寸系统检测精度，因此不建议使用。图像就是滤除采集的原始图像中的噪声，，特别是在零件图像边缘附近的噪声。图像中的噪声会对后续的零件边缘提取造成很大的干扰，会出现伪边缘的，影响系统的检测精度[20]。1 图像噪声来源及影响图像噪声就是传感器芯片光电转化和图像传输过程中受到外界环境因素导[21]
【学位授予单位】：哈尔滨理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;TH161.1

【参考文献】