基于图像识别的圆形机械零件尺寸检测系统

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于图像识别的圆形机械零件尺寸检测系统范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

【摘要】提出了一种基于图像识别进行零件尺寸检测的系统,从图像测量系统的构成、测量系统的标定、图像处理、图像边缘提取与具体实现算法进行探讨,给出测量方法。从理论上和实践上证明本方法的可行性和正确性。

【关键词】尺寸测量 图像处理 最小二乘法拟合

【中图分类号】TG81 【文献标识码】A 【文章编号】1009-9646(2008)08-0233-02

在机械制造过程中,圆形工件以及带有圆形特征的工件,例如:圆柱、圆孔、圆球等,是机械加工零件具有的基本特征之一。因此,圆形特征的检测也就成为工业产品检测中的一项重要任务。

在目前生产实践中,根据普通的工件精度要求,圆形特征的直径测量一般使用直尺、游标卡尺和千分尺等测量工具。这些测量手段的检测精度和效率比较低,而且其准确率往往与操作者的经验和工作态度有关。这样的检测方法是不适合一些现代化生产制造场合的高效的在线100%检测要求的。对于精密零件的检测,目前虽可以使用三坐标测量机和激光测量仪来测量,但这些测量仪器成本高、效率也较低。

鉴于现在机器视觉在产品测量中应用的现状,本文针对机器视觉在机械加工零件尺寸检测中的应用进行研究。课题的目标是利用机器视觉在工业检测中的优势对工业产品中基本的圆形特征进行检测,研究开发一种基于机器视觉的柔性好、效率高的圆形工件及工件上的圆形特征的检测系统。这个系统可以自动识别工件中的圆形特征并测量出圆的参数。

1 测量系统的构成

计算机图像测量系统由三部分组成:图像的获取、图像的处理和分析、输出或显示。图像获取设备包括光源、镜头、摄像机、图像采集卡等；图像处理设备包括相应的软件和硬件系统；输出设备可以是数据显示,也可以是与制造过程相连的有关系统,包括过程控制器和报警装置等,可以由计算机完成数据分析和产品控制,若发现不合格品,则报警,并将其排除出生产线。

本文光源选用了红色LED光源。CCD选用面阵795*596的彩色面阵CCD相机。镜头选用的是M1214一MP型镜头。图像采集卡选用的型号为DH-CG300。

图像处理软件选用MATLAB,程序步骤为计算机获取的彩色图像灰度图像中值滤波canny算子边缘提取边缘跟踪最小二乘法拟合圆得到所测圆的半径像素值。

2 测量系统的标定

由于造成系统测量误差的因素十分复杂,很难通过计算求出具体误差的大小,本文选择比对法对视觉系统进行标定,首先通过精密仪器测得标准量块的外径,然后以这个工件作为标准的参照物,计算像素的实际物理尺寸。这样做的好处在于,标准元件与被测元件的测量环境和条件相同,测量标准元件时产生的误差同样也会在测量被测元件时产生,因此可以抵消掉来自系统的误差,提高测量的精度。注意:标定前应调整光源、量块及摄像机的位置,保证三者的同轴度要求,从而使所测投影圆直径值与量块外径值吻合。

3 图像处理

3.1 中值滤波

图像的获取过程中,成像系统的限制或者外界环境的干扰会降低所采集到的图像的质量,这种对质量的影响主要包括噪声和畸变。均值滤波的主要问题是有可能模糊图像中尖锐不连续的部分。如果既要消除噪声又要保持图像的细节,可以使用非线性滤波器。中值滤波是简单实用的非线性滤波器,其基本思想是用像素点邻域灰度值来代替该像素点灰度值[1]。

设G(x,y)表示原始图像在(x,y)处的灰度值,选用N×N正方形窗口(N一般取3或5),F(x,y)表示滤波后的图像在(x,y)处的灰度值,Med{ }表示对窗口求中值,则中值滤波的输出可以表达为:

F(i,j)=Med{G(x+n,y+m)

(1-N)/2≤n,m≤(N-1)/2}, (1)

3.2 边缘提取

图像边缘提取的算法很多,常用的有边缘算子检测法、边缘跟踪法和数学形态法等。本文采用的是canny算子和边缘跟踪法进行边缘提取。

canny算子是一种比较新的边缘检测算子,具有很好的边缘检测性能,得到了越来越广泛的应用。canny算子边缘检测的方法是寻找图像梯度的局部最大值。梯度是用高斯滤波器的导数计算的canny方法使用两个阈值来分别检测强边缘和弱边缘,而且仅当强边缘和弱边缘相连时,弱边缘才会包含在输出中。因此,此方法不容易受噪声的干扰,能够在噪声和边缘检测之间取得较好的平衡,能够检测到真正的弱边缘。

MATLAB工具箱里提供了bwtracebou ndary函数,可以利用它查找二值图像中的对象边界。Bwtraceboundary函数图像中对象边界上所有像素的行坐标和列坐标,必须指定对象上一个边界像素的位置作为跟踪的起点。对于这个函数,非0像素属于对象,值为0的像素组成背景。原图如图1所示,边缘提取后的图像如图2所示。

4 零件尺寸测量

为了达到高精度的亚像素检测,本文采用最小二乘法原理。最小二乘法是通用几何元素拟合计算的主要方法,其实质就是解超定的线性方程组[4]。用最小二乘法来拟合圆,在计算机效率和拟合精度上都较好。假设空间中某一圆的圆心坐标为(xc,yc),圆的半径为r,则其方程可以表示为:

(x-xc)2+(y-yc)2=r2(2)

对(2)整理可得:x2+y2+ax+by+c=0

式中:a=-2xc,b=-2yc,c=xc2+yc2-r2 (3)

用(3)对图像中的点集{(xi,yi)|i=1…n}进行拟合。

取残差为:

(4)

残差的平方和为:

(5)

根据最小二乘法的要求,必须满足Q(a,b,r)取最小值,也就是满足: (6)

对方程组(6)进行整理,化简,得到圆形的参数:圆心坐标为(xc,yc),圆的半径为r。

其中: (7)

最小二乘法拟合后结果如图3所示,图上显示的是外圆半径的像素值。

5 结语

提出了一种基于图像识别的圆检测方法,本算法能够可靠地检测出一般图像中的圆形标志物,具有独特的抑制噪声以及非圆上边缘点干扰的优势,实验具有可重复性、占用内存少和检测速度快的优点。实验结果表明,图像测量系统运行正常,本文提出的图像处理算法有效,测量结果满足直径检测的要求。

参考文献

[1] Hughlett R E,Coop K A.A Video based alignment system for X-ray lithography[C].In:Electro-beam,X-ray and Icon-beam sub micrometer lithographies for Manufacturing,SPIE,1991,1465:100-110.

[2] 孙中升.万能工具显微镜智能化改造[J].计量技术,2003,(8):66-68.

注：“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。”

本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文