車削工件表面粗糙度在機視覺測量裝置的設計

王 翠，王中任，張振華，魏文靜，翟張唯

（湖北文理學院 機械與汽車工程學院，湖北 襄陽 441053）

評價工件表面品質之一的指標，是粗糙度。表面品質的好壞，將直接影響其使用壽命和使用性能。因此，準確地測量工件表面粗糙度，就顯得尤為重要。目前，表面粗糙度的測量，主要通過觸針式輪廓儀和干涉顯微法實現[1,2]。前者雖然能夠實現精確測量，但由于儀器精密、笨重，并不適合現場測量和快速檢測[3]，而后者易受人為因素影響，也并不理想[4]。

本文將介紹一種車削工件表面粗糙度在機視覺測量裝置，可以在一定程度上彌補這些缺陷，為表面粗糙度測量提供有效的手段。

1 粗糙度在機測量裝置

1.1 總體設計

初始設計的在機視覺測量裝置，是由CCD 攝像機、背光照明系統、MZDMO745 邁特顯微鏡頭、IEEE1394 圖像采集卡、計算機及相應的軟件組成，如圖1 所示。

圖1 車削工件在機視覺測量示意圖

整個裝置的主體，是一根有足夠強度的支架，起著固定攝像機和背光板的作用；攝像頭和顯微鏡頭作為一個整體，固定在支架的上端，作為圖像的拍攝部分；背光板這一提供光源的部分，則固定在支架的下端；通過USB 與攝像頭相連的計算機部分，則是圖像拍攝和處理部分，這4個部分，可以簡單概括粗糙度的測量裝置。

需要強調的是保證攝像頭、背光板和工件邊緣，處于同一豎直線上，是實驗的關鍵（如圖2 所示）。

圖2 背光照明系統示意圖

最后將原始圖像經Matlab 軟件處理、分析和計算，就可以得出粗糙度結果。

1.2 視覺系統安裝調節機構

粗糙度的在機視覺測量，需要方便拍攝清晰、精度高的圖像，這就對測量裝置有較高的要求。本實驗選取MZDMO745 邁特顯微鏡頭，凈質量是普通鏡頭的數倍，考慮到要承受住鏡頭自身的重力，排除了使用萬向節，而是采用圖3 所示的夾持機構。

圖3 攝像夾持機構

首先，用一個移動副將一橫杠固定在裝置的支架上，使得支架和橫杠相互垂直，用螺絲釘鎖緊，移動副實現了上下移動和水平面的旋轉；然后將相機夾固定在橫杠上，相機U 形夾頭則實現了左右移動和豎直面的旋轉；最后將相機固定相機U 形夾頭上，相應的調整各機構，使得鏡頭豎直向下。采用這個夾持裝置，可以實現多角度、多方位拍攝，還有足夠的承受能力。

2 測量裝置應用與照明改進

由CW6163B 普通車床裝夾45 號鋼棒料，刀具為YT15 硬質合金焊接式車刀，主軸旋轉，刀具在不同的進給量和切削速度下，進行定量切削工件。用白光背光板作為光源，并將亮度調節到較高，從背面對工件進行照明，保證工件邊緣、相機鏡頭和背光板在同一豎直線的情況下，調節攝像機的高度至拍攝到最清晰的圖像為止，如圖4 所示。

圖4 在機實驗場景

圖像采集裝置由CCD 攝像機、顯微鏡頭、背光光源、采集卡、計算機組成。其中，照明技術最主要的目的，是使測量物體和環境明顯區分，獲得清晰的輪廓，并有強烈的對比度。照明技術直接影響到圖片的品質，進而影響到系統性能，可以說正確的照明，是機器視覺系統最關鍵的一個方面。

采集到工件表面輪廓圖像，如圖5（b）所示。可以看出，白色背景光下拍攝的原始圖像測量物體與環境區分較為明顯，但被測物體表面白色光斑比較多，輪廓較為清晰，但對比度一般。

圖5 白色背景光照射的輪廓與二值化圖像

對原始圖像進行二值化處理[5,6]，即用閾值將灰度圖像的物工件輪廓區域同圖像其他區域分離出來，可以得到圖5(c)的結果。

二值化處理圖像的邊緣，近乎一條直線，波動不明顯，沒有凸顯紋理和形狀。

由于光照技術對于圖像品質有重要的影響[7]。因此我們進行了一系列的光照改進實驗，包括：紅色背景光，30°紅色角度光和60°紅色角度光，分別給車削工件提供照明，可以發現在這幾種不同的情況下，它們得到的圖像信息，也是明顯不同的，這樣也就造成在邊緣提取時得到紋理和形狀的明顯差異。

試驗結果表明，采用60°度紅光照明下的原始圖像中物體與環境區分度、輪廓清晰度及對比度最為明顯，其二值化圖像的邊緣波動也最為清晰，如圖6 所示。

圖6 60°度紅光照射

進一步提取表面輪廓邊緣和峰谷點，即可根據粗糙度公式計算出粗糙度Ra 值。

3 結束語

本文設計的粗糙度在機視覺測量裝置，可以和機床有機結合，方便調節。光照技術對于圖像品質有重要的影響，采60°度紅光照明下的原始圖像中物體與環境區分度、輪廓清晰度及對比度最為明顯。

但研究中也發現，視覺裝置的隔振，是一個有待解決的難題。如能進一步完善實驗裝置，將其成果應用在數控機床上，實現加工過程中邊加工邊測量，將會提升數控機床加工中品質檢測實時性的自動化程度。

[1]毛起廣.表面粗糙度的評定和測量[M].北京：機械工業出版社，1991.

[2]瞿緒圣.表面粗糙度測量[M].北京：中國計量出版社，1989.

[3]陳向偉，張志魁，劉兆會.基于計算機視覺表面粗糙度的自動測量方法[J].機床與液壓，2010，38(10)：70-72.

[4] Toh S L，Shang H M，Tay C J . Surface-roughness Study Using Laser Speckle Method[J].Opt Lasers Eng，1998，（29）：217-225.

[5] H H Shahabi，M M Ratnam. Noncontact Roughness Measurement of Turned Parts Using Machine Vision[J]. Int J Adv Manuf Technol，2010，（46）:275–284.

[6]章毓晉.圖象分割[M].北京：科學出版社，2001.

[7] Zhongren Wang，Yanhua Wu. On-machine Illumination Technique in Industry Machine Vision[J]. Advanced Materials Research Vols.2011，（201-203）：1582-1585.