同步器齒環的機器視覺檢測方法研究

李家榮，余 睿

(武漢理工大學，湖北武漢430070)

?

同步器齒環的機器視覺檢測方法研究

李家榮，余 睿

(武漢理工大學，湖北武漢430070)

介紹了一種同步器齒環尺寸檢測平臺，利用機器視覺技術與圖像處理技術，能夠實現不同型號齒環的齒圈高、全高和錐度角尺寸的測量。然后經過與設定尺寸參數的比較，達到判斷齒環是否合格的目的。此方法在檢測過程中能夠減輕人力勞動，方便快捷，具有實時動態性、識別精度高、可靠性強等優點，能夠為企業創造較大的價值。

同步器齒環 機器視覺 圖像處理

0 引言

隨著科學技術的發展與進步，制造行業也得以迅猛發展，這就要求我們提高產品檢測的效率[1]。傳統的檢測是采用人工檢測，需要耗費大量人力，不僅效率低，且在檢測過程中會摻雜一些人為因素，導致測量結果不精確[2]。

機器視覺檢測技術和以往的檢測技術不同，它是用機器代替人工檢測，避免了人工檢測過程中會出現的一些問題，檢測效率和精度較高[3]。本文針對以往零件檢測方法存在的不足，以機器視覺技術為基礎，設計了同步器齒環機器視覺檢測系統。

1 視覺檢測系統的原理架構

本文主要基于機器視覺檢測技術，對汽車同步器齒環的機器視覺檢測方法進行研究，開發出機器視覺檢測系統，研制出一臺自動化的通用檢測設備，用于檢測不同型號齒環的尺寸。依據合理化和最優化的原則進行設計，總體邏輯結構如圖1所示。

圖1 系統的總體邏輯結構

系統采用三菱PLC、旋轉氣缸及平移氣缸、伺服電機及其驅動器、工業相機、工控機、標準定心錐、圓形托盤等進行檢測。

由于齒環的形狀、大小不一，若采用工業相機對齒環的整體進行拍攝，會對相機的尺寸以及分辨率要求較高，大大提高了檢測的成本，故選擇拍攝齒環局部，其檢測方法如圖2-圖4所示。

圖2 齒圈拍照檢測原理圖

2 齒環的機器視覺檢測方法

機器視覺檢測系統使用相機等成像設備，采集被測工件的圖像數據，通過一系列的算法以及控制系統的控制實現對被檢測工件尺寸的測量[4]。

機器視覺系統一般是由以下幾部分組成：相機、光源、鏡頭、圖像采集卡、機器視覺軟件、顯示器、通訊設備、控制系統和執行機構等。齒環機器視覺檢測系統如圖5所示。

1-被測物體；2-相機；3-光源；4-光電傳感器；5-計算機；6-接口；7-圖像；8-視覺軟件；9-檢測結果；10-I/O接口；11-可編程控制器；12-執行機構圖5 機器視覺檢測系統

被測物體放在檢測平面上，通過機械傳動，使物體到達檢測區域，當被測物體到達指定位置時，光電傳感器被觸發，此時觸發信號會傳送到相機，然后相機啟動，對被測物體進行拍攝。在拍攝時為了保證所得的圖片足夠清晰，通常還需要使用光源進行照明。通過相機及鏡頭采集得到被測物體的圖像，然后相機通過計算機的接口(如圖像采集卡)將采集得到的圖像傳輸到計算機，接口設備驅動程序將圖像儲存于計算機內存中。通過機器視覺軟件對圖像進行處理，再將處理后所得的結果在顯示器上顯示出來。在此之后，通過數字I/O接口與可編程控制器(PLC)等控制器進行通訊。而PLC一般是通過通訊接口(如現場總線或串口)來控制執行機構，執行機構再對所檢測的物體進行分揀處理。

為了使測量結果更加準確，我們一般會對圖像進行預處理，消除圖像的部分噪聲。通常圖像預處理方法有灰度變換、二值化處理、濾波去噪等[5]。圖像經過處理后，傳輸到計算機中，再通過特定的算法進行運算，最后計算出齒環的尺寸。

2.1 圖像灰度變換

將每個像素的亮暗程度用灰度值來表示，這種只含有亮暗程度信息的圖像稱為灰度圖像。對于灰度圖像而言，每個像素的灰度值可劃分為0～255共256個等級，0表示全黑，255表示全白[6]。

圖6 灰度變換后圖像

當使用0.30份紅色、0.59份綠色、0.11份藍色混合可以得到白色。所以在進行圖像灰度變換時，可以將每個像素按紅、綠、藍這三色的權重來進行變換，得到每個像素的灰度值，這種方法叫加權平均值法，計算公式為：

Gray=R×0.30+G×0.59+B×0.11

各字母代表的含義如下：

Gray-灰度值，R-紅色所占權重，G-綠色所占權重，B-藍色所占權重。

2.2 二值化處理

在機器視覺測量系統中，為了除去圖像中的干擾信息，清晰地分辨齒環的各個邊緣，故需要將齒環的形狀從圖像中提取出來，這樣能夠提高計算機的運行速度，并且能夠增加測量的準確性。所以可以利用二值化處理來提取同步器齒環的形狀。

經過二值化處理后，圖像的像素值是一個孤立的離散值，一般取0或1，0表示全黑，1表示全白，從而呈現出黑白圖像[7]。由于二值化處理后能夠使齒環輪廓從圖像中分離出來，能夠呈現出清晰的齒環輪廓，使得測量結果更加準確。

通常進行二值化處理可以采用閾值分割的方法。閾值分割就是預先設定一個閾值T，當灰度圖像f(x，y)的灰度值大于T時，二值化圖像g(x，y)取值為1；當灰度圖像f(x，y)的灰度值不超過T時，二值化圖像g(x，y)取值為0，在本次設計中所選擇的閾值為128，如以下公式：

圖7 二值化處理后圖像

齒環灰度圖像經過二值化處理后，所得到的圖像如圖7所示。

2.3 濾波去噪

通過對齒環實時圖像的采集，圖像存在噪聲點，但可以發現齒環的實時圖像上并不存在較多的白點噪聲，為了降低圖像噪聲，采用了空域中值濾波來消除噪聲。去噪前后圖片對比如圖8和圖9所示。

圖8 去噪前的圖像 圖9 去噪后的圖像

2.4 齒環檢測系統的標定

在機器視覺檢測過程中，需要對檢測系統進行標定，標定的目的在于相機存在光學畸變，畸變會給測量結果帶來較大的誤差。而通過標定后，能夠校正光學畸變，可以確定物理尺寸和像素間的換算關系。本次設計運用了比例標定的方法[8]。

由于同步器齒環檢測系統檢測的尺寸為齒環的齒高和全高，檢測的參數為豎直方向的高度，所以在標定時只需要標定在豎直方向上一個像素代表的物理尺寸就能夠達到檢測的目的。在標定時，我們可以通過多次標定，最終求得平均值來確定標定系數，這樣可以達到消除光學畸變和去掉隨機誤差的效果。在本課題中選取的標定參照物是高度為8.5 mm的立方塊，通過記錄5次的標定結果，可以求得標定比例系數的平均值如表1所示。

表1 標定結果

通過5次標定后，得出標定比例系數的平均值，這樣保證了齒環尺寸的測量各個參數與標定得到的參數相一致，提高了測量的準確性。

3 齒環尺寸機器視覺檢測方法

3.1 齒環邊界的確定

圖10 齒環的邊界線

要測量齒環的齒圈高和全高，需要在圖像上找到齒圈和齒環上下表面的邊界，齒環共有三條邊界線，三條邊界線的確定方法是：通過掃描尋找的方式，從圖片的最上方一直向下方掃描，找到第一條黑線，就是齒環最上面的一條邊界線；從圖片的下方向上面掃描，找到第一條白線，就是齒環的最下面的一條邊界線；之后從上邊界線開始向下掃描，找到第一條水平黑線的第一個黑點，且下方有白點的那條線就是齒環齒圈的邊界線，如圖10所示。

3.2 齒環尺寸的計算方法

圖11 齒環計算坐標系

如圖11所示，齒環尺寸計算方法如下：

1)在齒環邊界圖像的下邊界任取一點為原點，建立坐標系。

2)以像素為單位，求出齒環上面兩個邊緣的縱坐標y1，y2。

3)縱坐標y2的值為齒環全高的像素個數；y2-y1的值為齒環齒圈高的像素個數。

4)通過之前確定的標定比例系數k，即可得出齒圈高和全高的數值，分別為L和l，計算公式為：L=y2×k；l=(y2-y1)×k。

5)齒環測量時會旋轉至少一圈進行拍攝，拍攝8張相片，找出8張相片中齒環的全高、齒圈高的最大值與最小值Lmax、Lmin、lmax、lmin，若其中任意一個值在之前預設的齒環尺寸的合格范圍之外，那么該齒環不合格。

4 誤差分析與結論

經過機器視覺分析計算，求得的齒環的全高為10.795 mm，齒環的齒圈高為2.577 mm。在使用游標卡尺對齒環的全高和齒圈高進行測量，測量結果為齒環的全高為10.80 mm，齒圈高為2.58 mm，可見使用本設備測量的尺寸數值基本和人工測量的尺寸值相同，滿足了精度小于0.02 mm的要求，但對比發現，該設備測量的結果和實際結果中存在細小的誤差，原因可能有以下幾點：

1)在系統標定的過程中，標定比例系數值是通過求平均值的方法得出的，在一定程度上能減小誤差，但得出的標定比例系數值也不是特別準確，所以也會引起測量的誤差。

2)在圖像預處理的過程中，通過濾波去噪，可能造成圖像質量受到部分影響，同時在測量過程中，

由于是動態測量，可能會出現抖動的情況，造成采集的圖像不夠清晰，從而導致之后依靠圖像進行計算會產生誤差。

3)本設備使用的是LED光源照明，所以存在外部光源的干擾，會造成齒環邊緣亮度發生變化，導致確定齒環邊緣時不夠準確。

4)圖像測量的精度還受到相機分辨率的限制，相機分辨率的大小也可以引起測量的誤差，相機分辨率越高，所測得的數據越準確。

除此之外，一些人為的因素也有可能導致測量的誤差，通過分析誤差產生的原因，可以進一步完善該設備，進行不斷的改進，達到將誤差降低到最小的目的。

[1] 郭靜,羅華,張濤. 機器視覺與應用[J]. 電子科技,2014,27(7):185-188.

[2] 劉良江. 先進電子制造生產線機器視覺檢測方法與技術研究[D].長沙：湖南大學,2009.

[3] 田原嫄,黃合成,譚慶昌,石志標,張海波,黃勝全. 基于機器視覺的零件尺寸測量[J]. 激光與光電子學進展,2010(1):82-90.

[4] 顏發根,劉建群,陳新,丁少華. 機器視覺及其在制造業中的應用[J]. 機械制造,2004,42(11):28-30.

[5] 郭亞峰. 基于機器視覺的產品表面缺陷在線檢測系統的設計[D].蘇州：蘇州大學,2014.

[6] 李雄,劉允才.視覺機制研究對機器視覺的啟發示例[J]. 中國圖象圖形學報,2013,18(2):152-156.

[7] 楊攀. 基于機器視覺的螺紋零件頭部檢測方法及實驗研究[D].廣州：華南理工大學，2013.

[8] 鄢國林,付軍,楊亞寧. 基于機器視覺的零部件尺寸檢測技術[J]. 科技創新與應用,2013(32):112.

Machine vision detection of synchronizer rings

LI Jiarong, YU Rui

In this paper, we introduced a detection platform of synchronizer rings, which could measure the ring height, the full height and the tapered angle of rings of different sizes with machine vision and image processing technology, and could judge whether the ring was up to standard or not through comparison with set parameters. Such method can meet the production requirements, reduce labour intensity, has the advantages of convenience, real time, accuracy and reliability, and can create great value for the enterprises.

synchronizer rings, machine vision, image processing

TH-39

A

1002-6886(2016)05-0042-04

李家榮(1991-)，男，碩士，主要研究方向為機電一體化。

2016-03-25