基于計算機視覺的鉚釘缺陷檢測

周永洪，韓震宇

（四川大學 制造科學與工程學院，四川 成都 610065）

基于計算機視覺的鉚釘缺陷檢測

周永洪，韓震宇

（四川大學 制造科學與工程學院，四川 成都 610065）

鉚接在各行各業的應用十分廣泛，鉚釘的質量直接影響著鉚接的性能。傳統的人工抽樣檢測越來越不能滿足自動化生產需求。設計了一種基于計算機視覺的鉚釘檢測系統，在機械機構方面能自動送料和控制鉚釘位姿。在計算機視覺方面采用了差影法，并用灰度閾值和長度閾值有效去除了差影偽輪廓和噪聲的檢測的影響。同時，采用最小二乘法進行邊緣擬合，提高了尺寸檢測的精度。整個計算機視覺檢測系統具有一定的應用價值。

計算機視覺；圖像處理；差影法；鉚釘缺陷

鉚接具有可連接不同材料、連接強度高和穩定性好等優點，在各行各業的應用十分廣泛。鉚接的性能直接關系到產品的性能，同時，鉚釘的質量直接影響了鉚接的性能。因此，保證鉚釘的質量十分重要，使用有缺陷的鉚釘鉚接，會影響鉚接性能。傳統的鉚釘檢測是通過人工方式進行的，具有檢測效率低下和檢測的穩定性差等缺點。在大批量的鉚釘生產中，人工檢測的速度遠遠不能滿足需求，只能對鉚釘進行抽樣檢測。但是，在很多場合，抽樣檢測并不能保證鉚釘的質量，因此，實現鉚釘的自動化檢測十分必要。本文設計了一種基于計算機視覺的鉚釘缺陷檢測系統，能夠對鉚釘進行自動化檢測，以滿足企業對鉚釘檢測的需求。

1 系統整體介紹

1.1 鉚釘的檢測項目

圖1 鉚釘尺寸

鉚釘的一些尺寸如圖1所示。鉚釘的缺陷分為表面缺陷和尺寸缺陷。對于表面缺陷，主要對上表面進行檢測；對于尺寸缺陷，需要檢測總長度、桿長度、帽直徑和桿直徑。表面缺陷會使鉚接的強度降低，尺寸過短同樣也會降低鉚接的強度，尺寸過長可能會損傷被連接件。因此，必須要保證鉚釘沒有表面缺陷，尺寸在一定的范圍內才能進行鉚接。

1.2 系統機械結構的組成

該系統機械結構由傳動機構和圖像采集機構2大部分組成。傳動機構主要負責對鉚釘進行輸入和定位，讓鉚釘能以固定的位姿進入下一個工位。后面有2個檢測工位，一個工位是表面質量檢測工位，另一個是尺寸檢測工位。系統機械結構的組成如圖2所示。

圖2 機械結構組成

2 圖像處理

2.1 表面質量檢測

對于表面質量檢測，這里采用正面高角度的打光方式，如圖3所示。

圖3 正面高角度打光方式

這種打光方式，正常的表面反射的光能進入相機，缺陷部位反射的光不能進入相機。因此，在獲得的圖像中，正常表面較亮，缺陷部分較暗。缺陷檢測就是找出圖像中與正常圖像不同的地方。該系統采用差影法對表面缺陷進行檢測。首先，要得到標準模版S（i，j）。在實際中，標準的模版圖像難以獲得，不過，可以通過統計的方法來獲得模版圖像。將多幅合格鉚釘圖像的平均值作為標準模版，能減小一些隨機誤差。對于同一批鉚釘，它們的圖像應該大致相同。因此，當被檢測的圖像f（i，j）與模板圖像S（i，j）相減時，相同位置的像素灰度很接近，結果接近于零。只有在缺陷部位，相減后的結果才會較大。圖4所示為標準模版。

由于圖像邊緣和噪聲的存在，在差影后的結果中很可能有一下細長的偽輪廓。這會引起對缺陷的誤判。因此，必須排除差影后得到的偽輪廓的影響，想辦法把偽輪廓和缺陷區分開。一般情況下，差影造成的偽輪廓是細長的，而缺陷在2個方向上都較長。通過這個特征，就能將兩者區分開。

該系統采用的方法是設置一個灰度閾值和一個長度閾值。灰度閾值是為了排除噪聲對差影結果的干擾，允許差影結果在零附近很小范圍內波動；長度閾值是為了排除差影結果中邊緣位置的偽輪廓的影響。長和寬必須同時大于長度閾值，才能將這部分認為是缺陷。在差影后的結果中，存在灰度值大于灰度閾值的區域的，且該區域的長和寬都大于長度閾值，就認為該鉚釘表面有缺陷。差影法的效果如下圖所示。

圖4 標準模版

圖5 被檢測圖像

圖6 差影后的圖像

圖7 鉚釘的背光圖像

圖6為差影后的圖像。從圖6可以看出，缺陷的長和寬都較大，差影后的邊緣很長，但是，寬很短。因此，通過上面的辦法可以很容易地檢測出缺陷。

2.2 尺寸檢測

對于尺寸檢測，首先必須對相機進行標定，求得相機每個像素的像素當量，即一個像素代表的實際物理尺寸。這里采用標定塊標定，得到長為L的標定塊在尺寸檢測工位的圖像，求取圖像中標定塊的像素長度M，則像素當量k＝L/M.

采用背光投影的方式得到的圖像具有高信噪比，而且邊緣銳利。因此，在尺寸檢測工位采用背光投影的方式。鉚釘的背光圖像如圖7所示。

鉚釘的尺寸檢測需要對4個尺寸進行檢測。由于這4個尺寸檢測采用的是相同的方法，這里只對鉚釘總長度的檢測方法進行說明，其他的尺寸檢測類似，將不再贅述。

常用的邊緣檢測方法有Robert算子、Sobel算子、Prewitt算子和Canny算子等。Robert算子邊緣定位精度高，但無法抑制噪聲；Sobel算子和Prewitt算子適用于灰度漸變和噪聲較多的圖像，但檢測出的邊緣容易出現多像素寬度；Canny算子在抗噪聲干擾和精準定位間尋求最佳平衡點。比較上述幾種檢測方法，Canny算子更適合此處邊緣檢測。通過Canny算子分別求取鉚釘上、下表面的邊緣點，然后將下表面的N個邊緣點通過最小二乘法擬合成直線y＝ax+b.其中，

計算上表面所有邊緣點到該直線的像素距離，用像素長度乘以像素當量就得到鉚釘總長度的實際物理長度。將其中的最大值作為鉚釘的總長度。

3 系統運行結果

系統能檢測出鉚釘上表面的缺陷，鉚釘的尺寸檢測誤差不大于0.02 mm。當在表面缺陷檢測工位或者尺寸檢測工位檢測到有缺陷的鉚釘時，最后的剔除裝置會把有缺陷鉚釘剔除。因此，該檢測系統總體上能滿足企業對鉚釘檢測的需求。

4 結束語

該鉚釘檢測系統從機械結構上保證能自動送料，并且能夠對鉚釘的位姿進行控制，確保進入檢測工位時，鉚釘的位姿是一致的。這樣，不僅降低了圖像處理的難度，還提高了檢測的精度。在圖像處理部分，采用了差影法來檢測鉚釘的表面缺陷，并通過設置面積閾值和灰度閾值來排除邊緣和噪聲的干擾。在尺寸檢測時，在ROI中進行圖像處理，提高了處理速度，并通過最小二乘法來擬合鉚釘的邊緣，提高了系統的尺寸檢測精度。相比于傳統的人工檢測，該檢測系統具有一定的應用價值。

［1］易明輝.汽車制造中的鋁合金連接技術研究［J］.機電信息，2015（36）：109-111.

［2］郭全民，胡輝.基于機器視覺的多鉚釘自動檢測算法研究［J］.傳感器與微統，2013（04）：48-50，53.

［3］王耀南，李樹濤，毛建旭.計算機圖像處理與識別技術［M］.北京：高等教育出版社，2001：143-145.

［4］謝佩軍.基于互信息與差影法的塑料齒輪缺陷檢測研究［J］.制造業自動化，2012（23）：40-42，45.

〔編輯：劉曉芳〕

TP391.41

A

10.15913/j.cnki.kjycx.2017.13.104

2095-6835（2017）13-0104-02