基于單幅圖像的端銑表面粗糙度三維檢測

機械零件在機械加工過程中，由于工件的塑性變形等原因會在加工工件表面上產生一系列微小間距的峰谷所形成的微觀幾何形狀誤差，該誤差被稱為工件的表面粗糙度。表面粗糙度是評定零件表面質量的重要指標，它直接影響到零件的使用性能、配合性質、耐磨性、工作精度、抗腐蝕性、安全性和壽命，尤其對于具有特殊功能的零件更是如此。因此，快速準確、無損地檢測零件工作表面的粗糙度對于零件的正常使用性能和系統的安全性具有重要意義。

隨著現代工業的不間斷發展和先進科學技術的日新月異，傳統的表面粗糙度檢測方法及其精度已經不能夠滿足當下的生產需求[1]，研究人員希望對其相關研究有著新的更加嚴苛的技術要求和更加完善的技術標準。

本文基于機器視覺理論，采用從明暗恢復形狀方法，以 MATLAB 軟件為平臺搭建了表面粗糙度檢測系統，提取表面粗糙度特征參數，實現了對端銑工件表面粗糙度的非接觸式無損檢測。本文研究的主要內容為：

（1） 采集粗糙度圖像樣本：通過對圖像數據庫中大量的工件表面顯微圖像進行對比分析發現，在相同的光照條件以及放大倍數下，一種加工方法的同一粗糙度等級工件顯微圖像的總體特征，如紋理的統計特征、灰度變化等呈現一定的一致性，并且具有周期性，這些總體特征隨著粗糙度值的接近而趨向一致。因此，可提取這些與工件表面粗糙度呈現某種映射關系的圖像特征參數來建立圖像與表面粗糙度值之間的關系模型，進而實現工件表面粗糙度的測量。本文的圖像采集系統選擇日本基恩士（KEYENCE）公司研發生產的VHX-1000型超景深三維顯微鏡，使用高清晰度RZ鏡頭，在相同光照、相同放大倍數下，對表面粗糙度等級為Ra=0.8?m、l.6?m、3.2?m、6.3?m四個粗糙度等級的端銑表面粗糙度標準樣塊進行圖像采集，在不同位置進行多次采集。

（2）工件表面原始圖像預處理：通過圖像采集系統得到的原始圖像為1600×1200×3 數組的 RGB 圖像，由于其存在光照不均、對比度不明顯以及噪聲等缺陷，為了得到高質量的實驗圖像樣本，需要對原始圖像進行預處理以達到實驗對樣本圖像的要求。圖像預處理主要用于消除圖像幾何畸變、圖像噪聲以及光照不均勻等對所采集圖像的影響，改善圖像質量，進而獲取準確的表面紋理信息以便于對表面紋理的分析處理。由于圖像采集系統得到的工件原始表面粗糙度顯微圖像為彩色圖像，所包含的信息量較大、運算過于復雜、耗時較長，而灰度圖像足以表征本文所需圖像的整體和局部的色度、亮度的分布和特征、加工紋理情況等的所有細節信息。因此需要將RGB 圖像進行灰度化。使用matlab軟件對圖像進行灰度化處理，降噪處理采用非線性濾波中的中值濾波方法。

（3） 改進三維重建算法：提出了一種新的從明暗恢復形狀改進算法，該三維重建算法的改進基于Sobel梯度算子，利用Sobel梯度算子進行差分來代替朗伯體光照模型中的微分。計算出了圖像表面的灰度梯度，進而得到了表面法矢向量的傾角θ與偏角φ，并且得到了表面的法矢向量。利用數值積分與三次樣條插值提高了計算表面高度的計算精度。經過改良后的三維重建算法，更加適應金屬表面微觀形貌的三維重建，得到了較為理想的三維重建圖像。通過利用輪廓儀測得的二維輪廓曲線與重建圖像橫截面的二維輪廓曲線進行對比，二者走勢基本一致，達到了預期的重建效果，驗證了運用改良三維重建算法對微觀金屬表面圖像進行三維重建算法的可行性。

（4） 利用基于改良的三維重建算法對端銑表面進行微觀形貌的三維重建。通過sobel算子對物體表面上各點的法矢向量進行計算，利用數值積分求解表面各點的三維高度，通過三次樣條插值的引入來提高計算精度。提取重建表面中垂直紋理方向的二維輪廓曲線，與經輪廓儀測得的輪廓曲線進行對比，驗證了運用改良三維重建算法對微觀金屬表面圖像進行三維重建算法的可行性。

（5） 建立表面粗糙度檢測系統。根據三維重建后的圖像信息，提取其表面粗糙度的二維和三維特征參數，分析表面粗糙度參數與不同粗糙度等級之間的關系，來豐富對表面粗糙度的表征。利用MATLAB軟件開發一個簡單的表面粗糙度檢測系統GUI用戶界面，基于GUI中輸出控件開發的，主要是通過GUIDE向導來實現系統的設計。主要分為三個部分：一是在GUI窗口上添加控件；二是設置GUI控件的屬性；三是GUI編程（其主要內容包括創建M文件、編寫回調函數、在回調函數間共享數據）。

創建的控件，要編寫相應的回調函數才能實現計算或操作。要使回調函數工作必須在初始框架中添加代碼，通過將數據保存到MATLAB的handles結構中，可以實現回調間的共享。

所設計的表面粗糙度檢測系統能夠實現圖像讀取、圖像預處理、運用SFS方法重建表面三維微觀形貌、提取重建圖像表面二維輪廓曲線和表面粗糙度特征參數的計算等功能，能夠實現對工件表面粗糙度的快速準確、無損檢測。

本文以端銑工件為研究對象，對表面粗糙度非接觸式精密測量的實現方法進行了研究。通過圖像采集系統獲取工件表面顯微圖像，運用機器視覺檢測技術，對數字圖像進行處理。通過從明暗恢復形狀方法對工件表面圖像的微觀形貌進行三維重建，并從所重建的三維圖像中提取有用的三維粗糙度信息。提取工件表面粗糙度三維特征參數，分析該三維特征參數與不同等級粗糙度的對應關系，通過運用明暗恢復形狀方法對圖像表面進行三維重建，打破了二維檢測所受到的局限性，最大程度上完整的描述了表面粗糙度信息，完成表面粗糙度的定量檢測與檢測結果的可靠性分析。

參考文獻

[1]王政平， 張錫芳， 張艷娥. 表面粗糙度光學測量方法研究進展[J].

作者簡介

于靜（1986-），女，漢族，遼寧省北票市人，沈陽建筑大學，研究生；研究方向：機械工程。