基于機器視覺的鑄件內螺紋孔金屬碎屑的檢測方法

摘要：隨著現在的智能化程度要求越來越高，對機器視覺的檢測方法也出現了更多的挑戰。在內壁檢測方面受內螺紋的影響，直接采用閾值分析的方法對圖像進行檢測很難得到想要的結果，針對這種情況，本文提出了通過使用極坐標轉換的方法，再對圖像進行分析的一種基于機器視覺的鑄件內螺紋孔金屬碎屑的檢測方法。

關鍵詞：機器視覺;內螺紋孔;碎屑檢測;halcon

中圖分類號：TP391.41;U279?? 文獻標識碼：A?? 文章編號：1672-9129（2020）12-0043-01

在精密機械組裝工業生產線，很多地方都有將螺絲或螺栓安裝到螺紋孔的需求。對于安裝孔的定位可以通過機器視覺很容易定位到安裝孔的中心位置，[1]機械手眼標定，然后通過坐標轉換，進行定位;將螺釘或螺栓旋擰到螺紋孔內完成組裝可以通過機械手配備安裝扭矩扳手，[2]采用整體預緊式并聯六維力傳感器作為其力覺感知機構，構建柔性裝配系統，來實現自動組裝這個過程。但是組裝前大多數仍然需要人工握持照明設備通過人眼檢測螺紋孔是否干凈。人眼看內螺紋孔是否有油污或者金屬碎屑，如果有金屬碎屑，需要人工用刷子清除干凈以后才能組裝，否則會影響組裝后的機械功能。

1 選取鏡頭、光源和相機

本文采用內窺鏡錐形鏡頭，這種鏡頭用于拍攝內壁底部及其垂直內壁，可從外部檢測內部，無需將鏡頭置入孔洞內部，即可拍攝。適合測量物直徑范圍為：5mm-120mm，測量高度為：5mm-123mm。這種鏡頭的好處是可以將采集到的內螺紋孔圖像沿徑向拉伸，一些小的瑕疵也會被拉伸，有利于檢測。在本文中采用200萬像素的分辨率，焦距2.8mm，相面規格1/2.5"的內窺鏡錐形鏡頭。光源采用內徑50mm，外徑120mm，功率8w，的環形可調白光光源。相機采用邁德威視500像素的CS口的黑白工業相機。將光源、相機中心位于螺紋孔中心的正上方的位置進行拍攝。調節好光源的亮度及鏡頭焦距開始拍攝。

2 計算出需要檢測的環形區域并進行檢測

本文采用的開發環境為halcon19.11，步驟如下。

步驟1：定位大圓;

fit_circle_contour_xld（SelectedContours1， 'algebraic'， -1， 0， 0， 3， 2， Row， Column， Radius1，StartPhi1， EndPhi1， PointOrder1）

gen_circle_contour_xld（ContCircle1， Row， Column， Radius1， 0， 6.28318， 'positive'， 1）

gen_circle（Circle1， Row， Column， Radius1）

步驟2：根據檢測直徑，計算出小圓;

gen_circle（Circle2， Row， Column， Radius1-120）

步驟3：大圓減去小圓獲得環形區域，如圖（2）中藍色環形區域;

difference（ImageReduced1， ImageReduced2， RegionDifference）

步驟4：極坐標轉化;

polar_trans_image_ext （ImageReduced2， ImagePolar， Row， Column， 0， rad（360）， Radius1 -120， Radius1， 2592， 120， 'nearest_neighbor'）

步驟5：圖像分析，從方向上檢測變化值較大的區域;

mean_image（ImageROI，ImageMean2，15，15）

dyn_threshold（ImageROI， ImageMean2， RegionDynThresh2， 7， 'light'）

步驟6：通過面積值篩選出金屬碎屑所在區域，本文最佳范圍為150以上;

select_shape（ConnectedRegions2， SelectedRegions2， 'area'， 'and'， 150， 99999）

步驟7：擬合輪廓并進行顯示。

fit_circle_contour_xld （Contours2， 'algebraic'， -1， 0， 0， 3， 2， Row2， Column2，Radius3，StartPhi2， EndPhi2， PointOrder2）

gen_circle_contour_xld （ContEllipse， Row2， Column2，? Radius3， StartPhi2， EndPhi2，'positive'， 1）

檢測完成，本文系統可以檢測出直徑1.2mm左右的金屬碎屑。

3 結語

本檢測方法的關鍵為步驟3，步驟3中采用極坐標轉化的方法將環形區域轉化成矩形，將環形的螺紋線轉化成近似直線，然后就可以進行通用的圖像分析手段。本文中由于受螺紋的影響，不能直接通過檢測的閾值分析，本文采用的方法是檢測矩形橫向上閾值變化差異大的地方，選擇合適的閾值即可將顏色過深或過亮的位置篩選出來。

參考文獻：

[1]劉家豐. 基于機器視覺的機器人本體裝配研究與應用[D].

[2]吳遙. 基于六維力傳感器的柔順裝配理論與實驗研究[D]. 燕山大學.

[3]陳陽光， 王磊. 基于HALCON的機器人視覺標定[J]. 光學儀器， 2016， 38（4）：320-324.

[4]王亞鵬. 機器視覺系統中鏡頭的選用技巧[J]. 自動化博覽， 2006， 23（1）：29-31.

作者簡介：孫紅芳（1988.2—），女，漢族，河北唐山人，本科，助理工程師，研究方向：機器視覺。