圖像識(shí)別在軸承孔徑檢測(cè)中的應(yīng)用*

梁中源 鐘佩思 劉鵬偉 張 超

(山東科技大學(xué)先進(jìn)制造技術(shù)研究中心，山東 青島 266590)

軸承是現(xiàn)代機(jī)械設(shè)備中非常重要的一種零部件，其功能是降低某機(jī)械零件與軸類零件發(fā)生相對(duì)運(yùn)動(dòng)時(shí)的摩擦系數(shù)并在動(dòng)力傳遞過程中固定軸的中心位置[1]。作為各類機(jī)械裝備的重要基礎(chǔ)零部件，軸承的精度、性能、壽命和可靠性對(duì)主機(jī)的精度、性能、壽命和可靠性起著決定性的作用[2]。

在流水或自動(dòng)安裝的生產(chǎn)過程中，經(jīng)常產(chǎn)生不合格零件，往往尺寸的變化會(huì)出現(xiàn)無(wú)法裝配等問題，而軸承的外圈大徑、內(nèi)圈小徑尺寸也是影響軸承精度的一個(gè)重要因素[3-4]。為了減小此類因素的影響，產(chǎn)品尺寸的在線檢測(cè)就便成了流水線上一個(gè)重要的環(huán)節(jié)。但是目前的檢測(cè)方式主要是人工肉眼檢測(cè)和塞規(guī)手動(dòng)檢測(cè)[5-8]，甚至對(duì)每一個(gè)零件都進(jìn)行手工測(cè)量，這種檢測(cè)方法效率低，成本高，不符合現(xiàn)代工業(yè)的特點(diǎn)。為此，本文結(jié)合MATLAB軟件數(shù)字圖像處理，提出了一種基于圖像識(shí)別的檢測(cè)方法。該檢測(cè)方法可以有效地實(shí)現(xiàn)軸承等孔類零件的自動(dòng)化檢測(cè)，提高檢測(cè)效率和精度，并能廣泛應(yīng)用于其他在線檢測(cè)領(lǐng)域。

1 系統(tǒng)工作原理及硬件選型

1.1 系統(tǒng)工作原理

圖像識(shí)別是以圖像為基礎(chǔ)，利用計(jì)算機(jī)對(duì)圖像進(jìn)行處理分析和理解的過程。每個(gè)工件都有其特征，那么該工件的圖像必然會(huì)包含該工件的特征信息。在此基礎(chǔ)上，可以通過采集工件圖像，由計(jì)算機(jī)對(duì)圖像進(jìn)行處理，識(shí)別出圖像特征并輸出工件檢測(cè)參數(shù)來(lái)判定零件的合格性。

構(gòu)成該檢測(cè)功能的部件主要有：工業(yè)相機(jī)、計(jì)算機(jī)、光源(含遮蔽物)和光點(diǎn)開關(guān)等，如圖1所示。

檢測(cè)原理為：當(dāng)被檢測(cè)軸承到達(dá)檢測(cè)位置時(shí)，觸發(fā)光電開關(guān)，控制工業(yè)相機(jī)獲取被檢測(cè)軸承圖像，遮罩及遮罩內(nèi)光源可有效減小外界光的干擾[9]。圖像被傳輸給計(jì)算機(jī)后，由計(jì)算機(jī)進(jìn)行圖像預(yù)處理、特征提取、特征識(shí)別，完成對(duì)工件參數(shù)的檢測(cè)輸出。通過與設(shè)計(jì)值比較，如果在公差允許范圍內(nèi)，那么判定為合格產(chǎn)品，否則判定為不合格，當(dāng)不合格工件經(jīng)過篩檢裝置時(shí)，將會(huì)被剔除出生產(chǎn)線。

1.2 系統(tǒng)硬件選型

相機(jī)選型：待檢測(cè)軸承工件為618/5-Z型深溝球軸承，其尺寸規(guī)格為5 mm×11 mm×3 mm(內(nèi)圈內(nèi)徑d×外圈外徑D×內(nèi)圈寬度B)，公差等級(jí)為P0級(jí)。考慮視野余量，待檢測(cè)的零件視野尺寸為15 mm×15 mm，要求精度達(dá)到0.01 mm，那么對(duì)于相機(jī)而言，像素要求應(yīng)為(15 mm/0.01 mm)×(15 mm/0.01 mm)，即1 500× 1 500的像素陣，要求相機(jī)像素為225萬(wàn)，理論可選擇300萬(wàn)像素相機(jī)。由于感光芯片尺寸多為長(zhǎng)方形，即存在長(zhǎng)短邊，這就需短邊像素?cái)?shù)滿足檢測(cè)要求。實(shí)際選擇為500萬(wàn)像素相機(jī)。具體參數(shù)見表1。

表1 相機(jī)參數(shù)

表2 光源參數(shù)

光電開關(guān)：光電開關(guān)由兩個(gè)組件即投光器和受光器組成，當(dāng)工件進(jìn)入檢測(cè)區(qū)域時(shí)，阻擋受光器接收光線，此時(shí)光電開關(guān)回路閉合，控制相機(jī)拍照采集工件圖像。本文選用PMM18-C701NA型NPN光電開關(guān)。具體參數(shù)見表3。

表3 光電開關(guān)參數(shù)

2 檢測(cè)方法

2.1 圖像采集

為了便于讀取方便，統(tǒng)一圖像的存儲(chǔ)方式為.BMP格式。由于BMP格式是彩色的，也就是說(shuō)有RGB三個(gè)波段，讀出的圖像數(shù)據(jù)是一個(gè)m×n×3的數(shù)組。但是該方法所用到的檢測(cè)圖像只需要灰度圖像(R=G=B)即可，也就是256個(gè)灰度級(jí)別就能完成圖像信息的識(shí)別，為此第一步是將圖像模式轉(zhuǎn)換成灰度模式，即只要分離出RGB中的一個(gè)分量或者計(jì)算3個(gè)分量和的平均值，都可以實(shí)現(xiàn)灰度圖像的轉(zhuǎn)化。為了計(jì)算方便，選擇只讀取Red波段的數(shù)值。

2.2 直方圖均衡化

采集的圖像由于環(huán)境的因素會(huì)有圖像質(zhì)量上的不同，如明暗、對(duì)比度差異等，這就給后期進(jìn)一步的處理和識(shí)別帶來(lái)一定的影響[10]。但是圖像的結(jié)構(gòu)內(nèi)容又基本一致，也就造成了圖像的直方圖不同而圖像結(jié)構(gòu)性內(nèi)容相同，這就需要在圖像分析和比較之前，將圖像轉(zhuǎn)化為統(tǒng)一形式。這種情況下采用直方圖均衡化處理可以得在視覺上基本一致的圖像效果。

直方圖均衡化又稱灰度均衡化，是指通過某種映射使輸入圖像轉(zhuǎn)換為每一灰度級(jí)上都有近似相同的像素點(diǎn)數(shù)的輸出圖像。變換公式如下：

式中:nj為輸入圖像中灰度級(jí)別為j級(jí)灰度的像素個(gè)數(shù)；n為圖像中像素的個(gè)數(shù)；sk為輸入圖像中k級(jí)灰度被映射到輸出圖像上的灰度值。

一幅圖像中灰度級(jí)rk出現(xiàn)的概率近似為

變換函數(shù)的離散形式為

直方圖均衡化后圖像的明暗效果和直方圖情況如圖3。

2.3 灰度閾值變換

為了方便圖形數(shù)據(jù)運(yùn)算處理和識(shí)別，需將灰度圖像進(jìn)行灰度閾值變換，使之變?yōu)槎祱D像。二值圖像是只有黑白兩種顏色的圖像，即僅由0、255兩個(gè)灰度級(jí)別構(gòu)成的圖像，其中灰度級(jí)別為0的顯示純黑色，即暗區(qū)域；灰度級(jí)別為255的顯示純白色，即亮區(qū)域。

灰度閾值變換可分為固定閾值變換和自適應(yīng)閾值變換，在大批量的流水生產(chǎn)線上，使用固定的閾值顯然不合適，那么，閾值的選取就成了二值化過程中尤為重要的一步。本文選用了最大類間方差法作為自適應(yīng)閾值的確定，其算法如下：

2.4 邊界輪廓提取

在原始圖像被二值化處理后，雖然大大降低了處理數(shù)據(jù)的工作量，但是非邊界相素太多，雖然能夠較好地反映圖像細(xì)節(jié)，但為后續(xù)的圖像測(cè)量增加了難度[11]。

輪廓是對(duì)物體形狀的有力描述，是圖像分析和識(shí)別重要的參數(shù)。通過邊界檢測(cè)算法可以檢測(cè)到物體的邊界輪廓。在二值圖像中檢測(cè)物體的邊界，可以將所有物體內(nèi)部的點(diǎn)刪除(即設(shè)置為背景色)。如果發(fā)現(xiàn)一個(gè)黑點(diǎn)的8個(gè)鄰域內(nèi)都是黑點(diǎn)，那么該點(diǎn)為內(nèi)部點(diǎn)，可在目標(biāo)圖像中將它刪除。這相當(dāng)于采用一個(gè)3×3的結(jié)構(gòu)元素對(duì)原圖像進(jìn)行腐蝕，使得那些8個(gè)鄰域內(nèi)都有小黑點(diǎn)的內(nèi)部點(diǎn)被保留，再用原圖像減去腐蝕后的圖像，恰好刪除了這些內(nèi)部點(diǎn)，留下了邊界像素。可以通過調(diào)用bwperim函數(shù)實(shí)現(xiàn)邊緣檢測(cè)，得到了類似同心圓的一些邊緣點(diǎn)，但是bwperim函數(shù)的局限性同時(shí)使得圖像內(nèi)部一些孔洞所圍成的內(nèi)部邊緣也提取了出來(lái)。

對(duì)于外形輪廓，即軸承的外徑。可以先調(diào)用imfill函數(shù)進(jìn)行填洞操作，然后通過上文中的結(jié)構(gòu)元素對(duì)填洞圖像進(jìn)行腐蝕，返回一個(gè)邊緣收縮的圖像，兩張圖像做減法即可得到外部邊緣。對(duì)于內(nèi)孔輪廓，即軸承的內(nèi)徑。可以先獲取圖像尺寸，基于同心圓位置設(shè)定偽圓心和偽半徑，使這個(gè)設(shè)定的圓能夠包含內(nèi)鏡輪廓而不引入過多的噪聲。對(duì)設(shè)定的圓外的部分填充為黑色，從而得到內(nèi)徑輪廓。過程效果如圖5。

2.5 基于最小二乘法的圓擬合

通過上述預(yù)處理提取的邊界都是一些離散的點(diǎn)陣數(shù)據(jù)，具有一定的寬度且尺寸分散、斷邊，檢測(cè)分辨率低，不能直接用于測(cè)量，必須進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理[12]。

最小二乘法可以通過最小化樣本數(shù)據(jù)和實(shí)際數(shù)據(jù)誤差的平方和從而找到樣本數(shù)據(jù)的最佳匹配函數(shù)。對(duì)于圓的擬合原理如下。平面上圓的一般式方程可表示為

x2+y2+ax+by+c=0

目標(biāo)函數(shù)：

要求目標(biāo)函數(shù)得最小值，需將F(a,b,c)分別對(duì)a、b、c求偏導(dǎo)，使得偏導(dǎo)等于零。

可求得：

a=(HD-EG)/(CG-D2)

b=(HC-ED)/(D2-GC)

根據(jù)圓的標(biāo)準(zhǔn)方程(x-A)2+(y-B)2=R2，結(jié)合圓的一般式方程可得：

式中：A、B表示擬合所得圓的坐標(biāo)，R表示擬合所得圓的半徑。

基于上述方法對(duì)提取到的邊緣點(diǎn)進(jìn)行圓擬合時(shí)，首先要知道邊緣點(diǎn)所在的坐標(biāo)，所以第一步要進(jìn)行邊緣點(diǎn)坐標(biāo)的提取。可以調(diào)用find函數(shù)來(lái)實(shí)現(xiàn)，[Kr,Kc] = find(‘圖像名稱’)。在二值圖像中，返回值Kr表示值為1的縱坐標(biāo)，也就是白點(diǎn)所在的行數(shù)；Kc表示值為1的橫坐標(biāo)，也就是白點(diǎn)所在的列數(shù)。擬合結(jié)果如圖6。

3 相機(jī)尺寸標(biāo)定

通過圖像識(shí)別，系統(tǒng)檢測(cè)到的僅僅是零件的像素值，為了能夠得到軸承的真實(shí)尺寸，那么就需要計(jì)算出被檢測(cè)圖像中的像素當(dāng)量。常用的相機(jī)標(biāo)定方法有：傳統(tǒng)相機(jī)標(biāo)定法、主動(dòng)視覺相機(jī)標(biāo)定法、相機(jī)自標(biāo)定法，但是其往往要經(jīng)過一系列比較復(fù)雜數(shù)學(xué)變換和計(jì)算方法來(lái)求取相機(jī)參數(shù)。本文在滿足精度的條件下，采用了一種更為簡(jiǎn)便的標(biāo)定方法，使用標(biāo)準(zhǔn)件作為標(biāo)定參照物進(jìn)行標(biāo)定，根據(jù)分辨率的大小計(jì)算出像素當(dāng)量。那么實(shí)際尺寸=像素?cái)?shù)×像素當(dāng)量。本系采用紙張打印d=10 mm的標(biāo)準(zhǔn)圓來(lái)進(jìn)行標(biāo)定。相機(jī)標(biāo)定數(shù)據(jù)情況如圖7。

4 實(shí)驗(yàn)結(jié)果

4.1 實(shí)驗(yàn)數(shù)據(jù)

為驗(yàn)證本檢測(cè)方法的準(zhǔn)確性，分別為618/5-Z和618/6-Z的軸承進(jìn)行內(nèi)圈直徑和外圈試驗(yàn)檢測(cè)。其標(biāo)準(zhǔn)尺寸(d×D×B)分別為5 mm×11 mm×3 mm、6 mm×13 mm×3.5 mm，公差等級(jí)為P0級(jí)。由于內(nèi)徑檢測(cè)無(wú)手工實(shí)測(cè)工具，不做數(shù)據(jù)比較。其中平均尺寸為3次系統(tǒng)檢測(cè)值的均值，第10號(hào)與第20號(hào)軸承分別在外圈增加涂層以達(dá)到外徑增大的效果。

4.2 數(shù)據(jù)分析

1-10軸承數(shù)據(jù)以左縱軸為準(zhǔn)，11-20號(hào)軸承數(shù)據(jù)以右縱軸為準(zhǔn)。測(cè)量結(jié)果表明：按P0級(jí)軸承精度要求，可檢測(cè)范圍內(nèi)變化的尺寸，系統(tǒng)檢測(cè)結(jié)果與手工檢測(cè)數(shù)據(jù)相差不大。針對(duì)人為增大外徑的10、20號(hào)軸承，也能檢測(cè)出增大后的尺寸。

總體來(lái)看，系統(tǒng)檢測(cè)尺寸比手工測(cè)量尺寸略大，經(jīng)過分析，存在兩方面原因：當(dāng)用紙張標(biāo)準(zhǔn)圓進(jìn)行相機(jī)標(biāo)定時(shí)，一是紙張上的標(biāo)準(zhǔn)圓存在線寬；二是紙張與軸承工件存在厚度差。兩種原因均使得單位像素所標(biāo)定的實(shí)際尺寸略大，從而使得檢測(cè)尺寸略大。

表4 檢測(cè)數(shù)據(jù)

當(dāng)然由于檢測(cè)系統(tǒng)所組成的硬件較多，那么造成誤差存在的來(lái)源也較多。經(jīng)分析，大致可分為3大方面：硬件因素、環(huán)境因素和軟件因素。硬件因素主要是相機(jī)成像質(zhì)量、鏡頭畸變等；環(huán)境因素主要是傳送帶的震動(dòng)、空氣溫濕度，這些都會(huì)造成成像質(zhì)量的跳動(dòng)；軟件因素主要是圖像測(cè)量的算法選擇。

5 結(jié)語(yǔ)

本文設(shè)計(jì)的基于機(jī)器視覺的軸承孔徑的檢測(cè)方法，通過對(duì)生產(chǎn)線上的軸承進(jìn)行圖像采集、預(yù)處理、邊緣檢測(cè)，準(zhǔn)確地提取了軸承的邊緣輪廓。采用最小二乘法對(duì)軸承的外圈直徑和內(nèi)圈直徑進(jìn)行圓擬合，并計(jì)算出了它們的尺寸。通過與設(shè)計(jì)尺寸和手工測(cè)量尺寸的對(duì)比，證明該方法滿足測(cè)量精度，并能識(shí)別出不合格的軸承工件，驗(yàn)證了圖像識(shí)別技術(shù)在自動(dòng)化測(cè)量孔徑類零件尺寸中的可行性，并為同類檢測(cè)提供有益參考。但在不合格工件的揀出模塊中，本文未做設(shè)計(jì)，僅提供了對(duì)應(yīng)工件的不合格信號(hào)，后續(xù)工作將做相應(yīng)展開。