基于機器視覺的異形彈簧快速缺陷檢測方法研究

肖佳全，何衛鋒，歐陽祥波

(1.廣東工業大學機電工程學院，廣東廣州 510006；2.汕頭技師學院機電工程系，廣東汕頭 515071)

0 前言

彈簧是重要的工業產品零部件,由于使用環境和功能不同,彈簧的形狀和大小差別懸殊,形成各種形狀復雜的異形彈簧[1]。彈簧工作在周期性的彎曲、扭轉等交變力條件下,經受拉、壓、沖擊、扭、疲勞腐蝕等多種作用,有時還要承受極高的短時突加載荷[2]。

本文作者研究的異形彈簧應用于汽車的制動系統中，在異形彈簧的生產制造過程中，往往會存在一些缺陷，例如：尺寸缺陷、變形等。異形彈簧的尺寸缺陷會影響彈簧的彈力變化，造成制動系統工作不正常。同時，尺寸缺陷對彈簧的外觀也有影響，輕者影響零件的美觀，重者則會造成大量的殘次品，從而影響企業經濟效益。因此，保證異形彈簧的正常使用，可以提高制動系統的穩定性，對汽車的正常行駛具有重要的意義。同時，汽車的安全性得到了提高，這對汽車工業的發展具有一定的作用和影響。

目前，對異形彈簧的缺陷檢測和測量方法主要通過人眼觀察、手工測量，然后在紙質表格上記錄的方式。這種方式具有很多弊端，包括不能做到實時檢測、漏檢誤檢；由于測量儀器使用不規范或讀數不仔細，導致測量誤差；大批量生產彈簧時，分離不便、占用大量勞動力、物資消耗大；因彈簧很小，人工取放極為不便，并且存在安全隱患。為降低工人的勞動強度，避免工人因疲勞和注意力不集中而造成的誤判，提高生產效率，降低生產成本，保證生產質量的一致性，迫切需要用自動化設備和可靠的理論依據代替人工生產，以滿足新形勢下的生產需求，保證企業在新一輪產業革命中的可持續發展[4]。

1 國內外研究現狀

國內外有關基于機器視覺的異形彈簧缺陷檢測的研究并不多。王黎萌和丁洪萍[5]為解決彈簧在傾斜情況下的同心度檢測精度問題，提出了間距測量法和中心線測量法2種方案。朱霞等人[6]采用改進的脈沖神經網絡，提高了對彈簧卡箍缺陷區域提取的準確度。許昊等人[7]根據彈簧外形的特征，制定了彈簧外形檢測流程，同時使用LabVIEW軟件平臺開發了相關的檢測程序。羅作煌等[8]設計了一個變線速率掃描實時采集圖像的程序,并對系統采集的圖像進行校正、邊緣檢測、分割、尺寸測量、斑點分析和斑點分離,實現對彈簧缺陷的自動檢測。

上述缺陷檢測方法，在檢測難度和檢測效率等方面并不完全滿足工業領域的實際檢測情況。因此，本文作者基于機器視覺技術，圍繞異形彈簧的實際檢測需求，并結合異形彈簧自身特征，提出一種對異形彈簧的尺寸和變形缺陷實時快速檢測方法，以有效提高異形彈簧的檢測效率。

通常情況下，異形彈簧的缺陷可分為2類：尺寸缺陷和變形缺陷。為完成對異形彈簧的缺陷檢測，制定異形彈簧的圖像處理和檢測流程如圖1所示。獲取的異形彈簧正、反面原始圖像如圖2所示。

圖1 圖像處理流程

圖2 異形彈簧原始圖像

2 圖像處理算法

在整個異形彈簧的檢測系統中，圖像處理算法極其重要，主要包括圖像預處理、圖像定位、尺寸測量、變形檢測等步驟。

2.1 圖像預處理

由于光學透鏡固有的透視失真造成的鏡頭畸變，會使尺寸測量的結果產生較大的誤差。在進行異形彈簧的尺寸測量之前需要對相機進行標定,得到相機的內參數和外參數，進而對圖像進行畸變校正。

本文作者采用張氏標定相機模型[9]對相機鏡頭進行快速標定。用到的標定板是7×7實心圓點標定板，厚度為0.18 mm，圓點直徑為1 mm，相鄰圓點的中心距為2.5 mm，圖案尺寸為20 mm×20 mm，精度為±0.005 mm，如圖3所示。標定結果如表1、表2所示。

圖3 7×7實心圓點標定板

表1 攝像機內參

表2 攝像機外參

同時，圖像在采集和傳遞過程中會受到各種噪聲的影響，這些噪聲會造成圖像重要信息的缺失，因此在對圖像進行處理之前需要去除噪聲[10]。中值濾波是常用的非線性濾波方法,也是圖像處理技術中最常用的預處理技術[11]。中值濾波可以克服線性濾波器給圖像帶來的模糊,在有效清除顆粒噪聲的同時,又可以有效地保護圖像的邊緣特性,從而得到較滿意的濾波降噪效果。其實現原理如下：某個像素鄰域中包含n個灰度值gi(i=0,…,n-1)，則以升序對gi進行排序后得到si，那么gi的中值為fmedian(gi)=sn/2，選擇該序列的中間值作為輸出的像素值。用W表示窗口，比如一個(2n+1)×(2m+1)矩形窗口，此時中值濾波器公式[12]為

(1)

為方便測量，對零件的邊緣進行強化，提高圖像的對比度。可以根據獲得的灰度平均值gmean和原始灰度值gorig計算得出最終的灰度值gres，如式(2)[13]所示：

gres=round[(gorig-gmean)×gFactor]+gorig

(2)

式中：gFactor為對比度增加的分量。

圖像預處理流程如圖4所示，為突出圖像預處理效果，其中圖(d)為異形彈簧原圖與校正去噪之后的圖像通過減法得到的結果圖像，可見大部分的噪聲都被去除掉了。

圖4 圖像預處理流程

2.2 模板匹配定位

模板匹配就是在一副大圖像中尋找一副已知的小圖像，已知的大圖像中有要找的目標，且該目標與模板具有相同的尺寸、方向和圖像元素，通過一定的算法可以在圖中找到目標，確定其坐標位置[14]。

模板匹配主要包括基于灰度相關和基于幾何特征的2種模板匹配算法。基于幾何特征的匹配方法適用于更復雜和更廣泛的形狀特征[15]。模板匹配定位主要過程如圖5所示，可知：異形彈簧氣眼扣和墊片存在明顯的形態差異，如果使用該部分作為匹配模板，有可能會導致匹配失敗，定位不到零件位置。因此，將異形彈簧的2個腳作為模板，在新的圖像中找出零件在圖像中的大概坐標后，再具體定位到異形彈簧2個腳的位置進行尺寸測量，同時定位到異形彈簧的氣眼扣和墊片的下半部分，對該部分進行亞像素邊緣提取，可以得到鉚接區域邊緣的一部分，再對提取到的邊緣進行圓輪廓擬合，擬合后的輪廓生成的區域即為異形彈簧鉚接部分的區域。

圖5 模板匹配定位流程

2.3 尺寸測量算法

尺寸缺陷是指將鋼絲通過一系列的夾具動作彎曲成所需的形狀后，由生產機器的不穩定性造成異形彈簧的長度與設計標準有較大差別。因此，需要對異形彈簧的長度進行測量。

尺寸測量流程如圖6所示。利用模板匹配定位到異形彈簧位置，二次定位到2個腳的中間位置，并作一個測量矩形；在測量矩形中找到最左和最右的邊緣位置，創建一個測量對，得到測量對之間的像素長度；再根據對相機鏡頭進行標定得到的相機內外參數，將異形彈簧的像素長度轉化為實際長度并顯示測量結果；與異形彈簧的標準長度進行比較，便可判斷該彈簧是否為合格品。

圖6 尺寸測量流程

2.4 變形缺陷檢測算法

正面缺陷一般表現為氣眼扣與墊片鉚接時錯位造成的變形，而反面缺陷一般表現為缺口和彎曲變形。正反面的變形缺陷主要發生在異形彈簧中間的鉚接區域。由于鉚接區域為一個圓形，具有中心對稱性，將該圓形區域分割成多個小環形區域，根據中心對稱的特點，每個小環形區域都應該是質地均勻、紋理一致的，否則說明產生了變形。

變形缺陷的檢測原理見圖7，主要對異形彈簧中間的鉚接區域進行檢測。在光照均勻的情況下，該區域的灰度值是均勻分布的，如果出現變形，則變形的區域就會反光而呈現白色，其灰度值產生突變。利用對鉚接區域的邊緣擬合時所得的圓心(x，y)和半徑R1畫第1個圓，再由圓心(x，y)和半徑R2=R1-r畫第2個圓，r為半徑的采樣步長。由半徑為R1的圓和半徑為R2的圓得到1個環形檢測區域，對該環形區域進行N等分，計算得到的每一份1/N的小區域的灰度平均值gMean和灰度方差gDeviation的計算公式分別如式(3)、(4)[16]所示：

圖7 變形檢測原理

(3)

(4)

式中：F為區域的面積。

灰度平均值是對參考區域內亮度的一個度量值，灰度方差反映的是圖像高頻部分的大小，可以用來測量區域內紋理的多少[10]。如果同一環形上的某一塊小區域與其他小區域的灰度平均值或灰度方差差異過大，則說明該小區域內發生了變形。如果該環形區域沒有發生變形，則對下一個環形區域進行檢測，操作與第一個環形區域的檢測步驟相同。下一個環形區域的外半徑為上一個環形區域的內半徑，內半徑為上一個環形區域的內半徑減r。以此類推，直到環形區域的內半徑小于鉚接部分中間圓的半徑。如果檢測過程中檢測到有變形，則直接判斷該零件“不合格”，如果直到最后都沒有檢測出變形，則判斷該零件沒有變形缺陷。

半徑采樣步長r和N等分值的選取非常重要，值過大會無法拉開灰度值和灰度方差的差距，導致判斷錯誤；值過小會增加系統的檢測時間，降低系統的實時性。綜合考慮，文中的r取值為35個像素、N為24，既保證了檢測缺陷的準確性又保證了檢測的速度。

該變形檢測算法不僅無需判斷異形彈簧的正反面，且適用于異形彈簧的正反面變形檢測，大大提高了檢測的效率和便捷性。

3 系統結構

異形彈簧檢測系統使用的主要硬件設備有：振動盤、直振送料器、氣缸、空氣壓縮器、中空旋轉式傳動裝置、激光漫反射光電開關、PLC、相機、環形光源、背光源、PC機等。檢測平臺實物如圖8所示。

系統工作原理可簡述為：異形彈簧經過振動盤振動分離后，排列整齊，通過直振送料器傳送，再由PLC、磁性開關和繼電器控制氣缸往復運動；通過氣缸傳動，將異形彈簧輸送到檢測平臺上，檢測平臺的中空旋轉式傳動裝置轉動帶動異形彈簧運動，當異形彈簧經過光電開關時，光電開關會產生一個脈沖信號傳送給PLC，觸發PLC輸出一個信號控制相機進行拍照，以獲取異形彈簧的原始圖像，進而在PC機上進行圖像處理和缺陷檢測，對零件的質量進行判斷。

4 實驗結果及分析

為驗證所述測量方法和變形檢測方法的有效性和可行性，進行相關實驗研究。

4.1 尺寸測量算法結果及分析

選用120個異形彈簧，對比手工測量尺寸與算法測量尺寸的結果，并測試其實際性能。手工測量與算法測量的結果如圖9所示。

圖9 測量結果

將手工測量與算法測量的結果進行對比，剔除尺寸誤差較大的“干擾點”，發現誤差分布符合正態分布。使用平均誤差對算法測量結果進行校正，校正誤差結果如圖10所示。

圖10 校正結果

異形彈簧的標準公差為±1 mm，由圖10可以看出：算法測量誤差在-0.5～0.3 mm之間，在零件允許的誤差范圍之內，滿足測量要求。由于對異形彈簧的測量精度要求不高，該系統選用的鏡頭為普通的可變焦鏡頭，對于測量精度要求較高的零件，可以選用遠心鏡頭。

4.2 變形缺陷檢測算法結果及分析

文中選用100幅無變形缺陷和100幅有變形缺陷的異形彈簧圖像，測試變形缺陷檢測算法的實際性能。

將實際類別為無缺陷、判別結果為無缺陷定義為真陽(Tp)；將實際類別為無缺陷、判別結果為有缺陷定義為假陰(Fn)；將實際類別為有缺陷、判別結果為無缺陷定義為假陽(Fp)；將實際類別為有缺陷、判別結果為有缺陷定義為真陰(Tn)。

評價指標選用精確率(PPR)、準確率(PACCR)和召回率(PTPR)，其具體計算公式[16]如下:

(5)

(6)

(7)

檢測結果見表3，算法性能指標見表4。

表3 檢測結果

表4 算法評價指標 單位:%

實驗結果表明：所述算法評價指標均在96%以上，算法性能較好，能夠滿足異形彈簧變形缺陷檢測的要求。

5 結語

本文作者以異形彈簧的尺寸測量和變形缺陷檢測為研究對象，基于機器視覺提出一套快速的尺寸測量和變形檢測系統。在論述系統結構的基礎上，重點論述了具有中心對稱特征的零件圖像算法的處理過程，并對算法實驗結果進行了評價分析。實驗結果表明：所述算法的評價性能指標較高，能夠滿足對異形彈簧檢測的要求。雖然該算法的準確率較高，但對于變形量較細微的異形彈簧依然存在誤判，未來仍需進一步改進。