基于機(jī)器視覺的冷油管螺紋中徑自動(dòng)檢測系統(tǒng)*

虞佳佳,黃文廣,張 耀

(浙江機(jī)電職業(yè)技術(shù)學(xué)院,浙江 杭州 310053)

0 引 言

管接頭是油管與油管、油管與液壓件之間的可拆式聯(lián)接件,冷油管接頭被廣泛用于汽車、船舶、軍工、能源等各行各業(yè)的液壓管路系統(tǒng)中。作為油路系統(tǒng)的關(guān)鍵通路,冷油管接頭的螺紋尺寸是影響其產(chǎn)品性能的重要指標(biāo),因此冷油管接頭的檢測內(nèi)容多、檢測要求高,并成為了產(chǎn)品品檢中卡脖子的關(guān)鍵技術(shù)。

目前,對零部件尺寸檢測的傳統(tǒng)方法主要有人工目視、圖像檢測等。但由于檢測效率低、檢測過程繁瑣且檢測精度低,在基于機(jī)器視覺技術(shù)的零部件尺寸檢測方面,研究人員又提出了新的檢測方法。

賈坡等人[1]利用單片機(jī)、步進(jìn)電機(jī)、采樣圓盤、數(shù)字顯微鏡和上位機(jī)搭建了磨塊圖像采集系統(tǒng),實(shí)現(xiàn)了對磨塊圖像的連續(xù)采集,以及對磨塊尺寸的檢測。石野[2]采用基于局部濾波模板的雙邊濾波算法,提高了對零部件尺寸進(jìn)行檢測的精確度。李正大[3]以Moore邊界追蹤算法為基礎(chǔ),經(jīng)過對算法進(jìn)行優(yōu)化改進(jìn),實(shí)現(xiàn)了對亞像素精度邊緣的有序提取。來煜等人[4]提出了基于投影重心的亞像素邊界定位方法,避免了直接遍歷橫向?qū)挾榷鴮?dǎo)致誤差的形成。包能勝等人[5]設(shè)計(jì)了一個(gè)自適應(yīng)的ROI裁剪區(qū)域,利用最小二乘法直線擬合技術(shù)對其輪廓進(jìn)行了直線擬合,生成了螺紋中徑線,完成了對螺紋中徑的測量。宦小玉等人[6]選擇了Canny邊緣檢測算法,對梯形螺紋的牙型輪廓邊緣進(jìn)行擬合,提取了圖像的邊緣信息,并對其進(jìn)行了邊緣細(xì)化處理,最終得到了精確的邊緣信息。張毅[7]基于二值圖信息比較的方法,提出了一種可以判斷微型零件外形尺寸的測量方法。李陽等人[8]提出了一種基于加速魯棒性物征(SURF)和改進(jìn)曲率尺度空間(CSS)的弧形槽幾何尺寸檢測算法。徐鵬[9]基于正交多項(xiàng)式的亞像素邊緣檢測方法,開發(fā)了一種使用范圍廣泛的機(jī)械零件尺寸檢測系統(tǒng),可代替大部分的人工檢測工作。龐博[10]利用Opencv圖像處理庫中的findcontours,對提取到的亞像素邊緣點(diǎn)進(jìn)行了分割,提高了傳統(tǒng)的最小二乘擬合圓的處理速度,并結(jié)合Hough直線變換確定了直線在圖像中的大致區(qū)域,有效地解決了最小二乘擬合直線算法因受到“野值”影響而使檢測精度下降的問題。黃凌霄[11]基于最大內(nèi)切圓的橢圓檢測算法,利用橢圓及其伴隨圓相關(guān)性質(zhì),結(jié)合橢圓中的估計(jì)方法和最值距離選取方法,實(shí)現(xiàn)了對橢圓零件尺寸的檢測,并將該橢圓檢測算法應(yīng)用于孔組的檢測。郭聯(lián)金等人[12]借助VS2008、Opencv等軟件開發(fā)平臺(tái),實(shí)現(xiàn)了對外螺紋長度、大徑、小徑、螺距等幾何尺寸的精確檢測,以及對螺紋頭型的準(zhǔn)確識(shí)別。于亞琳[13]提出了一種基于數(shù)學(xué)形態(tài)學(xué)的輪廓提取方法,研究了螺紋導(dǎo)程、大徑、小徑、牙型高、中徑的測量和計(jì)算法方法,并利用實(shí)驗(yàn)圖像對這些螺紋參數(shù)進(jìn)行了測量。侯東明[14]利用數(shù)字圖像處理技術(shù),得到了所需要的幾何尺寸特征數(shù)據(jù),進(jìn)而實(shí)現(xiàn)了對石油管螺紋幾何參數(shù)的測量。王文琪[15]對萬能工具顯微鏡的硬件和光學(xué)系統(tǒng)平臺(tái)的硬件進(jìn)行了改進(jìn),在此基礎(chǔ)上開發(fā)了螺紋參數(shù)測量系統(tǒng),實(shí)現(xiàn)了對外螺紋參數(shù)的自動(dòng)化測量。ZHOU A等人[16]利用激光和相機(jī)組合傳感器來精確測量汽車中旋轉(zhuǎn)金屬零件表面缺陷,提出了一種多姿態(tài)測量系統(tǒng),可在較短的時(shí)間內(nèi)對整個(gè)零件表面的缺陷進(jìn)行準(zhǔn)確的測量,并得到了缺陷的尺寸。CHEN X等人[17]介紹了一種由觸覺探頭和光學(xué)視覺傳感器組合成的雙傳感器單元,對零配件復(fù)雜曲面和自由曲面上小孔陣列位置誤差進(jìn)行了快速自動(dòng)檢測,滿足了汽車工業(yè)特殊要求。LIU S等人[18]提出了一種基于機(jī)器視覺的管道端點(diǎn)測量方法。MIN J[19]提出了一種采用67.5°和112.5°改進(jìn)Sobel模板獲取邊緣圖像的新方法,對螺紋的高精度幾何誤差進(jìn)行了測量。

在尺寸的檢測中,雖然基于機(jī)器視覺的快速檢測應(yīng)用較多,但筆者未查詢到基于機(jī)器視覺的螺紋中徑的尺寸檢測模型;同時(shí)也缺乏尺寸檢測專機(jī)方案。因此,為了滿足企業(yè)的相關(guān)需求,迫切需要對基于機(jī)器視覺的螺紋尺寸檢測新方法進(jìn)行研究。

筆者將冷油管作為研究對象,研究三針法中徑測量原理,并基于機(jī)器視覺的檢測算法,搭建基于機(jī)器視覺的冷油管接頭的螺紋中徑不良分揀檢測系統(tǒng),對系統(tǒng)檢測重復(fù)性精度以及區(qū)分螺紋中徑不合格件的能力進(jìn)行驗(yàn)證。

1 基于機(jī)器視覺的螺紋中徑檢測算法

1.1 三針法中徑測量原理

通常螺紋中徑有多種測量方法,其中,用量針檢測螺紋中徑的方法被稱為三針法。

螺紋中徑的三針法檢測原理如圖1示。

圖1 三針法測量螺紋中徑原理圖

采用三針法測量中徑時(shí),通常是利用放置在凹槽內(nèi)的3個(gè)已知量針,通過測量獲取量針間最大直徑,并根據(jù)工件螺距、牙型半角以及量針直徑計(jì)算獲取的螺紋中徑值。

計(jì)算公式如下:

(1)

式中:M—2個(gè)量針投影最大外徑值;d0—量針直徑;α—牙線的夾角;P—工作螺距或者螺桿直徑。

由式(1)可得,螺紋中徑測量的關(guān)鍵為通過壓線輪廓獲取牙型夾角、螺距,以及通過數(shù)學(xué)模型自動(dòng)定位量針。

筆者利用Hough變換擬合螺紋牙線輪廓。Hough空間變換是圖像處理中有效找尋直線的方法,經(jīng)過Hough變換后,圖像中殘缺直線、圖像灰度噪聲以及其他共存的非直線結(jié)構(gòu)具有較強(qiáng)的抗干擾能力。

1.2 虛擬量針定位數(shù)學(xué)模型

線切圓定位數(shù)學(xué)模型如圖2所示。

圖2 線切圓定位數(shù)學(xué)模型

通過Hough變換獲取螺紋線后,需要建立虛擬量針定位數(shù)學(xué)模型。該數(shù)學(xué)模型如下:

(2)

由此可得量針圓形坐標(biāo)如下:

(3)

獲得虛擬量針圓形后,即可求取量針間最大外徑值M,并由式(1)計(jì)算得到該螺紋的中徑值。

1.3 算法流程

筆者在三針法中徑測量原理的基礎(chǔ)上,提出了一種基于機(jī)器視覺的四針法的虛擬量針定位算法。

基于機(jī)器視覺的四針法螺紋中徑檢測算法流程如圖3所示:

圖3 基于機(jī)器視覺的四針法螺紋中徑檢測算法流程

該流程結(jié)合三針法中徑測量的原理,通過Hough變換獲取牙線直線,結(jié)合線切圓定位的方法,自動(dòng)獲得螺紋中徑線,實(shí)現(xiàn)對中徑的自動(dòng)測量。

根據(jù)上述算法流程,可以精確定位量針的位置,并獲取螺紋中徑、齒高、齒矩、外徑等參數(shù)。

采用上述基于機(jī)器視覺的螺紋中徑測量算法及流程所得到的結(jié)果如圖4所示。

圖4 基于機(jī)器視覺的螺紋中徑測量結(jié)果

2 螺紋中徑檢測系統(tǒng)設(shè)計(jì)

2.1 檢測分揀評(píng)價(jià)標(biāo)準(zhǔn)

冷油管的尺寸圖(即冷油管的檢測要求)如圖5所示。

圖5 冷油管尺寸圖

圖5中,其對應(yīng)螺紋為M14*1.5—6G的外螺紋,根據(jù)螺紋公制要求,其中徑參數(shù)為13.026 mm,公差要求為0.032 mm到-0.172 mm。

由于該項(xiàng)目為企業(yè)落地項(xiàng)目,此處考慮實(shí)際檢測需求后,調(diào)整檢測精度要求為0.01 mm,重復(fù)性精度要求為0.001 mm。

2.2 硬件系統(tǒng)選型

油冷管接頭視覺測量系統(tǒng)結(jié)構(gòu)簡圖如圖6所示:

圖6 油冷管接頭視覺測量系統(tǒng)結(jié)構(gòu)簡圖1—顯示器終端;2—鋁型材框架;3—伺服電機(jī);4—中空轉(zhuǎn)臺(tái);5—柔性托拖鏈;6—三爪氣缸;7—油管接頭;8—防塵護(hù)罩;9—工作臺(tái)面;10—操作端按鈕;11—工位切換氣缸;12—相機(jī);13—鏡頭;18—面光源;19—上下料氣缸;20—直線導(dǎo)軌;21—NG品下料滑道;22—NG存料箱;23—?dú)饪毓の?/p>

為了滿足系統(tǒng)的精度要求,減少畸變帶來尺寸檢測的誤差,系統(tǒng)采用雙遠(yuǎn)心鏡頭XF-PTL03708-C,其工作距離為110 mm,其分辨力為16.6 μm;螺紋長度為14.5 mm,外徑為14 mm,選擇0.5 inches(4.8 mm*4.8 mm)的像元,使得其檢測視野范圍在16.5 mm*16.5 mm,滿足檢測視野范圍要求。

該系統(tǒng)采用了MV-CA050-20GM?？档拿骊囅鄼C(jī);同時(shí)選擇了30*30 mm平行背光光源(白色)進(jìn)行螺紋中經(jīng)檢測,其中主控制器為西門子S7-1200PLC。

硬件系統(tǒng)主要由伺服電機(jī)、中空轉(zhuǎn)臺(tái)、三爪氣缸、相機(jī)、鏡頭、光源、上下料氣缸、直線導(dǎo)軌等組成。其中,氣路又由上下料氣缸、電磁閥、三聯(lián)件、三爪氣缸元件構(gòu)成,主要完成工件的夾緊、上下料、以及工件的切換、分揀功能。

系統(tǒng)工控機(jī)為i7-7500 CPU,內(nèi)存4 G,支持4個(gè)千兆網(wǎng)口通訊接口等;軟件運(yùn)行環(huán)境為Windows 7,基于Visual Studio 2010 C#編寫,算法通過Halcon 11.0實(shí)現(xiàn)。

2.3 控制系統(tǒng)

基于機(jī)器視覺的螺紋中徑檢測系統(tǒng)的控制系統(tǒng)整體結(jié)構(gòu)如圖7所示。

圖7 基于機(jī)器視覺的螺紋中徑檢測控制系統(tǒng)的整體結(jié)構(gòu)

整個(gè)系統(tǒng)以PLC作為主控,通過Modbus TCP獲取中徑檢測結(jié)果信號(hào),實(shí)現(xiàn)中徑分揀的功能。

基于機(jī)器視覺的螺紋中徑檢測系統(tǒng)的控制流程如圖8所示。

圖8 基于機(jī)器視覺的螺紋中徑檢測控制系統(tǒng)的控制流程

設(shè)備采用人工上下料,通過點(diǎn)擊啟動(dòng)按鈕來開啟檢測流程,檢測工位到達(dá)后,觸發(fā)相機(jī)拍照,算法流程自動(dòng)觸發(fā),并通過Modbus TCP將檢測結(jié)果傳送給PLC,由PLC觸發(fā)分揀流程。

3 實(shí)驗(yàn)測試及結(jié)果分析

為了驗(yàn)證基于機(jī)器視覺的螺紋中徑檢測算法的精度[20],及是否能很好地區(qū)分螺紋中徑不合格件與合格件,筆者進(jìn)行相關(guān)實(shí)驗(yàn)。

3.1 分揀能力測試及結(jié)果分析

實(shí)驗(yàn)中,在螺紋采集獲取的部分?jǐn)?shù)據(jù)中,螺紋合格品檢測參數(shù)如表1所示。

表1 螺紋合格品檢測參數(shù)(單位:像素值)

螺紋不合格品檢測參數(shù)表2所示。

表2 螺紋不合格品檢測參數(shù)(單位:像素值)

在測試階段,系統(tǒng)未進(jìn)行像素標(biāo)定的情況下,筆者首先采集了100個(gè)螺紋合格品和100個(gè)不合格品。

從表(1,2)中可以看出:合格品與不合格品之間具有13個(gè)像素差,由于該設(shè)備案例需要獲得0.001的重復(fù)精度,而系統(tǒng)檢測精度為0.01 mm,因此需要觀察亞像素級(jí)的參數(shù)變化;筆者設(shè)計(jì)的冷油管螺紋中徑檢測能滿足分揀合格品與不合格品。

3.2 重復(fù)精度測試及結(jié)果分析

在驗(yàn)證螺紋中徑檢測算法精度時(shí),筆者得到了基于機(jī)器視覺的螺紋中徑重復(fù)性精度的測量結(jié)果,如圖9所示。

圖9 基于機(jī)器視覺的螺紋中徑重復(fù)性精度的測量

系統(tǒng)完成標(biāo)定后,筆者取3個(gè)油管樣本在油管螺紋中徑分揀系統(tǒng)中進(jìn)行重復(fù)性測試,以驗(yàn)證系統(tǒng)檢測重復(fù)性精度;同時(shí),通過人工重復(fù)上料,一方面可以測試系統(tǒng)的運(yùn)行穩(wěn)定性,另一方面可以驗(yàn)證算法精度。

筆者采用工廠中三坐標(biāo)儀打標(biāo)后標(biāo)準(zhǔn)工件的實(shí)際值與檢測儀器獲得的像素值之比作為基準(zhǔn)值,由此獲得了長度像素比,3個(gè)螺紋中徑的重復(fù)精度在0.001 mm,并能很好地區(qū)分螺紋中徑不合格件與合格件。

4 結(jié)束語

在冷油接頭螺紋中徑的不良分揀檢測過程中,因人工檢測而導(dǎo)致檢測準(zhǔn)確率低、效率低下,為此,筆者提出了一種基于機(jī)器視覺的油管零件螺紋中徑不良品分揀檢測系統(tǒng),并對系統(tǒng)檢測重復(fù)性精度以及區(qū)分螺紋中徑不合格件的能力進(jìn)行了驗(yàn)證。

研究結(jié)果表明:

(1)算法通過Hough變換獲取螺紋牙線,結(jié)合線切圓定位的方法,自動(dòng)獲得了螺紋中徑線,可實(shí)現(xiàn)對中徑的自動(dòng)測量;

(2)基于機(jī)器視覺的四針法的虛擬量針定位數(shù)學(xué)模型可對產(chǎn)品的螺紋中徑進(jìn)行篩選,重復(fù)精度可控制在0.01 mm,為同類型產(chǎn)品的品質(zhì)檢測提供了新的解決方案。

在方案的實(shí)際使用過程中,還需要對螺紋的壞牙、端面表面的粗糙度進(jìn)行區(qū)分,需要通過增加新的光源配置工位來提高圖像信息的完整性,進(jìn)一步更新算法。

因此,在后續(xù)的工作中,筆者會(huì)在方案中加入神經(jīng)卷積網(wǎng)絡(luò)的深度學(xué)習(xí)方法,以此對產(chǎn)品缺陷的檢測分揀能力進(jìn)行優(yōu)化。