莫燕玲，姚松麗，王瑞能，申凌飛

（上海工程技術(shù)大學(xué) 機械工程學(xué)院，上海 201620）

0 引 言

目前國內(nèi)外實驗室公差檢測中測量表面粗糙度的方法一般劃分為接觸式和非接觸式兩類。觸針式測量方法精度高、測試穩(wěn)定并且測量范圍廣，但由于是接觸式的，僅適用于靜止表面的測量，而不能對運動表面進行在線測量。因非接觸式具有快速、非破壞性、可在線測量等優(yōu)點，對它的研究具有重要意義。

基于實驗教學(xué)中傳統(tǒng)測量方法的智能化改造，數(shù)字化公差檢測是利用數(shù)字圖像處理技術(shù)，進行基于光切法的表面粗糙度智能自動化檢測技術(shù)的研究。這樣，既避免了人工目測的操作誤差，滿足快速檢測的要求，還可以達到表面粗糙度多參數(shù)測量的目的。

1 表面粗糙度的評定參數(shù)

表面粗糙度，是指由加工表面上具有的較小間距和谷峰所組成的微觀幾何形狀特征。本文表面粗糙度的評定參數(shù)主要采用以下兩種：

Ra 是輪廓的算術(shù)平均偏差，即在取樣長度內(nèi)被測輪廓偏距絕對值之和的算術(shù)平均值。

Rz 是微觀不平度的10 點高度，為在取樣長度內(nèi)n 個最大的輪廓峰高與n 個最大的輪廓谷深的平均值之和［1］。

2 硬件系統(tǒng)的組成

硬件系統(tǒng)主要包括CCD 攝像機、9J 型光切法顯微鏡、圖像采集卡以及計算機。9J 型光切法顯微鏡對CCD攝像機獲取的圖像進行精確提取，進而由圖像采集卡把處理好的圖像轉(zhuǎn)存到計算機中。

2.1 硬件系統(tǒng)模擬流程圖（圖1）

2.2 9J 型光切法顯微鏡

圖1 工作模擬流程圖

圖2 9J 光切顯微鏡改造前

采用光切原理設(shè)計的測量表面粗糙度的光切顯微鏡，可測工件表面微觀不平度高度大致在0.8 ～80 μm。各種光切顯微鏡適用于測量車、銑、刨及其類似加工方法成形的金屬工件平表面和外圓表面，以及木材、紙張等非金屬材料的表面粗糙度，還可用于測量表面加工紋理和微小的局部破損痕。本系統(tǒng)選用9J 型光切法顯微鏡，并在此基礎(chǔ)上對其進行改造，實現(xiàn)圖像的自動獲取，改造前后效果圖如圖2、圖3 所示。

圖3 9J 光切顯微鏡改造后

3 軟件系統(tǒng)的組成

在表面粗糙度測量中，信號的采集與處理非常重要。故而采用MATLAB 技術(shù)進行。由于MATLAB 是基于解釋性的語言，執(zhí)行效率不夠高，考慮VB 的執(zhí)行效率，為此研究了VB 與MATLAB 語言接口的實現(xiàn)方法。利用混合編程的思想，采用VB 設(shè)計界面，調(diào)用MATLAB 完成相關(guān)的計算功能。

3.1 圖像獲取與處理

利用MATLAB 完成表面粗糙度測量信號采集，F(xiàn)IR數(shù)字濾波，最小二乘法中線求解，評定參數(shù)的計算以及各種輪廓圖形的顯示［2］。

在圖像分析中，檢測表面的實際表面輪廓會受到影響，而且通過CCD 攝像機圖像采集系統(tǒng)進入計算機的是整幅圖像，包括對象、背景和噪聲［3］。軟件設(shè)計利用MATLAB 進行圖像處理，獲取工件表面輪廓曲線。圖像處理包括圖像預(yù)處理和圖像分析兩部分。預(yù)處理又包括圖像灰度轉(zhuǎn)化、去噪濾波和圖像二值化處理。由于線光源有一定的寬度，因此，圖像放大后顯示的是一條光帶（如圖4 所示）［4］。經(jīng)過圖像分析后得到的工件輪廓曲線如圖5 所示。

圖4 系統(tǒng)采集的原始圖像

3.2 人機界面系統(tǒng)設(shè)計

圖5 工件的輪廓曲線

圖6 工件表面粗糙度智能檢測系統(tǒng)

人機界面采用Visual Basic 作為系統(tǒng)的開發(fā)工具，實現(xiàn)和MATLAB 開發(fā)的圖像處理部分自動化連接，通過鍵盤或鼠標(biāo)進行操作，完成系統(tǒng)的檢測功能，界面如圖6 所示。

4 結(jié) 論

改造后系統(tǒng)的測量數(shù)據(jù)與JB-6C粗糙度輪廓儀的數(shù)據(jù)進行比較，如表1所示。

經(jīng)實驗數(shù)據(jù)比較分析，改造后的表面粗糙度檢測裝置有較好的測量精度，可以減少測量誤差，實現(xiàn)快速、多參數(shù)的自動化檢測。

表1 JB-6C 粗糙度輪廓儀與數(shù)字化系統(tǒng)測量的比較

［1］ 周玉鳳，杜向陽.互換性與技術(shù)測量［M］.北京：清華大學(xué)出版社，2008.

［2］ 韓進宏，張先鋒.基于MATLAB 的表面粗糙度數(shù)據(jù)采集處理研究［J］.儀器儀表學(xué)報，2006（6）：1328-1329.

［3］ 袁鋒偉，蔣彥，黃鑫.表面粗糙度測量儀的自動化和智能化改造［J］.制造技術(shù)與機床，2009（5）：38－40.

［4］ 賈曉艷，蕭澤新.基于光切法的表面粗糙度檢測的圖像處理研究［J］.光學(xué)與光電技術(shù)，2007（12）：42-44.