汽油機(jī)火花塞間隙圖像法測(cè)量

李曉斌

(山西農(nóng)業(yè)大學(xué) 工學(xué)院，山西 太谷 030801)

摘要：火花塞作為汽油機(jī)點(diǎn)火系統(tǒng)的重要工作部件，其中央電極與側(cè)電極之間的間隙值對(duì)汽油機(jī)動(dòng)力性、經(jīng)濟(jì)性和啟動(dòng)性能都有顯著影響。為提高工廠化生產(chǎn)中火花塞間隙值檢驗(yàn)的效率和準(zhǔn)確性，運(yùn)用機(jī)器視覺和圖像檢測(cè)技術(shù)，對(duì)采集的火花塞原始圖像依次進(jìn)行二值化處理，去除孤立小目標(biāo)和目標(biāo)區(qū)域識(shí)別，結(jié)合圖像標(biāo)定結(jié)果，可實(shí)現(xiàn)火花塞間隙圖像法測(cè)量。結(jié)果表明，被測(cè)火花塞間隙值相對(duì)誤差為0.73%，說明方法可行、可靠。其算法不但可用于農(nóng)業(yè)動(dòng)力火花塞間隙測(cè)量，也可為類似的精確測(cè)量提供參考。

關(guān)鍵詞：火花塞間隙；圖像處理；測(cè)量

收稿日期：2015-07-21修回日期：2015-10-17

作者簡(jiǎn)介：李曉斌(1983-)，男(漢)，山西平定人，博士，研究方向：機(jī)器視覺和圖像處理技術(shù)及應(yīng)用

基金項(xiàng)目：山西農(nóng)業(yè)大學(xué)科技創(chuàng)新基金(2014004)

中圖分類號(hào)：TP391文獻(xiàn)標(biāo)識(shí)碼：A

Spark Plug Gap Measurement Based on Image Processing

Li Xiaobin

(CollegeofEngineering，ShanxiAgriculturalUniversity，TaiguShanxi030801,China)

Abstract:Spark Plug is a important working part for ignition system of gasoline engine, the spark plug gap between central electrode and lateral electrode has an important influence on the power performance, economy and starting performance. To monitor the gap value efficiently and accurately, the original image of spark plug was changed from RGB model to bi-level image, some independent points were deleted by bwareaopen function. The area of spark plug gap was specified by imcrop function with four-element position vector. Therefore, the value of spark plug gap was measured using regionprops function with boundingbox after calibrating. The results indicate the image processing method is feasible and reliable with the relative error of the method is 0.73%. Therefore, the mentioned method not only provide a accurate monitoring method of spark plug gap, but also gives foundation for other measurement.

Key words:Spark plug gap； Image processing； Measurement

汽油機(jī)是農(nóng)業(yè)機(jī)械廣泛使用的動(dòng)力之一，火花塞作為汽油機(jī)點(diǎn)火系統(tǒng)的重要組成部分，其產(chǎn)生的電火花質(zhì)量直接影響汽油機(jī)啟動(dòng)性能、燃油經(jīng)濟(jì)性和動(dòng)力性，而火花塞間隙值是影響電火花質(zhì)量的一個(gè)重要因素[1～3]。在工廠化火花塞生產(chǎn)環(huán)節(jié)中，間隙檢驗(yàn)是一個(gè)重要環(huán)節(jié)。為了提高火花塞間隙在線檢測(cè)效率和準(zhǔn)確性，避免人工檢測(cè)效率低、準(zhǔn)確性不穩(wěn)定、勞動(dòng)強(qiáng)度大等問題，本研究以東-30拖拉機(jī)配套發(fā)動(dòng)機(jī)的火花塞為研究對(duì)象，以MATLAB圖像處理為技術(shù)手段，對(duì)火花塞原始圖像分別進(jìn)行二值化處理，去除孤立小目標(biāo)和目標(biāo)區(qū)域識(shí)別，結(jié)合圖像標(biāo)定結(jié)果，從而實(shí)現(xiàn)火花塞間隙在線、非接觸、高效、準(zhǔn)確的圖像法測(cè)量。

1圖像采集

使用尼康D7100數(shù)碼相機(jī)為圖像采集工具，其CMOS尺寸為23.5 mm×15.6 mm，大于一般工業(yè)攝像頭和數(shù)碼相機(jī)CCD或CMOS尺寸(5.2 mm×4.1 mm)，同時(shí)為相機(jī)配套50 mm(f1.8)定焦鏡頭，可以最大限度減小圖像畸變引起的測(cè)量誤差，保證良好的圖像質(zhì)量[4,5]。將該相機(jī)固定于思銳R2004三腳架上，使鏡頭軸線豎直向下，并垂直于白色LED平板光源(300 mm×300 mm)。調(diào)節(jié)三腳架高度，使鏡頭與光源之間垂直距離為550 mm。將東-30拖拉機(jī)配套發(fā)動(dòng)機(jī)火花塞置于平板光源中央，得到火花塞原始圖像如圖1所示，其分辨率為4 000×6 000。

圖1　火花塞原始圖像 Fig.1　Original image of sparking plug

2圖像處理

對(duì)采集的火花塞原始圖像進(jìn)行二值化、去除孤立小目標(biāo)和目標(biāo)區(qū)域識(shí)別等處理，主要目的是得到邊緣清晰、銳利的火花塞圖像，以實(shí)現(xiàn)其間隙值的圖像法測(cè)量[6]。

2.1圖像二值化處理

原始圖像為RGB彩色圖像，其顏色信息對(duì)間隙值測(cè)量無用，故使用MATLAB中的rgb2gray函數(shù)，并使用自動(dòng)閾值法[7]，即graythresh選項(xiàng)將原始圖像變?yōu)槎祱D像，如圖2所示。

圖2　二值化圖像 Fig.2　Binary image

2.2去除孤立的小目標(biāo)

由圖2可以看出，其左上方有若干孤立的小黑點(diǎn)，這是圖像二值化過程中產(chǎn)生的，應(yīng)當(dāng)去除這些干擾點(diǎn)，保證間隙值檢測(cè)準(zhǔn)確[8]。

試驗(yàn)發(fā)現(xiàn)，使用bwareaopen函數(shù)，并將其像素選項(xiàng)p值設(shè)置為500，即可有效去除包括火花塞間隙區(qū)域在內(nèi)的所有干擾點(diǎn)，從而得到適合間隙值測(cè)量的理想圖像。

但bwareaopen函數(shù)只可去除亮度值為1的點(diǎn)或區(qū)域，即白色點(diǎn)或白色區(qū)域，故應(yīng)先使用imcomplement函數(shù)對(duì)圖2進(jìn)行反色處理，如圖3所示。

圖3　反色圖像 Fig.3　Complement image

2.3目標(biāo)區(qū)域識(shí)別

對(duì)火花塞間隙值進(jìn)行測(cè)量，應(yīng)從圖像中找到火花塞間隙的準(zhǔn)確位置。使用imcrop函數(shù)可以準(zhǔn)確定位火花塞間隙[9]，其語法格式為：

I= imcrop(I, [xmin ymin width height])

其中，xmin和ymin為所選矩形區(qū)域左上角點(diǎn)的二維坐標(biāo)，width和height分別確定了以(xmin ymin)為角點(diǎn)的矩形區(qū)域的寬和高。試驗(yàn)發(fā)現(xiàn)，?。?/p>

[xmin ymin width height]=[2000 5200 60 50]

可以準(zhǔn)確定位到火花塞間隙區(qū)域，如圖4所示。

圖4　火花塞間隙 Fig.4　Sparking plug gap

3火花塞間隙測(cè)量

經(jīng)bwlabel函數(shù)對(duì)圖4標(biāo)記后，使用regionprops函數(shù)及其boundingbox選項(xiàng)可測(cè)得火花塞間隙S的值[10]。其語法結(jié)構(gòu)為：

c=bwlabel(c);

t=regionprops(c, ′Bounding Box′)

其中，c為圖4所示火花塞間隙圖像，BoundingBox為圖4中包含白色區(qū)域的最小矩形，該矩形的高度S即為被測(cè)火花塞間隙值。

經(jīng)MATLAB計(jì)算，S=17(像素)。若將該值轉(zhuǎn)換為實(shí)際長度值，需進(jìn)行圖像標(biāo)定，即計(jì)算出圖上1像素代表的實(shí)際長度值[11～15]。

以25 mm標(biāo)準(zhǔn)直徑圓形板為參照物，采用與火花塞相同的拍攝條件采集圖像，如圖5所示。

圖5　標(biāo)定物 Fig.5　Calibration object

對(duì)圖5進(jìn)行二值化等處理后，同樣用regionprops函數(shù)測(cè)得該參照物的圖像尺寸為680.5像素，故圖像上1像素代表的實(shí)際長度為：

25/680.5=0.0367 38(mm/像素)

因此，被測(cè)火花塞間隙的實(shí)際長度S為：

S=17×0.036 738=0.624 5 (mm)

用塞尺對(duì)該火花塞間隙進(jìn)行手工檢測(cè)，其平均值為0.62 mm，故圖像法檢測(cè)火花塞間隙的相對(duì)誤差為：

(0.6245-0.62)/0.62=0.73%

為驗(yàn)證火花塞間隙圖像法檢測(cè)的可行性和準(zhǔn)確性，在自然光條件下分別采集原火花塞1.2倍和2.0倍圖像(圖6)，運(yùn)用本文所述圖像處理方法分別對(duì)這兩幅圖像進(jìn)行火花塞間隙值測(cè)量，結(jié)果表明，方法通用性較好，測(cè)量結(jié)果的相對(duì)誤差分別為0.52%和0.35%。由此可見，運(yùn)用圖像法對(duì)汽油機(jī)火花塞間隙值進(jìn)行測(cè)量準(zhǔn)確性較好，可用于實(shí)際生產(chǎn)和檢測(cè)。

圖6　1.2X和2.0X變焦倍數(shù)下采集的圖像 Fig.6　Captured images of 1.2X and 2.0X

4結(jié)論

機(jī)器視覺和圖像處理技術(shù)具有非接觸、高效、檢測(cè)準(zhǔn)確性好等優(yōu)點(diǎn)，將該技術(shù)應(yīng)用于汽油機(jī)火花塞間隙測(cè)量，一方面減輕了人工測(cè)量的勞動(dòng)強(qiáng)度，降低了測(cè)量誤差，另一方面，將該技術(shù)應(yīng)用于實(shí)際生產(chǎn)線上，進(jìn)行火花塞間隙實(shí)時(shí)、在線測(cè)量，可顯著提高檢測(cè)效率。同時(shí)，相應(yīng)算法也可為農(nóng)業(yè)工程等領(lǐng)域在線尺寸測(cè)量提供一種可參考的方法。

參考文獻(xiàn)

[1]高連興，吳明. 拖拉機(jī)汽車學(xué)(上冊(cè))[M]. 北京：中國農(nóng)業(yè)出版社，2009：8-30.

[2]魯植雄，李文哲. 汽車拖拉機(jī)學(xué)(電器與電子設(shè)備)[M]. 北京：中國農(nóng)業(yè)出版社，2006：153-157.

[3]王偉. 傳統(tǒng)火花塞電極間隙在線測(cè)量方法的優(yōu)化[J]. 制造業(yè)自動(dòng)化，2010，32(9)：50-51.

[4]章毓晉. 圖象工程[M]. 北京：清華大學(xué)出版社，2000：212-220.

[5]鄧羅虹. 基于線陣CCD的機(jī)器視覺測(cè)量系統(tǒng)的研究[D].蘇州：蘇州大學(xué)，2014.

[6]陳秉陶. 汽油發(fā)動(dòng)機(jī)點(diǎn)火系統(tǒng)火花塞間隙擊穿電壓有效檢測(cè)技術(shù)實(shí)踐[J]. 裝備制造技術(shù)，2013(10)：198-199.

[7]秦襄培. MATLAB圖像處理與界面編程寶典[M]. 北京：電子工業(yè)出版社，2009：362-400.

[8]岡薩雷斯著，阮秋琦譯.數(shù)字圖像處理(MATLAB版)[M]. 北京：電子工業(yè)出版社，2006：180-224.

[9]姚敏. 數(shù)字圖像處理[M]. 北京：機(jī)械工業(yè)出版社，2006：138-160.

[10]高成. MATLAB圖像處理與應(yīng)用[M]. 北京：國防工業(yè)出版社，2007：185-215.

[11]Liu M, Hartley R, Salzmann M. Mirror surface reconstruction from a single image[C]. Computer Vision and Pattern Recognition (CVPR), IEEE, 2013：129-136.

[12]Zhang S. Composite phase-shifting algorithm for absolute phase measurement[J]. Optics and Lasers in Engineering, 2012, 50(11)：1538-1541.

[13]Balzer J, Hofer S, Beyerer J. Multiview specular stereo reconstruction of large mirror surfaces[C]. 2011 IEEE Conference on Computer Vision and Pattern Recognition, 2011：2537-2544.

[14]Ihrke I, Kutulakos K N, Lensch H, et al. Transparent and specular object reconstruction[J]. Computer Graphics Forum, 2010, 8：2400-2426.

[15]王子辰，戴明，李剛，等. 基于虛擬立體靶標(biāo)的線陣相機(jī)標(biāo)定與分析[J]. 紅外與激光工程，2014，43(3)：902-907.

(編輯：馬榮博)