張銀玲，沈永良，張夢營

(黑龍江大學 電子工程學院，哈爾濱 150080)

?

基于機器視覺的螺紋缺陷檢測方法

張銀玲，沈永良*，張夢營

(黑龍江大學 電子工程學院，哈爾濱 150080)

針對目前螺紋缺陷檢測方法效率低，在線檢測較難實現(xiàn)等問題，提出了一種基于機器視覺的螺紋缺陷檢測方法。通過工業(yè)CCD相機來采集螺紋的缺陷圖像，對圖像進行灰度化、增強、二值化和去噪處理。去噪方法選擇的是數(shù)學形態(tài)學運算。數(shù)學形態(tài)學的腐蝕、膨脹、開運算和閉運算操作能夠有效地保留螺紋形狀特性，并且有效地保留螺紋的邊緣信息。通過投影的方式定位螺紋主要部位，將螺紋的頂部和底部去掉，減少誤操作。該算法通過使用減法運算定位螺紋的缺陷，從而檢測出螺紋缺陷位置。實驗結(jié)果表明，該算法具有較強的識別和檢測缺陷的能力，滿足了基本的設計需求。

螺紋；缺陷檢測；機器視覺；形態(tài)學去噪；投影；減法

螺紋是重要的工業(yè)緊固連接零件，在傳動、傳接和緊固中起著不可替代的作用，這就要求機械制造業(yè)提高螺紋的生產(chǎn)質(zhì)量。傳統(tǒng)的螺紋檢測主要是基于人工接觸測量，主要的測量參數(shù)有：螺紋的牙型半角、螺距、螺紋升角、螺紋高度、大徑、中經(jīng)和小徑[1]，這種方法不僅耗時耗力，而且工作效率低，檢測精度低，并且容易導致螺紋的磨損。不同于傳統(tǒng)的檢測技術(shù)[2]，介入工業(yè)相機CCD來獲取螺紋圖像，經(jīng)過邊緣檢測等識別出螺紋邊緣，用數(shù)學的方法測量出螺紋的參數(shù)來確定螺紋是否存在缺陷，這種方法即使涉獵到機器視覺但仍然是效率低，檢測過程復雜。利用計算機控制伺服電機操作[3]，使測量探頭與油套管的螺紋進行相對運動，從而完成油套管螺紋的檢測工作，它可以精確地得到要檢測的螺紋數(shù)據(jù)，但是在該項技術(shù)中并不能確定螺紋的哪部分存在缺陷。應用機器視覺來檢測螺紋參數(shù)，同時使用改進的遺傳神經(jīng)網(wǎng)絡算法來加速檢測速率，但檢測完畢還要人眼定位螺紋缺陷[4-5]。綜上，本文檢測方法，不僅可定位出螺紋缺陷，同時也可提高檢測效率。

采用基于機器視覺的螺紋缺陷檢測方法，利用CCD攝像機采集螺紋圖像，使用數(shù)學形態(tài)學方法去噪螺紋圖像，并且以MATLAB為平臺[6]，實現(xiàn)圖像數(shù)據(jù)采集、螺紋缺陷的提取及識別等功能，能夠有效地檢測出缺陷螺紋。

1 檢測系統(tǒng)設計

圖1 螺紋缺陷檢測系統(tǒng)流程Fig.1 Thread defect detection system flow

首先螺絲通過進料系統(tǒng)由進料軌道送到高速旋轉(zhuǎn)的分度盤上，將平行光打在待檢測的螺紋零件上，使其外輪廓投影在攝像機成像區(qū)域范圍內(nèi)，然后CCD攝像機對圖像進行采集。主機控制進料，并且觸發(fā)攝像機采集螺紋圖像。驅(qū)動電路作用下的攝像機，輸出測量的螺紋輪廓信息的脈沖序列[7]。脈沖序列由信號處理電路處理之后，輸入到計算機，通過相應的軟件進行處理和分析，得到的檢測結(jié)果用以控制分選氣缸，剔除具有缺陷的螺紋零件，檢測系統(tǒng)流程見圖1。

在設計螺紋缺陷檢測裝置時，要充分考慮設計要求，保證系統(tǒng)具有良好的魯棒性、可操作性及擴展性。該裝置由CCD攝像裝置、運動控制系統(tǒng)、光照系統(tǒng)、光學成像系統(tǒng)和圖像處理軟件等構(gòu)成，螺紋參數(shù)CCD視覺檢測系統(tǒng)見圖2和圖3。

圖2 機器視覺工件缺陷檢測系統(tǒng)Fig.2 Defect detection system of the machine vision workpiece

圖3 機器視覺工件缺陷檢測系統(tǒng)流程Fig.3 Machine vision workpiece defect detection system flow

2 螺紋圖像處理

螺紋圖像處理在螺紋檢測系統(tǒng)中是最重要也是最基礎的環(huán)節(jié)，圖像采集和圖像處理的好壞，直接影響后期螺紋缺陷檢測的結(jié)果。螺紋圖像處理主要包括螺紋圖像的二值化、螺紋圖像的去噪、螺紋缺陷檢測算法的實現(xiàn)、螺紋缺陷檢測結(jié)果分析等主要內(nèi)容。

2.1 螺紋圖像去噪

在獲取圖像和傳輸圖像的過程中，因為噪聲的干擾而影響圖像的質(zhì)量，所以去除噪聲的影響是圖像處理的關鍵步驟。螺紋缺陷圖像去噪采用的是數(shù)學形態(tài)學運算的方法。數(shù)學形態(tài)學(Mathematics Morphology)誕生于1964年，是由法國巴黎礦業(yè)學院博士賽拉(J.Serra)和導師馬瑟榮首次提出的。數(shù)學形態(tài)學的基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去量度和提取圖像中的對應形狀以達到對圖像分析和識別的目的[8]。

數(shù)學形態(tài)學由許多代數(shù)運算子組成，基本運算有：膨脹、腐蝕、開運算和閉運算。這里用到開運算，主要是因為開運算可以使邊界平滑，消除細小的尖刺，斷開窄小的連接,保持螺紋圖像的形狀不變[9]。開運算公式為：

A·B=∪{(B)Z|(B)Z?A}

(1)

與此同時，數(shù)學形態(tài)學方法是利用一個稱做結(jié)構(gòu)元素的“探針”來獲取圖像信息，圓形結(jié)構(gòu)[8]探針具有各向同性并且螺紋的形態(tài)保持的好，所以選取圓形結(jié)構(gòu)探針。在圖像上探針會不斷地移動，可獲得圖像各個部分的相互聯(lián)系，從而了解圖像的結(jié)構(gòu)信息。去噪的效果見圖4和圖5。去噪增強后的螺紋缺陷圖像進行二值化處理，然后對該圖進行取反操作，為下文螺紋缺陷檢測算法做準備，見圖6和圖7。

圖4 原始螺紋缺陷圖像Fig.4 Original thread defect image

圖5 數(shù)學形態(tài)學去噪后的螺紋圖像Fig.5 Thread image of mathematical morphology denoising

圖6 二值化的螺紋缺陷圖像Fig.6 Two valued thread defect image

圖7 取反操作的螺紋缺陷圖像Fig.7 Reverse operation of thread defect image

2.2 螺紋缺陷檢測算法

螺紋缺陷檢測算法流程見圖8。螺紋缺陷檢測算法首先是對螺紋缺陷圖像進行預處理，上文已闡述此處不贅述。再對螺紋缺陷圖像進行投影，求解出圖像中每一行像素的和，波形圖見圖9。

在定位螺紋的過程中，選擇合適的閾值對圖像定位的重要性是不可小覷的。定位螺紋區(qū)域，去掉螺紋頂部和底部的位置，減少誤識別見圖10。

圖8 螺紋表面缺陷檢測算法流程圖Fig.8 Flow chart of the thread surface defect detection algorithm

圖9 螺紋缺陷圖像的投影曲線圖Fig.9 Projection curve of the thread defect image

圖10 定位螺紋區(qū)域圖像Fig.10 Image of positioning thread area

圖11 檢測出的螺紋缺陷圖像Fig.11 Image of the detected thread defect image

缺陷提取的關鍵步驟是識別螺紋圖像中的缺陷空洞，識別出缺陷空洞后把缺陷位置填充，并且與原螺紋圖像做減法，然后進行邊緣缺陷的處理。采用閉運算是指對螺紋圖像先進行膨脹處理再進行腐蝕的結(jié)果。閉運算的結(jié)果是起到平滑螺紋輪廓的作用，將狹窄的缺口連接起來形成細長的彎口，同時會填充小于結(jié)構(gòu)元素的洞，閉運算公式為：

(2)

定位出螺紋缺陷位置，并進行缺陷的標記。選擇合適的閾值，篩選出缺陷面積最大的定為缺陷部分。

2.3 螺紋缺陷檢測結(jié)果

螺紋圖像缺陷檢測的結(jié)果見圖11，檢測結(jié)束后根據(jù)螺紋是否有缺陷會彈出提示框，通過分選系統(tǒng)將有缺陷的螺紋篩選出來。

3 實驗檢測結(jié)果分析

通過反復實驗得到螺紋缺陷檢測率為85%。由于實驗環(huán)境有限，并且螺紋屬于高反光零器件，在螺紋采集的過程中，對光的要求相當高。由于采集過程中的打光不均勻使螺紋表面反光嚴重，在螺紋缺陷檢測時會產(chǎn)生誤判的狀況。在實驗中，筆者選用30幅螺紋表面圖像，其中20幅為有缺陷圖像，10幅為無缺陷圖像，其檢測結(jié)果見表1。

表1 螺紋缺陷檢測結(jié)果統(tǒng)計

Table 1 Testing result of the screw thread

螺紋類型檢測總圖片數(shù)目正確識別圖片數(shù)目誤檢測圖片數(shù)目漏檢測圖片數(shù)目統(tǒng)計結(jié)果(%)有缺陷20163180無缺陷1091090

4 結(jié) 論

通過上述實驗檢測數(shù)據(jù)表明，本文能夠有效地標示出螺紋表面的缺陷分布情況，能很清晰的看到缺陷所在位置。并且在不改變螺紋形狀的基礎上，實現(xiàn)了采用機器視覺的方法對螺紋非接觸式的測量，改變了肉眼檢測螺紋表面缺陷的常規(guī)做法。不僅提高了螺紋缺陷的檢測精度，也大幅度地提高了檢測的效率。

[1] 雷吉平，顏樹華.螺紋參數(shù)CCD視覺檢測系統(tǒng)的研究[J].制造技術(shù)與機床，2010(4)：96-99.

[2] 沈少偉，顏樹華，周春雷，等.基于CCD視覺的螺紋參數(shù)自動檢測技術(shù)研究[J].半導體光電，2007(6)：865-869.

[3] 任鵬飛.油套管螺紋區(qū)常見缺陷失效分析及檢測技術(shù)[J].檢驗檢測，2016(1)：22-23.

[4] 張曉芳，李彩鳳，張濤，等.基于機器視覺技術(shù)的螺紋檢測方法[J].科技論壇，2016(12):162.

[5] 胡月，沈永良.深度學習模型與成對分類相結(jié)合的人臉識別新算法[J].黑龍江大學工程學報，2016，7(3):68-73.

[6] 施保華，魏雅慧.一種基于機器視覺的螺紋缺陷檢測方法[J].蘭州大學學報，2015(2):64-66.

[7] 張德豐.MATLAB數(shù)字圖像處理[M].北京：機械工業(yè)出版社,2012.

[8] Bai Fangfang,Miao Changyun,Zhang Cheng,et al.Studying on denoising algorithm of heart sound signal based on the generalized mathematical morphology[J].IEEE,2010:1797-1800.

[9] Zhao Zhao,Liu Lilin,Zhang Chengxue,et al.Research and analysis of selecting principle of Morphological filter’s structural elements[J].Protection and coercion of Power system,2009(14):21-25.

(本期責任編輯：張松波 王紅星 鄒曉艷 英文審校：丁 琳)

Screw thread defect detection method based on machine vision

ZHANG Yin-Ling,SHEN Yong-Liang*,ZHANG Meng-Ying

(SchoolofElectronicEngineering,HeilongjiangUniversity,Harbin150080,China)

A new screw thread defect detection method is raised based on machine vision,aiming at low efficiency and hard to achieve online detecting,etc.Firstly,we collect some thread defect images via industrial CCD camera,then we do image gray,enhancement,binarization and denoising processes.Mathematical morphological operation is used to dealing with noise.The corrosion,expansion,opening operation and closing operation of mathematical morphology can effectively keep the shape features and edge information of thread.After locating main parts by projection,we remove top and bottom of thread to reduce wrong operations.Mathematical morphology can test thread defect position by means of subtraction operation.The experimental results show that the method has strong ability to recognition and detect defects,which mainly meets need for design.

screw thread; defect detecting; machine vision;morphological denoising; projection; subtraction

10.13524/j.2095-008x.2016.04.064

2016-08-26;

2016-10-10

國家自然科學基金青年科學基金項目(61503127)

張銀玲(1993-)，女，吉林蛟河人，碩士研究生，研究方向：智能儀器和智能測控技術(shù)，E-mail：964625165@qq.com；*通訊作者：沈永良(1964-)，男，黑龍江雙鴨山人，教授，博士，研究方向：圖像檢測與測控儀表，E-mail：shen-yl@163.com。

TP274.2

A

2095-008X(2016)04-0092-05