李華平，劉 超

(1.重慶工程學(xué)院軟件學(xué)院，重慶 400056；2.貴州航天電器股份有限公司，貴州 貴陽 550009)

宇航連接器中的緊固零配件通常為螺釘，其螺紋質(zhì)量問題將影響連接器緊固效果。螺紋質(zhì)量不合格將給連接器系統(tǒng)集成造成不良影響，嚴重情況下會因連接器機械連接不緊固而導(dǎo)致整個系統(tǒng)失效[1]。因此，連接器裝配之前需要進行螺紋幾何參數(shù)的嚴格管控。傳統(tǒng)的人工測量方式精度相對較低、一致性差、大批量測量過程耗時費力，且易導(dǎo)致螺紋損傷[2]。隨著人工智能、圖像處理技術(shù)的快速發(fā)展，采用機器視覺替代人工進行螺紋尺寸檢測已成為相關(guān)企業(yè)優(yōu)選方案。

近年來，眾多學(xué)者對視覺技術(shù)用于尺寸測量與缺陷識別進行了廣泛研究，并取得了大量研究成果[3-4]。文獻[5]采用機器視覺技術(shù)對焊點圖像進行定位、特征提取，并結(jié)合K-近鄰法提高了電路板焊點檢測的準確率。文獻[6]設(shè)計采用線掃相機快速獲取圖像，并對圖像進行去霧增強處理，采用YOLOv2 模型實現(xiàn)了碳纖維預(yù)浸料表面缺陷的機器視覺檢測。包能勝等[7]提出基于機器視覺技術(shù)的連續(xù)運動螺紋尺寸檢測方法，解決了傳統(tǒng)方法效率低、精度不高的問題。

LabVIEW 是NI 公司研制開發(fā)的基于數(shù)據(jù)流編程方式的程序開發(fā)環(huán)境[8]，采用圖形化編輯語言G編寫程序，簡單易用、程序開發(fā)周期短，是開發(fā)測量或控制系統(tǒng)的理想選擇。IMAQ Vision 是LabVIEW視覺庫[9]，結(jié)合了LabVIEW 和IMAQ Vision 的優(yōu)點，具有圖形化編程環(huán)境和豐富的圖像處理功能，在尺寸測量、缺陷識別、引導(dǎo)定位等方面廣泛應(yīng)用[10]。為解決實際生產(chǎn)中人工檢測大批量螺紋的大徑尺寸、壞牙缺陷存在效率低、一致性差、勞動強度大的問題，基于IMAQ Vision 提出了螺紋非接觸自動檢測系統(tǒng)?；谙㈥犃袡C制開發(fā)了LabVIEW 圖像采集模塊。依據(jù)螺紋特征，設(shè)計了ROI 采集算法，確保系統(tǒng)的通用性和穩(wěn)定性。采用IMAQ Vision 視覺庫圖像處理函數(shù)進行螺紋牙頂數(shù)據(jù)提取，最終實現(xiàn)螺紋大徑測量及壞牙缺陷識別?，F(xiàn)場測試結(jié)果驗證了所設(shè)計系統(tǒng)的準確性和有效性。

1 系統(tǒng)設(shè)計原理

1.1 系統(tǒng)總體結(jié)構(gòu)

螺紋非接觸自動檢測系統(tǒng)總體結(jié)構(gòu)如圖1 所示，包括:照明系統(tǒng)、圖像采集系統(tǒng)、圖像處理系統(tǒng)、運動控制系統(tǒng)、PLC 邏輯控制器。其中，采用70 mm×70 mm 平行白色光源作為背景光源，使采集的圖像穩(wěn)定、對比度高、干擾少。圖像采集系統(tǒng)實現(xiàn)對螺紋進行圖像采集，并通過千兆以太網(wǎng)將圖像傳輸進圖像處理系統(tǒng)。圖像處理系統(tǒng)是螺紋大徑測量、壞牙缺陷識別的核心，通過對采集的圖像進行圖像增強、二值化、ROI 定位等圖像處理后，得到穩(wěn)定的圖像，通過輪廓提取、牙頂數(shù)據(jù)最小二次直線擬合、擬合直線平移、相機標定等實現(xiàn)螺紋大徑測量以及壞牙缺陷識別。運動控制系統(tǒng)主要包括X、Y軸伺服模組和四工位分割器的運動控制。PLC 邏輯控制器是實現(xiàn)檢測自動化的控制中心，通過控制運動機構(gòu)實現(xiàn)上料、卸料、分選、觸發(fā)CCD 相機拍照等工作。

圖1 系統(tǒng)總體結(jié)構(gòu)圖

1.2 檢測流程

檢測系統(tǒng)如圖2 所示，被測螺紋送入四工位分割器并順序放入四個工位。PLC 邏輯控制器控制分割器將螺紋運送到待料位置，同時控制Y軸伺服模組下降到待料位抓取螺紋，并將螺紋移動到視覺系統(tǒng)拍照位。CCD 相機將采集到的螺紋圖像上傳給圖像處理系統(tǒng)進行分析處理，并測量出螺紋大徑、是否存在壞牙缺陷，根據(jù)螺紋合格性判定條件進行螺紋是否合格判斷，PLC 控制器依據(jù)合格性指標對螺紋進行篩選與不良品剔除。

圖2 檢測系統(tǒng)

2 軟件設(shè)計

2.1 圖像采集模塊

圖像采集是視覺系統(tǒng)重要環(huán)節(jié)之一，設(shè)計一種基于消息隊列機制的圖像采集模塊以實現(xiàn)螺紋視覺系統(tǒng)自動檢測任務(wù)，如圖3 所示?；贗MAQ Vision的圖像采集模塊主要包括Open Camera、Snap2、Close Camera、IMAQ Dispose 4 個函數(shù)。其中，Open Camera 用于打開相機資源并加載相機配置文件和創(chuàng)建相機唯一引用；Snap2 用于獲取一幀圖像；Close Camera 用于停止正在進行的采集，釋放相機資源；IMAQ Dispose 用于銷毀圖像并釋放它在內(nèi)存中占用的空間。結(jié)合消息入隊列、出隊列等函數(shù)，以及生產(chǎn)者消費者框架，既保持程序?qū)崟r性，又擁有條理性，實現(xiàn)了螺紋圖像自動檢測[11]。如圖3 所示，當(dāng)“Imaq”隊列接收到“SnapIM”消息，數(shù)據(jù)為“Need-Proc”，則圖像采集模塊將進入“SnapIM”狀態(tài)入口并執(zhí)行Snap2 函數(shù)采集一幀圖像，將采集到的圖像作為數(shù)據(jù)元素，通過元素入隊列函數(shù)將其發(fā)送到“ImgProc”隊列的“IMProc”分支進行圖像分析處理，完成螺紋大徑尺寸測量和壞牙缺陷識別。

圖3 基于消息隊列的圖像采集模塊

2.2 ROI 區(qū)域確定

實際生產(chǎn)過程中，螺紋存在多種規(guī)格，大小與長短不一致，所采集的螺紋圖像在視覺視野中也不在固定位置，為了保證設(shè)計系統(tǒng)的通用性和穩(wěn)定性，設(shè)計一種感興趣區(qū)域(ROI)采集算法[12]。采集的圖像如圖4(a)所示呈水平方向，根據(jù)螺紋圖像特征，將圖像進行二值化、去干擾操作后，采用粒子分析確定螺釘?shù)膸缀沃行腜0點(X0，Y0)，依據(jù)P0點確定豎直搜索線L[(X0，Y0-δY)，(X0，Y0+δY)]，按一定間隔(通常為1 個像素值)向右平移L線，并求取L線與螺紋目標的交點，最終可搜索到螺紋圖像X軸方向像素值最大的點，即螺紋圖像頂點P。以P點為參考點，依據(jù)螺紋特征設(shè)置ROI 區(qū)域，如圖4(b)矩形框即為設(shè)計的ROI 區(qū)域。

圖4 確定ROI 區(qū)域

2.3 大徑測量

Roberts 算子是一種常用的邊緣檢測算子[13]，螺紋圖像經(jīng)過ROI 區(qū)域定位后，在ROI 區(qū)域內(nèi)采用Roberts 進行邊緣檢測，檢測結(jié)果如圖5 所示。提取圖5 所示螺紋邊緣輪廓數(shù)據(jù)點，求取Y軸方向最小值點和最大值點，可計算得到螺紋大徑上、下兩條母線輪廓點數(shù)據(jù)。采用最小二乘直線擬合法對母線輪廓點數(shù)據(jù)進行母線直線的擬合，如圖6 所示。

圖5 Roberts 邊緣檢測算子

圖6 母線輪廓直線最小二乘擬合結(jié)果

由于螺紋加工特性，最小二乘擬合的螺紋大徑上、下兩條母線輪廓直線幾乎平行。假設(shè)擬合的上直線為Ax+By+C1＝0，下直線為Ax+By+C2＝0，則螺紋大徑像素尺寸為d＝。圖6 所示螺紋大徑像素尺寸為212.87，相機標定系數(shù)為0.009 415，因此，螺紋大徑尺寸為2.004 mm。

2.4 壞牙識別算法

壞牙缺陷包括缺牙、爛牙，識別算法采用平移搜索線的方法，缺陷識別算法及步驟描述如下。

(1)設(shè)定搜索步長s、搜索偏移量o、缺陷判別閾值t；

(2)根據(jù)最小二乘法對螺紋的上、下牙頂輪廓進行擬合，得到上、下兩條擬合直線Lu、Ld；

(3)將Lu、Ld直線通過IMAQ MaskToROI 函數(shù)轉(zhuǎn)換成ROI 直線Lu-ROI、Ld-ROI；

(4) 采用Edge Detector 邊緣檢測算法沿著Lu-ROI、Ld-ROI直線ROI 方向查找邊緣，Look For 設(shè)置Find All Edges查找所有邊緣點，記錄為(mi，ni)；

(5)按下式計算相鄰兩個邊緣點間距離di:

(6)缺陷判斷:計算距離偏差，Δdi＝abs(di+1-di)，若Δdi≤t，則無缺陷；否則存在壞牙缺陷；

(7)判斷搜索是否結(jié)束(結(jié)束條件為:存在缺陷或達到搜索偏移量o)，若結(jié)束，輸出結(jié)果；否則，將擬合直線沿著螺紋垂線方向從上往下(Lu線)和從下往上(Ld線)平移搜索步長s，并更新Lu、Ld，循環(huán)跳轉(zhuǎn)到步驟(3)。

3 系統(tǒng)測試

以LabVIEW2014 為開發(fā)平臺，設(shè)計開發(fā)基于IMAQ Vision 螺紋非接觸自動檢測系統(tǒng)。利用該系統(tǒng)對某公司非標4 款螺紋進行測試，每種規(guī)格選擇3 顆螺紋，其中1 顆存在壞牙缺陷，每顆螺紋進行10次獨立重復(fù)測試。測量均值、誤差及缺陷有無的測試結(jié)果如表1 所示。表1 可見，規(guī)格1～規(guī)格4 的測量誤差最大值分別為0.008 mm，整體上，該系統(tǒng)的測量精度能夠達到0.01 mm。此外，針對1＃、5＃、9＃、12＃螺紋，該4 顆螺紋均存在壞牙缺陷，在10 次獨立測試過程中，缺陷檢出次數(shù)均為10 次，顯示了設(shè)計的系統(tǒng)壞牙缺陷檢出率達到100%，對于其余無壞牙缺陷的螺紋，缺陷檢出率為0，即反映了該系統(tǒng)不存在缺陷誤識別情形，壞牙缺陷識別效果如圖7 所示。

表1 系統(tǒng)測試結(jié)果

圖7 壞牙識別效果

為了測試該系統(tǒng)的重復(fù)精度，圖8 所示為8＃螺紋獨立重復(fù)測試10 次的測量值曲線，可見最大測量值為2.478 mm、最小測量值為2.469 mm，波動為0.009 mm，具有較好的重復(fù)性測量精度，滿足工程實際需求。整體上，設(shè)計的螺紋非接觸自動檢測系統(tǒng)具有較高的尺寸檢測精度、重復(fù)性好，且壞牙缺陷檢出率達到100%，驗證了本系統(tǒng)的有效性。

圖8 8＃螺紋重復(fù)性測試結(jié)果

4 結(jié)束語

零件裝配過程中，外螺紋的加工及檢測是一個非常重要環(huán)節(jié)。為了解決人工進行螺紋零件尺寸檢測、壞牙缺陷識別效率低、工作強度大、檢測精度不高的問題，提出一種基于IMAQ Vision 的螺紋非接觸自動檢測系統(tǒng)。該系統(tǒng)設(shè)計了基于消息隊列機制圖像采集模塊、ROI 定位算法，并在ROI 區(qū)域內(nèi)基于IMAQ Vision 和螺紋形狀特征進行圖像預(yù)處理與螺紋輪廓邊緣提取等操作，最終實現(xiàn)螺紋大徑直線擬合壞牙識別。現(xiàn)場測試結(jié)果顯示，該系統(tǒng)螺紋大徑尺寸測量精度為0.01 mm，重復(fù)精度高、穩(wěn)定性好，壞牙重復(fù)檢出率為100%，為螺紋非接觸式檢測提供了一種有效措施。