封居強，黃凱峰，王 晉，楊偉虎，葉海明

(淮南師范學院 a.機械與電氣工程學院；b.軌道交通電源與控制工程技術研究中心，安徽 淮南 232038)

0 引言

目前，冷媒銅管多采用不銹鋼多規(guī)格圓孔工件固定安裝。然而，由于工件為沖壓加工，部分工件的圓孔邊緣存在“毛刺”。安裝過程中，這些毛刺極其容易造成銅管損壞。因此，工件生產(chǎn)過程中必須嚴格的控制“毛刺”問題，或者檢測工件質量，淘汰“毛刺”較大的工件。由于加工設備、工藝等原因，控制或提高工件質量較難實現(xiàn)，目前多采用人工目視檢測工件質量問題。這種傳統(tǒng)的檢測方法容易受到檢測工人技術水平、責任心、疲勞程度等不穩(wěn)定因素的影響，誤檢和漏檢率較高[1-2]，且效率低下、一致性差。隨著國民經(jīng)濟的快速發(fā)展，國內人工成本不斷的增加，又受到新型冠狀病毒肺炎(Corona Virus Disease 2019，COVID-19)的影響，傳統(tǒng)人工目視檢測的方法無法滿足生產(chǎn)需求。探求基于機器視覺的智能檢測方法成為必然趨勢。

機器視覺(Machine Vision，MV)是一種以機器視覺產(chǎn)品代替人眼的視覺功能，利用計算機對機器視覺產(chǎn)品采集的圖像或視頻進行處理，實現(xiàn)對客觀世界的三維場景感知、識別和理解的技術[3]。NI具有支持各種工業(yè)與科學相機，擴展軟件降低應用開發(fā)和維護成本及各種工作協(xié)議的特點。因此，基于虛擬技術和機器視覺的工業(yè)應用受到許多學者的研究和行業(yè)的應用。文獻[4]以LabVIEW為軟件開發(fā)平臺，結合IMAQ Vision工具包設計了番茄表面霉斑缺陷檢測系統(tǒng)；文獻[5]利用IMAQ Vision函數(shù)庫和CCD相機實現(xiàn)了金屬自動切割控制；文獻[6]采用IMAQ Vision和Vision Assistant函數(shù)庫，結合工業(yè)相機設計了一套餐具分揀系統(tǒng)；文獻[7]借用IMAQ Vision提供的幾何匹配算法對在線金屬工件型號進行快速識別；文獻[8]基于LabVIEW以及專用的機器視覺函數(shù)庫IMAQ Vision和日本Computar公司相機設計了一套對漸開線直齒圓柱齒輪的檢測系統(tǒng)，有效的降低人為誤差；文獻[9]采用Particle Analysis函數(shù)計算任意孔坐標，結合CCD相機和PLC控制系統(tǒng)實現(xiàn)了智能插裝系統(tǒng)。

為了提高不銹鋼多規(guī)格圓孔工件質量檢測效率、降低生產(chǎn)成本。本文結合現(xiàn)有的機器視覺檢測系統(tǒng)，針對多規(guī)格圓孔工件提出基于虛擬技術和機器視覺的快速檢測方法，并結合工業(yè)相機和單元控制系統(tǒng)實現(xiàn)破損元件的篩選。

1 系統(tǒng)構成及基本原理

多規(guī)格圓孔工件質量檢測系統(tǒng)主要任務是將傳送帶上質量不合格的工件篩選并剔除。該系統(tǒng)的基本結構圖如圖1所示，分為上位機和下位機，主要包括圖像采集模塊、運動控制模塊、工件質量檢測模塊、光源控制模塊、缺陷工件圖像存儲模塊和用戶管理模塊。

圖1 系統(tǒng)基本結構圖

系統(tǒng)檢測模塊主要分為生產(chǎn)線的實時檢測和離線破損工件分析檢測。前者的工作原理為：工件在傳送帶運行至指定位置，觸發(fā)源觸發(fā)、相機采集照片；照片保存在指定位置，同時交給上位機檢測系統(tǒng)檢測；如果工件存在缺陷，將處理后的照片保存在服務器中，同時控制運動模塊將工件剔除。后者離線檢測主要是用于缺陷分析，通過分析缺陷的共性尋找造成缺陷的原因和解決方法。整個系統(tǒng)工作原理流程圖如圖2所示。

圖2 系統(tǒng)工作原理流程圖

2 硬件系統(tǒng)的設計

2.1 工件分析

多規(guī)格圓孔工件作為冷媒銅管安裝固定裝置，是通過五金沖壓加工完成。五金沖壓加工性能較穩(wěn)定、互換性較好、操作相對簡單、便于組織生產(chǎn)，在大量生產(chǎn)的情況下，高速壓力機每分鐘可生產(chǎn)幾百上千件，是一種高效的加工方法[10]。但易受到磨具精度影響，加上單調頻繁長時間的操作，容易引起精神疲勞和動作不協(xié)調，生產(chǎn)的工件存在質量問題。本文的研究主要涉及兩個尺寸的規(guī)格，具體如圖3所示。

圖3 工件樣本

2.2 圖像采集模塊

圖像采集模塊主要由載物平臺、光源、相機、一體機等組成。載物平臺采用鐵管支架；光源采用上海嘉勵自動化科技有限公司的開孔型背光源，光源控制器型號MX-APC2-24；控制器和線路使用的是安徽錦希自動化科技有限公司的EDR-75-24。

2.3 運動控制模塊

運動控制模塊主要由伺服電機、傳送裝置、電機控制器、推桿和光源觸發(fā)器構成。主要的功能主要包括3點：①保證工件以均勻的速度前行；②根據(jù)工件運行位置準確的控制相機采樣；③采樣后的圖像經(jīng)過分析控制推桿將不合格的工件剔除。系統(tǒng)設計的運行速度為3件/秒，是傳統(tǒng)人工檢測的3倍。

3 視覺處理系統(tǒng)設計與分析

本系統(tǒng)以2018版LabVIEW環(huán)境為開發(fā)平臺，利用IMAQ Vision[11]視覺庫函數(shù)采集工件圖像，并對圖片進行標定、幾何矯正、裁剪、灰度化、二值化等預處理。利用Assistant函數(shù)庫[12-13]中的Particle Classification函數(shù)對兩類規(guī)格的工件進行識別、分類；Contour Analysis函數(shù)進行輪廓分析；Find Cirular Edge函數(shù)檢測孔的大小。

3.1 檢測界面的設計

LabVIEW作為圖形化編程語言，相對其它高級語言具有簡單明了、函數(shù)庫豐富、開發(fā)周期短等優(yōu)點[14]，因此本文采用LabVIEW軟件進行開發(fā)。檢測界面作為系統(tǒng)與用戶交流的窗口，具有輸入、輸出、顯示等功能?？紤]系統(tǒng)的復雜性，設計了實時顯示界面、圓孔質量評價界面和圓孔尺寸計算界面，圖4為實時顯示界面。

圖4 系統(tǒng)檢測分析界面

圖4中參數(shù)是按照圖2的流程圖工作模式設定，將預處理的圖片和檢測后的圖片顯示，并以日期-時間的格式保存不合格的圖片到指定位置。存在“毛刺”的圓孔檢測后以紅色標注。

3.2 系統(tǒng)程序設計

系統(tǒng)的程序按照功能要求，采用模塊化、層次化設計，主要流程如圖2所示。該部分重點介紹IMAQ Vision和Assistant庫函數(shù)如何實現(xiàn)預處理、檢測和計算圓孔大小的實現(xiàn)方法。

(1)預處理

由于工件方向和位置隨意性較大，需要進行幾何矯正和裁剪等預處理。矯正的程序和對應圖像變化結果如圖5所示，傾角計算后采用IMAQ Rotate函數(shù)實現(xiàn)旋轉。

圖5 圖像矯正圖像的程序和變化結果

由于工件的規(guī)格大小不統(tǒng)一，在辨識和檢測邊緣時精確度低，必須需要對圖片進行裁剪。圖像矯正后采用2次Max Clamp函數(shù)處理，獲取最大邊緣坐標。采用IMAQ Extract Tetragon函數(shù)完成裁剪，實現(xiàn)圖片尺寸的歸一化。

(2)識別和檢測

工件分為兩種規(guī)格，需要識別后方可進行質量檢測。工件圖像訓練和識別過程主要用到Assistant函數(shù)庫中的Color Plane Extractiong、Particle Classification、Gray Morphlogy和Clamp(Rake)函數(shù)。識別過程中最重要的步驟是樣本的訓練，采用Training Interface參數(shù)配置的方式實現(xiàn)樣本訓練，其中訓練方法為最小領域法、度量方法為歐幾里德幾何法，該方法的識別率為100%。

工件圖像識別后主要采用Assistant函數(shù)庫中的Contour Analysis輪廓分析函數(shù)進行檢測。該函數(shù)實現(xiàn)圓孔的輪廓大小提取、分析和比較，共獲得221組數(shù)據(jù)，包括X軸、Y軸、Curvature(曲率)。利用曲率值與設定閾值比較，任意一個曲率值大于閾值，該圓孔即判定為不合格，標紅處理，如圖6所示。

圖6 工件曲率值和檢測結果

由圖6可知，圓孔4、6、14和15的曲率值明顯大于設定的范圍(-0.8～0.8)，因此，檢測結果相對應的圓孔標紅。而實際工件中的第4、6、14和15圓孔也存在缺陷。通過大量的實驗驗證可知，工件1閾值設定在-0.13～0.13，工件2閾值設定在-0.8～0.8，準確率達到98%，檢測存在誤差的主要原因是加工件表面受污染。

(2)圓孔大小計算與分析

系統(tǒng)檢測工件邊緣“毛刺”外，還需要計算圓孔的大小。低于設定值的圓孔質量也不符合要求。系統(tǒng)采用Assistant函數(shù)庫中的Image Calibration、Edge Detector、Find Circular和Calper函數(shù)實現(xiàn)圓孔直徑和橢圓形長短邊計算。圓孔半徑計算的流程圖和計算原理如圖7所示。

圖7 圓孔半徑計算程序和計算原理

根據(jù)圖7的原理測量工件1和工件2的圓孔大小和工件實際值比較如表1所示。

表1 工件訓練和識別主要函數(shù)說明

工件1包含兩類孔：一類是半徑為0.5 cm的圓孔；一類是X軸直徑為2.55 cm的橢圓形。兩種圓孔測量允許誤差為4%和1.5%，對應的絕對誤差分別為0.02 cm和0.04 cm。由表2可知，工件1中孔號為2和13的絕對誤差分別為-0.04 cm和-0.06 cm，這些孔大于規(guī)定誤差值不符合質量要求。工件2的測量數(shù)據(jù)是圖7中檢測后計算的結果，按照工件1的標準分析表2可知，工件2中孔號為4、6、14和15的絕對誤差分別為-0.03 cm、-0.03 cm、0.18 cm和-0.04 cm，這些孔大于規(guī)定誤差值不符合質量要求。這種半徑計算法判斷圓孔質量的結果與圖7曲率值判斷的結果完全相符，并且與工件實際情況相同。

4 總結

本文通過研究傳統(tǒng)人工檢測存在的問題，從成本、功效和開發(fā)效率等方面綜合考慮設計一套基于虛擬技術和機器視覺檢測多規(guī)格圓孔工件質量的系統(tǒng)。針對兩種不同規(guī)格的工件，分別進行了30片工件質量檢測，結果表明該系統(tǒng)識別率為100%、缺陷檢測準確率達98%；整個系統(tǒng)在保證準確度的情況下檢測速度提高了3倍，有效的降低了生產(chǎn)成本。另外系統(tǒng)還提供圓孔半徑計算功能，多角度分析圓孔工件質量問題。