孫珂琪，黑 棣

(陜西鐵路工程職業(yè)技術(shù)學(xué)院，陜西 渭南 714000)

螺紋被廣泛應(yīng)用于設(shè)備連接、固定和密封元件中，它的基本參數(shù)直接影響設(shè)備的使用效能，因此如何高效、準(zhǔn)確地判斷螺紋參數(shù)非常重要[1-2]。外螺紋的檢測方法一般有人工檢測、光學(xué)檢測、圖像檢測等[3-4]。人工檢測主要包括量具法、量針法、量球法、測長儀法等，這種檢測方法量具與被測工件直接接觸，易造成工件二次傷害，且檢測效率低、誤差大。光學(xué)檢測較常見的是激光檢測方法，這種方法可以避免直接接觸造成的損傷，但是對儀器精度要求很高，且成本較高[5-6]。Hunsicker等[7]基于機(jī)器視覺檢測技術(shù)檢測螺紋基本參數(shù)，但只能進(jìn)行單一參數(shù)的檢測；Pal Singh等[8]研發(fā)了新的視覺螺紋檢測系統(tǒng)，降低了成本，但是只能得到螺紋是否合格的結(jié)論，看不到具體參數(shù)；李國正等[9]設(shè)計(jì)了檢測算法，檢測了螺紋的5個(gè)基本參數(shù)，但并沒有給出如何消除圖像誤差的辦法；沈紹峰[10]通過建立圓柱螺紋數(shù)學(xué)模型消除結(jié)構(gòu)對螺紋成像的誤差，但只適用普通的圓柱螺紋；Chen[11]提出了垂直狀態(tài)下螺紋參數(shù)的檢測方法，但該方法和沈紹峰的方法原理相似，適用性不高；馬睿[12]提出通過獲取被測螺紋視頻、隨機(jī)進(jìn)行截面采樣重構(gòu)三維模型的方法，但沒有解決圖像失真的問題；鄧錦湖[13]提出利用雙遠(yuǎn)心成像原理檢測滾珠絲杠參數(shù)，可以消除部分成像誤差，但設(shè)備成本較高；張軍杰[14]設(shè)計(jì)了攝像機(jī)拍攝角度平行于螺紋旋線的檢測系統(tǒng)，通過建立數(shù)學(xué)模型消除圖像誤差，但對相機(jī)拍攝角度要求過高；李奎等[15]提出了虛擬三針法的中徑檢測方法，但只能檢測單一參數(shù)。

本文在分析螺紋圖像誤差產(chǎn)生原理的基礎(chǔ)上，采用LabVIEW圖像處理結(jié)合MATLAB數(shù)據(jù)分析，利用最小二乘法對螺紋牙型輪廓、中徑重新擬合，再進(jìn)行參數(shù)檢測。

1 螺紋圖像檢測誤差分析

1.1 圖像誤差分析

螺紋是以圓柱或圓錐為母體，旋線繞其母體上升形成的螺旋結(jié)構(gòu)。從圖1中可以看出，對螺紋來說，每一條上行的螺紋邊界總是被遮擋的[16-17]，在實(shí)際獲得的圖像中，看到的輪廓并不是真實(shí)的牙型輪廓。同時(shí)，圖像采集過程中的環(huán)境因素、拍攝角度、光線等也會導(dǎo)致螺紋圖像畸變，圖像失真。

圖1 螺紋圖像誤差

1.2 檢測隨機(jī)誤差

隨機(jī)誤差主要包括兩方面的誤差，一是螺紋標(biāo)定過程中產(chǎn)生的誤差，圖像檢測要把圖像信息轉(zhuǎn)換成數(shù)字信息，在圖像標(biāo)定過程中，標(biāo)定系數(shù)的設(shè)定將直接影響參數(shù)提??；二是圖像邊緣擬合時(shí)產(chǎn)生的誤差，圖像邊緣是由無數(shù)個(gè)像素點(diǎn)組成的，放大后看到的并不是直線，在參數(shù)提取時(shí)也會產(chǎn)生誤差。

2 檢測系統(tǒng)設(shè)計(jì)

螺紋檢測裝置主要由物料放置裝置、驅(qū)動系統(tǒng)、氣動系統(tǒng)、圖像采集系統(tǒng)、螺紋收集系統(tǒng)組成。與傳統(tǒng)的檢測裝置相比優(yōu)勢有兩個(gè)：一是螺紋放置裝置為氣動柔性夾持裝置，可以保護(hù)螺紋不受接觸傷害；二是螺紋放置位置有8個(gè)，可以保證檢測工作的連續(xù)性。

工作原理如圖2所示。被檢測螺紋放置到物料放置裝置中，先由氣動系統(tǒng)吹氣，去除螺紋表面的雜物，再由電機(jī)帶動放料機(jī)構(gòu)轉(zhuǎn)動，每次轉(zhuǎn)動45°，當(dāng)轉(zhuǎn)到與相機(jī)距離最近的時(shí)候，采集螺紋圖像，圖像經(jīng)處理系統(tǒng)處理之后，反饋螺紋數(shù)據(jù)信息，若螺紋合格，將由氣動夾持裝置將螺紋夾持運(yùn)送到標(biāo)準(zhǔn)件收納箱，若不合格，則發(fā)出警報(bào)，放入廢件收納箱。

圖2 螺紋檢測系統(tǒng)原理圖

3 圖像處理及圖像擬合

圖像檢測技術(shù)檢測螺紋的關(guān)鍵在于清晰準(zhǔn)確地獲得螺紋輪廓參數(shù)。理論上螺紋圖像輪廓都是直線，但實(shí)際從圖像中獲取的是無數(shù)個(gè)像素點(diǎn)。為得到更加接近真實(shí)的螺紋輪廓邊界，選擇LabVIEW中vision assisant模塊進(jìn)行圖像處理,解決圖像中的畸變、模糊、毛刺、噪聲等問題，通過圖像標(biāo)定與坐標(biāo)設(shè)定，將像素信息轉(zhuǎn)換為坐標(biāo)信息；然后利用MATLAB、最小二乘法進(jìn)行螺紋圖像邊界擬合。圖像處理與擬合流程如圖3所示。

圖3 圖像處理與擬合流程

以M14×1.5圓柱螺紋作為研究對象,進(jìn)行圖像預(yù)處理與擬合，其標(biāo)準(zhǔn)值為：牙型角60°，螺距1.50 mm，中徑13.026 mm。

第三，為養(yǎng)老機(jī)構(gòu)融資開辟渠道，培育市場力量。首先，在美國政府的政策引導(dǎo)下，養(yǎng)老機(jī)構(gòu)能夠利用以達(dá)金融市場的多元化融資渠道來發(fā)展養(yǎng)老事業(yè)。為增加老年人的支付能力，推出了“以房養(yǎng)老”等金融產(chǎn)品。其次，老齡企業(yè)發(fā)展迅速。目前美國之所以在養(yǎng)老產(chǎn)品的服務(wù)質(zhì)量和供給效率等方面提升較快，主要原因在于涌現(xiàn)出了很多具有優(yōu)秀的管理和運(yùn)營技術(shù)經(jīng)營良好的老齡企業(yè)集團(tuán)，從而使得市場化運(yùn)營的效率得到較大幅度的提升。再次，咨詢服務(wù)的不斷完善起著“專業(yè)謀士”作用，為美國養(yǎng)老事業(yè)的發(fā)展提供了服務(wù)支持。

3.1 圖像預(yù)處理

1)圖像增強(qiáng)。對原始圖像進(jìn)行基本亮度處理，調(diào)節(jié)亮度、灰度、對比度，使圖像變得更加清晰。根據(jù)實(shí)際檢測環(huán)境及圖像質(zhì)量，經(jīng)過多次對比后，選擇亮度值為220，對比度值為60.40，伽馬變換值為1.04。

2)模型匹配。取一標(biāo)準(zhǔn)螺紋采集其圖像，選擇圖像中有效區(qū)域標(biāo)注為感興趣區(qū)域，這樣可以縮小檢測范圍，且不論之后的被測圖像處于什么樣的角度，系統(tǒng)都能自動找到需要檢測的區(qū)域，進(jìn)行圖像處理。

3)圖像濾波。濾波的目的是為了得到更為平滑的圖像邊界。選擇中值濾波(smooth-median)可以消除邊界周圍的孤立點(diǎn)，去除圖像邊緣的毛刺，讓邊界的像素值與真實(shí)邊界更接近，保留較為平滑的邊界，如圖4所示。

圖4 圖像濾波前后對比

4)邊緣檢測。獲取到圖像邊緣是螺紋圖像重構(gòu)的基礎(chǔ)，螺紋邊界內(nèi)暗外明，Laplacian算子在明暗判斷方面相比soble等算子更具優(yōu)勢，它可將螺紋邊緣界線進(jìn)行銳化處理，得到清晰的螺紋輪廓，如圖5所示。設(shè)置Laplacian算子的卷積核K為:

圖5 邊緣檢測前后對比

(1)

5)建立坐標(biāo)系。原始圖像的坐標(biāo)原點(diǎn)在圖像的左上角，通過模型匹配之后，建立坐標(biāo)系，坐標(biāo)系的中心轉(zhuǎn)變到感興趣區(qū)域的中心點(diǎn)，調(diào)整坐標(biāo)系位置，使其與數(shù)學(xué)模型的坐標(biāo)系一致。

6)圖像標(biāo)定。為將標(biāo)定誤差減到最小，以螺紋大徑參數(shù)為參考對象，實(shí)際的大徑為14 mm,在預(yù)處理的螺紋圖像中，隨機(jī)定位10個(gè)位置的大徑值，求其平均值，得到圖像中大徑的對應(yīng)距離為720.319像素，實(shí)際大徑值為14 mm。圖像預(yù)處理流程如6所示。

表1 圖像對應(yīng)距離及實(shí)際大徑值

3.2 最小二乘法圖像擬合

最小二乘法原理為標(biāo)函數(shù)=∑(觀測值-理論值)2，觀測值即為從圖像中獲取的點(diǎn)的坐標(biāo)值，理論值即為擬合后的新的螺紋輪廓圖。以牙型角為例，假設(shè)螺紋牙型線的方程為：

f(x)=kx+b

(2)

根據(jù)最小二乘法的原理，最小值誤差和minf(x)為:

(3)

式中：zi為牙型線縱坐標(biāo)觀測值；n為牙型線上點(diǎn)的數(shù)量。

要滿足最小二乘法原理，式(3)的值要趨近于零，分別對式(3)中k,b求偏導(dǎo)，并令其結(jié)果為0，便可求得牙型角理論方程的斜率k和常數(shù)b。

(4)

(5)

整理式(4)和式(5)得：

(6)

求解式(6)得：

(7)

則螺紋牙型線方程為：

(8)

3.2.1牙型擬合

根據(jù)圖6所示的流程處理好圖像，以螺旋線上兩個(gè)牙型角為研究對象，提取每條牙型線上10個(gè)點(diǎn)，結(jié)合式(8)利用MATLAB進(jìn)行牙型擬合，得到左、右兩側(cè)牙型角上的點(diǎn)坐標(biāo)值分別見表2和表3。

圖6 圖像預(yù)處理流程

表2 左側(cè)牙型角點(diǎn)坐標(biāo)值

表3 右側(cè)牙型角點(diǎn)坐標(biāo)值

經(jīng)過MATLAB中最小二乘法擬合后得到4條牙型角曲線方程如下，圖7為擬合圖像。

圖7 牙型擬合結(jié)果

z左上=0.618 7x+12.386 2

z左下=-0.619 8x+1.502 2

z右上=0.606 6x+11.191 7

z右下=0.597 8x+0.445 5

(9)

3.2.2中徑的擬合

中徑擬合的關(guān)鍵是找到中徑線上的點(diǎn)，首先通過計(jì)算得到牙型溝槽和凸起尺寸相等處的距離，再通過軟件中長度測量工具找到牙型上中徑線所在的點(diǎn)，進(jìn)行擬合，擬合得到的中徑線如圖8所示。

圖8 中徑擬合結(jié)果

4 參數(shù)提取與檢測

根據(jù)以上擬合結(jié)果對螺紋螺距、中徑、牙型角分別重復(fù)檢測10次，取平均值之后得到檢測結(jié)果見表4，可以看出，螺距和中徑誤差在0.001 5 μm以內(nèi)，牙型角誤差在0.01°以內(nèi)，經(jīng)過最小二乘法擬合后的結(jié)果更加接近標(biāo)準(zhǔn)值。

表4 檢測結(jié)果

5 結(jié)束語

螺紋圖像檢測的核心是獲取精確的圖像輪廓。文中分析了螺紋圖像檢測中誤差產(chǎn)生的原因，提出基于最小二乘法原理，在圖像預(yù)處理之后進(jìn)行螺紋牙型角重構(gòu)、中徑擬合。經(jīng)試驗(yàn)，利用最小二乘法擬合之后的螺紋圖像邊緣更加平滑，可減小螺紋檢測中的隨機(jī)誤差。后期研究中，可以LabVIEW圖像處理平臺為基礎(chǔ)，設(shè)計(jì)可視化螺紋檢測系統(tǒng)，使檢測裝置操作更加簡單，以便在螺紋生產(chǎn)加工中提高檢測效率，保證螺紋出廠合格率。