安曉英

摘要：對圖像進(jìn)行信息采集，運(yùn)用灰度化處理圖像信息將圖像的色彩和亮度轉(zhuǎn)換成灰度圖像所屬值，減少外界干擾。運(yùn)用高值濾波器衰減圖像中的亮度變化較小的低頻區(qū)域來提升圖像輪廓，保留出圖像的邊緣細(xì)節(jié)。運(yùn)用雙線性插值方法，計算得到最相近目標(biāo)像素值，并進(jìn)行詳細(xì)區(qū)分。通過對復(fù)雜機(jī)械零件幾何圖形參數(shù)檢測，計算對應(yīng)的幾何參數(shù)，獲得零件不同外形的尺寸并標(biāo)定，得到真實尺寸完成測量。測試結(jié)果表明，機(jī)油泵內(nèi)外轉(zhuǎn)子輪廓尺寸測量精度均保持良好，可實現(xiàn)高精度測量，具有較好的應(yīng)用效果。

關(guān)鍵詞：機(jī)器視覺；機(jī)械零部件；尺寸；測量技術(shù)

0? ?引言

將測量技術(shù)科學(xué)運(yùn)用在工業(yè)生產(chǎn)中，有利于穩(wěn)步提升生產(chǎn)效果，提高測量精度。近年來，基于機(jī)器視覺的復(fù)雜機(jī)械零部件尺寸測量技術(shù)，在工業(yè)生產(chǎn)測量與檢測中得到廣泛應(yīng)用[1]。

分析零部件圖像時，通過應(yīng)用圖像識別技術(shù)得到不同噪聲結(jié)果，并根據(jù)噪聲的類型進(jìn)行有針對性的去噪，快速實現(xiàn)濾波，有助于得到精度較高的圖像。將復(fù)雜機(jī)械零部件圖像為測試載體，運(yùn)用測量技術(shù)得到目標(biāo)的處理信號，可獲得零部件的尺寸信息。在硬件設(shè)備中提取更為準(zhǔn)確的機(jī)械零件圖像邊緣信息，有助于提升工業(yè)機(jī)械零件的尺寸檢測精度。

現(xiàn)階段的測量技術(shù)對于圖像邊緣的細(xì)化程度不高，傳統(tǒng)測量方法對于零部件的幾何測量精度影響較大，難以滿足工業(yè)要求目標(biāo)，同時還存在人為干擾因素，使得測量結(jié)果難以達(dá)到預(yù)期。鑒于此，本文以復(fù)雜機(jī)械零部件尺寸測量技術(shù)為研究目標(biāo)，運(yùn)用機(jī)器視覺技術(shù)，結(jié)合實際情況進(jìn)行實驗與分析。

1? ?零部件尺寸測量

1.1? ?復(fù)雜機(jī)械零件圖像預(yù)處理

1.1.1? ?圖像信息采集

首先對圖像進(jìn)行信息采集，然后運(yùn)用圖像采集卡技術(shù)對圖像信號進(jìn)行傳輸[2]。通過攝像機(jī)拍攝零部件的具體圖像，運(yùn)用I/O接口將圖像信息傳輸?shù)讲杉ㄖ?，將?shù)字信息進(jìn)行A/D轉(zhuǎn)換，進(jìn)行數(shù)據(jù)解碼。通過灰度值進(jìn)行像素取值，并將拍攝的光強(qiáng)度值形成對應(yīng)矩陣，存儲在計算機(jī)中。

1.1.2? ?將圖像色彩和亮度轉(zhuǎn)換成灰度圖像所屬值

可運(yùn)用RGB值將圖像進(jìn)行灰度化處理，減少外界干擾。運(yùn)用高值濾波器衰減圖像中的亮度變化較小的低頻區(qū)域，對圖像邊界亮度低、振幅較小的區(qū)域進(jìn)行調(diào)節(jié)，以此來提升圖像輪廓。

設(shè)定灰度圖像為g（x，y），運(yùn)用圖像二道化技術(shù)，確定操作對象的閾值為?（x，y）。定義最小平方值為起點(diǎn)，對其進(jìn)行灰度直方圖推算，確定其灰度值閾值后，將圖像進(jìn)行劃分。

設(shè)定圖像的整體像素為F，灰度級有e級，獲取灰度值為u的圖像元素個數(shù)為yu，得到不同灰度級中的概率。將其應(yīng)用在圖像劃分中，得到兩組圖像[3]。設(shè)定目標(biāo)圖像為A，背景為B。則目標(biāo)和背景中的灰度級概率計算公式為：

（1）

式中：A=（0，1，...，t），B=（t+1，...，n-1）。

計算目標(biāo)的平均灰度值和背景的值，得到整個圖像的平均灰度值，然后計算出對應(yīng)的方差值。將上述計算結(jié)果進(jìn)行整合，得到最大方差值即為劃分目標(biāo)和背景的閾值。

1.1.3? ?圖像預(yù)處理方法

在一幅圖像中，不同灰度級別像素的分布反映聚類的組成情況，當(dāng)圖像的信噪比較小時，在圖像劃分時容易產(chǎn)生較大誤差[4]。將像素點(diǎn)的灰度值，結(jié)合相鄰點(diǎn)的分布情況繪制成直方圖，通過直方圖可得到聚類的個數(shù)。這樣就能夠得到像素灰度值的分布信息、附近鄰域的值。

對圖像的二維灰度直方圖進(jìn)行降維投影，可得到較為精確的聚類中心點(diǎn)坐標(biāo)。通過應(yīng)用濾波技術(shù)將圖像中的脈沖噪聲進(jìn)行消除，保留出圖像的邊緣細(xì)節(jié)，即完成對于圖像的預(yù)處理。

1.2? ?幾何尺寸測量與機(jī)器視覺技術(shù)標(biāo)定

1.2.1? ?獲得圖像定位點(diǎn)信息

在空間坐標(biāo)中，可對圖像亮度進(jìn)行數(shù)字化處理。設(shè)定實數(shù)矩陣K，將圖像進(jìn)行預(yù)處理后代入矩陣K中，對其進(jìn)行運(yùn)算，便可準(zhǔn)確獲得圖像定位點(diǎn)信息[5]。

1.2.2? ?亞像素邊緣標(biāo)記

運(yùn)用微分算法進(jìn)行邊緣檢測時，存在噪聲缺陷。運(yùn)用曲面結(jié)合方式，用曲面的梯度代替點(diǎn)位，去除噪聲即可進(jìn)行精準(zhǔn)的邊緣檢測。

通過中心計算公式，將光學(xué)成像后的空間中物體灰度值，通過聚變得到邊緣數(shù)據(jù)。該數(shù)據(jù)符合高斯分布規(guī)律，計算窗口中的不同邊緣梯度，可得到二次曲線的最大最小值，將其標(biāo)記為亞像素邊緣。機(jī)油泵內(nèi)外轉(zhuǎn)子亞像素輪廓如圖1所示。

1.2.3? ?獲取邊緣和最近像素

運(yùn)用雙線性插值方法，計算得到最鄰近目標(biāo)像素的數(shù)據(jù)，并對像素進(jìn)行詳細(xì)區(qū)分。運(yùn)用邊緣檢測方式得到邊緣和最近像素，并對其進(jìn)行處理[6]。

通過分析攝像機(jī)的物理模型，可得到圖像中每一個點(diǎn)的圖像位置與空間物體表面某點(diǎn)的三維關(guān)系，設(shè)r-X、Y、Z為攝像機(jī)坐標(biāo)系，原點(diǎn)為ro。零部件E在三維坐標(biāo)系中，其三維坐標(biāo)表示為的三維坐標(biāo)為（Xq、Yq、Zq），圖像坐標(biāo)系中任意成像點(diǎn)w的圖像坐標(biāo)為（Xw、Yw、Zw），單位為像素數(shù)。設(shè)定焦距為p，工業(yè)攝像機(jī)CCD攝像機(jī)的焦距為1，將w為理想圖像坐標(biāo)，則根據(jù)坐標(biāo)之間存在的關(guān)系可以得到內(nèi)部成像參數(shù)矩陣。

按照攝像機(jī)的擺放位置不同，統(tǒng)一設(shè)定標(biāo)定坐標(biāo)系，并根據(jù)轉(zhuǎn)化關(guān)系，得到攝像機(jī)在坐標(biāo)系中的平移和旋轉(zhuǎn)變換位置。在視覺技術(shù)檢測過程中，將傳輸?shù)接嬎銠C(jī)中的圖像進(jìn)行數(shù)字處理，根據(jù)像素的大小得到圖像邊緣位置信息。

為得到零部件的實際尺寸大小，需要計算兩者之間的對應(yīng)關(guān)系。將物體尺寸設(shè)定為S，將其放置在被測目標(biāo)位置中。將圖像進(jìn)行預(yù)處理后，為消除鏡頭畸變引起的誤差，在不同位置進(jìn)行多次測量，并計算其平均值為測量值。

1.2.4? ?零部件的真實尺寸計算

獲得零件的邊緣線后，零部件的真實尺寸可以通過直線端點(diǎn)值，計算出直線段所占有的像素個數(shù)。設(shè)定在圖像空間直線段的兩個端點(diǎn)分別為和，由兩點(diǎn)距離公式該線段所占有的像素個數(shù)，計算公式為：

（2）

式中：N為線段所占有的像素個數(shù)。根據(jù)像素個數(shù)，得到不同像素的真實尺寸，計算得到被測物體的實際尺寸I的公式為：

I=kN? ? ? ? ? ? ? ? ? ? （3）

式中：k為標(biāo)定系數(shù)；N為CCD線段像素個數(shù)。對于圓尺寸測量時，運(yùn)用Hough算法，將圓心坐標(biāo)設(shè)定為（cx，cy），半徑為r，得到真實圓的尺寸半徑公式為：

R=kr? ? ? ? ? ? ? ? ? ? （4）

對復(fù)雜機(jī)械零件幾何圖形參數(shù)進(jìn)行檢測，運(yùn)用變換算法對直線和圓進(jìn)行檢測，計算對應(yīng)的幾何參數(shù)，獲得零件不同外形的尺寸。通過標(biāo)定方法獲得復(fù)雜零部件尺寸的真實值，即完成測量。

2? ?實例分析

為了測試本文方法的實用性和準(zhǔn)確性，在上述實驗環(huán)境中，設(shè)置10個實驗小組進(jìn)行驗證實驗。通過提取機(jī)油泵的外轉(zhuǎn)子輪廓，測量距離中心所得數(shù)據(jù)，運(yùn)用最小二乘法擬合得到中心距測量數(shù)值。

將公稱尺寸設(shè)定為19.25mm。提取機(jī)油泵內(nèi)轉(zhuǎn)子數(shù)字圖像輪廓，設(shè)定基準(zhǔn)孔的圓度公差值，運(yùn)用最小二乘法對圓進(jìn)行擬合。

2.1? ?實驗準(zhǔn)備

在測試前，選擇夏松pc84-5型機(jī)油泵油散熱器芯子（6K125F）進(jìn)行實驗。運(yùn)用LED作為照明光源，并使用ARC Camera系列可變焦距、一體化光學(xué)攝像機(jī)CCD進(jìn)行拍攝。

通過收取光電傳感器的信號觸發(fā)，進(jìn)行機(jī)械零部件圖像采集，以提取零件的信息特征。對圖像進(jìn)行預(yù)處理，以提升圖像采集時的質(zhì)量。傳遞圖像數(shù)字信息，并采取量化和還原的方式將得到后的圖像進(jìn)行存儲。

工業(yè)CCD相機(jī)型號為MB-DLW35K，數(shù)量為2套。采集卡一塊，雙目支架一套，標(biāo)定板一套。圖像分析與處理的軟件為MATLAB。相機(jī)的安裝以鏡頭中心線為基線，當(dāng)光軸為基線的夾角為45°時可獲得較好拍攝效果。

2.2? ?測試與分析

利用多項式計算零件邊緣數(shù)據(jù)，獲取某機(jī)油泵零部件的圖像信息，得到圖像亞像素邊緣輪廓。運(yùn)用Ramer算法將其分段，測量機(jī)油泵內(nèi)外轉(zhuǎn)子的精度。提取機(jī)油泵外轉(zhuǎn)子數(shù)字圖像輪廓，得到不同圓弧段圖像。

2.2.1? ?測試結(jié)果對比

運(yùn)用本文方法的小組為小組1，其他小組運(yùn)用傳統(tǒng)方法。將測量的機(jī)油泵外轉(zhuǎn)子內(nèi)輪廓的測量數(shù)據(jù)進(jìn)行記錄，并計算相對比公稱尺寸的誤差值，結(jié)果如表1所示。將測量的機(jī)械泵內(nèi)轉(zhuǎn)子數(shù)據(jù)結(jié)果記錄，并計算其尺寸偏差值，得到的結(jié)果如表2所示。

由測試結(jié)果可知，小組1的機(jī)油泵外轉(zhuǎn)子內(nèi)輪廓尺寸測量精度保持良好，實驗結(jié)果與公稱結(jié)果相同，而其他小組的實驗結(jié)果均存在尺寸偏差。由此說明，應(yīng)用本文方法能夠表現(xiàn)出良好的測量結(jié)果。同時，機(jī)油泵內(nèi)轉(zhuǎn)子的測量結(jié)果也較為準(zhǔn)確。運(yùn)用本文方法進(jìn)行測量的精度滿足預(yù)期目標(biāo)要求。

2.2.2? ?可行性驗證

為了進(jìn)一步驗證本文方法的可行性，將復(fù)雜機(jī)械零部件尺寸測量結(jié)果精密度作為實驗指標(biāo)。

復(fù)雜機(jī)械零部件尺寸測量結(jié)果的精密度指的是測量結(jié)果的準(zhǔn)確程度。通常使用標(biāo)準(zhǔn)偏差或方差等統(tǒng)計學(xué)方法，來表征測量結(jié)果的精密度。測量結(jié)果的精密度越高，說明測量方法越可靠，測量誤差越小。

本文主要通過標(biāo)準(zhǔn)偏差來反應(yīng)測量結(jié)果精密度，計算公式如下：

（4）

式中：Xi數(shù)據(jù)與平均值的差的平方和；n表示數(shù)據(jù)個數(shù)；μ表示數(shù)據(jù)的平均值。

通過公式（4）計算得到的結(jié)果如表3所示。由表3中的數(shù)據(jù)可知，本文方法在多次測試中，標(biāo)準(zhǔn)偏差均低于傳統(tǒng)方法，其最低值僅為1.09，由此可知本文方法的測試結(jié)果更加準(zhǔn)確、可靠。

綜上所述，通過基于機(jī)器視覺的檢測，能夠精準(zhǔn)獲得復(fù)雜機(jī)械零部件的圖像。通過提取亞像素邊緣來進(jìn)行尺寸測量，可提供準(zhǔn)確的檢測數(shù)據(jù)，有利于增強(qiáng)工作效率，減少因誤差大而造成的問題。將本文方法應(yīng)用在復(fù)雜機(jī)械零件中可實現(xiàn)高精度測量，具有較好的應(yīng)用效果。

3? ?結(jié)束語

本文從機(jī)器視覺入手，深入研究了復(fù)雜機(jī)械零部件測量問題，探究了基于機(jī)器視覺的復(fù)雜機(jī)械零部件尺寸測量技術(shù)。測試結(jié)果表明，采用文中的測量技術(shù)，機(jī)油泵內(nèi)外轉(zhuǎn)子輪廓尺寸測量精度均保持良好，可實現(xiàn)高精度測量，具有較好的應(yīng)用效果。但方法中還存在一些不足之處，例如對測試樣本的選材單一，計算方法尚未全面優(yōu)化，引入的變形指標(biāo)數(shù)據(jù)存在更新不及時等。今后應(yīng)完善計算，總結(jié)采集圖像中因遇到噪聲等原因?qū)τ诰茸兓挠绊?，對于其他原因影響也要及時做出研究和記錄。

參考文獻(xiàn)

[1] 杜麗峰，周正，王天琪.基于機(jī)器視覺的鋁合金輪轂尺寸測

量[J].機(jī)械設(shè)計，2022，39（S2）：193-198.

[2] 胡民泉，李登華，喬金明，等輝.基于機(jī)器視覺的量水堰堰

上水頭自動量測技術(shù)[J].水電能源科學(xué)，2022，40（5）：194-

197+177.

[3] 賈國邦，宋麗麗，曹博文，等.基于機(jī)器視覺的微小孔零件

尺寸檢測研究[J].工具技術(shù)，2021，55（7）：105-109.

[4] 李執(zhí)，閆坤，傅琪，等.基于機(jī)器視覺的金屬工件尺寸測量

[J].儀表技術(shù)與傳感器，2022（3）：92-97.

[5] 陳怡然，廖寧，劉超.基于機(jī)器視覺的圓形零件尺寸參數(shù)測

量[J].工具技術(shù)，2022，56（3）：109-113.

[6] 李陽，陳家新，鄭旭棟，等.基于機(jī)器視覺的紡紗錠子三維

振動檢測技術(shù)[J].東華大學(xué)學(xué)報（自然科學(xué)版），2022，48（5）：

101-107.