基于機器視覺的火花塞間隙檢測技術(shù)

華才健 蹇紅梅 張 燕

（1.四川理工學(xué)院計算機學(xué)院，四川 自貢 643000；2.企業(yè)信息化與物聯(lián)網(wǎng)測控技術(shù)四川?。ǜ咝＃┲攸c實驗室，四川 自貢 643000）

基于機器視覺的火花塞間隙檢測技術(shù)

華才健1，2， 蹇紅梅1， 張 燕1

（1.四川理工學(xué)院計算機學(xué)院，四川 自貢 643000；2.企業(yè)信息化與物聯(lián)網(wǎng)測控技術(shù)四川省（高校）重點實驗室，四川 自貢 643000）

針對火花塞間隙人工檢測不足，提出一種基于機器視覺技術(shù)的自動檢測方法。采用背光源、遠心鏡頭和CCD面陣相機搭建圖像采集系統(tǒng)，攝像機校準(zhǔn)和火花塞模板創(chuàng)建后，采用形狀匹配算法找出火花塞圖像，基于亞像素邊緣輪廓測量出火花塞間隙尺寸。實驗結(jié)果表明：視覺檢測結(jié)果與人工測量結(jié)果一致，可用于火花塞間隙尺寸的自動判別和定量檢測。

機器視覺；火花塞間隙；自動檢測；圖像處理

0 引 言

火花塞是汽油發(fā)動機點火系統(tǒng)的重要零件，中心電極與側(cè)電極的間隙是否符合產(chǎn)品設(shè)計要求直接影響點火系統(tǒng)的放電品質(zhì)、發(fā)動機性能和排放[1-2]。傳統(tǒng)的火花塞成品自動化生產(chǎn)線，火花塞間隙檢測主要依賴于人工采用卡規(guī)的方法，該方法在批量生產(chǎn)檢測中已凸顯出效率低下、標(biāo)準(zhǔn)不一致和易誤判等嚴(yán)重不足。

隨著計算機計算能力的飛速提高和圖像處理理論的快速發(fā)展，機器視覺技術(shù)也得到了快速發(fā)展，在現(xiàn)代化生產(chǎn)檢測中顯示出較傳統(tǒng)方法更為有效、快速、客觀等優(yōu)勢。機器視覺技術(shù)已廣泛應(yīng)用于汽車制造業(yè)[3-4]、表面缺陷檢測[5]、外觀檢測[6]、檢定裝置[7]、形狀及尺寸檢測[8]和缺陷檢測[9]等方面。在火花塞間隙檢測方面，王偉[10]對傳統(tǒng)火花塞間隙手工檢測工藝進行了改進優(yōu)化，提出采用視覺系統(tǒng)替代人工在線檢測的方法，但未對視覺檢測系統(tǒng)的成像手段和圖像處理方法進行描述。

本文使用遠心鏡頭、平行背光源和電荷耦合元件（charge-coypled device，CCD）面陣相機構(gòu)建機器視覺系統(tǒng)，采集火花塞圖像；通過攝像機標(biāo)定、模板創(chuàng)建匹配和火花塞邊緣提取等圖像處理方法，測量火花塞中心電極與側(cè)電極的間隙尺寸，并判斷該間隙是否在允許公差范圍內(nèi)；根據(jù)檢測結(jié)果，判斷是否采取如剔除當(dāng)前火花塞等適當(dāng)動作。

1 機器視覺系統(tǒng)組成

基于機器視覺的火花塞間隙自動檢測，就是通過計算機控制技術(shù)和圖像處理手段，采集并處理火花塞圖像，測量火花塞中心電極與側(cè)電極的間隙尺寸，并判斷該間隙是否在允許公差范圍內(nèi)。本文構(gòu)建的機器視覺檢測系統(tǒng)，由照明系統(tǒng)、圖像采集系統(tǒng)和旋轉(zhuǎn)控制平臺組成。

在火花塞檢測系統(tǒng)中，為了避免圖像的透視變形，首先，對精確測量帶來的影響，選用遠心攝像機模型，面陣圖像傳感器；其次，為了得到非常銳利的火花塞邊緣輪廓的圖像，避免火花塞在攝像機側(cè)的反射，視覺系統(tǒng)使用平行背光源作為照明。旋轉(zhuǎn)控制平臺則采用步進電機控制載物臺旋轉(zhuǎn)，通過外觸發(fā)定點采集火花塞圖像。

2 火花塞間隙檢測原理

機器視覺系統(tǒng)中，視覺信息的處理主要是圖像處理，包括圖像增強、幾何變換、圖像分割、特征提取、邊緣提取和模板匹配等內(nèi)容；經(jīng)過這些處理改善了圖像的視覺效果，便于計算機對圖像進行分析、處理和目標(biāo)識別。

本文把待測火花塞放在旋轉(zhuǎn)工作臺上的特定檢測區(qū)內(nèi)，在近似均勻散射光的背光源照射下，CCD攝像頭采集火花塞表面圖像并送入計算機；在對該圖像進行一系列圖像處理運算后，根據(jù)中心電極和側(cè)電極間隙尺寸的計算來判定該間隙是否在允許的誤差范圍內(nèi)，從而判斷該火花塞是否合格。具體的檢測原理和圖像處理算法如下：

首先對攝像機進行標(biāo)定，確定攝像機內(nèi)部和外部參數(shù)；然后創(chuàng)建模板并采用魯棒的形狀匹配算法找到火花塞；在這基礎(chǔ)上，根據(jù)匹配姿態(tài)，對被測量的感興趣區(qū)域進行調(diào)準(zhǔn)；最后提取火花塞輪廓的一維邊緣，計算其間隙尺寸，判斷是否在允許的誤差范圍內(nèi)，實現(xiàn)該火花塞間隙的檢測。

2.1 攝像機標(biāo)定

為消除鏡頭畸變，并以公制單位表示火花塞間隙，需對標(biāo)定板采集的不同位置下清晰的多幅圖像進行攝像機標(biāo)定，確定攝像機的內(nèi)部參數(shù)和外部參數(shù)。本文采用張正友[11]標(biāo)定算法對攝像進行標(biāo)定，計算出攝像機的5個內(nèi)部參數(shù)。

標(biāo)定時，假定標(biāo)定模板平面在世界坐標(biāo)系Z=0的平面上，則

式中：K——攝像機的內(nèi)參數(shù)矩陣；

[XY1]T——模板平面上點的齊次坐標(biāo)；

[u ν1]T——模板平面上點投影到圖像平面上

對應(yīng)點的齊次坐標(biāo)；

[r1r2r3]，t——攝像機坐標(biāo)系相對于世界坐標(biāo)

系的旋轉(zhuǎn)矩陣和平移向量。其中，

根據(jù)旋轉(zhuǎn)矩陣性質(zhì)，即r1Tr2=0和‖r1‖=‖r2‖=1，每副圖像可以獲得以下兩個對內(nèi)參數(shù)矩陣的基本約束：

由于攝像機有5個未知內(nèi)參數(shù)，所以當(dāng)所攝圖像數(shù)目≥3時，就可以線性唯一求解出5個未知內(nèi)參數(shù)。

實驗中，共獲取了15副不同位姿的標(biāo)定板圖像，計算出攝像機的內(nèi)部參數(shù)后，可得到相機中每個CCD像素對應(yīng)的實際尺寸（即像素當(dāng)量），當(dāng)計算出待測火花塞中心電極和側(cè)電極兩邊緣間的像素數(shù)時再利用該像素當(dāng)量便可得到間隙的精確尺寸。

2.2 模板匹配

火花塞在圖像上的位置通過使用魯棒的模板匹配算法確定。本文采用基于形狀的匹配算法，首先從模板圖像中建立相應(yīng)的火花塞模板輪廓，然后基于模板輪廓從火花塞圖像中匹配出火花塞的中心電極位置。

在線檢測過程中，使用形狀模型在獲取圖像上匹配找到火花塞，根據(jù)找到的火花塞位置，創(chuàng)建測量用矩形。首先對匹配的位姿進行二維剛性變換，使得模型與圖像中的火花塞重合，然后利用得到的變換對測量矩形中心的相對位置進行變換，最后使矩形方向與火花塞方向一致。

2.3 亞像素邊緣輪廓檢測

火花塞間隙檢測中，測量矩形區(qū)域邊緣輪廓的檢測和定位精度是間隙測量精度的關(guān)鍵，本文采用亞像素邊緣檢測方法，其步驟為：1）用經(jīng)典Canny邊緣檢測器粗略定位邊緣；2）為得到較精確的邊緣，綜合考慮定位精度和抗噪能力，本文使用雙線性插值法，對粗略邊緣進行亞像素級定位，得到不失真的邊緣輪廓。亞像素邊緣輪廓檢測如圖1所示，包括測量矩形構(gòu)建和亞像素邊緣輪廓提取。

圖1 亞像素邊緣輪廓檢測

3 實驗條件及結(jié)果分析

實驗機器視覺系統(tǒng)采用維視圖像公司的VS1600機器視覺實驗平臺，轉(zhuǎn)速可調(diào)，可外觸發(fā)定點圖像采集。采用維視圖像公司的GigE CCD彩色工業(yè)數(shù)字相機，其像元尺寸為3.75 μm×3.75 μm，分辨率為1280×960，幀速為30fps。鏡頭為AFT vision ZML1001小型變倍縮放工業(yè)鏡頭，物距為48mm×354 mm，視場為3.5mm×2.6mm～48mm×36mm；光源為AFT-BL200W白色LED背光源，發(fā)光面為200mm×20mm，亮度可調(diào)。圖像處理平臺基于Halcon11.0?；鸹ㄈg隙檢測實例如圖2所示，根據(jù)公差范圍，檢測結(jié)果分為間隙過大、間隙過小和合格3類。

圖2 火花塞間隙檢測實例

實驗中對大量的火花塞隨機抽取5個，采用機器視覺測量其間隙尺寸，并與人工卡規(guī)測量進行比較，其統(tǒng)計結(jié)果如表1所示。

由表1可以看出，視覺測量和人工測量的誤差范圍在0.5%～1.9%，比較結(jié)果一致，說明機器視覺測量完全可以替代人工測量。自動化生產(chǎn)在線檢測時，可根據(jù)檢測結(jié)果自動將火花塞間隙分成3類，即：合格、大于上差、小于下差。

表1 火花塞間隙測量統(tǒng)計結(jié)果

4 結(jié)束語

本文基于機器視覺技術(shù)對火花塞間隙檢測的關(guān)鍵技術(shù)進行了研究，實現(xiàn)了火花塞間隙的非接觸、高精度的視覺測量和檢測。視覺系統(tǒng)使用遠心鏡頭、平行背光源和CCD攝像頭采集圖像。首先標(biāo)定攝像機；然后采用魯棒的匹配算法在圖像中找到火花塞，根據(jù)匹配的姿態(tài)，對被測量的感興趣區(qū)域進行調(diào)準(zhǔn)；最后，對火花塞間隙進行一維邊緣提取得到灰度輪廓，從而進行間隙的準(zhǔn)確測量。實驗表明：本文設(shè)計的機器視覺系統(tǒng)完全可以替代人工對火花塞間隙進行自動準(zhǔn)確檢測，根據(jù)測量結(jié)果，自動化設(shè)備可采取如剔除當(dāng)前不合格火花塞等適當(dāng)?shù)膭幼鳌?/p>

[1]李德躍.調(diào)整火花塞電極間隙的注意事項[J].汽車電器，2003（6）：15.

[2]馮兆強.火花塞間隙對發(fā)動機點火波形影響的研究[J].汽車電器，2007（10）：55-58.

[3]朱巖，段哲民.應(yīng)用機器視覺技術(shù)檢測電路板焊點[J].科學(xué)技術(shù)與工程，2007，7（6）：1045-1047.

[4]Golnabia H，Asadpourb A.Design and application of industrial machine vision systems[J].Robotics and Computer-Integrated Manufacturing，2007，23（6）：630-637.

[5]朱正德.談“機器視覺”在汽車制造業(yè)中的應(yīng)用[J].中國測試技術(shù)，2006，32（5）：22-25.

[6]祝釗，蘇真?zhèn)?，夏心?活塞包膠組件表面缺陷的機器視覺檢測研究[J].科學(xué)技術(shù)與工程，2012，12（6）：1425-1427.

[7]黃振宇，盧德潤，方強.基于機器視覺的前照燈儀校準(zhǔn)器檢定裝置[J].中國測試，2009，35（5）：21-23.

[8]李朝暉，郝建軍，楊新樺.視覺檢測技術(shù)在曲軸鍛件尺寸檢測中的應(yīng)用[J].中國測試，2009，35（6）：9-13.

[9]高潮，任可，郭永彩.基于機器視覺的裂紋缺陷檢測技術(shù)[J].航空精密制造技術(shù)，2007，43（5）：23-25.

[10]王偉.傳統(tǒng)火花塞電極間隙在線測量方法的優(yōu)化[J].制造業(yè)自動化，2010，32（9）：50-51.

[11]Zhang Z Y.A flexible camera calibration by viewing a plane from unknown orientations[C]∥ICCV’99，1999（1）：666-673.

Method of spark plugs inspection based on machine vision

HUA Cai-jian1，2，JIAN Hong-mei1，ZHANG Yan1
（1.School of Computer Science，Sichuan University of Science and Technology，Zigong 643000，China；2.Sichuan Provincial Key Lab of Enterprise Information and Internet of Things Measuring and Control Technology，Zigong 643000，China）

To overcome the shortcomings of the manual sparkplugs gap inspection，an automatic inspection method was proposed based on the machine vision technology.An image acquisition system was built to automatically capture the spark plug image using backlight，telocentric lens and CCD area array camera.Camera calibration and template of spark plugs were created.The spark plugs image was found out based on template matching algorithm，and the sub-pixel edge was detected to measure the size of the spark plugsgap.Experimentalresultsshow thatvisual inspection results are consistent with artificial measurement results and the proposed method can be used in automatic and quantitative inspection of spark plugs gap.

machine vision；spark plugs gab；automatic inspection；image processing

TP391.41；TK413.9+5；TP75；TM930.12

：A

：1674-5124（2014）05-0108-03

10.11857/j.issn.1674-5124.2014.05.028

2014-02-11；

：2014-04-04

四川省教育廳項目（13ZB0139）企業(yè)信息化與物聯(lián)網(wǎng)測控技術(shù)四川?。ǜ咝＃┲攸c實驗室項目（2013WYY04）四川理工學(xué)院人才引進項目（2012RC22）

華才?。?977-），男，四川自貢市人，講師，博士，研究方向為機器視覺與模式識別。