基于機(jī)器視覺(jué)的齒輪齒形缺陷檢測(cè)技術(shù)

任聰，余昌水

（陜西法士特齒輪有限責(zé)任公司，陜西 西安 710119）

前言

目前，齒輪缺陷的檢測(cè)主要依靠人工目測(cè)方法，不僅工作量大、效率低，且檢測(cè)人員容易因?yàn)橐曈X(jué)疲勞而產(chǎn)生主觀誤差，可靠性差、漏檢率高，不利于齒輪的自動(dòng)化加工生產(chǎn)[1,2]。隨著現(xiàn)代計(jì)算機(jī)技術(shù)、圖像處理技術(shù)的發(fā)展，基于機(jī)器視覺(jué)的測(cè)量、識(shí)別和控制技術(shù)在工業(yè)生產(chǎn)中已得到廣泛應(yīng)用，但現(xiàn)階段基于機(jī)器視覺(jué)的齒輪非接觸測(cè)量還處在起步階段，齒形檢測(cè)精度難以滿足使用需求。因此，基于機(jī)器視覺(jué)的齒輪檢測(cè)技術(shù)將成為未來(lái)齒輪技術(shù)研究的熱點(diǎn)[3-5]。

本文主要面向齒輪工件，基于機(jī)器視覺(jué)方法實(shí)現(xiàn)齒形輪廓檢測(cè)。首先設(shè)計(jì)齒形缺陷專用檢測(cè)裝置，用于齒輪圖像的采集；然后基于機(jī)器視覺(jué)方法，對(duì)齒輪圖像進(jìn)行預(yù)處理，包括灰度轉(zhuǎn)換、中值濾波去噪以及二值化；并基于Sobel 邊緣檢測(cè)實(shí)現(xiàn)齒形輪廓的提取，確定分度圓半徑，基于最小二乘法擬合圓求圓心，根據(jù)分度圓與齒廓的交點(diǎn)測(cè)量齒距偏差，最終實(shí)現(xiàn)齒形的自動(dòng)檢測(cè)及缺陷的準(zhǔn)確識(shí)別。

1 齒形缺陷檢測(cè)系統(tǒng)

為保證圖像精度，減少圖像畸變，用于機(jī)器視覺(jué)檢測(cè)的相機(jī)需要根據(jù)檢測(cè)目標(biāo)進(jìn)行標(biāo)校。然而常見(jiàn)圖像檢測(cè)裝置一般采用上置鏡頭的方案，由于被檢齒輪高度往往不同，圖像存在一定的誤差。本文采用了一種新的結(jié)構(gòu)方案，如圖 1 所示，可以有效保證相機(jī)與被測(cè)工件的相對(duì)位置，避免圖像采集誤差。主要包括框架、穩(wěn)定光源、帶刻線玻璃板、工業(yè)相機(jī)、定焦鏡頭、帶刻線玻璃板、工業(yè)控制計(jì)算機(jī)（包括圖像處理卡、檢測(cè)軟件以及顯示終端）等。其特征在于，被測(cè)工件和穩(wěn)定光源處于帶刻線玻璃板的上方，工業(yè)相機(jī)及鏡頭位于帶刻線玻璃板的下方，相機(jī)采集的圖像傳輸給圖像處理卡，通過(guò)檢測(cè)軟件進(jìn)行處理，將檢測(cè)結(jié)果傳輸至顯示終端上。

圖1 齒形缺陷檢測(cè)裝置

通過(guò)該裝置采集的工件圖像特征明顯，能有效分辨齒輪的齒形輪廓特征，可有效提高后續(xù)的齒形邊緣檢測(cè)效率。

2 齒輪圖像預(yù)處理

本文齒輪圖像的預(yù)處理主要包括灰度變換、濾波去噪、二值化以及Sobel 邊緣檢測(cè)四部分。

2.1 齒輪圖像灰度變換

一副完整的彩色圖像由紅色、綠色、藍(lán)色三個(gè)通道組成的；如果將紅、綠、藍(lán)三個(gè)通道都用灰度來(lái)表示，就成了灰度圖像。采用公式 1 進(jìn)行轉(zhuǎn)換：

其中Gray 表示灰度，數(shù)值區(qū)間為0-255；R 表示紅色，G 表示綠色，B 表示藍(lán)色。

2.2 齒輪圖像的中值濾波去噪處理

本文采用2-D 中值濾波方法進(jìn)行去噪處理，一個(gè)2-D 中值濾波的輸出可寫為：

公式2 中，(s,t)∈N (x,y)。

首先，將模板覆蓋在圖像上，并將覆蓋下的圖像像素進(jìn)行從大到小排序；其次，取出排序后處在最中間的像素值，將模板中心位置的像素賦值為取出的像素值；最后，在圖像上移動(dòng)模板重復(fù)上述步驟取出每個(gè)像素的中值完成整個(gè)圖像的濾波處理。中值濾波常使用5×5 的模板，此時(shí)需要取出的中值是第13 個(gè)大的數(shù)，通過(guò)濾波處理后將會(huì)消除圖像中過(guò)亮或者過(guò)暗的部分。

2.3 齒輪圖像的二值化處理

圖像二值化常用于灰度圖像分割。我們所看到的圖像實(shí)際上是由許多像素點(diǎn)組成。每個(gè)像素點(diǎn)對(duì)應(yīng)一個(gè)像素值，而灰度圖像每個(gè)像素點(diǎn)所對(duì)應(yīng)的值是灰度值。圖像的二值化是指將圖像中的灰度值用兩個(gè)值代替，這兩個(gè)值通常是0,1，也可以是0,255，0 代表黑色，255 代表白色。二值化過(guò)程中需要設(shè)定一個(gè)閾值T，灰度值大于閾值的像素點(diǎn)二值化的結(jié)果為1，否則為0。二值化的公式3 所示：公式3 中，f(x,y)為原圖像，g(x,y)為分割后圖像。設(shè)定T=0.5，對(duì)齒輪圖像進(jìn)行二值化處理。

2.4 基于Sobel 的齒形邊緣檢測(cè)

常見(jiàn)的邊緣檢測(cè)方法有Prewitt 算子、Canny 算子、Sobel算子、Roberts 算子、LOG 濾波器等等。本文需要準(zhǔn)確檢測(cè)出齒輪的齒形，因此選擇Sobel 算子做邊緣輪廓檢測(cè)，Sobel算子表達(dá)式如下：

表1 中表示的兩個(gè)卷積核可以組成Sobel 算子，并且和dx 與dy 的影響權(quán)重不一樣。其分別對(duì)垂直邊緣以及水平邊緣有著更大影響。

表1 Sobel 算子

輸出的結(jié)果為卷積運(yùn)算的最大值，可構(gòu)成邊緣幅度圖像。

3 齒形擬合及測(cè)量

齒形擬合及測(cè)量主要是根據(jù)齒形輪廓確定分度圓半徑，并基于最小二乘法擬合圓求圓心，根據(jù)分度圓與齒廓的交點(diǎn)測(cè)量齒距偏差。具體過(guò)程如圖 2 所示。

4 應(yīng)用實(shí)例驗(yàn)證

選取某型齒形缺陷直齒輪，規(guī)格GB0.3M 10T 14.5PA 3FW（模數(shù)0.25，齒數(shù)10，壓力角14.5，面寬3，標(biāo)稱軸直徑0.9），檢測(cè)過(guò)程如圖 3 所示。首先通過(guò)設(shè)備采集齒輪圖像，然后進(jìn)行圖像處理（包括灰度變換、中值濾波、二值化以及Sobel 邊緣檢測(cè)），通過(guò)齒形擬合及測(cè)量輸出檢測(cè)結(jié)果，并標(biāo)記出缺陷位置。

圖2 齒形擬合及測(cè)量過(guò)程

5 總結(jié)

基于機(jī)器視覺(jué)進(jìn)行齒輪齒形的缺陷檢測(cè)，可實(shí)現(xiàn)齒輪類工件的輪廓缺陷的自動(dòng)識(shí)別，其中的齒輪圖像預(yù)處理以及Sobel 邊緣檢測(cè)具有較好的通用性。經(jīng)驗(yàn)證，基于機(jī)器視覺(jué)的齒形缺陷檢測(cè)準(zhǔn)確可靠，能夠有效提升齒輪輪廓的自動(dòng)檢測(cè)效率。

圖3 某型直齒輪齒形缺陷過(guò)程