基于計算機視覺的滾子端面自動檢測系統(tǒng)

翟志永， 陳永清， 陳廉清

(1.寧波職業(yè)技術(shù)學(xué)院 機電工程學(xué)院， 浙江 寧波 315800； 2.寧波工程學(xué)院 機器人學(xué)院， 浙江 寧波 315211)

軸承滾子在生產(chǎn)過程中，有少量滾子存在料次、眼釘?shù)榷嗣嫒毕?。滾子制造企業(yè)須在成品包裝前將這些廢、次品識別并剔除出來，因此，必須對滾子端面進行全檢。目前，企業(yè)采用人工目測的方法進行質(zhì)量檢測工作，不僅用工量大、效率低，而且漏檢、誤檢率高，常有用戶要求退換或投訴的事情發(fā)生，不僅造成經(jīng)濟損失，而且給用戶帶來負面影響，致使企業(yè)信譽受到嚴重損害。為解決長期以來存在的難題，企業(yè)急需自動檢測設(shè)備，替代人工視覺檢測。滾子產(chǎn)品型號多、端面缺陷類型多，且缺陷大小、深淺與分布位置都是隨機的，因此，課題組應(yīng)用計算機視覺檢測技術(shù)，開發(fā)自動檢測系統(tǒng)解決這一問題。

1 端面檢測硬件組成及工作原理

軸承滾子如圖1所示。滾子的2個端面均需檢測，需要2套檢測系統(tǒng)，主要硬件包括：2個工業(yè)相機、2個鏡頭、2個LED低角度環(huán)形光源，1臺工控機(含顯示器)，1套PLC控制系統(tǒng)，2套剔除機構(gòu)，1套翻轉(zhuǎn)機構(gòu)等。自動檢測系統(tǒng)結(jié)構(gòu)圖如圖2所示。

圖1 滾子Figure 1 Roller

圖2 檢測系統(tǒng)結(jié)構(gòu)圖Figure 2 Illustration of detection system

滾子自動檢測工作原理：滾子在傳送帶上以設(shè)定的速度在相機正下方通過，當(dāng)滾子全部進入第1套檢測系統(tǒng)相機的采集區(qū)域時，相機自動采集圖像(圖3所示為采集的源圖像)，并將圖像信息送至工控機；檢測程序系統(tǒng)讀取圖像信息，以設(shè)計好的算法處理圖像，然后將結(jié)果數(shù)據(jù)通過串口送至PLC控制系統(tǒng)，控制系統(tǒng)接收到結(jié)果信息，驅(qū)動剔除機構(gòu)作相應(yīng)動作。單面合格品繼續(xù)在傳送帶上流動，至翻轉(zhuǎn)工位，由翻轉(zhuǎn)機構(gòu)將滾子翻轉(zhuǎn)180°，由第2套檢測系統(tǒng)對滾子另一端面進行檢測。

圖3 源圖像Figure 3 Source image

2 圖像處理

由于電、磁和工況等客觀條件的影響，采集到的滾子端面圖像，難免存在噪聲。須對源圖像作預(yù)處理，消除噪聲干擾[1]，才能更好地提取缺陷特征。

2.1 中值濾波

中值濾波的基本思想是用像素點鄰域灰度值的中值來代替該像素點的灰度值，該方法在消除脈沖噪聲、椒鹽噪聲的同時又能保留圖像邊緣細節(jié)[2-4]。中值濾波的效果依賴于2個要素：鄰域的空間范圍和中值計算中涉及的像素數(shù)。中值濾波可以表示為：

(1)

式中：Yij為待濾波像素點灰度值，Ixy為像素點中值濾波后灰度值，A為濾波窗口。

課題組選用大小為3×3方形窗口，對源圖像進行中值濾波處理，消除噪聲。

2.2 圖像分割

課題組采用最大類間方差閾值法(Otsu)二值化算法，實現(xiàn)圖像分割。最大類間方差閾值法是閾值自動選擇方法的一種，計算單閾值具有簡單、高效優(yōu)點[5-7]。其基本思路是：設(shè)圖像的灰度級數(shù)為k，總像素數(shù)N，灰度值為i的像素數(shù)為ni，可得N和各級灰度值概率P(i)[8-9]：

(2)

(3)

圖像以閾值t分為2個區(qū)域：目標區(qū)C∈[0,t]與背景區(qū)D∈[t+1,k-1]，則C，D的概率PC，PD及灰度均值μC，μD分別為：

(4)

(5)

(6)

μD=

(7)

圖像灰度的總平均值為

(8)

求出C，D區(qū)域的類間方差σ2：

σ2=PC(μC-μt)2+PD(μD-μt)2。

(9)

得到σ2最大的閾值T，即為所求：

(10)

課題組求得T=105，采用最大類間方差閾值法二值化處理滾子缺陷圖像，結(jié)果如圖4所示。

圖4 二值化處理Figure 4 Binarization images

2.3 缺陷特征檢測

為提高檢測速度，減少誤判，對分割處理后的圖像設(shè)置感興趣區(qū)域(ROI)[10-11]，僅在ROI內(nèi)檢測缺陷特征。

1) ROI設(shè)定

料次缺陷發(fā)生于滾子端面邊緣位置，眼釘缺陷發(fā)生于滾子端面中心階梯面區(qū)域，所以，需設(shè)置2個ROI。ROI1為滾子邊緣內(nèi)的1個圓環(huán)，ROI2為滾子端面中心的1個圓，如圖5所示。這樣針對性的設(shè)定區(qū)域，可減少計算量及避免不必要的干擾。

圖5 ROI設(shè)置Figure 5 ROI settings

2) 像素個數(shù)參數(shù)

參數(shù)S1是ROI1內(nèi)缺陷特征像素數(shù)的最小允許值，參數(shù)S2是ROI2內(nèi)缺陷特征像素數(shù)的最小允許值，為缺陷判別的依據(jù)。

3) 缺陷特征判別

首先，搜索ROI1內(nèi)灰度值為“1”(缺陷特征)的各個對象目標(若有)，計算每個對象目標的像素數(shù)S1i；及ROI2內(nèi)灰度值為“0”(缺陷特征)的各個對象目標(若有)，計算每個對象目標的像素數(shù)S2i。并比較ROI1內(nèi)各個目標像素數(shù)大小，設(shè)最大像素數(shù)為S1max；比較ROI2內(nèi)各個目標像素數(shù)大小，設(shè)最大像素數(shù)為S2max。

(11)

按式(11)比較，只要有一個條件成立，即可判別滾子端面存在缺陷。

3 自動檢測系統(tǒng)的實現(xiàn)

缺陷特征分割及判別完成后，課題組應(yīng)用LabVIEW軟件開發(fā)滾子端面自動檢測程序，系統(tǒng)流程如圖6所示。

圖6 自動檢測流程圖Figure 6 Flow chart of automatic detection

程序系統(tǒng)檢測到合格品時，檢測結(jié)果顯示 “合格”；檢測不合格品時，檢測結(jié)果顯示 “不合格”，并將檢測到的缺陷特征用深色矩形包圍。檢測系統(tǒng)界面及結(jié)果如圖7所示。系統(tǒng)同時將檢測結(jié)果信號以串口通信方式送至PLC控制系統(tǒng)，PLC根據(jù)接收到的結(jié)果信號控制剔除機構(gòu)相應(yīng)動作。

圖7 端面檢測結(jié)果Figure 7 Detection results of roller end

4 結(jié)語

課題組基于計算機視覺技術(shù)開發(fā)了滾子端面缺陷自動檢測系統(tǒng)，通過對圖像的濾波處理、最大類間方差閾值法二值化分割，提取缺陷特征，并應(yīng)用LabVIEW軟件開發(fā)了計算機視覺自動檢測軟件系統(tǒng)。該檢測系統(tǒng)已在企業(yè)投入生產(chǎn)使用，實際使用表明：系統(tǒng)檢測效率高、可靠性好，結(jié)果客觀、穩(wěn)定；滾子端面缺陷檢測工序?qū)崿F(xiàn)自動化，使缺陷識別率、不合格產(chǎn)品的檢出率達到高水平；提高了產(chǎn)品的總體質(zhì)量，同時大大精簡了檢測人數(shù)，增加了產(chǎn)品的附加值。