基于機器視覺的陶瓷基復(fù)合材料的螺紋表面缺陷檢測

殷明帥，曾 旭，黃佳雯

(1.景德鎮(zhèn)陶瓷大學(xué) 機械電子工程學(xué)院，江西 景德鎮(zhèn) 333403；2.景德鎮(zhèn)學(xué)院 機械電子工程學(xué)院，江西 景德鎮(zhèn) 333000)

0 引言

螺紋在汽車制造、軍工制造、航空航天等工業(yè)領(lǐng)域應(yīng)用廣泛。以陶瓷材料為復(fù)合基的螺紋常用于高精密部件中。因此，對其表面精度檢測要求極高。螺紋材質(zhì)不同，螺紋的功能與質(zhì)量也會有很大差異。以Si3N4顆粒為陶瓷基復(fù)合材料的螺紋具有剛度好、硬度高、耐磨以及穩(wěn)定性強的特點。但是，在機加工過程中，常常由于螺紋材質(zhì)[1]的影響以及機加工時刀具的材質(zhì)和機床的穩(wěn)定性導(dǎo)致生產(chǎn)出來的螺栓存在螺紋底部凹陷、螺紋頂部劃傷、劃痕等表面缺陷。若使用有表面缺陷的螺紋，很大程度上導(dǎo)致內(nèi)外螺紋配合不緊密，存在很大的安全隱患，造成無法預(yù)計的后果。故對基于機器視覺的螺紋表面缺陷檢測[2]效率以及螺紋的質(zhì)量評估具有重大意義。以往的人工檢測法成本較高、效率低下。機器視覺技術(shù)[3]主要是利用光電成像、計算機圖像處理和模式識別技術(shù)來檢測對象。相對傳統(tǒng)檢測的優(yōu)勢在于能夠進(jìn)行非接觸式的自動檢測，提高了生產(chǎn)效率，滿足了現(xiàn)代工業(yè)高效率的需求。機器視覺識別技術(shù)作為一門新興的檢驗技術(shù)，在陶瓷工業(yè)領(lǐng)域迅速興起。其用于檢測陶瓷類制品表面缺陷、分類識別等領(lǐng)域的品質(zhì)性能。

為此，國內(nèi)外學(xué)者開始研究基于機器視覺的非接觸式檢測算法以提高算法的準(zhǔn)確性與速率。景敏等[4]為了完成螺紋的參數(shù)測量，采用了一種以摘去其原有目鏡的工具顯微鏡作為基礎(chǔ)，加裝一套CCD 成像器件的方法。郭聯(lián)金等[5]利用Open CV、VS2008 等軟件開發(fā)平臺開發(fā)了螺紋頭部槽型識別及表面缺陷識別的機器視覺系統(tǒng)。搭建機器視覺自動檢測系統(tǒng)，優(yōu)化視覺算法以此提高檢測效率。目前的算法大多是在空域或者利用傅里葉變換在頻域上對圖像進(jìn)行濾波處理，較以前的人工檢測法效率大大提高。但是，算法還有可以優(yōu)化的空間。由此，提出了利用MATLAB 中SWT算法進(jìn)行濾波處理，圖像平滑[6]。

機器視覺自動檢測系統(tǒng)對螺紋表面缺陷檢測的應(yīng)用中，實現(xiàn)了對螺紋圖像的實時采集以及圖像處理。經(jīng)過對圖像處理結(jié)果的分析判定，得到圖像中缺陷類型以及尺寸，從而實現(xiàn)對缺陷的檢測。采用 CCD 相機采集表面缺陷圖像，在MATLAB 中分析螺栓外螺紋表面缺陷特征。采用SWT 變換、FFT 變換、低通濾波、缺陷提取及邊緣檢測等操作[7]，對外螺紋表面缺陷進(jìn)行識別分類并將結(jié)果反饋給下個工站，從而更加有效地識別次品。此方法為判定外螺紋是否合格提供了有利、可靠的依據(jù)?；跈C器視覺SWT[8]變換的螺紋表面缺陷檢測技術(shù)具有重大的算法參考價值，在很大程度上提高生產(chǎn)效率，進(jìn)而得到更高質(zhì)量的產(chǎn)品。

1 表面缺陷檢測系統(tǒng)

1.1 檢測裝置系統(tǒng)組成

檢測以Si3N4顆粒為陶瓷基材料制造的螺紋機器視覺檢測系統(tǒng)主要由工業(yè)CCD 相機、鏡頭、LED光源、運動控制系統(tǒng)和PC 機構(gòu)成。系統(tǒng)的結(jié)構(gòu)框架圖如圖1 所示。

圖1 外螺紋表面缺陷檢測系統(tǒng)的框架Fig.1 External thread surface defect detection system

在檢測螺紋表面缺陷時，首先要將螺栓固定在機械結(jié)構(gòu)運動控制平臺上進(jìn)行定位。工控機借助計算機程序啟動相機，結(jié)合運動控制系統(tǒng)來采集待檢測螺紋的圖像。CCD 工業(yè)相機會將采集的實時圖像傳輸?shù)焦た貦C等待處理和判斷。工控上運行的系統(tǒng)軟件對采集到的外螺紋圖像進(jìn)行預(yù)處理、增強、分割、標(biāo)記、識別和判定等處理，最終實現(xiàn)對外螺紋表面缺陷的非接觸式自動檢測。

表面缺陷檢測裝置主要由工件承載臺、定位機構(gòu)、檢測平臺架和旋轉(zhuǎn)機構(gòu)構(gòu)成。

（1）工件承載臺：主要用于承載陶瓷基復(fù)合材料的螺紋。

（2）定位機構(gòu)：主要對工件起到定位夾緊的作用。

（3）檢測平臺架：檢測平臺架為整個實驗平臺的龍骨，形成穩(wěn)定的工作環(huán)境。

（4）旋轉(zhuǎn)機構(gòu)：旋轉(zhuǎn)機構(gòu)的功能是原地旋轉(zhuǎn)樣品，輔助圖像采集模塊完成對表面圖像采集從而獲得實時圖像。系統(tǒng)的運行效率和檢測精度由該系統(tǒng)機械部分決定，機械部分是該系統(tǒng)實現(xiàn)數(shù)據(jù)采集的基礎(chǔ)部件。

1.2 缺陷檢測算法流程

在圖像的實時采集、傳輸過程中，常常會由于環(huán)境、設(shè)備以及傳輸過程中不穩(wěn)定因素的干擾，采集的實時圖像不可避免地帶有噪聲信息。噪聲的大小對圖像的質(zhì)量產(chǎn)生非常大的影響。過大的噪聲信息會使感興趣區(qū)域的特征和噪聲混淆，甚至將實際感興趣區(qū)域的特征淹沒掉，從而導(dǎo)致圖像后期處理無法進(jìn)行下去。因此，減小噪聲甚至消除噪聲，是如何增大信噪比成為圖像處理環(huán)節(jié)的一個重要步驟。

（1）硬件組建的搭建。將螺栓工件固定在機械結(jié)構(gòu)運動控制平臺上，開啟電源進(jìn)行打光調(diào)試。調(diào)試完成后開始采集實時圖像，PC 機獲取原始圖像。

（2）PC 機獲取原始圖像后開始進(jìn)行圖像處理，分為圖像預(yù)處理和圖像后期處理。圖像預(yù)處理主要起到平滑圖像的作用，目的是消除高頻噪聲對感興趣目標(biāo)區(qū)域的干擾。采用正逆SWT 變換、正逆FFT 變換、低通濾波等將圖像由空域轉(zhuǎn)換到頻域，利用小波變換的時空結(jié)合特性將近似系數(shù)與小波系數(shù)求解出來。因為近似系數(shù)幾乎包含了所有的缺陷特征，而近似系數(shù)與噪聲幾乎都為高頻信號，故采用低通濾波器進(jìn)行濾波再轉(zhuǎn)換到空域進(jìn)行圖像增強。

（3）后期圖像處理的作用是識別外螺紋表面缺陷并將其分類。同時，將處理后的圖像通過PC機顯示出來，利用缺陷提取及Canny 邊緣檢測算子等進(jìn)行處理。

（4）PC 機將實時圖像的處理結(jié)果反饋到下個流程，通過機械手臂將缺陷殘次品夾取出來。外螺紋表面缺陷檢測流程如圖2 所示。

圖2 外螺紋表面缺陷檢測流程圖Fig.2 Flow chart of detection algorithm for external thread surface defects

上述缺陷檢測算法經(jīng)過小波變換與高斯去噪模型將復(fù)雜噪聲背景下的缺陷先原始圖像進(jìn)行去噪處理，將多種類型的噪聲信號從圖形中去除并且保留了缺陷特征。與傳統(tǒng)缺陷檢測算法相比較，文中所提缺陷檢測算法可以同時針對多種噪聲信號進(jìn)行去噪處理并保留缺陷特征信息，對復(fù)雜環(huán)境下原始缺陷圖像的檢測識別具有良好的適用性。

2 實驗結(jié)果分析

為驗證所提算法對外螺紋表面缺陷檢測識別的準(zhǔn)確率以及算法本身的穩(wěn)定性，通過視覺系統(tǒng)拍攝50 張外螺紋表面缺陷圖像進(jìn)行檢測識別實驗，實驗過程中圖像處理如圖3 所示。

圖3 外螺紋表面缺陷檢測過程Fig.3 Process of external thread defect surface inspection

實驗時對于不同顏色、不同直徑、不同材質(zhì)、不同缺陷的螺紋以及沒有缺陷的螺紋都需要重復(fù)實驗驗證多次。牙頂、牙底，以及無缺陷的圖像采用了50 幅圖像，實驗統(tǒng)計結(jié)果如表1 所示。

表1 螺紋檢測結(jié)果Tab.1 Detecting result of screw thread

3 結(jié) 論

（1）基于機器視覺的SWT 算法對外螺紋表面缺陷進(jìn)行檢測，搭建外螺紋表面缺陷自動檢測系統(tǒng)。缺陷圖像預(yù)處理采用了具有良好通用性的SWT、Canny 算法，處理效果良好?；跈C器視覺的缺陷檢測準(zhǔn)確可靠率高達(dá)95 %以上，且效率相較傳統(tǒng)方法要高。

（2）采用CCD 相機采集外螺紋表面缺陷實時圖像，分析外螺紋表面缺陷特征。通過SWT、FFT、Gauss low-pass filtering、缺陷提取，以及邊緣檢測等提取外螺紋表面缺陷。該方法高效準(zhǔn)確，對今后外螺紋表面缺陷檢測的算法研究有一定的參考意義。