基于機(jī)器視覺(jué)的熱力膨脹閥缺陷檢測(cè)系統(tǒng)

覃廣林，邵開儒，湯建斌

（中國(guó)計(jì)量大學(xué)計(jì)量測(cè)試工程學(xué)院，浙江 杭州 310018）

0 引言

熱力膨脹閥是制冷系統(tǒng)中四大部件之一，是組成制冷裝置的重要部件，它具有體積小、結(jié)構(gòu)簡(jiǎn)單等優(yōu)點(diǎn)，往往決定著整個(gè)系統(tǒng)的運(yùn)行性能[1]。但是熱力膨脹閥在生產(chǎn)過(guò)程中會(huì)產(chǎn)生例如孔徑偏差過(guò)大等缺陷，這些缺陷將有可能影響熱力膨脹閥在使用過(guò)程中的穩(wěn)定性。因此在出廠時(shí)必須要對(duì)熱力膨脹閥進(jìn)行缺陷檢測(cè)。目前生產(chǎn)廠家多數(shù)還在采用的是人工檢測(cè)，人工檢測(cè)的缺點(diǎn)是不能保證產(chǎn)品的品質(zhì)[2]，而且檢測(cè)效率不高。為了彌補(bǔ)人工檢測(cè)存在的缺點(diǎn)，引進(jìn)一種自動(dòng)化檢測(cè)設(shè)備代替人工是不錯(cuò)的選擇。本文選擇機(jī)器視覺(jué)作為核心技術(shù)對(duì)膨脹閥缺陷進(jìn)行檢測(cè)。李晉鑫[3]等人利用機(jī)器視覺(jué)技術(shù)，對(duì)內(nèi)絲接頭的尺寸測(cè)量精度高達(dá)±0.01mm，準(zhǔn)確率高達(dá)98.73%，漏檢率為0，檢測(cè)一個(gè)工件的平均時(shí)間為0.37s；崔可濤[4]等人利用基于機(jī)器視覺(jué)的智能拆解方法，通過(guò)工業(yè)相機(jī)采集的鉛酸電池圖像進(jìn)行處理后實(shí)現(xiàn)對(duì)鉛酸電池的尺寸檢測(cè)，其平均檢測(cè)時(shí)間在1s以內(nèi)，絕對(duì)誤差小于1mm，該數(shù)據(jù)精度高于該工業(yè)要求的2mm；羅彰[5]等人利用機(jī)器視覺(jué)的算法完成了收藏幣圖像的類型識(shí)別以及配準(zhǔn)，對(duì)收藏幣缺陷的檢測(cè)準(zhǔn)確率高達(dá)96.25%，但是這個(gè)96.25%是在匹配樣本與實(shí)際拍攝圖像匹配度很高的條件下得出的。由此可見(jiàn)機(jī)器視覺(jué)在檢測(cè)缺陷領(lǐng)域已有很多的應(yīng)用，也能說(shuō)明機(jī)器視覺(jué)技術(shù)可以作為熱力膨脹缺陷檢測(cè)的核心技術(shù)。

1 系統(tǒng)總體設(shè)計(jì)

熱力膨脹閥分為三花專用閥、銅閥、鋁閥等多種類別[6]。本文所設(shè)計(jì)的熱力膨脹閥視覺(jué)檢測(cè)系統(tǒng)用于檢測(cè)鋁制閥熱力膨脹閥的閥體部分。

本文設(shè)計(jì)的熱力膨脹閥視覺(jué)檢測(cè)系統(tǒng)是基于在熱力膨脹閥生產(chǎn)流水線上的確認(rèn)臺(tái)進(jìn)行改造。傳統(tǒng)的確認(rèn)臺(tái)只是對(duì)生產(chǎn)的熱力膨脹閥閥體進(jìn)行編號(hào)確認(rèn)。本文對(duì)確認(rèn)臺(tái)進(jìn)行改造，使其能夠識(shí)別閥體缺陷并進(jìn)行篩選。

經(jīng)過(guò)對(duì)熱力膨脹閥生產(chǎn)廠家進(jìn)行走訪調(diào)查，了解到熱力膨脹閥缺陷檢測(cè)的多為對(duì)孔的直徑、所在位置以及孔內(nèi)是否有毛刺的檢測(cè)。

廠家給出的 NF508-2型號(hào)的熱力膨脹閥的部分檢測(cè)要求為以下表1（P284）所示。

表1 項(xiàng)目部分檢測(cè)要求

1.1 整體系統(tǒng)設(shè)計(jì)

本文所描述的熱力膨脹閥視覺(jué)檢測(cè)系統(tǒng)是在工廠流水線上的安裝臺(tái)上改進(jìn)的。主要有三部分組成，視覺(jué)檢測(cè)系統(tǒng)，總控制系統(tǒng)以及氣動(dòng)機(jī)械系統(tǒng)組成。如圖2（P284）所示。

圖1 鋁制熱力膨脹閥閥體

圖2 系統(tǒng)機(jī)構(gòu)圖

氣動(dòng)機(jī)械系統(tǒng)由手指氣缸、旋轉(zhuǎn)氣缸以及分料氣缸組成。

其中旋轉(zhuǎn)氣缸用于擺正閥體姿態(tài)，手指氣缸用于夾持閥體進(jìn)行拍照，分料氣缸對(duì)不合格的產(chǎn)品進(jìn)行分類。具體實(shí)現(xiàn)是利用一個(gè)旋轉(zhuǎn)氣缸作為轉(zhuǎn)盤，旋轉(zhuǎn)氣缸型號(hào)為亞德客HRQ30A,轉(zhuǎn)盤的邊上有四個(gè)卡槽，四個(gè)卡槽分布為每90°一個(gè)卡槽，流水線的膨脹閥掉落到卡槽可使膨脹閥擺正姿態(tài)。當(dāng)每個(gè)熱力膨脹閥跟隨轉(zhuǎn)盤到達(dá)指定位置，由手指氣缸垂直夾起熱力膨脹閥，型號(hào)為亞德客TCM20x100S，手指氣缸會(huì)在軸向進(jìn)行旋轉(zhuǎn)，旋轉(zhuǎn)90°就對(duì)熱力膨脹閥進(jìn)行一次拍照，拍攝完成的熱力膨脹閥會(huì)由手指氣缸放下進(jìn)入后續(xù)的流水線傳送帶。

后續(xù)的流水線傳送帶上有分料氣缸，分料氣缸為手指氣缸，型號(hào)為CY1SG10-200Z，分料氣缸的作用是將NG的熱力膨脹閥和合格的進(jìn)行分流，從而實(shí)現(xiàn)合格與不合格產(chǎn)品的分離。

如圖3所示。

圖3 氣動(dòng)機(jī)械系統(tǒng)工作流程

2 視覺(jué)檢測(cè)部分

2.1 視覺(jué)系統(tǒng)的硬件設(shè)計(jì)

本文描述的熱力膨脹閥的視覺(jué)檢測(cè)系統(tǒng)的硬件包括工業(yè)相機(jī)、遠(yuǎn)心鏡頭、同軸光源、檢測(cè)平臺(tái)與計(jì)算機(jī)。其中工業(yè)相機(jī)型號(hào)為海康威視的工業(yè)面陣相機(jī) MVCE120-10GM，遠(yuǎn)心鏡頭選用燦銳的雙遠(yuǎn)心XF-PTL11008-C，光學(xué)形變小于0.095%，遠(yuǎn)心度小于0.04°，倍率0.0727；光源為康視達(dá)的CST-COS120-W，相較主流的環(huán)形光源，同軸光源亮度高、光照均勻且能凸顯物體表面不平整，能夠較好地克服因光照不均勻而產(chǎn)生的閥體金屬表面反光造成的干擾；光源適配器也為康視達(dá)的CST-MDPS2475B-4TDP，PLC選用歐姆龍的CP1E-N40DT-D。檢測(cè)系統(tǒng)如圖所示，工業(yè)相機(jī)采集到的產(chǎn)品數(shù)據(jù)會(huì)輸送到工控機(jī)，利用視覺(jué)算法進(jìn)行處理后，將指令傳輸給PLC，PLC控制其他部分進(jìn)行工作。

2.2 視覺(jué)檢測(cè)軟件設(shè)計(jì)

2.2.1 視覺(jué)算法

以檢測(cè)膨脹閥孔類毛刺的視覺(jué)算法為例作為介紹。

在實(shí)際生產(chǎn)中采集的圖像中，存在大量除待檢測(cè)孔以外的干擾因素，所以需要一種方法能夠準(zhǔn)確地定位檢測(cè)孔。HerbertBay等人提出的SURF算法[7]是一種穩(wěn)健的局部特征點(diǎn)檢測(cè)和描述算法。相較于SIFT算法，SURF算法是其加速版本，有效提升了算法的效率。而對(duì)比傳統(tǒng)的Hough變換法，在圓定位問(wèn)題上，SURF算法在處理含有大量干擾因素的圖像時(shí)，具有更高的準(zhǔn)確性，不易出現(xiàn)定位圓邊緣和實(shí)際情況偏差較大的情況。為了檢測(cè)準(zhǔn)確精度和檢測(cè)效率，采用SURF算法定位ROI。

采用SURF算法定位ROI首先需要提供特征性強(qiáng)的匹配模板，而在膨脹閥上冷凝器口具有相當(dāng)豐富的細(xì)節(jié)，故將完好的冷凝器口圖像作為匹配模板。通過(guò)以下方法將輸入的圖像和匹配模板進(jìn)行比較，得到匹配點(diǎn)：

構(gòu)建尺度空間。在構(gòu)建尺度空間時(shí)，使用Hessian矩陣這一工具，并計(jì)算相應(yīng)判別式的值。當(dāng)然在使用Hessian工具之前，需要對(duì)圖像進(jìn)行高斯濾波。對(duì)于圖像I上的某一點(diǎn)x=(x,y)，可以給出點(diǎn)X在尺度上高斯濾波后的Hessian矩陣為

特征點(diǎn)定位。將每一個(gè)像素點(diǎn)同其相鄰點(diǎn)在圖像域和尺度空間中特征值的大小，找出極值點(diǎn)。對(duì)極值點(diǎn)進(jìn)行擬合，得到更精確的定位。隨后刪除低對(duì)比度的極值點(diǎn)和邊緣響應(yīng)點(diǎn)，最終得到有用的特征點(diǎn)。

使用暴力匹配法將輸入圖像上的特征點(diǎn)和匹配模板上的特征點(diǎn)匹配起來(lái)。由于已經(jīng)篩選出特征點(diǎn)且數(shù)量不大，采用暴力匹配的方法不會(huì)對(duì)算法所需時(shí)間造成較大的影響。

在得到匹配點(diǎn)后，對(duì)輸入圖像和模板圖像進(jìn)行透視變換，根據(jù)模板圖像中ROI和匹配區(qū)域的相對(duì)位置，可以在輸入圖像中提取到ROI，最終效果如圖4所示。

圖4 ROI的提取

采集的ROI圖像存在明顯的噪聲，這些噪聲是圖像在傳播過(guò)程中外界環(huán)境所造成的，因此，在對(duì)圖像進(jìn)行缺陷檢測(cè)前，需要對(duì)圖像進(jìn)行一些預(yù)處理，來(lái)抑制噪聲。首先，通過(guò)加權(quán)系數(shù)計(jì)算灰度的方式對(duì)采集到的圖像做灰度轉(zhuǎn)換。其次，使用高斯濾波器進(jìn)行濾波，減小一些金屬表面紋理等產(chǎn)生的噪聲。最后，使用大津法[8]對(duì)圖像進(jìn)行閾值分割，通過(guò)這一操作來(lái)增強(qiáng)圖像輪廓，進(jìn)一步減小噪聲。在預(yù)處理完圖像之后，使用Canny[9]算子提取圖像輪廓的邊緣像素。預(yù)處理效果如圖5所示。

圖5 圖像預(yù)處理

隨后，通過(guò)幾何矩與最小二乘擬合的方式來(lái)得到圓心的定位。假設(shè)存在某一缺陷，則會(huì)對(duì)圓心的定位產(chǎn)生影響，故對(duì)擬合圓上的像素段，逐段進(jìn)行擬合，從而提取到圓的輪廓信息。通過(guò)這一輪廓信息再分析是否存在缺陷，隨后計(jì)算缺陷的最小外接矩形，并標(biāo)出其在圖像中的位置。

存在缺陷，隨后計(jì)算缺陷的最小外接矩形，并標(biāo)出其在圖像中的位置。

圖6 視覺(jué)方案

3 測(cè)試結(jié)果以及分析

本文實(shí)驗(yàn)中利用100個(gè)有不同缺陷的 NF508-2型號(hào)熱力膨脹閥樣本進(jìn)行檢測(cè)，混合進(jìn)行10次檢測(cè)后得出檢測(cè)數(shù)據(jù)，其中孔類邊距數(shù)據(jù)是包括A、C面所包含的所有孔的邊距數(shù)據(jù)，如某個(gè)熱力膨脹閥的某個(gè)孔的邊距數(shù)據(jù)檢測(cè)錯(cuò)誤，則認(rèn)定該熱力膨脹閥的邊距數(shù)據(jù)檢測(cè)錯(cuò)誤，通過(guò)人工復(fù)檢確定其誤檢、漏檢都算檢測(cè)錯(cuò)誤，其他直徑數(shù)據(jù)以及孔間距離也按此要求記錄。安排四個(gè)人工進(jìn)行檢測(cè)對(duì)比，人工則以盡可能快的速度進(jìn)行檢測(cè)，以記錄其性能并與人工對(duì)比。得出以下數(shù)據(jù)（見(jiàn)表2）。

表2

結(jié)合四個(gè)部分的檢測(cè)數(shù)據(jù)，人工檢測(cè)的準(zhǔn)確率約為97.85%，系統(tǒng)檢測(cè)的準(zhǔn)確率約為99.2%，配合檢測(cè)時(shí)間可分析得人工的檢測(cè)率略低于系統(tǒng)檢測(cè)率，且人均時(shí)間均比系統(tǒng)檢測(cè)時(shí)間長(zhǎng)。綜合可得系統(tǒng)的整體效率高于人工。

4 結(jié)論

本文介紹的熱力膨脹閥視覺(jué)檢測(cè)系統(tǒng)能夠?qū)崿F(xiàn)熱力膨脹閥生產(chǎn)廠家的要求，實(shí)現(xiàn)在生產(chǎn)流水線上進(jìn)行自動(dòng)檢測(cè)，每個(gè)閥體的檢測(cè)時(shí)間約為5s，檢測(cè)正確率達(dá)到了99%以上，極大地促進(jìn)生產(chǎn)效率，節(jié)約了生產(chǎn)成本，為熱力膨脹閥生產(chǎn)企業(yè)未來(lái)的發(fā)展提供了幫助。