基于机器视觉零件尺寸自动检测系统.docVIP

基于机器视觉零件尺寸自动检测系统 　　摘 要:本文主要介绍了利用机器人视觉进行零件尺寸检测的系统。主要包括:机器视觉检测技术的发展以及检测方法简介、系统的检测模块、图像处理技术及其过程。重点描述和介绍了五大模块。最后,探讨和研究了如何高效地与生产中的各个环节相结合使系统的自动化程度更高。 　　关键词:机器视觉;零件检测;图像处理;机器视觉检测技术 　　 　　1、引言 　　 　　在现代制造业的自动化生产中,涉及到各种各样的检查、测量和零件检测应用。这类加工生产的共同特点是连续大批量生产,对尺寸精确度的要求非常高。传统的检测方法效率低,误差大,已不能适应目前的工艺要求。这时,计算机的快速性、可靠性、结果的可重复性,与人类视觉的高度智能化和抽象能力相结合,使机器视觉在工业检测中的应用越来越广泛。机器视觉的特点是自动化、客观、非接触和高精度,与一般意义上的图像处理系统相比,机器视觉强调的是精度和速度,以及工业现场环境下的可靠性 。 　　 　　2、机器视觉技术及检测方法简介 　　 　　2.1机器视觉技术的发展 　　机器视觉作为工业自动化系统的重要组成之一,自起步发展到现在已有15年的发展历史。应该说机器视觉作为一种应用系统,其功能特点是随着工业自动化而逐渐发展和完善的。它的技术与应用也随着自动化行业的发展而日益成熟。最近几年机器视觉技术发展很快,现在机器视觉技术已经逐渐深入到各行各业的各种应用领域中 。视觉检测按其所处理的数据类型可分为二值图像、灰度图像、彩色图像的视觉检测 。 　　2.2视觉检测方法 　　Moganti 等人将视觉检测算法做了如下分类: 　　(1)基于参考的视觉检测方法采用点对点(或特征对特征)比较,它利用了检测目标的完整知识。方法主要有: 剪影法、模板匹配法、树法、句法方法和图匹配方法。 　　(2)非参考型检测方法该方法利用的是待检测目标的一般特性,而不是特定的一个检测目标的知识。不需要任何参考模式,如果模式不符合设计的规则,就认为不合格或有缺陷,因此也称为设计2规则验证方法。该方法依据工件设计规则判断工件是否有缺陷,无须逐点比较待测工件图像和标准图像。 　　(3)混合检测方法上述两类方法各有其优缺点,混合检测方法的思想是采两者之长,避两者之短.。典型方法有:一般方法、用边界分析的模式检测、射线匹配算法、形状比较法、圆形模式匹配法等。 　　(4)基于CAD的检测方法近年来,迅猛发展的CAD/CAM技术为建立物体的几何模型提供了几何描述基础, 产生了三维物体几何模型,称为CAD模型。计算机视觉和CAD技术相结合,有着广阔的发展前景。 　　2.3机器视觉的组成及应用 　　机器视觉系统由硬件和软件两大部分组成。一个成功而实用的机器视觉系统的总体结构如图1所示。 　　 　　机器视觉技术主要应用在以下几个方面。(1)识别传送带上所要装配的机械零件;(2)确定零件的空间位置;(3)利用机器视觉系统做机械零件的检查:如检查工件完好性、测量工件的极限尺寸、检查工件的磨损等。 　　 　　3、系统的检测模块 　　 　　以上简单介绍了机器视觉的组成及其应用。接下来我们将主要研究检测系统的五大模块,这部分是机器视觉进行零件尺寸检测的主要程序和过程,利用计算机对图像进行常规的加工和处理,其中的每一环节都将会影响测量结果的精确性和真实性。 　　3.1图像采集获取模块 　　在这个阶段完成图像实时采集、图像数据格式转化和图像保存等主要工作。 　　首先,要明确获得图像的方法。要获得一个数字图像必须将图像中的像素转换成数字信息,以便在计算机上进行处理和加工。将模拟图像转换成数字图像的工作,通常可由扫描仪来完成。 　　其次,获取的图像可分为模拟图像、数字图像和扫描仪获得的比特图。 　　3.2图像处理模块 　　采集到的图像由于噪音等因素的存在直接影响着测量精确度,为此需要进行图像处理使待检测的物体从无关紧要的背景中分离出来,滤除这些不利因素,从而提取到较精确地零件图。 　　此模块主要是将采集到的图像进行一系列的处理,如图像的平滑去噪处理、灰度拉伸变换、图像二值化、边缘特征提取和边缘细化等。 　　尺寸测量的图像处理过程基本流程见图2。 　　3.2.1平滑降噪处理 　　消除图像中的噪声成分叫做图像的平滑操作。其主要目的有两个:一是抽出对象的特征作为图像识别的特征模式;另一是为适应计算机处理的要求,消除图像数字化时所混入的噪声。 　　 　　平滑模板是通过将一点和周围8 个点作平均,从而去除突然变化的点,以滤掉噪声,其代价是图像有一定的模糊,常见的平滑模板有均值模板(见图3(a))和高斯(Gauss)模板(见图3(b))。均值模板虽然考虑了邻域点的作用,但并没有考虑各点位置的影响,所以平滑