摘要：零件在大规模生产中难免会产生缺陷，而目前对于精冲零件的缺陷检测绝大多数使用的是传统的人工抽样检测的方法，这种方法不仅效率低下，而且容易出错，不适宜现代智能化制造的发展要求。对于精冲零件的断面特征，主要包括塌角、光亮带、撕裂带和毛刺，我们希望得到的精冲零件能获得100%的光亮带但实际生产中很难得到全光亮带，断面上通常容易产生撕裂带，但只要撕裂带控制在一定的比例以下，不影响零件的使用要求，也可认为是合格产品，这样无疑增加了人工检测的难度。基于此，本文主要对基于机器视觉的汽车零件缺陷检测技术进行分析探讨。
关键词：基于机器视觉；汽车零件；缺陷检测；技术研究
1、前言
如今随着计算机互联网技术的不断发展，智能化生产的概念得到了广泛的普及，机器视觉技术在智能化生产中有着广阔的应用前景，并可成为精冲零件缺陷检测的主要方法。机器视觉使用机器来代替人眼进行传统的检测和判断，提高了生产线的自动化和智能化程度，大大提高了生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是基于计算机实现智能化生产的基础技术。目前机器视觉技术已广泛应用在：PCB板自动检测、汽车车身焊接检测以及基于模型的视觉检测等领域。典型的机器视觉系统主要包括CCD相机、光源、镜头、图像采集卡、计算机等设备。
2、精冲零件断面缺陷检测系统硬件构成
相机是机器视觉系统的核心部件，相机的选择一般考虑分辨率、灵敏度、信噪比和成本等因素，本系统根据检测的精冲零件，选择面阵黑白CCD相机。设传送带移动速度为v米/秒，相机的最大采集速度为p帧/秒，零件长度为L，高度为H，相机视野为A×B，相机分辨率为C×D，规定的检测速度要求至少为n个/秒，每个零件的检测时间为t，则相机在拍照过程中零件移动的距离为：
△L=v/p (1)
以上参数的选择需满足以下两个条件：
1）每个零件的检测时间需小于技术规定的时间，即t<1/n；
2）相机在长度方向的视野需大于零件前进的距离和零件的长度之和，即A>△L+L；系统以常见的精冲零件—变速器换挡拨叉为例，长度L=115mm，高度H=10mm，并要求检测速度为10个/秒，相机的采集速度为50帧/秒，相机至少要保证625×200的分辨率才能满足精度为0.1mm的检测要求，分辨率越高检测效果越好，但考虑到成本因素，选择640×480的分辨率的相机即可。光源的选择对机器视觉缺陷检测有很大的影响，本系统选择常用的LED光源，LED光源因其能耗低，可靠性高，价格便宜，广泛应用在机器视觉系统上，同时光源要保持稳定、色质要均匀。光电开关是整个系统的主要控制部件之一，系统中相机的拍摄时间通过光电开关来控制，当零件在运动过程中触发光电开关时，光电开关将信号传递给计算机，计算机控制相机进行拍照。
3、图像采集
图像的采集模块是整个系统运行的关键模块之一，完成零件运动过程中表面缺陷的采集工作，不稳定的图像采集质量会影响最后的检测效果。为获得良好的采集效果，除了保证良好的光源效果外，还需要设置合适的相机参数，如曝光时间、相机的打开和关闭时刻等。本系统中图像采集使用Labview中的NI模块对相机进行控制，控制参数主要有打开相机、配置相机参数、单次拍摄或连续拍摄、关闭相机等。相机在拍摄过程中，零件是在传送带上运动，为防止图像出现“拖影”现象，我们需设计较小的曝光时间。相机的增益表示CCD感光元件的感光速度，增益越大，感光能力越强，对曝光的时间需求越小。在实际使用过程中，增益越小，图像的细节表现的越充分，增益越大，图像亮度越大，但噪点也随之增多，图像质量会变差，增益参数的设置需综合考虑相机的参数和检测需求。
期刊文章分类查询,尽在期刊图书馆
4、图像处理
相机将拍摄的零件图片传递给计算机，计算机再进行图像处理，来判断零件是否合格。常见的图像处理技术包括图像分割、图像滤波、图像二值化等。首先相机拍照，然后计算机进行预处理，对可疑零件进行后处理，最后判断零件是否合格。零件在大批量生产过程中难免会出现缺陷，但大部分零件是合格的，如果对生产的所有零件都进行整套的检测流程，必然会影响检测效率。本系统首先进行预处理流程来剔除大部分合格的零件，对有可疑目标的零件再进行后处理流程，最终判断零件是否合格。
4.1 图像预处理流程
相机拍照传递给计算机后，计算机首先对零件图像进行预处理，以判断零件是否合格，若零件有可疑目标，则需计算机对零件图像进行后处理来判断零件最终是否合格。本系统的预处理流程主要包括：图像分割、图像滤波和增强、边缘检测。
相机拍摄的一幅照片中，零件往往只占其中的一小部分，而如果将整个图片都进行图像预处理，将极大增加计算成本和硬件投入，所以首先需使用图像分割技术提取图像中的主要目标。当零件在传送带上运动，相机对零件进行拍照时，零件只可能会出现在图像的中间区域，而上下两个区域都是无效的，仅对有零件的区域进行图像处理技术即可。因此，可在检测程序配置摄像头的时候进行图像有效区域预先标定，选出传送带上零件可能出现的区域，在检测程序开始工作后，每获取一张照片，就通过预设的有效区域范围对照片进行截取，这可将500万像素的图像截取到100万像素以下，从而极大地提高识别速度，减少消耗时间，提升效率。
边缘检测技术对于数字图像处理非常重要，本系统的预处理流程就是根据边缘提取后的零件图像来剔除掉大部分合格的零件，良好的边缘检测效果可以大大提高检测效率。对于一个精冲零件，它的断面主要包括光亮带、撕裂带、塌角和毛刺。正常的精冲零件断面难免会出现撕裂带，但只要断面撕裂带的垂直最大高度占断面高度的百分比不超过一定数值时，仍认定零件是合格的。本系统预处理流程将边缘检测后的图片进行处理，判断零件断面是否有撕裂带。
4.2 图像后处理流程
图像进过预处理流程后，能排除掉大部分合格的零件，但仍有一小部分图像不能判断零件是否合格，此时需要更精确的后处理流程。图像经过后处理流程后，能检测出其中有缺陷的零件，并对有缺陷的零件，检测出其缺陷的位置、撕裂带的高度其面积的大小。将灰度图像进行阈值分割可以得到二值化图像，二值化可将图像中目标（本系统中目标为零件表面缺陷）从背景中分离出来，从而得到目标的形状、位置等重要特征。
5、实验结果与分析
本文使用常用的精冲零件—汽车变速器换挡拨叉为例进行试验，使Labview作为软件平台进行试验，并结合MATLAB计算撕裂带高度及其面积。预处理之后，对于表面有可疑目标而无法判断的零件，需进行后处理流程。后处理流程首先对图像进行二值化，把图像的背景与目标分离出来，本文结合图像的灰度直方图确定阈值范围，二值化后零件表面的缺陷从背景中分离了出来，效果较理想。二值化后，就可以利用粒子分析功能来计算表面缺陷的特征，如缺陷面积、位置、撕裂带最大垂直高度等。将这些数据做统计分析，对实际生产具有很好的指导意义。
6、结束语
本文以汽车上常用的精冲零件为例，将机器视觉技术应用在精冲零件断面缺陷检测技术上，设计了整个机器视觉系统的工作流程，通过对零件图像的采集和处理，计算出拨叉的高度和断面缺陷撕裂带面积和最大垂直高度，进而能判断零件是否合格，实验证明取得了良好的效果，并且本系统具有很好的柔性化程度，可以应用在各种不同的生产线上，对实现精冲成形智能化制造具有重要意义。
参考文献：
[1] 刘金桥，吴金强．机器视觉系统发展及其应用[J]．机械工程与自动化，2010(1)：215—216．
[2]施雯．机器视觉在汽车实验中的应用[J]．天津汽车，2008(10)：48．50．
论文作者:尹召
论文发表刊物:《基层建设》2018年第34期
论文发表时间:2019/3/27
标签：零件论文; 图像论文; 相机论文; 缺陷论文; 断面论文; 视觉论文; 机器论文; 《基层建设》2018年第34期论文;