基于机器视觉的活塞杆端表面瑕疵检测研究

苏春阳，孙晓帮，陈乐辉，蔡景月，李欢，邱亚男

（1.辽宁工业大学汽车与交通工程学院，辽宁 锦州 121001；2.深圳市特瑞吉科技有限公司，广东 深圳 518110；3.天津莫森睿自动化设备有限公司，天津 301709；4.锦州万友机械部件有限公司，辽宁 锦州 121000）

引言

目前，很多制造行业都进入到自动化生产行列中，甚至是智能制造生产的行列中，汽车零部件的生产也不例外。随着科技的发展，汽车行业一直在迭代更新，但迭代更新的主要是控制与驱动方面，对于汽车硬件改动不是很大，因此对汽车硬件的需求也在增加，例如减振器中的活塞杆，在减振器活塞杆的制造过程中经常会出现一些瑕疵品，之前都是人工检测，但是由于人工检测成本高、效率低，并且随着机器视觉技术的成熟，本人联合几名机器视觉领域的能手对活塞杆端表面的检测进行了研究。

1 减振器活塞杆端表面瑕疵的介绍

1.1 减振器活塞杆表面瑕疵的形成原因

图1 活塞杆端面加工后展示

目前的活塞杆制造中，均是靠自动化设备来完成的，而自动化设备有时由于种种原因会出现不稳定的情况，例如活塞杆端表面的形成，正常是通过加工后，由圆表面形成外六方表面，但有时由于设备的不稳定，会造成加工两次或一次也没有，加工两次，端表面会形成不规则外十二方，一次也不加工则会是原来的模样。三种情况用工业相机经过打光后的效果图如图1 所示，可以看出，合格品正面投影为正六边形的样件与其余非合格品样件之间差别明显。

1.2 检测方案选取

根据以上介绍可知，在加工后去检测活塞杆端表面的形状是非常有必要的，考虑到检测需求，即快速稳定的检测以及能够很容易嵌入到产线当中，且机器视觉检测具有检测速度快，检测稳定及占用体积小等特点。因此，基于机器视觉的检测方案正适合于此。

2 检测系统设计

2.1 检测系统硬件设计

因为此项检测为金属表面视觉检测，所以最重要的就是被检测体的特征提取，此项检测最明显的特征就是被加工后留下的轮廓，而轮廓处的端表面与其背景存在明显差异，端面较为光鲜，而北京较为暗沉。对此，本人选取45°白色环形光源，45°的白色环形光源对于表面光鲜的物体具有光鲜程度增强作用，光源控制器选用的是OSe 的PW-2024 型号的光源控制器。考虑到经过打光后的特征非常明显，为了增加检测速度与检测质量，工业相机选取大恒科技的网口500 万黑白相机，其型号为：MER-500-14GC，网口传输具有抗干扰性强的优点。因为被检测点与镜头距离稳定，综合考虑到使用性能与经济性，因此镜头选用Computar 定焦镜头，其型号为M0814-MP2。

2.2 检测系统软件设计

2.2.1 图像处理

此研究当中，最为重要的就是系统软件的设计，在机器视觉检测的过程中主要由图像采集、图像处理、图像识别、结果输出组成。对于本研究，图像采集与结果输出易于实现，因此图像处理与图像识别为本研究重中之重。本研究图像处理用的是Labview 视觉模块中的二值化[1]模块与轮廓提取模块，二值化的算法公式为：

其中，g(x,y)为点（x,y）二值化后的像素值，f(x,y)为原图点（x,y）的像素值，k 为二值化的阈值，i 为二值化后的取代值。本系统中，k 取251，i 取255。图像处理的程序框图与处理后效果如图2 所示。

图2 图像处理程序框图与处理后效果

2.2.2 图像识别

由图2 可以看出，中间的六边形合格品与其他的非合格品之间特征差别非常明显，因此，利用合格的六边形作为模板匹配[2]中的模板进行学习，然后运用学习后的模板与每一张被测图片进行模板匹配来进行图像识别，模板匹配的匹配分值满分为1000 分，此检测中，设定阈值，当模板匹配分数大于800 分时即可判定出活塞杆的端表面是否为合格品。其中，在视觉模块中，模板学习VI 为IMAQ Learn Pattern 6 Vi模板匹配Vi 为IMAQ Match Pattern 4 Vi。

3 结论

（1）活塞杆端表面检测可利用机器视觉进行检测。

（2）图像处理与图像识别在此检测中是异常重要的环节。

（3）此检测应用到制造流程中将会明显的提升工作效率与检测质量。