發(fā)動(dòng)機(jī)凸輪軸零部件表面缺陷檢測(cè)方法
【專利摘要】本發(fā)明公開了一種發(fā)動(dòng)機(jī)凸輪軸零部件表面缺陷檢測(cè)方法，包括上、下端面環(huán)面缺陷檢測(cè)算法、底部螺紋有無檢測(cè)算法以及底孔有無殘留鐵屑檢測(cè)算法，所述上、下端面環(huán)面缺陷檢測(cè)算法采用結(jié)合梯度信息的概率Hough變換方法進(jìn)行上、下端面的圓心定位，排除中心圓孔，再對(duì)上端環(huán)面和下端面的圖像采用同態(tài)濾波進(jìn)行預(yù)處理，用開操作去除圖像噪聲，對(duì)缺陷區(qū)域聚類，判定缺陷類型。本發(fā)明采用同軸光源、環(huán)形光源、點(diǎn)光源和面陣相機(jī)對(duì)零部件的端面與底孔進(jìn)行打光與圖像采集。利用分割器與光電開關(guān)控制圓盤的間歇性旋轉(zhuǎn)機(jī)械結(jié)構(gòu)，實(shí)現(xiàn)分辨率優(yōu)于0.1mm，單件檢測(cè)時(shí)間小于3秒的工件表面裂紋、劃痕、斑點(diǎn)，零部件底孔螺紋、孔內(nèi)是否殘留鐵屑的自動(dòng)檢測(cè)。
【專利說明】發(fā)動(dòng)機(jī)凸輪軸零部件表面缺陷檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于機(jī)械零件檢測(cè)領(lǐng)域，具體涉及一種發(fā)動(dòng)機(jī)凸輪軸零部件表面缺陷檢測(cè)方法。
【背景技術(shù)】
[0002]凸輪軸是活塞發(fā)動(dòng)機(jī)里的一個(gè)部件，可以控制氣門的開啟和閉合動(dòng)作。氣門運(yùn)動(dòng)規(guī)律關(guān)系到一臺(tái)發(fā)動(dòng)機(jī)的動(dòng)力和運(yùn)轉(zhuǎn)特性，因此凸輪軸在發(fā)動(dòng)機(jī)上占據(jù)著十分重要的地位。凸輪軸零部件在生產(chǎn)加工過程中可能造成漏加工、磕碰、黑皮、銹斑等問題，為保證凸輪軸的質(zhì)量，需要保證出廠的零部件必須是合格的。目前國(guó)內(nèi)的大多數(shù)企業(yè)對(duì)大批量生產(chǎn)的小工件制品的表面缺陷，仍然采用人工目測(cè)的方法。人工目測(cè)易受生理與心理因素影響造成漏檢，同時(shí)極大的重復(fù)的工作需要大量的人力資源，增加了產(chǎn)品的生產(chǎn)與加工成本。因此，合理的表面缺陷非接觸自動(dòng)檢測(cè)系統(tǒng)對(duì)工業(yè)自動(dòng)化質(zhì)量控制具有重要的實(shí)用價(jià)值。本發(fā)明是在原有生產(chǎn)工序的基礎(chǔ)上，增加一臺(tái)凸輪軸零部件合格品檢測(cè)是非常必要的。為避免零部件接觸檢測(cè)引起的磕碰，采用機(jī)器視覺技術(shù)是合理的。

【發(fā)明內(nèi)容】

[0003](一 )要解決的技術(shù)問題
[0004]本發(fā)明要解決的技術(shù)問題是提供一種發(fā)動(dòng)機(jī)凸輪軸零部件表面缺陷檢測(cè)方法，解決了人工目測(cè)法的效率低下，容易漏檢、錯(cuò)檢等問題。
[0005]( 二 )技術(shù)方案
[0006]為解決上述技術(shù)問題，本發(fā)明所采用的技術(shù)方案是:
[0007]—種發(fā)動(dòng)機(jī)凸輪軸零部件表面缺陷檢測(cè)方法，包括上、下端面環(huán)面缺陷檢測(cè)算法、底部螺紋有無檢測(cè)算法以及底孔有無殘留鐵屑檢測(cè)算法，所述上、下端面環(huán)面缺陷檢測(cè)算法采用結(jié)合梯度信息的概率Hough變換方法進(jìn)行上、下端面的圓心定位，排除中心圓孔，再對(duì)上端環(huán)面和下端面的圖像采用同態(tài)濾波進(jìn)行預(yù)處理，用開操作去除圖像噪聲，對(duì)缺陷區(qū)域聚類，判定缺陷類型。
[0008]其中，還包括底部螺紋有無檢測(cè)算法，其先利用邊緣信息定位橢圓圓心，再利用圓心定位過程中的投票點(diǎn)采用橢圓擬合的方法得到橢圓參數(shù)，然后利用表面缺陷檢測(cè)算法分析橢圓形成的環(huán)面。
[0009]其中，還包括底部螺紋有無檢測(cè)算法，其先利用邊緣信息定位橢圓圓心，再利用圓心定位過程中的投票點(diǎn)采用橢圓擬合的方法得到橢圓參數(shù)，通過工件尺寸信息定位螺紋位置，利用螺紋的邊緣信息分析是否存在螺紋。
[0010]其中，還包括底孔有無殘留鐵屑檢測(cè)算法，其首先定位底面外圓輪廓位置，然后利用外圓信息在指定區(qū)域內(nèi)定位內(nèi)圓位置，在內(nèi)圓范圍內(nèi)利用閥值方法二值化內(nèi)圓區(qū)域。
[0011](三)有益效果
[0012]本發(fā)明相比較于現(xiàn)有技術(shù)，具有如下有益效果:本發(fā)明采用同軸光源、環(huán)形光源、點(diǎn)光源和面陣相機(jī)對(duì)零部件的端面與底孔進(jìn)行打光與圖像采集。利用分割器與光電開關(guān)控制圓盤的間歇性旋轉(zhuǎn)機(jī)械結(jié)構(gòu)，實(shí)現(xiàn)分辨率優(yōu)于0.1mm,單件檢測(cè)時(shí)間小于3秒的工件表面裂紋、劃痕、斑點(diǎn)，零部件底孔螺紋、孔內(nèi)是否殘留鐵屑的自動(dòng)檢測(cè)。并可以通過檢測(cè)結(jié)果來控制氣缸運(yùn)動(dòng)來完成可修復(fù)零部件與不可修復(fù)零部件的分揀。保證了安裝到發(fā)動(dòng)機(jī)凸輪軸上的零部件的質(zhì)量，從而降低因發(fā)動(dòng)機(jī)凸輪軸而引起的交通事故。
【專利附圖】

【附圖說明】
[0013]圖1為本發(fā)明的工件上端環(huán)面的定位示意圖；
[0014]圖2為本發(fā)明的工件上端環(huán)面的合格品檢測(cè)意圖；
[0015]圖3為本發(fā)明的工件下端面的定位示意圖；
[0016]圖4為本發(fā)明的工件下端面的缺陷檢測(cè)示意圖；
[0017]圖5為本發(fā)明的工件底孔螺紋的定位示意圖；
[0018]圖6為本發(fā)明的工件底孔螺紋的檢測(cè)示意圖；
[0019]圖7為本發(fā)明的工件底孔的定位示意圖；
[0020]圖8為本發(fā)明的工件底孔殘留鐵屑的檢測(cè)不意圖。
【具體實(shí)施方式】
[0021]下面結(jié)合附圖和實(shí)施例，對(duì)本發(fā)明的【具體實(shí)施方式】作進(jìn)一步詳細(xì)描述。以下實(shí)施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。
[0022]在確定零部件檢測(cè)工位與`缺陷的基礎(chǔ)上，選擇采用旋轉(zhuǎn)式的便于上下料的機(jī)械設(shè)計(jì)思路，利用電機(jī)帶動(dòng)間歇性分割器與光電開關(guān)對(duì)圓盤進(jìn)行機(jī)械控制。采用兩個(gè)同軸紅光源、一個(gè)點(diǎn)光源和一個(gè)環(huán)形光源分別對(duì)零部件的上端環(huán)面、下端面、底孔螺紋與底孔內(nèi)進(jìn)行打光，利用四個(gè)面陣相機(jī)進(jìn)行相應(yīng)工位的圖像采集。選用兩個(gè)氣缸分別來分揀缺陷不可修復(fù)的零部件與可修復(fù)的零部件。通過ADT-8940A1PCI總線四軸運(yùn)動(dòng)控制卡與ADT-9162接線端子對(duì)電機(jī)與氣缸進(jìn)行控制。在Windows XP環(huán)境的VS2005開發(fā)平臺(tái)上，利用MFC，0penCV，Blepo，相機(jī)和運(yùn)動(dòng)控制卡的動(dòng)態(tài)鏈接庫等對(duì)采集到的圖像進(jìn)行處理。
[0023]上、下端面環(huán)面缺陷檢測(cè)算法:
[0024]對(duì)于上、下端面的檢測(cè)要用到圓定位，常用的圓定位算法包括Hough變換或邊緣擬合的方法。邊緣擬合算法較易受干擾邊緣干擾，造成結(jié)果不穩(wěn)定，Hough變換可以有效排除干擾邊緣，但傳統(tǒng)的Hough變換檢測(cè)圓算法比較費(fèi)時(shí)，為此可以采用一種結(jié)合梯度信息的概率Hough變換方法，大大提高檢測(cè)速度。對(duì)圖像中的邊緣點(diǎn)，分別計(jì)算其X方向與y方
向的梯度(^和dy,則該點(diǎn)的梯度強(qiáng)度A，投票方向Θ = tan-1 (ay/dx)。該點(diǎn)在Θ
方向上對(duì)給定的半徑區(qū)間[rmin，rmax]進(jìn)行投票，最后得到的峰值點(diǎn)就是所求的球心位置。
[0025]與OpenCV的21HT算法進(jìn)行比較，本算法的效率得到很大提高。在CPU為2.4G情況下，大小為640*120的圖像采用本算法處理時(shí)間為7ms，而相同的圖像采用OpenCV的實(shí)現(xiàn)處理時(shí)間為80ms。
[0026]在得到上、下端面圓位置后，由于對(duì)上端面不要求以及下端面存在圓孔的原因，需要排除中心位置，待處理的圖像就是上、下端面圓排除中心位置后形成的一個(gè)圓環(huán)。算法將在這個(gè)區(qū)域利用表面缺陷檢測(cè)算法分析定位缺陷位置。
[0027]對(duì)于采集到的零部件的上端環(huán)面與下端面，采用同態(tài)濾波對(duì)圖像進(jìn)行預(yù)處理，去除打光不均勻及背光等因素引起的圖像模糊等問題。通過Sobel邊緣檢測(cè)算子與改進(jìn)的Hough變換圓檢測(cè)算法將上端環(huán)面與下端面從圖像中提取出來。然后單獨(dú)對(duì)提取的有效區(qū)域進(jìn)行圖像分割處理，分割出的區(qū)域通常會(huì)受邊緣和噪聲的影響。噪聲主要表現(xiàn)為一些面積非常小的區(qū)域，可以通過形態(tài)學(xué)的開操作去除。開操作設(shè)置尺寸較小的矩形結(jié)構(gòu)參數(shù)，可以在去噪的同時(shí)隔離開某些連接很小的區(qū)域，便于后續(xù)的連通區(qū)域提取。
[0028]濾除噪聲區(qū)域后，對(duì)二值化圖像進(jìn)行連通區(qū)域處理，將缺陷像素連通形成缺陷區(qū)域。在這個(gè)過程中，可能由于噪聲的干擾，致使缺陷區(qū)域分割成若干小區(qū)域。因此，需要在連通區(qū)域處理后對(duì)缺陷區(qū)域進(jìn)行聚類。聚類的準(zhǔn)則即根據(jù)缺陷區(qū)域的距離，將距離較近的區(qū)域聚合為一個(gè)大的區(qū)域。經(jīng)過上述處理后，圖像中僅剩下待判定的缺陷區(qū)域。對(duì)于圖像中的缺陷區(qū)域的分割采用灰度圖像上的動(dòng)態(tài)閾值分割算法。
[0029]踏面缺陷中的剝離缺陷一般比較大，形狀為塊狀，因此可以根據(jù)缺陷區(qū)域面積大小直接進(jìn)行識(shí)別。擦傷區(qū)域一般表現(xiàn)為若干小區(qū)域的密集聚合，一般缺陷區(qū)域提取算法較難得到準(zhǔn)確區(qū)域。由于本項(xiàng)目中，在缺陷區(qū)域提取中采用了區(qū)域聚合算法，因此可以準(zhǔn)確得到小區(qū)域的聚合面積，故也可以對(duì)擦傷缺陷進(jìn)行識(shí)別。對(duì)于裂紋區(qū)域，由于裂紋反映在圖像上的特點(diǎn)是:區(qū)域細(xì)長(zhǎng)連續(xù)；圓形度很小；面積相對(duì)于系統(tǒng)噪聲來說要大很多。而系統(tǒng)噪聲的圖像特點(diǎn)是呈點(diǎn)狀分布；不連續(xù)；圓形度很大；單個(gè)點(diǎn)面積很小。因此，我們采用兩個(gè)參數(shù)來判定被測(cè)零件是否存在裂紋，一個(gè)是缺陷區(qū)域的圓形度C，另一個(gè)是缺陷區(qū)域的面積S0
[0030]圖1與圖3分別是工件上端環(huán)面與下端面檢測(cè)區(qū)域的定位示意圖，圖2與圖4分別是工件上端環(huán)面與下端面缺陷檢測(cè)結(jié)果的示意圖。圖4顯示上端環(huán)面沒有缺陷，圖4顯示下端面存在嚴(yán)重的不可修復(fù)的缺陷，必須被分揀出來。
[0031 ] 底孔螺紋有無檢測(cè)算法:
[0032]當(dāng)檢測(cè)底孔螺紋有無加工時(shí)，采用的是點(diǎn)光源打光，相機(jī)傾斜采集圖像。為了提取底孔中螺紋所在位置，需要用到橢圓定位算法。橢圓定位通常采用Hough變換，但由于橢圓有5個(gè)參數(shù)，采用經(jīng)典Hough變換的時(shí)間代價(jià)太大，所以在本系統(tǒng)中采用改進(jìn)的隨機(jī)Hough變換。然而改進(jìn)算法的計(jì)算時(shí)間仍然比較長(zhǎng)，為此，算法首先利用與圓定位相似的方法，利用邊緣信息定位橢圓圓心，然后利用圓心定位過程中的投票點(diǎn)采用橢圓擬合的方法得到橢圓參數(shù)，從而在魯棒性與時(shí)間效率中取得平衡。實(shí)踐表明，該算法取得了較好的效果。
[0033]得到橢圓位置后，即可利用表面缺陷檢測(cè)算法分析橢圓形成的環(huán)面。同時(shí)也可以通過工件尺寸信息定位螺紋位置，利用螺紋的邊緣信息分析是否存在螺紋。如果存在螺紋，則該區(qū)域的邊緣比較強(qiáng)，而且存在規(guī)律分布。
[0034]圖5是底孔螺紋的定位示意圖，圖6是檢測(cè)底孔螺紋是否加工的示意圖。從圖中可以發(fā)現(xiàn)，加工過螺紋的工件被定位區(qū)域的邊緣特征非常明顯。
[0035]底孔有無殘留鐵屑檢測(cè)算法:
[0036]底面孔定位同樣基于圓定位算法。由于內(nèi)圓的邊緣不明顯，直接定位內(nèi)圓的效果并不理想，因此首先定位邊緣明顯的外圓，然后利用外圓信息，在指定區(qū)域內(nèi)定位內(nèi)圓位置。[0037]對(duì)于底孔主要是檢測(cè)是否殘留鐵屑，在設(shè)計(jì)好的光源照射下，鐵屑在圖像中一般都是表現(xiàn)為黑色塊，因此在內(nèi)圓范圍內(nèi)利用閾值方法二值化內(nèi)圓區(qū)域，從而可以得到分析得到底面孔你是否存在鐵屑。
[0038]圖7是定位底孔的示意圖，圖8是底孔鐵屑的檢測(cè)結(jié)果示意圖。從圖中可以發(fā)現(xiàn)，在底孔內(nèi)部殘留了 一個(gè)條形鐵屑，是不合格品。但是該工件是可以修復(fù)的，故需要被分揀到可修復(fù)品內(nèi)。
[0039]以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本【技術(shù)領(lǐng)域】的普通技術(shù)人員來說，在不脫離本發(fā)明技術(shù)原理的前提下，還可以做出若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也應(yīng)視為本發(fā)明的保護(hù)范圍。
【權(quán)利要求】
1.一種發(fā)動(dòng)機(jī)凸輪軸零部件表面缺陷檢測(cè)方法，其特征在于:包括上、下端面環(huán)面缺陷檢測(cè)算法、底部螺紋有無檢測(cè)算法以及底孔有無殘留鐵屑檢測(cè)算法，所述上、下端面環(huán)面缺陷檢測(cè)算法采用結(jié)合梯度信息的概率Hough變換方法進(jìn)行上、下端面的圓心定位，排除中心圓孔，再對(duì)上端環(huán)面和下端面的圖像采用同態(tài)濾波進(jìn)行預(yù)處理，用開操作去除圖像噪聲，對(duì)缺陷區(qū)域聚類，判定缺陷類型。
2.根據(jù)權(quán)利要求1所述的發(fā)動(dòng)機(jī)凸輪軸零部件表面缺陷檢測(cè)方法，其特征在于:還包括底部螺紋有無檢測(cè)算法，其先利用邊緣信息定位橢圓圓心，再利用圓心定位過程中的投票點(diǎn)采用橢圓擬合的方法得到橢圓參數(shù)，然后利用表面缺陷檢測(cè)算法分析橢圓形成的環(huán)面。
3.根據(jù)權(quán)利要求2所述的發(fā)動(dòng)機(jī)凸輪軸零部件表面缺陷檢測(cè)方法，其特征在于:還包括底部螺紋有無檢測(cè)算法，其先利用邊緣信息定位橢圓圓心，再利用圓心定位過程中的投票點(diǎn)采用橢圓擬合的方法得到橢圓參數(shù)，通過工件尺寸信息定位螺紋位置，利用螺紋的邊緣信息分析是否存在螺紋。
4.根據(jù)權(quán)利要求1所述的發(fā)動(dòng)機(jī)凸輪軸零部件表面缺陷檢測(cè)方法，其特征在于:還包括底孔有無殘留鐵屑檢測(cè)算法，其首先定位底面外圓輪廓位置，然后利用外圓信息在指定區(qū)域內(nèi)定位內(nèi)圓位置，在內(nèi)圓范圍內(nèi)利用閥值方法二值化內(nèi)圓區(qū)域。
【文檔編號(hào)】G01N21/88GK103808730SQ201310033740
【公開日】2014年5月21日 申請(qǐng)日期:2013年1月25日 優(yōu)先權(quán)日:2013年1月25日
【發(fā)明者】譚治英, 朱擎飛, 趙娜娜, 王敏, 黃榜, 陳海霞 申請(qǐng)人:常州先進(jìn)制造技術(shù)研究所