下载文档原格式
基于机器视觉的机械零部件尺寸测量技术研究导言近年来，随着机械工业的不断发展，对机械零部件尺寸测量技术的要求也越来越高。
传统的人工测量虽然能够满足一定的需求，但其存在的主观性和不稳定性仍然是主要问题。
为了解决这一问题，基于机器视觉的机械零部件尺寸测量技术应运而生。
本文将探讨基于机器视觉的机械零部件尺寸测量技术的研究现状和未来发展趋势。
一、技术原理基于机器视觉的机械零部件尺寸测量技术是利用计算机和摄像设备对机械零部件进行图像采集和处理，通过图像处理算法获取零部件的尺寸信息。
其技术原理主要分为图像采集、图像处理和尺寸测量三个步骤。
图像采集是基于机器视觉的机械零部件尺寸测量技术的第一步。
通过高分辨率摄像设备对机械零部件进行拍摄，获取清晰的图像。
高分辨率的摄像设备能够提供更多的图像信息，有助于提高尺寸测量的准确性。
图像处理是基于机器视觉的机械零部件尺寸测量技术的核心步骤。
通过图像处理算法对采集到的图像进行分析和处理，去除图像中的噪声和干扰，提取出零部件的边缘特征。
常用的图像处理算法包括边缘检测、二值化、轮廓提取等。
尺寸测量是基于机器视觉的机械零部件尺寸测量技术的最终目标。
通过对图像处理后的图像数据进行尺寸计算，得到机械零部件的尺寸信息。
常用的尺寸测量方法包括长度测量、宽度测量、直径测量等。
二、研究现状基于机器视觉的机械零部件尺寸测量技术已经在工业领域得到广泛应用。
目前，研究人员主要集中在算法改进、设备优化和测量系统的智能化方面进行研究。
在算法改进方面，研究人员提出了许多新的图像处理算法和尺寸测量方法。
例如，基于边缘检测和霍夫变换的尺寸测量方法可以提高测量的准确性和稳定性。
另外，利用深度学习技术进行图像处理和尺寸测量也成为研究热点。
这些算法的出现极大地推动了基于机器视觉的机械零部件尺寸测量技术的发展。
在设备优化方面，研究人员致力于提高摄像设备的性能和精度。
高分辨率、高帧率的摄像设备能够提供更多的图像信息，从而提高尺寸测量的准确性。
基于机器视觉的复杂零件外观尺寸检测韩向可;吴耀春【摘要】根据复杂零件检测收慢、效率低的情况,设计了一套基于机器视觉的检测系统.介绍了视觉检测系统的结构设计和零件图像的预处理和边界提取,并详细分析了零件尺寸的计算算法.本设计对其它产品的检测、检验具有一定的借鉴意义.【期刊名称】《装备制造技术》【年(卷),期】2017(000)004【总页数】3页(P166-167,173)【关键词】机器;视觉;复杂零件;尺寸检测【作者】韩向可;吴耀春【作者单位】安阳工学院,河南安阳455000;安阳工学院,河南安阳455000【正文语种】中文【中图分类】TP274.4在机械制造行业，特别是汽车生产制造领域，复杂零部件例如冲压件、铸件、复杂模具工件等大量使用。
如汽车减速器转轴端部紧固件，见图1，在装配中大量使用。
该零件结构复杂，被测参数较多，采用传统的手工抽检方式，耗时长、效率低，人工成本高；同时，检测结果不可避免的带有人的主观测量误差，难以保证检测精度，造成较大的装配误差或难以准确安装。
随着图像处理技术的发展，机器视觉检测方法以其非接触、检测精度高、自动化程度高等优势在工业领域得到了广泛应用，尤其适合于复杂零部件的外观轮廓检测。
本文针此对转轴端部紧固件的紧固件，研究分析了其外观轮廓尺寸的机器视觉检测方法。
视觉检测硬件系统如图2所示，它由工件检测平台、光源系统、CCD相机、图像采集卡、计算机、系统软件等组成[1]。
其中光源系统包括光源控制器和LED，可根据工作环境调整光照亮度。
软件系统采用Visual C++开发，用于采集到的图像处理、显示和尺寸检测等。
系统工作原理：当工件平放在检测台时，按下检测按钮，由CCD相机进行图像采集，通过软件系统对图像进行分析，在计算机上显示出被测工件轮廓尺寸和偏差等信息。
在检测系统的设计中，关键是软件系统的设计。
在计算机图像处理中主要由噪声去除、图像边界轮廓提取、尺寸计算、结果显示等部分组成[2]。
基于机器视觉的零件尺寸检测与测量导语：随着制造业的快速发展，零件的精确尺寸检测与测量成为了生产过程中的关键环节。
传统的尺寸检测方法往往需要人工参与，并且效率低下且不够精确。
而基于机器视觉的零件尺寸检测与测量则提供了一种快速、准确且可靠的解决方案。
一、机器视觉技术在零件尺寸检测中的应用随着机器视觉技术的迅猛发展，其在零件尺寸检测方面的应用也逐渐成为一种趋势。
机器视觉系统能够通过摄像机获取零件的影像信息，并通过图像处理算法来实现尺寸的检测与测量。
这种非接触式的测量方式在一定程度上消除了人为因素对结果的影响，大大提高了测量的准确性。
二、基于机器视觉的零件尺寸检测与测量的优势1. 自动化：基于机器视觉的零件尺寸检测与测量可以实现自动化，无需人工操作，从而提高了生产效率。
2. 高精度：机器视觉系统通过高分辨率的摄像机和精确的算法，能够实现对零件尺寸的亚毫米级别的准确度。
3. 实时监控：机器视觉系统可以实时监控零件的尺寸变化，及时发现生产过程中的异常情况并进行调整，提高了生产质量。
4. 多样性：基于机器视觉的零件尺寸检测与测量可以适用于不同形状、大小和材质的零件，具有较大的适应性。
三、基于机器视觉的零件尺寸检测与测量的实施步骤1. 系统设计：根据具体的生产需求，设计适合的机器视觉系统，包括选择合适的摄像机、光源和图像处理算法。
2. 数据采集：通过摄像机采集零件的图像数据，并传输至图像处理系统进行处理。
3. 图像处理：通过图像处理算法对采集到的图像进行处理，提取出零件的特征与边界，并计算出其尺寸。
4. 尺寸分析：根据所得到的尺寸数据进行分析，判断是否符合要求，并生成结果报告。
5. 反馈控制：根据分析结果，及时反馈给生产线控制系统，进行相应的调整和控制，确保生产过程的稳定性。
四、机器视觉技术在零件尺寸检测中的挑战与解决方案1. 光照条件：不同的光照条件可能对图像质量产生影响，需要选择适当的光源和光照方式，或者采用图像增强算法进行处理。
基于机器视觉的零件尺寸检测系统设计与实现随着制造业的发展和现代工业生产的复杂性增加，对零件尺寸的精确检测要求也越来越高。
传统人工检测的局限性和效率问题引发了机器视觉技术在零件尺寸检测中的应用。
本文将介绍一种基于机器视觉的零件尺寸检测系统的设计与实现。
一、引言机器视觉技术是指模仿人眼视觉系统的感知、识别和判别能力，通过相机、图像采集卡、计算机等设备，对图像进行采集、处理和分析的技术。
在制造业中，机器视觉技术已经得到了广泛应用，其中之一就是零件尺寸的检测。
二、系统设计1. 系统硬件设计基于机器视觉的零件尺寸检测系统的硬件设计包括相机、光源、图像采集卡和计算机等设备。
相机是将被检测零件的图像采集下来的关键设备，其选型应根据零件的特性和检测要求来确定。
光源的选取也至关重要，应以保证零件表面被光照亮且不产生阴影为原则。
图像采集卡负责将相机采集到的图像数据传输到计算机上进行处理和分析。
2. 系统软件设计基于机器视觉的零件尺寸检测系统的软件设计通常包括图像预处理、特征提取和尺寸计算三个主要步骤。
图像预处理是对采集到的图像进行噪声去除、平滑处理和图像增强等操作，以提高后续处理的准确性和稳定性。
特征提取是基于处理后的图像，通过算法提取图像中与零件尺寸相关的特征信息，如边缘、角点等。
常用的特征提取算法有Canny算法、Sobel算法等。
尺寸计算是根据所提取到的特征信息，结合已知的标定参数和尺寸测量原理，进行尺寸计算并给出结果。
常用的尺寸计算方法有比例尺寸计算法、基于几何关系的尺寸计算法等。
三、系统实现1. 硬件搭建在系统实现过程中，首先需要根据硬件设计的要求，搭建相应的硬件平台，包括安装相机、配置光源、连接图像采集卡和计算机等设备。
确保硬件设备的稳定性和可靠性。
2. 软件开发基于机器视觉的零件尺寸检测系统的软件开发需要根据所选用的开发平台和编程语言进行。
可以选择常见的开发平台，如OpenCV、MATLAB等，以及常用的编程语言，如C++、Python等。
基于机器视觉的尺寸测量应用综述韩茜茜;耿世勇;路向阳【摘要】随着机器视觉技术的不断发展以及工业智能化水平的不断提高,将机器视觉应用于尺寸测量中成为尺寸测量的发展趋势.本文首先阐述了机器视觉的特点及方法研究,介绍了机器视觉尺寸测量系统的硬件部分主要由计算机、光源、图像传感器、镜头以及被测对象等组成,软件部分主要由图像预处理、图像滤波、边缘检测等图像处理算法组成,然后分析了国内外的研究现状以及机器视觉测量技术的发展趋势,指出从软件算法入手,不断开发更优的图像处理算法,使图像处理及分析每个流程所涉及的算法的准确性及鲁棒性更高.【期刊名称】《河南科技》【年(卷),期】2019(000)005【总页数】3页(P8-10)【关键词】机器视觉;尺寸测量;研究现状;测量精度【作者】韩茜茜;耿世勇;路向阳【作者单位】中原工学院电子信息学院,河南郑州 450000;中原工学院电子信息学院,河南郑州 450000;中原工学院电子信息学院,河南郑州 450000【正文语种】中文【中图分类】TP391.41机器视觉是指通过计算机来模拟人的视觉功能。
传统的尺寸测量方法，如需要人工操作的游标卡尺、千分尺、量规的测量方法，测量精度低、效率低，不适合工业生产中大批量测量；三坐标测量机具有测量精度高、效率高的优点，但由于需要接触被测对象，这种接触性的测量可能会损伤被测对象；超声波测量法适用的测量环境局限性大，空气温湿度对其灵敏度影响较大。
将机器视觉［1-2］应用于尺寸测量中，具有非接触性、测量效率高的特点，同时可实现在线高精度测量，因此机器视觉技术在尺寸测量中的应用越来越广泛。
1 机器视觉测量技术方法研究基于机器视觉的尺寸测量系统由硬件系统和软件系统构成，硬件系统主要包括光源、图像传感器、镜头、PC机以及其他相关硬件设备。
硬件系统中的光源是机器视觉尺寸测量的硬件部分中需要考虑的第一个重要因素，光源的选择会直接影响所采集被测量对象的图像质量，从而对输入数据信息的可靠性造成影响。
基于机器视觉的零件尺寸测量系统设计
作者：王保军
来源：《电子技术与软件工程》2017年第04期
摘要设计了一套基于机器视觉的零件尺寸在线测量系统。
完成了硬件设备的选型和平台的搭建；采用Matlab语言实现了图像处理算法；采用Matlab GUI完成了测量系统软件的设计。
实验结果表明：测量系统的测量精度可以达到2um以下，满足零件尺寸在线检测要求，具有很好的应用前景。
【关键词】机器视觉 Matlab 图像处理尺寸测量
在工业生产中，测量是进行质量管理的手段，是贯彻质量标准的技术保证。
机械零件的尺寸检测作为产品加工的一个关键环节，其检测结果不仅影响产品的质量，而且对后续零件的再加工和装配产生决定性的作用。
目前，常规的零件尺寸测量手段主要采用游标卡尺、激光测量仪和轮廓仪等完成检测环节。
以上零件尺寸测量方法要么受测量工具限制，其测量精度有限；要么检测仪器过于昂贵且操作复杂，同时其准确率往往受人为因素的影响。
鉴于当前机器视觉技术的快速发展以及其在工业检测方面的成功应用，论文构想利用摄像机替代人眼，让计算机替代人脑，从而研制出一套针对零件常规尺寸的自动化测量系统。
1 系统概述
在充分遵循系统的完整性、可靠性、经济性和实时性等原则的基础上，本文设计出了一套基于机器视觉的零件常规尺寸测量系统。
该测量系统主要由图像摄取、图像处理、图像特征提取和分析、图像常规尺寸测量和结果输出几部分组成。
其工作原理图如图1所示。
2 硬件设计
基于机器视觉的零件常规尺寸测量系统的硬件主要包括：照明装置、摄像机、计算机和透明工作台。
各部件的主要功能是：照明装置主要为零件图像采集提供合适的光照环境；摄像机用来采集零件数字图像并传送到计算机，然后保存为相应图片格式；计算机通过系统软件实现对零件图像的预处理、边界提取、特征提取、相机标定和常规尺寸计算；透明工作台用来承载被测零件。
3 算法设计
图像处理算法对机器视觉测量系统会产生决定性的影响。
为了能满足零件尺寸测量的要求，针对零件产品图像的特点，我们设计了一套合理的图像处理算法流程。
其流程图如图2所示。
首先对获取的零件图像进行预处理，包括图像灰度化、图像去噪、图像分割和边界提取；然后提取零件的几何特征；最后通过对系统的标定，实现了零件图像常规尺寸的测量和结果显示。
3.1 图像预处理
3.1.1 图像灰度化
经过摄像机采集到的零件图像是24位真彩色RGB图像，该图像中的每个像素由R、G、B三个分量决定，而灰度图像的每个像素由一个值确定。
为了减少后续操作过程中的计算量，需要对采集到的零件图像进行灰度化处理。
3.1.2 图像去噪
采集系统获取的待检零件图像由于受照明程度、环境温度、电源变化、电磁辐射和振动等随机因素的干扰，图像会包含大量的噪声，表现为图像模糊、失真和大量斑点等。
为了消除和抑制噪声对零件图像后续处理的影响，必须对图像进行滤波处理。
由于中值滤波既能消除噪声又能保持图像的细节，符合本系统检测的需求。
3.1.3 图像分割
在所采集到的零件图像中，我们只对零件区域本身感兴趣，对于图像中的其他要素则要尽量消除。
图像分割就是指把图像分成各具特性的区域，并提取出感兴趣目标的技术和过程。
经过大量的实验验证，本文采用迭代阈值分割法实现对零件图像的分割，达到了预期的处理效果。
3.1.4 边界提取
轮廓是对物体形状的有力描述，对图像分析和识别十分有用，而通过边界提取算法就可以得到物体的边界轮廓。
目标图像边界提取的方法很多，主要包括链码表示法、标记图法以及多边形近似法等。
论文采用8连通链码法对待测零件进行了边界提取，为后续零件尺寸的检测奠定了很好的基础。
3.2 图像分析
3.2.1 特征检测
要测量零件的尺寸，首先应该检测出零件所包含的直线和圆等基本的几何特征。
目前常用的几何特征检测方法有Hough变换法、拟合法和模板匹配法等。
本文采用最小二乘法实现了对直线和圆的拟合，其拟合具体过程如下：
（1）采用最小二乘法实现对直线的拟合。
（2）采用最小二乘法实现对圆和圆弧的拟合。
采用最小二乘法对圆和圆弧的拟合过程与直线的拟合求解过程类似。
设所求拟合圆的方程为：。
根据最小二乘法应满足的条件，可以求出拟合圆的三个参数：u、v和r。
这样，通过基于最小二乘法的直线和圆拟合方法，可以顺利检测到直线和圆弧几何特征，为后续零件尺寸的测量奠定了基础。
3.2.2 系统的标定
相机拍摄到的图像是以像素为单位的，要得到待检零件的实际尺寸，需要将像素尺寸转换为长度尺寸，这个过程称为系统的标定。
本文使用0级精度量块，采用二次标定法实现了对系统的标定过程。
被测零件的实际尺寸L与像素尺寸N之间应满足如下关系式：L=KN+b
式中，b为系统误差，K为标定系数；
在摄像机固定的情况下，求取参数K和b值的具体步骤如下：
（1）在被测位置放置一长度为L1的标准量块；
（2）对标准量块进行扫描、处理，得到对应的像素尺寸N1；
（3）在被测位置放置另一长度为L2的标准量块，重复步骤2，得到对应像素尺寸N2；
（4）求取参数值：
4 软件设计
本着稳定、可靠、合理、高效、简洁和易于操作的原则，我们采用面向对象的Matlab程序语言，实现了基于Matlab GUI的测量系统软件的设计。
本测量系统软件主要包括用户登录模块、文件管理模块、图像处理模块、参数设置模块、数据浏览模块和帮助模块等。
其中，用户登录模块可以完成用户的注册、登陆、密码修改和账号管理；文件管理模块主要包括待测零件图像的打开、关闭和保存等功能；图像处理模块不仅
包含文中所涉及到的算法，还增加了其他算法功能；参数设置模块可以实现对摄像机、零件和图像参数的设置；数据浏览模块可以完成对实时数据、历史数据和操作记录的查看；软件帮助模块主要用来说明软件的使用和系统的更新问题。
5 实验结果
为了验证测量系统的适应性、稳定性和可靠性，本文选用工作面距离为1.49mm的0级量块和直径为2.03mm的标准环规对系统进行了可靠性测试。
实验的测量结果如表1所示。
采用概率与数理统计的方法对测量结果进行了处理。
由处理结果可以看到，采用本测量系统，其测量精度可以达到微米级，可以满足在线实时测量的需要。
6 结论
作者设计了一套基于机器视觉的零件几何尺寸在线检测系统，克服当前人工检测的不足，提高了产品的检测精度。
同时，完成了系统硬件、软件和图像处理算法的设计。
实验结果表明：该测量系统的测量精度可以达到2um以下，满足零件尺寸非接触在线测量要求，具有很好的应用前景。
参考文献
[1]王保军.基于机器视觉的药瓶封装缺陷检测系统研究[D].沈阳：东北大学（硕士学位论文），2014.
[2]李岩，花国梁.精密测量技术[M].北京：中国计量出版社，2001.
[3]章毓晋.图像工程（上册）——图像处理和分析[M].北京：清华大学出版社，1999，5-120.
[4]张铮，王艳平，薛桂香.数字图像处理与机器视觉[M].北京：人民邮电出版社，2012（12）：63-160.
作者简介
王保军（1988-），男，山西省忻州市人。
硕士研究生学历。
现为山西机电职业技术学院助理讲师。
主要研究方向为基于机器视觉的零件在线检测。
作者单位
山西机电职业技术学院山西省长治市 046000。
