团论文网
团论文网
-
摘要：金属薄片零件常见于新能源汽车电池、精密电子产品装配中的端子连接件，其外形尺寸是否符合要求对成品组装质量至关重要。针对金属薄片零件存在微小变形，影响组装成品质量的问题，以金属薄片装配分析和缺陷检测要求为切入点，研究金属薄片零件微小变形缺陷视觉检测方法，在基于Canny边缘检测的基础上，引入改进的Devernay亚像素边缘技术，实现金属薄片零件边缘关键特征检测，结合并行处理方式进行边缘特征拟合，得到金属薄片零件变形评估数据，最后研发了金属薄片零件微小变形缺陷检测算法，有效提高金属薄片零件检测精度和检测速度。实验结果表明，所提算法的检测精度达到0.01 mm，检测平均误差在0.03 mm以内，检测平均时间为327 ms，满足实际生产过程检测精度的要求。
关键词：机器视觉；金属薄片零件；微小变形；亚像素；缺陷检测
0引言
金属薄片零件微小变形缺陷检测极具挑战性，本文研究的金属薄片零件装配于新能源汽车电池的电极处，具有外形非对称，材料厚度薄、强度低、易变形，正反面外形差异小等特点，在运输、机械手拾取装配等各个阶段容易出现微小变形缺陷，易造成装配出错，导致后续的成品报废，严重可能引起生产安全问题。因此为保证产品质量，在装配过程中如何对金属薄片零件进行高精度的微小变形缺陷检测显得尤为关键和重要。
目前基于机器视觉工业零件质量检测已有比较多的应用。例如：文献[1]针对传统圆形垫圈尺寸测量方法效率低、精度差等问题，对灰度处理后的图像使用改进后的Canny自适应迭代阈值算法进行边缘检测，通过双线性插值和亚像素边缘坐标提取实现圆拟合。Liu[2]采用数学形态学和模式识别结合的方法对PCB缺陷图像进行处理，使用阈值分割去除冗余点，并标记出缺陷识别结果。文献[3]提出了一种基于轴线局部搜索的曲轴轴径视觉测量方法，运用亚像素细分算法提取了亚像素边缘坐标，实现了对轴径高精度测量。文献[4]提出基于自适应Ga⁃bor滤波与分水岭算法融合的锂电池极片缺陷检测方法。文献[5]则以薄片型机械零部件为对象，采用Canny算法和亚像素检测技术获得工件精确轮廓信息。文献[6]提出一种结合感兴趣区域提取，通过基于像素相加法的二级检测方法实现二值化芯片图像的极性判断。文献[7]提出了一种基于多方向滑动窗口线性插值重构法的图像边缘检测质量评价算法。文献[8]针对圆柱锂电池凹坑缺陷检测难的问题，通过滤波与误差分析提取灰度分布曲线的平均偏差，根据凹凸曲线段峰谷差和宽度比实现凹坑检测。文献[9]采用阈值分割算法与分水岭算法进行图像分割，对铆钉进行自动识别与检测，精度达到0.005 mm。
从上述研究可知，基于机器视觉的缺陷检测和精密测量技术应用较多，因为不需要大样本数据训练，实际检测速度快、效率高。然而目前针对金属薄片零件微小变形缺陷检测的研究较少，实际生产中如何在提高生产效率的同时保证缺陷检测的质量仍极具挑战性。本文研究基于机器视觉的微小变形缺陷检测方法，在Canny边缘检测的基础上，引入亚像素技术并结合并行处理方式，研究高精度高效率的缺陷检测算法。
1金属薄片零件变形评估标准
1.1金属薄片零件装配分析
图1所示为本文金属薄片零件装配示意图，其中序号4、5、6为Z方向的基准面，序号7、8、9、10为X和Y方向的定位面。金属薄片零件分别通过基准圆柱，Z方向的基准面和XY方向的定位面约束金属薄片零件的自由度，以达到装配的要求。
1.2金属薄片零件微小变形缺陷检测要求
从金属薄片零件装配的角度看，薄片通过1个基准圆柱和7个定位面来限制位置，根据形位测量原理和装配精度要求，判断金属薄片零件是否合格应满足图2所示的条件。
（1）O1为金属薄片零件基准圆弧，其直径为D1，为保证能与装配基座的基准圆柱配合，要求直径的上偏差为+0.05 mm，下偏差为0 mm；圆弧O1与圆弧O2圆心连成的直线为金属薄片零件的基准线，其他被测要素要检测的尺寸需要基于此基准线。
（2）W1、W2为定位边7和8到基准线的宽度尺寸，W3为定位边9和定位边10的宽度，角度C1为定位边7与定位边9的夹角。W1、W2、W3和C1的尺寸决定了是否能与装配基座配合，尺寸公差要求为上偏差0 mm，下偏差为-0.1 mm，角度公差为上偏差为+1.0°,下偏差为-1.0°。
（3）L1为基准圆弧O1与圆弧O3圆心之间距离尺寸，L2为基准圆弧O1与圆弧O4圆心之间距离尺寸，L3为基准圆弧O1与圆弧O5圆心之间距离尺寸，D3、D4、D5分别为圆弧O3、O4、O5的半径，L1，L2，L3被用于判断金属薄片零件整体外观是否变形，上偏差为+0.1 mm，下偏差为-0.1 mm。1.3金属薄片零件微小变形缺陷视觉检测框架
本文的金属薄片零件微小变形检测框架如图3所示。在获得单个金属薄片零件的原始图像后需要进行一系列的预处理，主要包括图像灰度化、阈值分割、ROI截取[10]等步骤，这些处理可以降低图像的数据量，同时保证图像特征不缺失，提高图像处理时间，满足系统实时性的要求。图像预处理之后是进行边缘轮廓提取，引入亚像素边缘定位技术，实现轮廓边缘的精检测，再使用最小二乘法拟合特征轮廓边缘，最后根据变形评估标准计算特征轮廓之间尺寸信息，检测零件是否变形。
2基于机器视觉的金属薄件微小变形缺陷检测算法设计
2.1图像预处理
基于开源OpenCV图像处理库完成金属薄片零件的图像预处理过程。
（1）灰度化处理
文中采集的原始图像是三通道RGB图，存储的数据信息量较大，如果直接处理会消耗过多的计算资源，而灰度图是只包含明暗亮度信息单通道图，在保证图像关键信息不丢失的情况下进行灰度化，可以提高后期图像处理速度[11]。本文的图像处理对象是金属薄片零件，如图4（a）所示，灰度处理后的结果如图4（b）所示。
（2）图像阈值化分割
图像阈值化分割是将灰度图中的每个像素按灰度阈值划分到各个灰度范围，分割的目标区域被称为前景，其他区域被称为背景。本文金属薄片零件前景和背景区分明显，提出采用基于全局的自适应阈值分割方法。
常用的自适应阈值分割方法有迭代法[12]和最大类间方差（Otsu）法[13]，本文分别使用迭代法和Otsu方法对灰度图进行处理，处理得到的分割结果如图5所示。可以看出，迭代法和Otsu法处理的效果相差无几，但是迭代法处理的时间为3.7 ms，而Otsu法处理的时间为29 ms，所以本文的阈值分割方法在效果相同的情况下，选择时间更少的迭代法。
（3）基于连通域面积的ROI区域提取
根据金属薄片零件的变形评估标准，其检测关键在于基准定位孔和关键定位边的形位关系。通过采用连通域面积方法提取关键区域，以应对凹凸面、角度影响，提高算法稳定性。本文通过OpenCV库中的contourArea函数进行连通域面积筛选，保留关键特征区域，并建立4张具有ROI区域的图像如图6所示。
（4）边缘检测
图像边缘检测能够减少运算量且保持物体完整的结构属性，有利于后期的识别与定位。常用的边缘检测算子有Roberts算子、Sobel算子、Prewitt算子[14]、Lapla⁃cian算子、Canny算子[15]。其中Canny边缘检测算子不管是在检测效果还是检测时间的表现都比较优秀，故本文选用Canny算子进行边缘检测，其具体的检测步骤如下。
步骤1，对图像边缘检测求偏导过程中，噪声对边缘检测影响较大，一般会先使用高斯滤波消除噪声，设G(x,y)为二维高斯滤波函数，如式（1）所示。
原图f(x,y)经过高斯核进行卷积操作得到去噪后的图像fg(x,y)，如式（2）所示。
步骤2，按照Sobel算子计算梯度幅值和方向，寻找图像的梯度。设Gx和Gy别为水平和垂直的梯度分量，G为图像梯度幅值，θ为方向，其公式如式（3）~（4）所示。
步骤3，应用非极大值抑制技术[16]沿着梯度方向对梯度幅值进行处理，保留每个像素点的梯度强度最大的值，滤掉非边缘点，从而将模糊的边缘变得清晰。
步骤4，设定2个阈值界线，1个阈值上界，1个为阈值下界，上下界阈值的比一般在2∶1到3∶1之间，将高于阈值上界的像素点记为边缘点，低于阈值下界的点划分为非边缘点，将其赋值为0[17]。若某像素点在上下阈值之间，如果该像素点与高于阈值上界的像素点连接，则被认为边缘点，否则被排除。将各区域的二值化图像经过Canny边缘检测后，结果如图7所示。
2.2基于亚像素边缘定位
变形检测的精度依赖于边缘检测的准确性[18]，传统边缘检测的精度为像素之间的精度，为进一步提升检测精度，需要用到亚像素技术。亚像素是将图像中的基本单位像素再细分，通过细化像素的方式提高图像的分辨率。为满足本文金属薄片零件变形检测的精度要求，在上述Canny边缘检测的基础上，采用基于改进的Dever⁃nay亚像素边缘定位算法[19]，其具体实现过程如下。A、B、C相邻像素边缘梯度方向的轮廓如图8所示。
Canny边缘检测算子中，局部最大像素点B会被选为边缘点，但是在A和C之间可能存在点η,使得点η所在位置的图像梯度模值大于AC之间的所有点的梯度模值，包括B点。所以η点可以更好地表示边缘点。为了求出η点的亚像素位置，Devernay算子在3个相邻位置的梯度方向的梯度范数之间进行二次插值，如式（5）所示。
式中：‖g(A)‖、‖g(B)‖、‖g(C)‖分别为像素点A、B、C的梯度幅值。
改进的Devernay亚像素边缘定位算子使用3个点中间的插补值作为边缘进行修正，当点（x，y）的梯度满足式（6）条件时，该点为水平方向的边缘点。
式中：|gx(x,y)|为水平方向的梯度；|gy(x,y)|为垂直方向的梯度。
为了验证改进的Devernay亚像素边缘定位算法的定位精度，根据原理编写算法对图像边缘进行亚像素边缘处理，并与Canny边缘检测算子处理的结果进行对比分析，如图9（a）和图9（b）所示，可以看出使用Canny算法检测到的边缘较粗糙，像素之间区分明显，采用亚像素的算法边缘特征表现更为优秀。
2.3边缘关键特征检测
获取亚像素定位的边缘坐标点集后，需要在这些点集中提取用于变形检测的直线特征和圆弧特征，然后拟合相应直线和圆弧，进行下一步的变形检测。本文采用最小二乘法拟合亚像素边缘的直线特征和圆弧特征[20]。
（1）最小二乘法拟合直线
最小二乘法直线拟合的原理是寻找一个使得空间中所有点的坐标到这条直线的距离的平方和最小的方程。假设有N个离散点（xi，yi），其要拟合的直线方程为：
di表示离散点到该直线的距离，根据最小二乘法建立的最优目标函数min D=i 2等价于：
要求φ最小时，那么对于和的一阶偏导数为0，则有：
联立两方程求得拟合直线的斜率和：
（2）最小二乘法拟合圆弧设需要拟合的圆方程为：
式中：r为拟合圆弧的半径；a，b为拟合圆的圆心。
设圆弧轮廓点的集合为N（xi，yi），与待拟合圆方程取残差εi表示如下：
则残差平方和函数Q为：
根据最小二乘原理，当Q最小时，即对a、b、r的求一阶导数为0，如式（14）所示，则求出的参数a、b、r代入式（15）可得到所求的拟合圆。
即满足：
通过运算可得a、b、r的拟合值为：
为验证基于亚像素方法能够获得更高的精度，分别使用Hough圆检测方法[21]和基于亚像素的最小二乘法拟合圆方法对金属薄片零件的基准圆进行检测，算法对比结果如表1所示。
由表1可知，Hough圆检测算法只能精确到1个像素级别，而采用亚像素技术可以精确到3位小数的像素精度，此外采用亚像素技术进行边缘拟合的时间为87 ms，虽然多于Hough算法，但也能满足检测要求。
3微小变形检测算法实验
本文的金属薄片零件微小变形检测主要是测量基准圆弧O1的直径D1，基准线到定位边7和定位边8的宽度W1、W2，定位边9和定位边10的宽度W3以及基准圆弧O1分别与圆弧O3、O4、O5圆心之间的距离L1、L2、L3，若上述尺寸在公差范围内，则该金属薄片零件合格。
3.1微小变形检测算法实现步骤
步骤1，对图像进行灰度化、阈值分割处理[22]，然后进行ROI截取将金属薄片零件分为四线程的子区域Ⅰ、Ⅱ、Ⅲ、Ⅳ,如图10所示，分别对每个子区域使用亚像素边缘定位算法提取相应的边缘直线特征和圆弧特征。
步骤2，采用最小二乘法拟合圆弧特征，得到拟合圆弧的圆心坐标Oi（xi，yi），圆弧直径为Di。
步骤3，连接圆弧O1、O2圆心的直线即为基准线baseline，在定位边7上随机选择6个点，计算6个点到基准线的距离w11，w12，w13，w14，w15，w16，再计算这6个距离的平均值即为W1。
步骤4，同理，可以分别计算出W2、W3。
步骤5，通过拟合的直线方程计算定位边7和定位边8的角度C1。
步骤6，计算圆弧O1与圆弧O3的圆心距离L1，圆弧O1与圆弧O4的圆心距离L2，圆弧O1与圆弧O5的圆心距离L3。
步骤7，将像素尺寸按标定关系转换为实际物理尺寸[23]，对零件进行微小变形检测和精定位。
3.2实验结果及误差分析
为验证本文微小变形检测算法的合理性，首先通过影像测量仪检测1片金属薄片零件的变形评估尺寸，测5次取平均值，实际测量结果如表2所示。
采用本文的微小变形检测算法对这片零件进行检测，分别测5次，然后记录到表3中，并求平均误差。
从表3的数据可知，本文设计的微小变形检测算法的检测精度达到0.01 mm级别，满足0.1 mm精度的要求，平均误差在0.03 mm以内，满足金属薄片零件的变形检测误差0.05 mm以内的要求，此外，5次检测的平均时间为327 ms，满足装配过程缺陷检测速度要求。
4微小变形缺陷视觉检测识别应用
4.1视觉系统硬件选型
工业相机的合理选型对整个视觉检测系统的质量有着至关重要的作用。本文选择型号为映美精的DMK 23G274，分辨率为192万的CCD面阵相机用于金属镍片微小变形检测；为适应金属薄片零件的成像选定镜头型号为TCL 3520 5MP；因为金属薄片零件表面呈银色，且有反光的特性，通过对比选择蓝色环形LED光源作为本文的微小变形缺陷检测的光源；工控机CPU为Intel i7 10700，RAM NVIDIA GTX 2080ti 11G，硬盘2 TB×2。
金属薄片零件视觉识别定位及微小缺陷检测自动化装配系统的硬件组成如图11所示，由SCARA机械手、工业相机、镜头、光源、工控机等组成，本文负责视觉系统部分，包括算法开发、视觉系统硬件部分选型、软件设计。
4.2微小缺陷视觉检测识别技术应用及效果
为验证本文开发算法和视觉系统的实际应用效果，在国内某新能源电池自动化生产线上进行测试实验。
图12所示为测试时UI显示界面，其中左边画在信息栏中显示当前窗口金属薄片零件个数以及拾取点的坐标信息。右边画面显示的是微小变形缺陷检测结果，包含当前检测金属薄片零件的基准位置，关键特征尺寸以及当前零件是否合格等信息。将本文的视觉系统部署在企业生产线上试运行，结果表明，视觉系统的精度、速度和稳定性基本达到生产要求。
5结束语
本文首先分析零件装配要求，确定变形评估标准，采用基于亚像素的边缘定位算法拟合特征直线和特征圆弧，将金属薄片零件划分为4个子区域，每个区域并行方式进行相应的特征边缘拟合，得到变形评估的数据，并进行微小变形缺陷检测，使得检测的平均时间在327 ms。最后采用本文的检测算法与光学测量仪检测的结果进行实验对比，得到平均检测误差为0.03 mm以内，检测精度达0.01 mm级别。实验结果表明，本文的微小变形检测精度和检测速度都满足实际生产要求。未来，将进一步提升检测算法在不同工况下的鲁棒性和检测精度，以适应不同的零件类型和工艺变化，使所提的微小变形检测技术更贴近实际需求，为工业生产提供更可靠的质量保障。
参考文献：
[1]张炳星,高军伟,王建冲,等.基于机器视觉的圆形垫圈尺寸测量系统设计[J].工具技术,2023,57(7):141-145.
[2]LIU Z,QU B,Machine vision based online detection of PCB defect[J].Microprocessors and Microsystems,2021,82(9):103807.
[3]张丹,李长安,逯海滨,等.基于轴线局部搜索的曲轴轴径视觉测量方法[J].机电工程,2023,40(5):797-802.
[4]周文一,李林升,陶怡帆,等.基于Gabor滤波与分水岭算法的锂电池极片缺陷检测方法[J].机械设计与研究,2023,39(5):147-151.
[5]刘志毅,杨桂华,唐卫卫.基于机器视觉的多类型工件测量系统研究[J].机床与液压,2022,50(4):6-12.
[6]陈健,王猛,朱寒,等.基于改进模板匹配及像素相加法的芯片极性二级检测方法[J].仪表技术与传感器,2021(5):91-95.
[7]邓建新,黄秋林,袁邦颐,等.基于边缘重构图像的边缘检测算法优选研究[J].机电工程,2023,40(9):1441-1448.
[8]郭绍陶,苑玮琦.圆柱锂电池端面凹坑缺陷检测方法研究[J].仪器仪表学报,2022,43(3):230-239.
[9]邢雪亮,甘文波,蒋朝根.基于机器视觉的航空铆钉尺寸检测技术[J].计量学报,2020,41(5):518-523.
[10]王锐锋,徐智浩,刘成沛,等.机械系统直轴零件直径高精度视觉测量方法研究[J].仪表技术与传感器,2023(7):111-116.
[11]杜佳伟,彭劲松,何贞志,等.基于GP-AdaLAM的芯片引脚缺陷快速检测算法[J].厦门大学学报(自然科学版),2023,62(4):638-646.
[12]康劲松,周艳萍,孙梁榕,等.激光无线电能传输系统对准环节设计[J].光电工程,2023,50(7):98-109.
[13]沈光辉,杨龙兴.改进Canny算法的热管焊头缺口边缘检测研究[J].机电工程技术,2022,51(4):162-166.
[14]王胤棋,谢保光,杨敏洁,等.基于摄影测量的壁板类零件孔位检测方法[J].工具技术,2023,57(11):156-160.
[15]郝志浪,卫保国,赵晓波.应变片外观缺陷检测方法[J].科学技术与工程,2023,23(23):9973-9978.
[16]于新善,孟祥印,金腾飞,等.基于改进Canny算法的物体边缘检测算法[J].激光与光电子学进展,2023,60(22):221-230.
[17]周钰,孙力,陈思蓉,等.基于机器视觉的芯片偏移检测系统[J].电子测量与仪器学报,2022,36(12):229-236.
[18]孙瑞彤,谷玉海,张英.一种改进的SMD图像亚像素边缘检测算法研究[J].国外电子测量技术,2023,42(9):130-136.
[19]张子龙,沈宽.基于ICT图像与设计模型的制造误差检测方法[J].仪器仪表学报,2021,42(3):251-261.
[20]朱文鹏,汪志成,周显恩.融合亚像素边缘检测的芯片载带测量系统[J].机电工程技术,2023,52(5):29-34.
[21]柴子凡,赵丽琴,蒋海波,等.基于Hough变换和K-means聚类的玻璃瓶分模线缺陷检测[J].机械设计与研究,2023,39(3):171-174.
[22]李宝志,倪洪启,林思雨,等.基于图像识别的波纹补偿器轴向尺寸检测方法[J].工程设计学报,2022,29(1):10-19.
[23]李执,闫坤,傅琪,等.基于机器视觉的金属工件尺寸测量[J].仪表技术与传感器,2022(3):92-97.后台-系统设置-扩展变量-手机广告位-内容正文底部 -
本文标签：
金属薄片零件微小变形缺陷视觉检测方法与应用论文
人参与 2025-01-09 10:37:33 分类 : 理学 点这评论 作者：团论文网 来源：https://www.tuanlunwen.com/
-
站内搜索
-
随机文章
-
标签列表
-
-
最近发表
-
-
热门文章 | 最新文章 | 随机文章
-
-
最新留言
-
首页 论文知识 教育论文 毕业论文 教学论文 经济学 管理学 职称论文 法学 理学 医学 社会学 物理学 文献 工程论文 学位论文 研究论文
Powered 团论文网 版权所有 备案号：鄂ICP备2022005557号统计代码
全站搜索