摘要
智能测量是智能制造中的重要一环。相应地，基于机器视觉技术智能尺寸测量也越来越受到业内的关注。机器视觉在工业检测中经常被应用于各类机械零件关键尺寸测量等领域。机器视觉测量和传统人工测量相比，具有非接触、高速度、高精度和低成本等优势。法兰盘是一种常用于工业管道的密封连接件，具有拆装方便、连接强度高等特点。但在法兰盘加工过程中，由于材料、工艺等原因，会出现尺寸偏差过大的情况，有可能导致密封部件密封不严，发生泄露，甚至产生严重事故。因此需要对法兰盘的关键尺寸进行测量。 本文针对国内某知名公司空调压缩机使用的法兰盘零件，设计并开发了基于机器视觉技术的法兰盘关键尺寸测量系统。通过对几种传统图像处理算法进行研究、分析和对比，选择了适合本研究场景下的算法。本文开发的测量系统实现了生产过程中法兰盘零件关键尺寸(零件外圆与内孔直径尺寸)的在线测量，且检测精度满足项目要求。 本文主要研究内容如下: (1)设计并开发了一套法兰盘零件尺寸测量系统。具体而言，本文开发的系统包含硬件系统和软件系统两部分。1)在考虑生产现场环境和加工工艺等因素的基础上，设计并搭建了相应的硬件(物理)系统。为实现合适场景照明和获取高质量的图片，进行了包含工业相机、镜头、光源等关键硬件部分的参数确定和型号选择。2)软件系统的开发基于Matlab平台。主要工作有:a.人机交互界面的设计和实现:b.本文所研究的尺寸测量和图像处理算法的嵌套:c.相机自身所引起的图片畸变的修正;d.像素与实际尺寸转换的数学关系。 (2)通过分析和对比不同图像预处理算法对尺寸测量效果的影响，得到了适合本项目的算法。算法的分析和对比涉及图像灰度变换、滤波降噪、图像分割、像素级边缘检测等所有图像处理的关键步骤。具体步骤和相应的算法为:a.对图像进行灰度化处理减少运算量:b.选取中值滤波算子消除图像噪声;c.采用大津法(Otsu)进行图像分割获得二值化图像;d.使用Canny算子进行初步边缘检测，获得像素级边缘:e最后采用极坐标转换法去除中心孔的凹槽边缘，提高测量精度。 (3)分析了常用的矩方法、拟合法和插值法这3种亚像素边缘检测方法的特点，并结合本项目的要求，选择了z锄ike矩亚像素边缘检测算法，并将最大类间方差法应用到Zernike矩算法中来优化阶跃阈值的选取，实现了对算法的改进。然后使用改进后的Zernike矩亚像素边缘检测算法提取了高精度的法兰盘零件边缘:本文对比了Hough变换圆检测与最小二乘法圆拟合两种方法的优劣，最后使用最小二乘法对法兰盘的亚像素边缘进行拟合，得到了法兰盘零件的外圆与内孔直径。 (4)搭建了法兰盘零件尺寸测量的物理系统并进行了软件系统开发。在实际应用场景下对系统的功能及可靠性进行了验证。具体而言，应用该系统对法兰盘零件(型号为C44-B096)的外圆与内孔直径等关键尺寸进行了测量，并将测量结果的平均值与人工测量的尺寸结果进行对比，得到了绝对误差与相对误差并对其进行分析。结果表明本研究所开发系统的测量精度足够满足工业需求且系统运行可靠。
NETL