机械产品内部构件状态的视觉检测方法

  [摘 要] 文中研究了机械产品内部构件状态的视觉检测方法。运用机器视觉技术对产品的图像进行预处理、特征提取和匹配操作,基于模式识别的方法建立了故障诊断模型,最终实现了产品内部构件状态的自动检测。利用所述方法,对具体的机械产品进行了检测试验,结果表明该方法实用、迅速、可靠,对于自动检测复杂机械产品内部构件的状态具有普遍意义。

[关键词] 机械视觉;图像处理;无损检测;故障诊断

1 引言

  在人类智能活动中,可视信息的处理占有非常重要的地位,人类获取的信息约70%来自视觉。图像作为一种重要的视觉信息来源,成为人类进行直观而有效地认知和判别的主要依据。近年来,随着光电技术、计算机数字图像处理技术、无损检测技术的发展,现代检测与识别技术日益朝智能化、高可靠性、高速自动化在线检测方向发展。计算机视觉技术和可靠性技术是现代检测的两大技术基础。“视觉检测”作为机器视觉的一个应用概念,其内容不仅在于视觉感知、知识和模式识别等,更着重于空间几何尺寸的精确检测和定位。视觉检测具有现场宽、非接触及较高精度等优点,其应用正在取代一些传统的传感器,完成“离线”和“在线”测量[1~4]。机器视觉在工业检测领域已被成功地应用。目前已经用于产品外形检验、表面缺陷检验。通过x射线照相或超声探测获取物体内部的图像,可以实现内部缺陷检测。

  很多机械产品由较多的零部件组成,零部件在空间位置上层叠交错,加之一般是非透明外壳封装,内部构件状态非直观可见,因此对产品进行有效的检测颇为困难。常规的检测方法是采用人工抽样检验或破坏性试验。这些方法不仅费用高、耗时费力,而且属于事后分析,由于人为因素造成的漏检或误判会大大降低检测识别的准确率,难以满足实时生产的需要。若环境恶劣或产品本身具有一定危险性,这些常规方法也是不安全的。

  鉴于这种情况,文中介绍了一种在线机械产品故障检测方法:基于机器视觉原理,采用较为成熟的技术对产品图像进行预处理、特征提取、分类识别及模式匹配等,从而完成对产品内部状态的检测。

2 检测原理

  等组成。系统工作时,x射线源发出的射线穿透旋转检台上的被检产品打到射线转换屏上,转换为可见光图像,再由ccd数字相机获取该图像,经数字化后输入计算机。检测系统机电控制器控制步进电机带动工作台旋转,以获取被检产品不同方位上的原始射线图像,计算机通过图像预处理、特征提取和对构件的分析、处理及识别,实现对产品内部构件状态的自动检测[5]。

  拍摄待检测的正常产品的多幅图像构成样本集,提取关键零部件特征建立特征库。检测时采集实测产品的不同方向的两幅图像,首先利用模式识别和匹配算法确定与实际图像最接近的样本图像,再比较样本图像和实际图像,判断关键件的状态。具体实现过程如下:

  (1)将正常产品放在旋转检台上,检测台按照控制指令旋转预定角度停下来,拍摄产品的一幅图像,旋转一周可以获取产品各个方位的图像。由计算机控制的步进电机可以调整检台的旋转角度,满足不同的检测要求。

  (2)对获取到的样本图像进行预处理。图像的预处理包括滤波去噪、目标—背景分割、区域裁剪、图像增强等。

  (3)根据产品的特点,定位关键零部件,提取相应的灰度特征,建立标准样本特征库。

  (4)对待检产品拍一幅图像,经预处理后,与标准样本图像逐幅进行匹配,找到与之最接近的一幅样本图像。

  (5)提取出检测图像中相应零部件的灰度特征,给定一个误差范围,与匹配好的标准样本图像进行特征比较,得出比较结果,利用图像分析的理论判断元件是否存在或有无错位。

  (6)若某些关键零部件无法判断,将产品旋转一个角度(一般是90°),转第(4)步。

  (7)当所有关键部件的状态确定后,利用可靠性理论计算出系统的状态。

  (8)计算机输出检测结果,显示产品系统的状态(正常或故障)。若系统发生故障,则要输出引起系统故障的零部件状态,可将每一产品的状态记载到数据库中,以备返修。

3 图像预处理

  原始射线图像非常模糊,产品内部构件基本上无法辨认,因此必须对原始图像进行预处理。图像预处理的目的是去除噪声,突出产品构件结构信息。下面介绍所采用的几种主要的预处理方法。

3.1 滤波降噪

  采集的x射线图像中除了存在量子起伏噪声外,还有许多椒盐噪声,需要采用合适的方法进行滤波降噪。

  通常使用的线性滤波器包括均值滤波和高斯滤波,这两种滤波器的问题是有可能模糊图像中的尖锐不连续部分,而这会造成细小元件特征的丢失。考虑到机械产品的特殊性,选择了非线性的中值滤波器。中值滤波器

  • 机械产品内部构件状态的视觉检测方法已关闭评论
    A+
发布日期:2019年07月02日  所属分类:参考设计