基于圖像處理的刀具檢測系統研究
2020-2-28 來源： 中車北京二七車輛公司 北京二七宏業機械 作者：胡俊青 劉瑞翔
摘要：為了提高刀具檢測的精度和效率，提出了一種基于圖像處理技術的刀具檢測方法。本文介紹了測量原理及系統集成方案，包括機電系統方案、光源處理方案、圖像處理方案、軟件處理方案，并對圖像處理中的關鍵技術進行討論。
關鍵詞：刀具；圖像處理；邊緣檢測
1、 緒論
隨著重載高速列車的發展，對重要零件加工精度的要求也越來越高。刀具作為保證加工質量和成本控制的前提，工藝人員對它的認識已不再停留在正確決定刀具的幾何形狀，合理地選用刀具材料，規定必要的熱處理等。他們對刀具的組裝精度、修磨精度以及測量精確度，提出了相應要求。以便在加工過程中，將所用刀具的幾何尺寸，如刀具的長度、直徑以及刀尖坐標位置等輸入數控系統，以確定并控制刀具的運動軌跡。為了方便準確地測量出各種刀具的幾何參數，每片刀片相對旋轉中心的位置，機械式和光學投影式刀具測量儀應用而生。
1.1 機械測量法
機械測量法主要是根據零件的加工特征，如形狀位置精度、表面紋理、粗糙度等，以及機床主軸功率、震動來判斷刀具磨損情況。然后在三維移動平臺上使用百分表測量刀具的直徑及端面變化情況，如圖 1。這種方法原理簡單，檢測滯后，測量時間長，受人為操作影響大。
圖 1 機械式測刀儀
1.2 光學投影法
光學投影法是指將光學影像通過光路放大投影在顯示屏幕上，即在光柵顯示表上顯示出刀具的坐標值，然后人工瞄準測量。這種測量方法較機械測量法有了極大進步，但仍存在測量時間長，人為誤差等因素。
圖 2 光學投影式對刀儀
近年來視覺檢測技術發展迅猛，已逐步應用于工業檢測，與傳統技術相比可以做到非接觸，高精度，自動化，避免人為影響等。本研究將視覺圖像處理技術引入到刀具檢測中，力求能提高產品質量和生產效率，避免因對刀不準確和刀具磨損造成的形位誤差。
2 、測量原理
2.1 刀具磨損機理及檢測項目
金屬切削刀具種類繁多、結構復雜，車刀是最簡單且最典型的刀具。其它刀具均可看作是車刀的演變和組合，故分析金屬切削刀具時，通常都是以車刀作為分析和研究的對象。[1]圖 3 是研究車刀切削角時使用的主剖面標注系參考圖。在該標注系中設定基面、切削平面和正交平面三個平面。圖 4 是這三個平面的投影視圖，從圖 4 可以看出刀具的主要切削角度：主偏角 Kr、副偏角 Kr＇、刃傾角 λs、主前角 γ0、主后角 α0 都可以從這三個平面測出。在以下的研究中將通過機器視覺提取這三個面的刀具圖像信息進行處理，并測出相應平面的角度。對于銑刀、鉆頭等螺旋刃刀具，它的切削刃呈圓周分布，需要從多個圓周角度進行測量。
圖 3 車刀主剖面標注系參考圖
圖 4 車刀主剖面投影視圖
2.2 檢測系統原理
圖5 系統檢測原理
視覺成像測量法是指利用 CCD 圖像采集器提取刀具圖像，并將其轉化為數字信號傳輸到電腦中，經過圖像處理程序提取刀具邊緣輪廓并擬合，進行測量對比的方法,檢測原理見圖 5。
為了同時捕捉到相互垂直的兩個平面內的刀具圖像，該測量系統設置了兩套光源及鏡頭用于拍攝。
3 、系統方案
3.1 機電系統方案
為了使不同規格刀具均能獲得最佳成像，設計了 X、Y軸平移與 Z 軸聯動旋轉的精密傳動系統，如圖 6 所示。
圖 6 機械隨動軸示意圖
X、Y 軸平移運動，采用伺服電機為動力，精密滾珠絲杠傳遞力矩，直線導軌導向，光柵尺定位的環路閉合檢測控制結構形式。為了適應非標刀具的測量，在動力端設置離合器便于手動模式與自動模式的切換。Z 旋轉軸設計是機械系統中的核心關鍵，主軸的旋轉精度，徑向跳動都會影響測量精度。此外，主軸錐套應適應ISO 錐柄、莫氏錐柄，甚至 HSK 錐柄等不同刀具的測量，頻繁換刀也會降低錐套定位精度。為此，參考數控機床主軸設計方案，采用主軸套配合變徑內插套，由預緊彈簧控制軸向拉力，氣動拉桿鋼珠拉緊的方式，實現刀具更換。
3.2 光源布局方案
CCD 視覺系統要求邊緣檢測線與其它部位灰度對比度明顯，所以良好的視場均勻性是測量準確性的保障。本研究采用環形 LED 照明燈前向直射的形式進行照射，光源布局位置如圖 7。
圖 7 光源布局方案
3.3 圖像灰度處理及二值化
CCD 攝像頭輸出的 PAL 制式的模擬信號連接到圖像采集卡的 AVl 口，圖像采集卡通過 AD 轉換為數字信號，輸入計算機。此時的圖像是包括亮度、對比度、色度、灰度等輸入信號的彩色圖像，為了便于提取圖像輪廓，要先進行圖像灰度處理。本研究根據機器視覺對三原色的敏感程度，采用加權平均值法，使 R、G、B 分量值相等。即：R=G=B=（WrR+WgG+WbB）/3Wr、Wg、Wb取不同的值，加權平均值法就將形成不同的灰度圖像，灰度值在 0～255 之間。二值化的目的是使圖像從背景中明顯的呈現出來，即圖像中的任一像素（x，y）只顯示黑色或白色。f（x，y）是該像素點的灰度值，g(x，y)為經過二值化處理后該像素點的灰度值，0 為黑色，1 為白色。本研究設定的閾值是 173，即：
3.4 輪廓提取及算法實現
對圖像進行過灰度處理及二值化處理后，圖像中的像素分布發生了明顯的變化，圖像的背景固定于一定的灰度值，圖像的灰度值與背景有明顯的差別。按照從左到右自上而下的順序進行圖像掃描，如果原圖中有一點為黑，且它的四個領域都是黑色時，說明該點是內部點，則將該點刪除，如圖 8 所示，將圖中灰色像素點刪除。要注意的是，我們處理的雖然是二值圖，但實際上是 256 級灰度圖。
圖 8 輪廓提取原理
輪廓提取的算法有很多種，本研究采用 Roberts 邊緣檢測算法。它的算法原理是根據任意一對互相垂直方向的差分可用來計算梯度的原理來確定實際邊緣的位置。f（x，y）是圖中任意像素點的灰度值。
3.5 軟件方案
軟件系統采用 Visual C++編程，主要實現系統初始化、參數標定、圖像采集處理與呈現、曲線擬合、數據庫管理和計算機接口。軟件自動控制流程如圖 9。將待檢測刀具置于工作臺，在計算機控制下移動 X軸和 Z 軸，使刀具處于最佳檢測位置。調整 LED 光源及鏡頭倍率，在鏡頭呈現清晰的磨損區域圖像后，通過 CCD 面陣相機將鏡頭中的光學信號轉變為模擬信號，再通過圖像采集卡將模擬信號轉變為數字信號傳輸到計算機。在軟件程序中通過圖像處理算法識別圖像的邊緣輪廓并提取，同時 通過讀取光柵尺數據，最終確定刀具的幾何參數，完成刀具狀態檢測。
圖 9 軟件控制流程
4、 結束語
本文介紹了將圖像處理技術應用于刀具檢測的系統方法及關鍵技術。所采用的圖像處理方法和輪廓提取算法能獲得清晰準確的刀具邊緣輪廓；開發軟件實現刀具幾何角度的自動測量、測試結果的實時顯示及數據庫管理。該系統在刀具檢測中的應用，使得刀具檢測實現非接觸，檢測過程快速、準確，在刀具刃磨檢測、對刀、刀具數據管理中有廣泛的應用前景。
在實際應用中圖像檢測精度會受到多種因素影響，通過分析，主要是成像系統的誤差、機械傳動系統的誤差、噪聲影響、標定誤差和軟件算法誤差。今后應該在這些方面做進一步研究，提高系統檢測精度。
投稿箱：
如果您有機床行業、企業相關新聞稿件發表，或進行資訊合作，歡迎聯系本網編輯部， 郵箱：skjcsc@vip.sina.com
如果您有機床行業、企業相關新聞稿件發表，或進行資訊合作，歡迎聯系本網編輯部， 郵箱：skjcsc@vip.sina.com
