摘要:针对飞机铆接高度差检测方法中存在检测效率低、人工检测主观性大等问题,提出了一种基于机器视觉的铆接高度差检测方法。根据高度差的特点,设计了一套以3D 激光扫描仪为基础的高度差图像采集系统,利用Halcon 软件图像深度学习识别算法库对采集到的图像进行分析处理。基于Canny 边缘检测方法,结合最小外接圆算子对铆钉头轮廓进行圆拟合和图像分割,再通过基于数学形态学的膨胀、腐蚀运算,提取铆钉头表面一个圆环区域和零件表面一个圆环区域,计算得出2 个圆环区域的高度差。经实验验证,该检测方法正确率高、稳定性好,测量精度可达到15 μm。

注意:原文附在文末,自行下载阅读,本文仅仅是博主的阅读小记。随便摘抄下罢了。

文献:[1]聂鹏,王家明,李海伟,纪俐.基于机器视觉的铆接高度差检测方法研究[J].现代制造工程,2022(09):107-112.

引言

铆钉是飞机上的一种重要的连接紧固件,装配一架飞机需要一百多万个铆钉,每颗铆钉在飞机的装配过程中都有着举足轻重的作用。

在传统的接触检测中,飞机铆接高度差( 铆钉头表面相对于零件表面的高度) 的检测主要靠人工抽检完成,即工作人员使用指针式三脚千分表进行手工测量。由于工作人员的视觉疲劳等客观生理因素,容易造成漏检、误检情况的发生,且在检测过程中存在个体差异,也会使得检测结果出现偏差,不能满足现代工业快速、精密且准确的检测和测量要求。当前基于工业相机的视觉检测方法在智能制造生产中得到了广泛的应用和普及,这种非接触检测方法具有精确度高、速度快和稳定性高等特点,因此,本文采用机器视觉的方法来检测铆接高度差。

千分表示意图

本文以3D 激光扫描仪为基础搭建检测装置,并综合运用图像处理算法实现了对铆接高度差实时、在线的高精度、高效率检测。

1 铆接表面图像采集

1.1 铆接高度差特征

铆钉头表面与零件表面位置关系有3 种情况: 平齐、凹陷和凸起。铆接高度差特征如图1 所示。

铆接高度差特征

1.2 实验系统搭建

铆接高度差检测硬件系统由Y 轴步进电机、同步带传动机构、双波位移光栅尺、激光导向器、3D 激光扫描仪和手持式支撑机构等组成; 软件系统基于3DMVS的图像检测SDK 文件开发包开发设计,同时集成Halcon 软件图像深度学习识别算法。

实验系统的硬件结构图如图2 所示。相机( 3D激光扫描仪) 固定在同步传送装置上,驱动传送装置可带动双波位移光栅尺触发脉冲,使相机在Y 方向做直线运动,并连续进行扫描,拟合3D 激光扫描仪自身获得的X、Z 方向的数据,完成三维数据的采集。采集到的数据通过千兆网卡传输到计算机上,进行图像处理。

实验系统的硬件结构图

采集的图像分别保存为高度图亮度图2 种形式。在检测铆接高度差过程中,首先利用亮度图对铆钉头位置进行定位,找到位置坐标点后,映射到高度图上识别相应的高度信息; 然后,利用Halcon 软件处理,将铆钉头圆形区域和零件表面圆形区域分割出来( 即高度图) ,把2 个圆形区域的高度值作差,从而得到高度差。

2 铆接平面图像处理

2.1 铆接平面图像特点

自动钻铆机床能够实现自动制孔锪窝、上钉和铆接工艺流程。检测系统采集到的铆接高度差亮度图如图3 所示。由于铆钉质量、钻孔深度、窝深和铆接力等不能保证完全一致,导致铆钉头的平整度不一样,因此,需通过相机扫描铆钉头形貌,测量铆钉头表面和零件表面的高度差,进一步验证铆接质量是否满足尺寸公差要求。由图3 可以看出,铆钉头和平面区域的界限相对明显,且轮廓特征相对于整个平面也易于识别,因此可以通过边缘检测后筛选出铆钉头的轮廓。

铆接高度差亮度图

2.2 铆接表面图像处理流程

根据采集到的铆接表面图像的特点,制定了图像处理流程图,如图4 所示。

图像处理流程图

2.3 图像增强

空间域中的灰度变换分为线性灰度变换和非线性灰度变换。非线性灰度变换是有选择地对图像某一灰度范围进行扩展,其他范围的灰度则有可能被压缩; 线性灰度变换一般不改变像素点的坐标信息,只改变像素点的灰度值,因此,本文选用空间域的线性灰度变换来作图像增强。

通过 emphasize( ) 算子中 2 个参数,即 Mask Width ( 掩膜宽度) 、Mask Height( 掩膜高度) 控制均值滤波模板数值的大小,数值越大。则图像对比度越强。一般配合参数 Factor( 对比度强度) 一起对图像进行增强处理,可以增强图像的高频区域( 边缘和拐角) ,使图像看起来更清晰。

图像增强效果图如图5 所示。由图5 所示可知,图5a) 中整体颜色加深,边缘轮廓相较原图明显; 图5b) 对于边缘轮廓的增强效果比原图更显著,使得边缘轮廓处的像素值梯度显著增大。图5b) 相较图5a) 边缘轮廓处的像素值变化更加明显,因此,本文采用emphasize( ) 算子进行图像增强。

图像增强效果图

2.4 Canny 边缘检测

Canny 边缘检测具有较高的信噪比和定位精度,且对单一边缘仅有唯一响应,具体算法步骤如下。

1、高斯滤波

为了尽可能减少噪声对边缘检测结果的影响,必须滤除噪声以防止由噪声引起的错误检测。使用高斯滤波器与图像进行卷积,以减少图像边缘检测器上明显的噪声影响。

2、 梯度强度和方向计算

3、非极大值抑制

4、双阈值检测

5、 抑制孤立低阈值点

由图 6 可知,检测结果中仍包含有少量的噪声,通过 selectshape xld( ) 算子筛选出符合条件的封闭轮廓。图 7 所示为筛选后铆钉头封闭轮廓。

筛选后铆钉头封闭轮廓

2.5 图像分割

根据图7 得到的铆钉头封闭轮廓创建区域,再对此区域采用最小外接圆算子,处理得到一个标准的圆区域,最后分别采用膨胀和腐蚀的方法,分割出铆钉头区域和零件表面区域。

采用半径为50 像素的结构元素B 对铆钉头区域进行腐蚀操作; 再将最小外接圆区域与腐蚀后的区域作差,得到铆钉头表面的一个圆环区域。膨胀、腐蚀示意图如图8 所示。

膨胀、腐蚀示意图

分割出内、外圆环区域后,映射到高度图上,利用intensity( ) 算子分别提取出内、外圆环区域高度值的平均值。最后将2 个圆环区域的高度值均值作差,即可得到铆接表面与零件表面的高度差。

3 检测结果与误差分析

3.1 检测结果

为了能够让操作人员更直观地观察铆钉头质量,相机开始扫描前,可设置铆钉头与零件表面高度差的基准值和极限偏差值。对超出范围的铆钉头做不同标记。将铆接高度差合格范围设置为- 0.05 mm<H<0,即-50 ~ 0 μm 范围内铆接的高度差为合格铆钉头,否则为不合格铆钉头。高度差( 钉头阶差) 的极限偏差设置如图9 所示。合格的铆钉头外圈显示为细线,超差的铆钉头外圈显示为粗线。同时,显示该铆钉头的高度差值,便于分析成因,检测结果如图10 所示。

检测结果

高度差检测对比图

3.2 误差分析

误差的主要来源分为系统误差与偶然误差。系统误差中有3D 激光扫描仪安装和使用过程中出现倾斜所引起的误差,可以通过系统标定矫正安装误差。被测工件( 零件) 的反射面倾斜以及表面粗糙度的不同都会产生测量误差。而且由于不同环境下的铆接位置表面有差别,检测出的轮廓会和实际的边缘有微小的差别。软件上可能会因为算子的参数设置不当以及图像上没有完全滤除的噪声产生误差。偶然误差有设备使用时的对中、瞄准有偏差从而产生的测量误差。

原文下载

基于机器视觉的铆接高度差检测方法研究pdf下载地址


版权声明 ▶ 本网站名称:陶小桃Blog
▶ 本文链接:https://www.52txr.cn/2022/RivetingHeight.html
▶ 本网站的文章部分内容可能来源于网络,仅供大家学习与参考,如有侵权,请联系站长进行核实删除。
▶ 转载本站文章需要遵守:商业转载请联系站长,非商业转载请注明出处!!
▶ 站长邮箱 [email protected][email protected] ,如不方便留言可邮件联系。

最后修改:2022 年 11 月 08 日
如果觉得我的文章对你有用,请随意赞赏