基于机器视觉的阀芯座毛刺检测研究.pdf

计算机时代 2023年 第12期0 引言由于阀芯座通孔处毛刺的细小和粘连，人工难以用肉眼分辨毛刺是否在合格范围内，传统的利用机械结构检测的方法会存在较多的误判情况，机器视觉已经广泛应用于金属表面的缺陷检测1。但是关于阀芯座通孔处毛刺的检测方法较少，同时也缺乏毛刺高度判定的专机方案。针对圆周处的缺陷，传统的毛刺特征提取有一定的局限性，容易丢失信息，范剑英2等人根据铜排毛刺形态不同进行分类，对比特征提取和检测轮廓的算法，防止细小毛刺的误判，但是外接矩形并不适用圆周处的毛刺特征，由于毛刺的粘连，会导致框选区域很大而毛刺高度很小的情况；Hough变换实现圆检测3是一种很经典的视觉检测方法，但是当圆周处存在大量毛刺或者缺陷干扰时，圆的检测存在较大困难。对此，叶峰等人提出一种有序的Hough变换圆检测算法，该算法将随机采样边缘点变为遍厉搜索4，虽然有较强的抗干扰性，但该算法计算量较大；周显恩等人利用三圆周定位啤酒瓶瓶口的检测区域得到圆心5，极坐标展开后再进行特征提取，该方法较为准确地定位了缺陷的位置信息，但检测步骤繁琐，不太适用于圆周处毛刺的检测。本文针对阀芯座通孔处的毛刺，提出一种视觉检测方法。通过图像预处理和阈值分割实现毛刺可视化，对毛刺区域进行边缘检测，利用最小二乘法拟合DOI:10.16644/33-1094/tp.2023.12.016基于机器视觉的阀芯座毛刺检测研究王姚灿1,2，刘宜胜1,2，朱玉华2，王伟东2(1.浙江理工大学机械工程学院，浙江 杭州 310000；2.新昌浙江理工大学技术创新研究院有限公司)摘要：节流阀的阀芯座通孔处毛刺极易划伤阀芯，导致节流效果削弱，直接影响产品质量。为了准确检出毛刺不合格工件，提出一种基于机器视觉的毛刺检测方法。经过图像采集、图像预处理后得到毛刺图像，而后对毛刺图像进行边缘检测，利用最小二乘法拟合圆，得到圆心坐标和半径，扫描毛刺边缘轮廓，找到离圆心最近的像素点，即为毛刺最大高度点，检出不合格工件。实验表明，该检测方法能准确检测出毛刺不合格的工件，具有一定的应用价值。关键词：机器视觉；毛刺检测；改进滤波；边缘检测；最小二乘法拟合中图分类号：TP391.41文献标识码：A文章编号：1006-8228(2023)12-72-05Research on burr detection of valve core seat based on machine visionWang Yaocan1,2,Liu Yisheng1,2,Zhu Yuhua2,Wang Weidong2（1.School of Mechanical Engineering,Zhejiang Sci-Tech University,Hangzhou,Zhejiang 310000,China;2.Xinchang Research Institute,Zhejiang Sci-Tech University）Abstract：The burrs at the through-hole of the throttle valve core seat can easily scratch the valve core,resulting in weakeningthe throttling effect and directly affecting the product quality.To accurately detect defective burrs on workpieces,a burr detectionmethod based on machine vision is proposed.The burr image is obtained after image acquisition and preprocessing.Edge detectionis performed on the burr image,and the least squares method is used to fit the circle to obtain the center coordinates and radius.Scanning the burr edge contour and finding the pixel point closest to the center of the circle,the maximum height point of theburr is obtained,thereby detecting the unqualified workpieces.Experiments show that this detection method can accurately detectdefective workpieces with burrs,and has certain application value.Key words：machine vision;burr detection;improved filtering;edge detection;least squares fitting作者简介：王姚灿（1999-），男，浙江永康人，硕士研究生，主要研究方向：机器视觉缺陷检测等。通讯作者：刘宜胜（1979-），男，广东澄海人，博士，副教授，硕士生导师，主要研究方向：机器视觉缺陷检测等。72Computer Era No.12 2023圆；在计算毛刺高度时，将边界矩形高度问题转化为像素点到拟合圆圆心的距离问题，对比毛刺高度合格范围，检测出不合格工件。1 检测系统设计1.1 系统组成检测系统由CCD工业相机、变焦镜头、环形光源、检测台和计算机组成，该检测系统示意图如图1所示。图1检测系统示意图图1中包括：(1)工业相机、(2)变焦镜头、(3)环形光源、(4)待检测工件、(5)检测台、(6)计算机。1.2 硬件选择由于阀芯座为黄铜材质，光源直射时会反光，不利于后续的图像处理，故置物台上放置一张黑色背景纸，光源采用环形LED光源。为了拍到清晰的毛刺图片，相机采用输出像素800万的工业相机，镜头采用4-12mm变焦镜头。2 图像处理模块设计图像处理模块首先通过工业相机模组采集图像，再进行图像预处理，而后得到毛刺图像，进行边缘检测，利用最小二乘法拟合圆，OPTICS算法进一步降低拟合误差。2.1 图像预处理2.1.1 滤波算法分析在图像采集过程中，由于工作环境、传输器件等因素的影响，图像不可避免地会出现失真与噪声的情况。故需要利用滤波算法来抑制噪声、消除失真。常见的滤波算法有均值滤波、双边滤波、中值滤波等，在消除噪声的同时，要保留图像的边缘特征。均值滤波在去噪声的同时会破坏图像的细节部分，从而使图像变得模糊6，而双边滤波是综合考虑空间信息和灰度信息的滤波方式，很好地保护了图像的边缘信息。考虑到毛刺的检测需着重处理图像边缘特征细节，所以本文采用改进的中值滤波和双边滤波结合7。该算法流程如图2所示。图2滤波算法流程图2.1.2 图像分割图像分割是通过分析图像像素的灰度值、图像各部分的纹理特性、多谱特性、几何形状等，从而将图像分割成若干区域的算法。本文采用基于阈值的分割算法。该算法将每个像素的灰度值排列起来，并设定一个灰度分割阈值，当扫描至一个像素点时，若该像素点灰度值小于分割阈值，则赋值0；若该像素点灰度值大于或等于分割阈值，则赋值255。如此得到一张二值化图像。但是这个方法比较依赖分割阈值的选择，所以本文将结合灰度直方图，提出一种自适应选择阈值的方法，从而完成图像分割。该方法将灰度直方图分为两个部分，一部分为目标的灰度值，另一部分为背景的灰度值，两部分之间的方差值最大，就说明两部分灰度值差别最大，便可得出最佳灰度阈值。步骤如下：设图像像素的灰度域为Q，初始的分割阈值为q，将图像分为目标灰度区域G1和背景灰度区域G2两个部分，设G1和G2分别占像素灰度域的比例为p1和p2，设G1和G2区域的平均灰度值为1和2。类间方差82计算式如下：2=p1p2(1-2)2将分割阈值q在灰度域Q的范围内进行变化，使得类间方差2的值最大，求得的最佳分割阈值q为：q=arg maxqQ2根据找到的最佳分割阈值进行图像分割，为了更准确地进行边缘检测，截取经过两次滤波的二值图像通孔区域200 x200的部分图像，样品图也做以上操作。73计算机时代 2023年 第12期将待检测工件二值图减去样品二值图，得到毛刺二值图像。2.2 边缘检测为了得到毛刺的高度及位置信息，就需要对其进行边缘检测。常用的几种典型边缘检测方法有：Roberts算子边缘检测、Sobel算子边缘检测、Prewitt算子边缘检测、Log算子边缘检测和Canny算子边缘检测9。结合以上检测方法的优劣性，本文选择 Canny算子进行边缘检测。Canny算子利用高斯函数的一阶导数，把边缘检测问题转化成检测单位函数极大值的问题，首先选择高斯滤波算法对图像进行平滑处理10，然后利用非极大值抑制技术对滤波后的图像做处理，最后得到边缘图像，步骤如下：高斯滤波算法处理：将原图像的二维函数和高斯滤波器的二维函数卷积得平滑图像二维函数，计算式如下，其中G(x,y)为高斯函数，F(x,y)为原图像函数，I(x,y)为经平滑处理后的图像函数。G(x,y)=exp(-x2+y222)I(x,y)=F(x,y)*G(xy)像素梯度计算：设边缘像素点的法线方向为，该像素点的梯度大小为g，算式如下：g=(I(x+1,y)-I(x-1,y)2)2+(I(x,y+1)-I(x,y-1)2)2非极大值抑制处理：当图像经过平滑处理后，比较相邻边缘像素点在梯度方向上的大小，若为极大值，则保留该像素点，若不是极大值则抑制该像素点。检测边缘：连接所有的“极大像素点”，完成边缘检测。2.3 最小二乘法拟合由于毛刺是沿着圆周排列，利用边界矩形内核去框选毛刺时，会导致真实毛刺高度较低，边界矩形高度较高的情况，影响实验结果。故采用最小二乘法11对圆周处的像素点进行拟合，得到圆心坐标和半径。该方法步骤如下。圆的表达式如下，其中圆心坐标为(A,B)。R2=(x-A)2+(y-B)2式也可表达为式，其中a=-2A，b=-2B，c=A2+B2-R2。x2+y2+ax+by+c=0对圆周处的像素点进行采样，设样本集为(xi,yi)，圆周处的像素点坐标到圆心的距离为di，表达式如下：di=(xi-A)2+(yi-b)2最小二乘法原理是通过使实际数据与计算数据之间误差的平方和最小，从而得到计算数据。为方便计算，本文以圆周处的像素点坐标到圆心的距离di的平方和半径R的平方做最小二乘法，计算式如下：i=di2-R2=xi2+yi2+axi+byi+c设P(a,b,c)为的平方和，只要使P(a,b,c)的值最小，便可得到a、b、c的值，计算式如下：P(a,b,c)=i2=(xi2+yi2+axi+byi+c)22.4 OPTICS算法OPTICS是一种基于密度的聚类算法12，其核心思想为：取数据集中任意点，将其邻域内的所有点按照可达距离信息进行增广排列，从而反映簇结构。以下将简要介绍核心对象、核心距离、可达距离、直接密度可达对象的定义。核心对象定义：任意点P在邻域内样本点M的个数大于或等于点数阈值M，则点P为核心对象。核心距离定义：使点P成为核心对象的最小邻域半径，称为核心距离。可达距离定义：若点P为核心对象且到点X的距离小于核心距离，则可达距离为核心距离，反之，则可达距离为点P到点X的实际距离。直接密度可达对象定义：若点P为核心对象，点Q为点P邻域上的一点，称对象点Q为点P的直接密度可达对象。OPTICS算法步骤如图3所示。图3OPTICS算法将样本集D(xi,yi)中的任意点按其邻域内其他74Computer Era No.12 2023对象可达距离升序排序，并不断修正有序队列，所有样本点就会向着密集区扩张，从而分离奇异点。对输出的结果队列做最小二乘法，能进一步降低拟合误差。根据以上方法代码实现后，就可以生成拟合圆。3 实验结果分析为了验证本文提出的算法，基于 C+语言，在OpenCV平台上做验证实验。提取出毛刺及计算毛刺高度。实验步骤如下：图4(a)为采集到的原图像，滤波处理后得到图4(b)和图4(c)，图5(a)为经过图像分割之后的二值图，为了对比滤波效果，分别设置左图为只进行改进中值滤波的二值图，右图为进行了两次滤波的二值图。可以看出，结合两种滤波算法更能抑制噪声，二值化效果更好。截取图5(a)二值图像通孔区域200 x200的部分图像，得到图 5(b)，为了得到毛刺的二值图像。将待检测工件和样品的二值图相减得到图6(a)，对毛刺二值图进行边缘检测得到图6(b)，对边缘检测图像进行最小二乘法拟合，得到拟合圆，如图6(c)所示。(a)原图像(b)经中值滤波图像(c)经两次滤波图像图4原图像以及滤波图像(a)二值图像(b)通孔处二值图图5分割图像(a)毛刺二值图像(b)边缘检测图像(c)拟合圆图像图6检测图像扫描图6(c)边缘轮廓的所有像素点，找到离拟合圆圆心最近的像素点，打印最短距离信息，如图7所示。图7最短距离信息将拟合圆的半径取整为61个像素单位，边缘轮廓像素点离圆心的最短距离取整为46个像素单位，不难得出最大毛刺的高度为15个像素单位。游标卡尺测得通孔直径为3.05mm，根据比例关系得最大毛刺高度为0.375mm，实际测量最大毛刺高度为0.41mm，相对误差为8.5%，其中游标卡尺为电子数显。表1为6个样品工件的测量结果，其中已知工件1、2、3 为毛刺合格品，工件 4、5、6 为毛刺不合格品，p为像素单位且均取整数。表1测量结果待检工件工件1工件2工件3工件4工件5工件6检测高度/p8911121516检测高度/mm0.2020.2270.2770.3020.3750.403实测高度/mm0.220.250.300.330.410.44相对误差/%8.29.27.78.58.58.4经过实验验证，毛刺的合理范围应小于0.3mm，对应的像素单位取整为11，相对误差为7%10%。实验基于拟合圆的圆心及半径信息来判定检测高度，虽然最小二乘法已经很大程度上优化了误差，但仍然会存在一定的拟合误差和人工测量误差，对此，可利用聚类算法，在对圆周处像素点采样时，排除奇异点，进一步降低拟合误差。4 结束语此研究基于C+开发语言，在Ubuntu系统上配置OpenCV库，进行了验证实验，验证了阀芯座毛刺检测方法的可行性，后续的研究中，应提高程序的稳定性，优化检测系统，确保能应用于实际生产。本文的研究主要包括以下方面：滤波算法采用结合了经过改进的中值滤波和双边滤波的算法，在噪声抑制方面效果显著，并且很好地保留了图像中目标物的边缘信息。采用基于阈值的图像分割算法，得到二值化图像后，提取毛刺部分图像，将待检测图像减去样品图像，得到毛刺图像，该方法能获得毛刺信息。对毛刺图像进行的边缘检测，得到边缘检测图像；对图像圆周处的像素点采样并进行最小二乘法75计算机时代 2023年 第12期拟合圆，得到圆心坐标和半径。扫描边缘像素，找到离圆心坐标最近的像素点，即为毛刺最大高度点，计算并打印最大高度。经实验得出合理的毛刺范围应小于11个像素单位，相对误差为7%10%。参考文献(References):1 Tang Bo,Chen Li,Sun Wei,Lin Zhongkang.Review ofsurfacedefectdetectionofsteelproductsbasedonmachine visionJ.IET Image Processing,2022,17(2).2 范剑英,刘力源,赵首博.电机铜排表面毛刺缺陷检测技术研究J.仪器仪表学报,2019,40(3):14-22.3 林金龙,石青云.用点Hough变换实现圆检测的方法J.计算机工程,2003(11):17-18,160.4 叶峰,陈灿杰,赖乙宗,等.基于有序Hough变换的快速圆检测算法J.光学精密工程,2014,22(4):1105-1111.5 周显恩,王耀南,李康军,等.一种多次随机圆检测及拟合度评估的瓶口定位法J.仪器仪表学报,2015,36(9):2021-2029.6NabahatMehrdad,ModarresKhiyabaniFarzin,JafariNavmipourNima.OptimizationofbilateralfilterparametersusingawhaleoptimizationalgorithmJ.Research in Mathematics,2022,9(1).7 Shelke Sandeep K.,Sinha Sanjeet K.,Patel Govind Singh.Developmentofcompleteimageprocessingsystemincluding image filtering,image compression&imagesecurityJ.Materials Today:Proceedings,2023,80(P3).8 汪海洋,潘德炉,夏德深.二维Otsu自适应阈值选取算法的快速实现J.自动化学报,2007(9):968-971.9 戴凤强,刘涛,王宏波,等.基于机器视觉的工件边缘毛刺检测系统研究J.农业装备与车辆工程,2018,56(7):43-47.10 于新善,孟祥印,金腾飞,等.基于改进Canny算法的物体边缘检测方法J/OL.激光与光电子学进展:1-192023-05-19.http:/ Zhou Jiajia,Qu Gangrong.Accelerated convergencestrategy of weighted least squares method for imagereconstructionJ.Communications in Nonlinear Sci-ence and Numerical Simulation,2023,117.12 周传华,鲁勇,于猜.基于数据分区的OPTICS聚类算法J.传感器与微系统,2022,41(10):103-107.prevention,2013,14:614-22.2 Park Dong-Woon,Yoo Wan-Suk.A study on the designofachildseatsystemwithmutipointrestraintstoenhance safetyJ.Journal of Mechanical Science andTechnology,2009,23:3316-3322.3 刘鑫,吴钢,尹来荣.基于近似模型管理的汽车安全带约束系统优化设计J.振动与冲击,2016,35(6):132-136.4 Hu Jingwen,Wu Jun,Klinich Kathleen,Reed Matthew,Rupp Jonathan,Cao,Libo.Optimizing the Rear SeatEnvironment for Older Children,Adults,and InfantsJ.Traffic injury prevention,2013,14:S13-S22.5 张君媛,林逸,华伟等.基于随机模拟的汽车安全带系统约束效能优化J.汽车工程,2004(3):311-313.6 白中浩,陈亚枫,程胜华,等.基于不同年龄的自适应儿童乘员约束系统参数优化研究J.机械工程学报,2015,51(6):118-125.7 Zhang Xuerong,Niu Yanxiao.Research on general layoutparametersofI-SIZEchildsafetyseatinfrontalimpactJ.InternationalJournalofCrashworthiness,2021,27:1-11.8 Zhou Zheng,Li Dian-Qing,Xiao Te,Cao Zi-Jun,DuWenqi.Response surface guided adaptive slope reliabil-ity analysis in spatially varying soilsJ.Computers andGeotechnics,2021,132.9 刘华莹,林玉娥,张君施.基于混沌搜索解决早熟收敛问题的混合子群算法J.计算机工程与应用,2006,13:77-79.10 李宁,刘飞,孙德宝.基于带变异算子粒子群优化算法的约束布局优化研究J.计算机学报,2004,27:897-903.11 范培蕾.多目标优化方法及其在高超声速试飞器系统中的应用研究D.湖南:国防科学技术大学,2009.12 Wu Qing,Zhang Chunjiang,Zhang Mengya,Yang Fajun,GaoLiang.Amodifiedcomprehensivelearningparticleswarmoptimizeranditsapplicationincylindricity error evaluation problemJ.MathematicalBiosciences and Engineering,2019,16:1190-1209.(上接第71页)CECE76