齒輪表面質(zhì)量對(duì)其磨損、密封、潤(rùn)滑及摩擦等力學(xué)性能有直接影響，同時(shí)也影響其腐蝕、導(dǎo)熱及導(dǎo)電等物理化學(xué)性能。衡量齒輪表面質(zhì)量的關(guān)鍵是齒輪表面有無微小缺陷，指劃痕、劃傷或凹凸等各種損傷。高精度儀表內(nèi)小模數(shù)齒輪的質(zhì)量和精度直接影響其使用壽命和工作性能。在實(shí)際使用中，如果表面的小缺陷尺寸大于允許范圍，會(huì)降低工作性能，引發(fā)一系列安全問題。因此，為保證高精度齒輪表面質(zhì)量和安全運(yùn)行，需對(duì)其表面的微小缺陷進(jìn)行精確測(cè)量 。
目前，齒輪缺陷的測(cè)量方法主要為接觸測(cè)量，不僅技術(shù)含量高，而且設(shè)備昂貴、靈活性差、工作量大、效率低，不能廣泛應(yīng)用。因此，有必要尋求新測(cè)量方法避免這些缺點(diǎn)。數(shù)字化測(cè)量法是在條紋投影表面輪廓測(cè)量法的基礎(chǔ)上測(cè)量零件表面缺陷，該方法由于圖像處理精度較低，誤差波動(dòng)較大;激光測(cè)量法是將準(zhǔn)直激光和重心法相結(jié)合對(duì)采集到的圖像進(jìn)行處理，通過分析缺陷像素分布獲得缺陷尺寸，這種方法雖然測(cè)量結(jié)果穩(wěn)定，仍無法實(shí)現(xiàn)高精度測(cè)量。
機(jī)器視覺是一種先進(jìn)的非接觸檢測(cè)技術(shù)，通過機(jī)器模擬人眼，實(shí)現(xiàn)對(duì)被測(cè)目標(biāo)的檢測(cè)、識(shí)別和測(cè)量。其具有高效、非接觸、信息量大、精度高等特點(diǎn)，適用于各種類型工件表面缺陷的測(cè)量。基于此，作者提出一種高精密齒輪小缺陷尺寸的智能視覺測(cè)量方法，運(yùn)用機(jī)器視覺技術(shù)測(cè)量高精密齒輪小缺陷，保障高精密齒輪的表面質(zhì)量與平穩(wěn)傳動(dòng)。
一、機(jī)器視覺測(cè)量結(jié)構(gòu)
由 CCD 面陣傳感器、計(jì)算機(jī)、高速攝像鏡頭、光源、IMAQ Vision軟件及點(diǎn)視覺激光傳感器等共同構(gòu)成機(jī)器視覺測(cè)量整體結(jié)構(gòu)，如圖1所示。
將待測(cè)量齒輪置于平臺(tái)，用均勻背光照明系統(tǒng)與光學(xué)放大系統(tǒng)將待測(cè)齒輪通過高速攝像成像于 CCD 面陣傳感器，用點(diǎn)視覺激光傳感器采集齒輪小缺陷位置圖像，并轉(zhuǎn)換為電信號(hào)，即將初始圖像轉(zhuǎn)變?yōu)閿?shù)字圖像，存儲(chǔ)到計(jì)算機(jī)，通過 IMAQ Vision 軟件對(duì)數(shù)字圖像進(jìn)行處理與尺寸測(cè)量。
二、獲取高精密齒輪小缺陷圖像
圖像采集
齒輪小缺陷測(cè)量的精度要求較高，圖像采集精度對(duì)尺寸測(cè)量精度有直接影響，用CCD面陣傳感器與點(diǎn)視覺激光傳感器結(jié)合方式，提升圖像采集精度。通過CCD面陣傳感器完成對(duì)齒輪圖像的初步采集，再用精度為 0.1 μm 的點(diǎn)視覺激光傳感器采集齒輪小缺陷位置圖像，提升圖像采集精度。過程如圖2所示。
圖像濾波除噪處理
由于齒輪微小缺陷的初始圖像具有不同程度的噪聲，會(huì)影響邊緣檢測(cè)精度，需對(duì)其進(jìn)行濾波和平滑處理，去除噪聲點(diǎn)。用雙邊濾波算法對(duì)初始圖像進(jìn)行濾波和去噪，其表達(dá)式：
式中：ν (j,i,l,k)為權(quán)重系數(shù)，由值域核與定義域核的乘積決定;u (j,i,l,k)為值域核;b (j,i,l,k)為定義域核;δ為小波變換;e為小缺陷位置。
分析可知，雙邊濾波能共同將灰度相似性與空域信息考慮在內(nèi)，具有簡(jiǎn)便、非迭代特性，可保邊除噪。
圖像二值化處理
在機(jī)器視覺測(cè)量中，有價(jià)值的信息是齒輪微小缺陷邊緣和形狀。小缺陷圖像經(jīng)去噪預(yù)處理后仍存在大量冗余信息，數(shù)據(jù)處理量大，且影響邊緣檢測(cè)結(jié)果。二值圖像處理可有效提高圖像邊緣和尺寸測(cè)量精度。
圖像灰度值為 255 或 0，為二值圖像，顯示非黑色或白色。用閾值分割法對(duì)去噪后的小缺陷圖像進(jìn)行二值化，用遍歷法選擇最佳閾值得到二值圖像。
用閾值分割法轉(zhuǎn)換像素值在0~255區(qū)間內(nèi)，則：
式中：s(x, y)和 Z 為初始灰度圖像與閾值;s′(x, y)為二值化處理后圖像。最佳閾值 Z 選取最重要，遍歷法選取最佳閾值Z的過程：
式中：M1、M2為比閾值 Z 低和比閾值 Z 高的像素?cái)?shù)量;ε1、ε2為圖像內(nèi)前景像素點(diǎn)和后景像素點(diǎn)所占比例;η1、η2為 ε1、ε2的平均灰度;g 和 η 為類間方差和圖像灰度總均值;N×M 為圖像大小。最佳閾值 Z 即為最高類間方差時(shí)的閾值。
去噪圖像二值化處理后，圖像信息為 1、0，較大程度降低了圖像的灰度信息，有效降低后續(xù)運(yùn)算量，提升處理效率。
邊緣檢測(cè)
圖像邊緣檢測(cè)的輪廓越精確，結(jié)果越可靠。因此，用IMAQ視覺中具有亞像素細(xì)分性能的先進(jìn)邊緣檢測(cè)技術(shù)，對(duì)圖像進(jìn)行二值化處理后得到輪廓圖。通過設(shè)置亞像素參數(shù)和細(xì)分級(jí)別，將亞像素細(xì)分劃分為 1/2~1/12，提高尺寸測(cè)量精度。
對(duì)圖像輪廓上給定點(diǎn)前后的相鄰像素進(jìn)行均勻化處理。處理后像素?cái)?shù)可作精確的像素距離。其通過設(shè)置坡度參數(shù)完成。以此得出圖像邊緣輪廓的期望轉(zhuǎn)換間隔，實(shí)現(xiàn)圖像輪廓沿直線操作。設(shè)置寬度參數(shù)，可設(shè)檢測(cè)點(diǎn)兩側(cè)平均像素?cái)?shù)，通過這些平均值間的差值實(shí)現(xiàn)對(duì)比度精度。邊緣輪廓與參數(shù)間關(guān)系，如圖3所示。
邊界點(diǎn)需沿一維輪廓逐點(diǎn)掃描，找出每點(diǎn)的強(qiáng)度值，對(duì)比度高于設(shè)定的最小強(qiáng)度值，則存儲(chǔ)該點(diǎn)。從初始邊界點(diǎn)開始，逐點(diǎn)分析，最高對(duì)比度值，直到終點(diǎn)邊界點(diǎn)，不同邊界點(diǎn)的返回位置應(yīng)大于初始邊界點(diǎn)和終點(diǎn)邊界點(diǎn)的1/2或等于初始邊界點(diǎn)。
用 IMAQ Vision 的 IMAQ Edge Tool 函數(shù)進(jìn)行高級(jí)邊緣檢測(cè)，SubPixel Information、Pixel Coordinates 與 Edge Parameters為檢測(cè)時(shí)的關(guān)鍵參數(shù)，坡度、像素寬度與對(duì)比度在 Edge Parameters 參數(shù)內(nèi)，默認(rèn)坡度與像素寬度值分別為2、4。
三、齒輪小缺陷測(cè)量
齒輪小缺陷中心點(diǎn)測(cè)定
圖像處理后獲取齒輪小缺陷邊緣輪廓，以測(cè)量小缺陷尺寸。首先確定小缺陷中心點(diǎn)O，用重心法測(cè)定。將初始點(diǎn)設(shè)為(0，0)，掃描小缺陷圖像像素點(diǎn)，設(shè)齒輪小缺陷圖像像素點(diǎn)區(qū)間的坐標(biāo)為(xj ，yj)，當(dāng)(xj，yj)點(diǎn)的像素值為 0 時(shí)，(xj ，yj)向(0，0)靠近，(x0，y0 )向(xj ，yj) 靠近，直至(xj ，yj) 和(x0，y0 )重合，初始(x0，y0 )變換為(xj ，yj)，即小缺陷像素點(diǎn)坐標(biāo)(xj ，yj)，此時(shí)，在(0，0)和非 0 像素(xj ，yj)間生成一條路徑，為獲取該路徑中心點(diǎn)即小缺陷中心點(diǎn) O，求取該路徑即缺陷尺寸平均值，表達(dá)式：
式中：m為變換次數(shù);(xj，yj )符合e(xj ，yj)=0。
齒輪小缺陷寬度測(cè)量
齒數(shù)、齒間角度、寬度等是規(guī)則分布的齒輪工件必備參數(shù)，齒數(shù)及齒間角度可測(cè)量，而寬度無法肉眼識(shí)別，需運(yùn)算，過程：
計(jì)算缺陷邊緣點(diǎn)與中心點(diǎn)O(x0，y0)間距rj，將間距 rj中的e(這里的e取決于缺陷的輪廓形狀)個(gè)最高值測(cè)出，求取這些最高值的平均值，二倍運(yùn)算后即約等于齒輪小缺陷寬度re，實(shí)現(xiàn)齒輪小缺陷寬度測(cè)量。
用具備亞像素細(xì)分的 IMAQ Vision 處理圖像測(cè)量尺寸，可提升圖像處理與測(cè)量精度，過程見圖4。
結(jié)果分析
為檢驗(yàn)本文方法精度，選 3 個(gè)相同種類小缺陷的高精密小模數(shù)齒輪，用本文方法、數(shù)字化測(cè)量(文獻(xiàn)方法)及激光測(cè)量(文獻(xiàn)方法)小缺陷尺寸，對(duì)比 3 種方法測(cè)量結(jié)果，并與實(shí)驗(yàn)室用接觸測(cè)量的結(jié)果進(jìn)行對(duì)比。3個(gè)高精密齒輪參數(shù)，見表1。
采集與處理效果分析：用上述 3 種方法采集小缺陷位置圖像，并進(jìn)行圖像處理，以齒輪1的小缺陷為例，對(duì)比各方法的采集與處理效果，如圖5所示。
可以看出，3種方法中，本文方法采集的圖像更清晰，處理后的輪廓精度更高，說明本文方法的圖像采集與處理效果更優(yōu)越，精度更高，可為之后的尺寸測(cè)量奠定基礎(chǔ)。
測(cè)量結(jié)果對(duì)比：用3種方法處理圖像后，進(jìn)行小缺陷的寬度測(cè)量，測(cè)量結(jié)果與實(shí)際尺寸，如表2所示。
為更直觀各方法測(cè)量精度，繪制測(cè)量誤差與相對(duì)誤差的對(duì)比圖，如圖6所示。
可知，3種方法測(cè)量結(jié)果與接觸測(cè)量的尺寸不同，其中參考文獻(xiàn)方法的測(cè)量結(jié)果誤差最大，誤差波動(dòng)也較大，參考文獻(xiàn)方法的測(cè)量結(jié)果誤差居中，誤差波動(dòng)不大，本文方法的測(cè)量誤差最小，平均測(cè)量誤差僅為 0.001 mm，實(shí)現(xiàn)了高精度測(cè)量。該方法的誤差波動(dòng)也較小，具有實(shí)際應(yīng)用價(jià)值。
四、結(jié)論
1)智能視覺測(cè)量方法用點(diǎn)視覺激光傳感器與 IMAQ Vision內(nèi)具備亞像素細(xì)分的高級(jí)邊緣檢測(cè)技術(shù)，提升小缺陷圖像采集與輪廓獲取精度，平均測(cè)量誤差僅為0.001 mm。
2)用機(jī)器視覺技術(shù)測(cè)量精密齒輪缺陷，結(jié)果驗(yàn)證本文方法圖像采集與處理效果較好，測(cè)量精準(zhǔn)穩(wěn)定，圖像處理后的缺陷輪廓精度更高。
3)本文方法測(cè)量誤差波動(dòng)較小，相對(duì)誤差約 0.2，實(shí)際應(yīng)用價(jià)值高，可節(jié)省人工成本。
參考文獻(xiàn)略.