基于机器视觉的铣刀几何参数测量

汪 迪，叶 峰，王世勇，董志鹏

（华南理工大学 机汽学院，广东 广州 510640）

2011年，全球著名PCB市场分析机构prismark公司对未来PCB市场的未来发展做出了重要预测，在经历了2009年的衰退时，2010年将迎来新一轮的成长期，虽不会出现高速增长态势，但未来发展的特点仍将是平稳增长，与此同时，对于PCB制作过程中需要的硬质合金刀具的需求量也将越来越大。

国内最大的硬质合金刀具金洲精工，随着订单数量的增加，对刀具加工的自动化设备要求越来越高，对刀具加工的效率和质量都提出了更高的要求，结合当今迅速发展的机器视觉技术，PCB加工所用的铣刀刀具自动加工检测设备的研究有了新的突破。基于机器视觉的影响测量技术由于其具有非接触、精度高、柔性好、速度快的特点，被广泛运用于工业控制检测领域，对于提高装备制造业水平具有重要意义。基于机器视觉的自动影像测量相比传统的测量技术，具有以下优点：

1）提高测量精度

随着工业相机，光学镜头，图像采集设备等在硬件上的提升，使得获得图像的信息比传统方法更多，更精确。

2）提高了图像的质量

随着数字图像处理技术在理论上的不断完善，可以明显改善图像处理的结果，甚至可以检测到传统方法无法测量的物理量。

3）减小系统误差

用数字图像处理技术可以实现对成像系统的高精度标定和误差修订，为高精度测量提供坚实的基础。

4）自动化程度高

目前该领域的中高端设备基本被国外厂商垄断，国内的测量仪器基本靠手动完成，最多只是处于半自动化状态，没有实现真正意义的自动化，手动测量的效率和可靠性都不高，很难适应制造业大批量产品的测量。

随着PCB集成度的增长，所用的铣刀刀具直径不断减小，机器视觉技术的优势将得到更大程度上地发挥。影像检测技术必将受到越来越广泛地重视。

1 检测系统的组成与工作原理

1.1 检测方案设计

图1是测量系统的结构示意图，从图1可见，该测量系统主要由照明系统，光学成像系统，机械运动系统等部分组成。照明系统主要由光源，光源控制器，开关电源构成，光学成像系统由变焦镜头，面阵相机（CCD）以及图像采集卡构成，机械运动系统由工作台，立柱，Z轴运动部件，底座，支撑座和伺服运动系统等构成。

光学成像系统所采用的主要部件为：相机是高解析逐行扫描，型号是VCC-870，分辨率达到145万像素，解析度为：1 392（水平）*1 040（垂直）像素。 镜头采用 Navitor的 12倍的变焦镜头，工作距离是86 mm，视野为13.79~1.14 mm，在低放大倍率下，特征尺寸为9.26 mm，像素尺寸为2.69 μm，景深为2.98 mm；在高放大倍率下，特征尺寸为1.67 mm，像素尺寸为5.83 μm，景深为0.1 mm.图像的采集基于型号为Foresight I-75，PCI插槽的模拟图像采集卡，具有四路模拟输入，带宽100 MHz.

图1 测量系统示意图Fig.1 Sketch of measurement system

1.2 系统工作原理

待检测的螺旋铣刀，能有效抑制板边毛刺产生，适用于表面带铜箔板的加工，待检测的项目主要包括两个方面：1）螺旋槽的长度（刃长）变化量；2）鱼尾槽的角度变化量；3）切削刃的间距大小。该系统的基本工作原理是：将加工好的铣刀置于物镜的正下方 ，被加工面朝上，调整好镜头的倍率，光圈，工作距离以及光源的强度，正确聚焦后，通过CCD面阵相机获取到铣刀刃面图像的模拟信号，图像采集卡将采集到模拟信号量化成数字信号并传入计算机，由上位机的软件对图像进行处理，根据相应的需求，设计不同的算法，完成对铣刀刃面的表面质量和几何形状进行检测。

2 照明装置的设计及刃面图像的获取

照明对图像检测起着至关重要的影响，照明系统选择合适，将会对图像处理起到事半功倍的效果，因为高质量的图像采集，可方便对后续的图像处理，对图像检测十分有利。

3 检测过程算法分析

1971年R.Kirsch提出了一种边缘检测的新方法：它使用了8个模板确定梯度和梯度的方向，是一种最佳匹配的边缘检测，用M1~M8分别与图像的各对应元素相乘，去计算该结果的最大值作为中央像素的强度边缘。8个卷积核形成了Kirsch算子，图像的每个像素都用这8个掩模进行卷积，每个掩模都是对某个特定边缘方向做出最大响应，所有8个方向的最大值作为该点的输出值，实际使用的8个模板为：

图2 照明系统下的铣刀径向与轴向图Fig.2 Radial and axial image of milling cutter with the illuminating system

图3 照明原理图Fig.3 Sketch of illuminating principle

在进行边缘提取时，将上述模板分别与图像中的一个3*3区域相乘，选取输出值为最大的模板，把这个最大值作为该区域中心像素点上的边缘强度，通过图像预处理及kirsch边缘检测提取的边缘点是一个像素宽度的边缘。

由于测量精度要求的不断提高，像素级精度已经不能满足实际测量的需要，因此亚像素边缘检测的算法被提出，最近几年有不少学者提出了研究各种亚像素算法，较为典型的有矩方法，插值法和拟合法。Tabatabai等首先提出利用前三阶灰度矩对边缘进行亚像素边缘定位，随后基于空间矩，Zernike正交矩的方法也相继提出。在数字图像处理技术中，矩是作为数字图像灰度直方图的统计特征量出现的。从另一个角度看，也可以把矩理解为原图像函数在新的坐标空间的展开，即一个分段连续有界函数可以用其矩族唯一表示。

将一维连续函数f（x）的p阶空间矩和灰度矩分别定义为

一维边缘检测的理想阶跃模型可认为是由一系列具有灰度h1和一系列具有灰度h2的像素相接构成。这种模型可以用边缘位置k，边缘两侧的灰度值h1和h23个参数来决定，图4中的离散点为实际边缘，这线为理想边缘。

图4 一维边缘检测Fig.4 One dimensional edge detection

设u（x）为理想阶跃函数，则一维理想边缘函数可表示为：

假设灰度值为h1和h2的像素点数在整个边缘上所占的比例分别为p1和p2，则二者满足以下关系:

设单调序列 gj（j=1，2，…，n）为实际边缘点的灰度值，则该序列的前三阶灰度矩满足下式:

式中，n为整个实际边缘所占的像素总数，因此有p1=k/n。

以上3个方程式中包含了3个未知数p1、h1和 h2，联立求解式（3）、（4）、（5）可得

其中，

由式（10）可得到边缘位置为

4 实验结果与分析

利用本研究所设计的自动光学检测系统对直径为3.175 mm的铣刀进行图像采集，图像大小为，利用kirsch算子进行图像边缘提取，并采用空间矩的亚像素细分法进行边缘的精确定位，再采用最小二乘法等算法对铣刀刃面尺寸和缺陷进行检测，检测指标如图5所示。在上述相同的实验条件下，对200件用人工显微镜检测，直径为3.175 mm的铣刀合格品，采用该自动光学检测方法检测，结果为198件合格，2件不合格，对比结果表明，自动光学方法的准确率达到了99%，加工后铣刀切削刃标准间距0.160±0.01 mm，螺旋槽标准长度 12.500±0.01 mm，过切标准角度为 138.1°±0.1°检出精度均达到了0.01 mm，过切角度达到0.1°对随机抽取的10支做出数据统计得出表1及图6.

图5 检测指标示意图Fig.5 Detection indicator diagram

表1 刃面检测结果Tab.1 Inspection results of blades

图6 刃面检测软件统计Fig.6 Blade surface detection software statistics

5 结束语

本研究所设计的照明装置能够得到高质量，形变小的铣刀刃面图像，所采用的边缘检测算法以及亚像素边缘定位算法，能够获得亚像素的边缘精确定位，提高了检测精度，降低了生产成本，使铣刀的检测由人工抽检变成机器普检成为可能，具有实际应用的意义。

[1]Hecht O，Dishon G，Automatic optical inspection （AOI）[C]//Proc Electronic Compon Conf， Las Vegas， NV：IEEE，1990：659-661.

[2]Smith S M ，Brady J M.SUSAN—a new approach to low level image processing[J].Int Journal of Computer Vision，1997，23（1）：394-397.

[3]Tae-hyoung P，Hwa-jung K.Path planning of automatic optical inspection machines for PCB assembly systems[C]//IEEE International Symposium on Computational Intelligence in Robotics and Automation.Espoo，Finland：IEEE Computer Society Press，2005：249-254.

[4]中国电子元件行业协会信息中心.2011版中国印制电路板（PCB）市场竞争研究报告[EB/OL].http://www.ic-ceca.org.cn/yjbg/report.asp.

[5]Raymond D W.Finding opens with optics [C]//Proc Test Conference.Washington，DC：IEEE Computer Society Press，1997：277.

[6]Sorting M.Application of statistical filtering for optical detection of tool wear[J].International Journal of Machine Tools and Manufacture，2003，43（5）：493-497.

[7]朱铮涛.基于计算机视觉图像精密测量的关键技术研究[D].广州：华南理工大学，2004.