汽油机火花塞间隙图像法测量

汽油机火花塞间隙图像法测量

李晓斌

(山西农业大学 工学院，山西 太谷 030801)

摘要：火花塞作为汽油机点火系统的重要工作部件，其中央电极与侧电极之间的间隙值对汽油机动力性、经济性和启动性能都有显著影响。为提高工厂化生产中火花塞间隙值检验的效率和准确性，运用机器视觉和图像检测技术，对采集的火花塞原始图像依次进行二值化处理，去除孤立小目标和目标区域识别，结合图像标定结果，可实现火花塞间隙图像法测量。结果表明，被测火花塞间隙值相对误差为0.73%，说明方法可行、可靠。其算法不但可用于农业动力火花塞间隙测量，也可为类似的精确测量提供参考。

关键词：火花塞间隙；图像处理；测量

收稿日期：2015-07-21修回日期：2015-10-17

作者简介：李晓斌(1983-)，男(汉)，山西平定人，博士，研究方向：机器视觉和图像处理技术及应用

基金项目：山西农业大学科技创新基金(2014004)

中图分类号：TP391文献标识码：A

Spark Plug Gap Measurement Based on Image Processing

Li Xiaobin

(CollegeofEngineering，ShanxiAgriculturalUniversity，TaiguShanxi030801,China)

Abstract:Spark Plug is a important working part for ignition system of gasoline engine, the spark plug gap between central electrode and lateral electrode has an important influence on the power performance, economy and starting performance. To monitor the gap value efficiently and accurately, the original image of spark plug was changed from RGB model to bi-level image, some independent points were deleted by bwareaopen function. The area of spark plug gap was specified by imcrop function with four-element position vector. Therefore, the value of spark plug gap was measured using regionprops function with boundingbox after calibrating. The results indicate the image processing method is feasible and reliable with the relative error of the method is 0.73%. Therefore, the mentioned method not only provide a accurate monitoring method of spark plug gap, but also gives foundation for other measurement.

Key words:Spark plug gap； Image processing； Measurement

汽油机是农业机械广泛使用的动力之一，火花塞作为汽油机点火系统的重要组成部分，其产生的电火花质量直接影响汽油机启动性能、燃油经济性和动力性，而火花塞间隙值是影响电火花质量的一个重要因素[1～3]。在工厂化火花塞生产环节中，间隙检验是一个重要环节。为了提高火花塞间隙在线检测效率和准确性，避免人工检测效率低、准确性不稳定、劳动强度大等问题，本研究以东-30拖拉机配套发动机的火花塞为研究对象，以MATLAB图像处理为技术手段，对火花塞原始图像分别进行二值化处理，去除孤立小目标和目标区域识别，结合图像标定结果，从而实现火花塞间隙在线、非接触、高效、准确的图像法测量。

1图像采集

使用尼康D7100数码相机为图像采集工具，其CMOS尺寸为23.5 mm×15.6 mm，大于一般工业摄像头和数码相机CCD或CMOS尺寸(5.2 mm×4.1 mm)，同时为相机配套50 mm(f1.8)定焦镜头，可以最大限度减小图像畸变引起的测量误差，保证良好的图像质量[4,5]。将该相机固定于思锐R2004三脚架上，使镜头轴线竖直向下，并垂直于白色LED平板光源(300 mm×300 mm)。调节三脚架高度，使镜头与光源之间垂直距离为550 mm。将东-30拖拉机配套发动机火花塞置于平板光源中央，得到火花塞原始图像如图1所示，其分辨率为4 000×6 000。

图1　火花塞原始图像 Fig.1　Original image of sparking plug

2图像处理

对采集的火花塞原始图像进行二值化、去除孤立小目标和目标区域识别等处理，主要目的是得到边缘清晰、锐利的火花塞图像，以实现其间隙值的图像法测量[6]。

2.1图像二值化处理

原始图像为RGB彩色图像，其颜色信息对间隙值测量无用，故使用MATLAB中的rgb2gray函数，并使用自动阈值法[7]，即graythresh选项将原始图像变为二值图像，如图2所示。

图2　二值化图像 Fig.2　Binary image

2.2去除孤立的小目标

由图2可以看出，其左上方有若干孤立的小黑点，这是图像二值化过程中产生的，应当去除这些干扰点，保证间隙值检测准确[8]。

试验发现，使用bwareaopen函数，并将其像素选项p值设置为500，即可有效去除包括火花塞间隙区域在内的所有干扰点，从而得到适合间隙值测量的理想图像。

但bwareaopen函数只可去除亮度值为1的点或区域，即白色点或白色区域，故应先使用imcomplement函数对图2进行反色处理，如图3所示。

图3　反色图像 Fig.3　Complement image

2.3目标区域识别

对火花塞间隙值进行测量，应从图像中找到火花塞间隙的准确位置。使用imcrop函数可以准确定位火花塞间隙[9]，其语法格式为：

I= imcrop(I, [xmin ymin width height])

其中，xmin和ymin为所选矩形区域左上角点的二维坐标，width和height分别确定了以(xmin ymin)为角点的矩形区域的宽和高。试验发现，取：

[xmin ymin width height]=[2000 5200 60 50]

可以准确定位到火花塞间隙区域，如图4所示。

图4　火花塞间隙 Fig.4　Sparking plug gap

3火花塞间隙测量

经bwlabel函数对图4标记后，使用regionprops函数及其boundingbox选项可测得火花塞间隙S的值[10]。其语法结构为：

c=bwlabel(c);

t=regionprops(c, ′Bounding Box′)

其中，c为图4所示火花塞间隙图像，BoundingBox为图4中包含白色区域的最小矩形，该矩形的高度S即为被测火花塞间隙值。

经MATLAB计算，S=17(像素)。若将该值转换为实际长度值，需进行图像标定，即计算出图上1像素代表的实际长度值[11～15]。

以25 mm标准直径圆形板为参照物，采用与火花塞相同的拍摄条件采集图像，如图5所示。

图5　标定物 Fig.5　Calibration object

对图5进行二值化等处理后，同样用regionprops函数测得该参照物的图像尺寸为680.5像素，故图像上1像素代表的实际长度为：

25/680.5=0.0367 38(mm/像素)

因此，被测火花塞间隙的实际长度S为：

S=17×0.036 738=0.624 5 (mm)

用塞尺对该火花塞间隙进行手工检测，其平均值为0.62 mm，故图像法检测火花塞间隙的相对误差为：

(0.6245-0.62)/0.62=0.73%

为验证火花塞间隙图像法检测的可行性和准确性，在自然光条件下分别采集原火花塞1.2倍和2.0倍图像(图6)，运用本文所述图像处理方法分别对这两幅图像进行火花塞间隙值测量，结果表明，方法通用性较好，测量结果的相对误差分别为0.52%和0.35%。由此可见，运用图像法对汽油机火花塞间隙值进行测量准确性较好，可用于实际生产和检测。

图6　1.2X和2.0X变焦倍数下采集的图像 Fig.6　Captured images of 1.2X and 2.0X

4结论

机器视觉和图像处理技术具有非接触、高效、检测准确性好等优点，将该技术应用于汽油机火花塞间隙测量，一方面减轻了人工测量的劳动强度，降低了测量误差，另一方面，将该技术应用于实际生产线上，进行火花塞间隙实时、在线测量，可显著提高检测效率。同时，相应算法也可为农业工程等领域在线尺寸测量提供一种可参考的方法。

参考文献

[1]高连兴，吴明. 拖拉机汽车学(上册)[M]. 北京：中国农业出版社，2009：8-30.

[2]鲁植雄，李文哲. 汽车拖拉机学(电器与电子设备)[M]. 北京：中国农业出版社，2006：153-157.

[3]王伟. 传统火花塞电极间隙在线测量方法的优化[J]. 制造业自动化，2010，32(9)：50-51.

[4]章毓晋. 图象工程[M]. 北京：清华大学出版社，2000：212-220.

[5]邓罗虹. 基于线阵CCD的机器视觉测量系统的研究[D].苏州：苏州大学，2014.

[6]陈秉陶. 汽油发动机点火系统火花塞间隙击穿电压有效检测技术实践[J]. 装备制造技术，2013(10)：198-199.

[7]秦襄培. MATLAB图像处理与界面编程宝典[M]. 北京：电子工业出版社，2009：362-400.

[8]冈萨雷斯著，阮秋琦译.数字图像处理(MATLAB版)[M]. 北京：电子工业出版社，2006：180-224.

[9]姚敏. 数字图像处理[M]. 北京：机械工业出版社，2006：138-160.

[10]高成. MATLAB图像处理与应用[M]. 北京：国防工业出版社，2007：185-215.

[11]Liu M, Hartley R, Salzmann M. Mirror surface reconstruction from a single image[C]. Computer Vision and Pattern Recognition (CVPR), IEEE, 2013：129-136.

[12]Zhang S. Composite phase-shifting algorithm for absolute phase measurement[J]. Optics and Lasers in Engineering, 2012, 50(11)：1538-1541.

[13]Balzer J, Hofer S, Beyerer J. Multiview specular stereo reconstruction of large mirror surfaces[C]. 2011 IEEE Conference on Computer Vision and Pattern Recognition, 2011：2537-2544.

[14]Ihrke I, Kutulakos K N, Lensch H, et al. Transparent and specular object reconstruction[J]. Computer Graphics Forum, 2010, 8：2400-2426.

[15]王子辰，戴明，李刚，等. 基于虚拟立体靶标的线阵相机标定与分析[J]. 红外与激光工程，2014，43(3)：902-907.

(编辑：马荣博)