基于机器视觉的铸件内螺纹孔金属碎屑的检测方法

摘要：随着现在的智能化程度要求越来越高，对机器视觉的检测方法也出现了更多的挑战。在内壁检测方面受内螺纹的影响，直接采用阈值分析的方法对图像进行检测很难得到想要的结果，针对这种情况，本文提出了通过使用极坐标转换的方法，再对图像进行分析的一种基于机器视觉的铸件内螺纹孔金属碎屑的检测方法。

关键词：机器视觉;内螺纹孔;碎屑检测;halcon

中图分类号：TP391.41;U279   文献标识码：A   文章编号：1672-9129（2020）12-0043-01

在精密机械组装工业生产线，很多地方都有将螺丝或螺栓安装到螺纹孔的需求。对于安装孔的定位可以通过机器视觉很容易定位到安装孔的中心位置，[1]机械手眼标定，然后通过坐标转换，进行定位;将螺钉或螺栓旋拧到螺纹孔内完成组装可以通过机械手配备安装扭矩扳手，[2]采用整体预紧式并联六维力传感器作为其力觉感知机构，构建柔性装配系统，来实现自动组装这个过程。但是组装前大多数仍然需要人工握持照明设备通过人眼检测螺纹孔是否干净。人眼看内螺纹孔是否有油污或者金属碎屑，如果有金属碎屑，需要人工用刷子清除干净以后才能组装，否则会影响组装后的机械功能。

1 选取镜头、光源和相机

本文采用内窥镜锥形镜头，这种镜头用于拍摄内壁底部及其垂直内壁，可从外部检测内部，无需将镜头置入孔洞内部，即可拍摄。适合测量物直径范围为：5mm-120mm，测量高度为：5mm-123mm。这种镜头的好处是可以将采集到的内螺纹孔图像沿径向拉伸，一些小的瑕疵也会被拉伸，有利于检测。在本文中采用200万像素的分辨率，焦距2.8mm，相面规格1/2.5"的内窥镜锥形镜头。光源采用内径50mm，外径120mm，功率8w，的环形可调白光光源。相机采用迈德威视500像素的CS口的黑白工业相机。将光源、相机中心位于螺纹孔中心的正上方的位置进行拍摄。调节好光源的亮度及镜头焦距开始拍摄。

2 计算出需要检测的环形区域并进行检测

本文采用的开发环境为halcon19.11，步骤如下。

步骤1：定位大圆;

fit_circle_contour_xld（SelectedContours1， 'algebraic'， -1， 0， 0， 3， 2， Row， Column， Radius1，StartPhi1， EndPhi1， PointOrder1）

gen_circle_contour_xld（ContCircle1， Row， Column， Radius1， 0， 6.28318， 'positive'， 1）

gen_circle（Circle1， Row， Column， Radius1）

步驟2：根据检测直径，计算出小圆;

gen_circle（Circle2， Row， Column， Radius1-120）

步骤3：大圆减去小圆获得环形区域，如图（2）中蓝色环形区域;

difference（ImageReduced1， ImageReduced2， RegionDifference）

步骤4：极坐标转化;

polar_trans_image_ext （ImageReduced2， ImagePolar， Row， Column， 0， rad（360）， Radius1 -120， Radius1， 2592， 120， 'nearest_neighbor'）

步骤5：图像分析，从方向上检测变化值较大的区域;

mean_image（ImageROI，ImageMean2，15，15）

dyn_threshold（ImageROI， ImageMean2， RegionDynThresh2， 7， 'light'）

步骤6：通过面积值筛选出金属碎屑所在区域，本文最佳范围为150以上;

select_shape（ConnectedRegions2， SelectedRegions2， 'area'， 'and'， 150， 99999）

步骤7：拟合轮廓并进行显示。

fit_circle_contour_xld （Contours2， 'algebraic'， -1， 0， 0， 3， 2， Row2， Column2，Radius3，StartPhi2， EndPhi2， PointOrder2）

gen_circle_contour_xld （ContEllipse， Row2， Column2，  Radius3， StartPhi2， EndPhi2，'positive'， 1）

检测完成，本文系统可以检测出直径1.2mm左右的金属碎屑。

3 结语

本检测方法的关键为步骤3，步骤3中采用极坐标转化的方法将环形区域转化成矩形，将环形的螺纹线转化成近似直线，然后就可以进行通用的图像分析手段。本文中由于受螺纹的影响，不能直接通过检测的阈值分析，本文采用的方法是检测矩形横向上阈值变化差异大的地方，选择合适的阈值即可将颜色过深或过亮的位置筛选出来。

参考文献：

[1]刘家丰. 基于机器视觉的机器人本体装配研究与应用[D].

[2]吴遥. 基于六维力传感器的柔顺装配理论与实验研究[D]. 燕山大学.

[3]陈阳光， 王磊. 基于HALCON的机器人视觉标定[J]. 光学仪器， 2016， 38（4）：320-324.

[4]王亚鹏. 机器视觉系统中镜头的选用技巧[J]. 自动化博览， 2006， 23（1）：29-31.

作者简介：孙红芳（1988.2—），女，汉族，河北唐山人，本科，助理工程师，研究方向：机器视觉。