[机械模具数控自动化专业毕业设计外文文献及翻译]【期刊】在精车过程中使用视觉机器人亚像素边缘检测测量表面粗糙度-中文翻译

C H A N G C H U N I N S T I T U T E O F T E C H N O L O G Y In-Process Measurement of Surface Roughness using Machine Vision with Sub-Pixel Edge Detection in Finish Turning 在精车过程中使用视觉机器人亚像素边缘检测测量表面粗糙度 资料来源： INTERNATIONAL JOURNAL OF PRECISION ENGINEERING AND MANUFACTURING Vol. 15, No. 11 设计题目： 汽车发动机密封件涂胶缺陷检测系统设计 学生姓名： 王宗良 学院名称： 机电工程学院 专业名称： 机械电子工程 班级名称： 机电 1241 学 号： 1202431127 指导教师： 王华 教师职称： 教授 完成时间： 2016 年 4 月 2 日 2016 年 4 月 2 日 在精车过程中使用视觉机器人亚像素边缘检测测量表面粗糙度 莫汉库马尔巴拉斯恩达勒姆玛尼马兰纳姆 机械工程学院工程校园 ,马 来西 亚 理科大学 ,马 来西 亚槟 城 关 键词 :表面粗糙度、非接触式、机器 视觉 、 进程内 手稿收到 :2014 年 2 月 9 日修订 :2014 年 6 月 17 日 接受 :2014 年 6 月 18 日 常见的进程内表面粗糙度测量方法能够提供有限数量的粗糙度幅值参数评估，这主要是由于所使用的传感器的平均效果。在这个工作中，我们测量了振幅，间距，混合以及功能在车削表面粗糙度参数符合美国钢铁协会的 1035 碳钢使用的机器视觉。商业用的单反相机的快门速度是用来捕获影像模糊的工件表面轮廓的形象截然相反的刀具，表面轮廓的边缘检测到亚像素精度使用灰度值不变矩和粗糙度参数测定的形象，该工具的磨损和加工时间与振幅有关，混合动力车和间距表面粗糙度参数，以及支承面积曲线参数。三个新的粗糙度参数，即平均斜率的峰值 ( p)，平均斜率 ( v)，峰的相对长度 (Rrl)，介绍了研究工具的微几何变化对于磨损表面粗糙度的影响。在这些新的参数 p 和 Rrl 显示与加工时间 ,穿相比及所有其他参数的更好的相关性。 命名法 Ra =平均粗糙度 Rq =均方根粗糙度 Rt =最大峰谷值粗糙度 Rz = 平均高度 Rsk 的 10% =偏态 Rku =峰度 Rpk =减少峰高 p =平均斜率的峰值 v =平均斜率的谷值 Rrl =峰的相对长度 简单介绍 表面粗糙度一般是用来描述的表面质量加工件。粗糙度通常是用传统的手写笔工具法。在这种方法中一个手写笔绘制整个表面，垂直方向的微小波动放大并记录，然后从垂直计算粗糙度参数波动。该方法的主要限制是它不能被应用到一个旋转表面，这样的工件被加工车床。测量粗糙度的一部分使用手写笔的方法必须停止车床，从而中断加工过程。一个进程内表面粗糙度测量方法是可取的，但是在评估和控制加工过程中工件的表面质量无法保证。 在进程内评估工件表面粗糙度的加工一直是一个活跃在金属切削研究领域中超过十年的课题。尽管测量表面粗糙度的能力在加工中具有重要潜在的生产应用，获得的工件表面粗糙度测量还是很困难的。由于表面速度较高的工件是不可能使用手写笔的表面粗糙度测量仪器。因此，大多数技术的提出是过去不接触的，这些包括光学、电容式超声和气动方法。光学方法可以进一步细分为光散射，散斑对比度和机器视觉方法。光散射和散斑对比度的方法是研究最广泛的进程内粗糙度测量方法。数字图像视觉系统也被应用到在加工中提取一个移动的表面的粗糙度 ,但不是一个表面高速旋转。以上是一些相关的进程内粗糙度测量研究的简要回顾。 古普塔和拉曼在工件的表面粗糙度测量中使用图像反射的工件在主轴旋转速度从 140转到 285 转的激光散射光谱。一阶统计纹理描述符提取基于图像的通过 CCD 摄像机拍摄的灰度级直方图。虽然这是得出的结论，但是工件的旋转速度和环境照明不影响提取的表面粗糙度对工件进行测量。其他参数的影响，如冷却剂，表面的反射率、芯片、振动等，在真正的加工中并没有研究。光散射方法用于在线测量表面粗糙度，表面粗糙度是提取激光光散射强度分布的方向平行于表面微加工痕迹的参数，强度分布遵循一个高斯分布的参数并依赖于表面粗糙度均方根。 虽然一些作者已经成功地实现了光散射，散斑对比度，气动和电容传感器进程内粗糙度测量方法，但是这些方法只能够提供基本的振幅粗糙度参数，如平均粗糙度 (Ra)和均方根粗糙度 (Rq)，这是由于一些传感器的能力 ,如光电二极管 ,只能检测信号的均方根 (RMS)。此外，来自传感器的信息间接与表面粗糙度使它不可能从粗糙度中使用各种过滤器得到单独的波纹。在过去没有一个非接触式的方法开发 ,包括商用 Lasercheck 粗糙度测量仪也不能够测量其他粗糙度参数，包括众多的振幅，间距，混合参数以及功能参数，如支承面积曲线。目前测量这些参数只能通过使用手写笔工具。然而，进程内测量这些参数在加工中将是重要的，了解加工表面粗糙度的发展，开发控制表面质量和故障检测的工具。 机器视觉的粗糙度测量方法结合图像处理相对于其他非接触式方法能够提供更多的表面参数。例如 ,卡姆古穆五振幅测量参数，即 Ra， Rq,Rv,Rt 和 Rz，使用图像纹理梯度因素。然而，这些获得离线照片是的方法只限于振幅参数。阿尔肯迪和希尔林扎德使用两个光反射模型提取视觉数据和相关参数与九振幅和间距参数。尽管与手写笔工具良好的协议结果，但是报告对于大多数图像的进程内参数没有获得。 在这项研究中使用机器视觉开发非接触式直接法测量工件的表面粗糙度在干燥操作。该方法是基于机器视觉技术由谢哈比和拉特南为非接触式粗糙度测量，离线粗糙度测量。该方法也被用于研究在工件的表面粗糙度符合美国钢铁协会的 1035 钢工件的影响。除了既定的振幅、间距、混合和功能性粗糙度的示意图，进程内粗糙度测量系统参数三个新参数的转变过程已经介绍了。 方法 系统配置 试验装置的示意图见图。系统设置的基本组件包括一个定位机制，一个 10.2 像素的single-lens-reflex(数码单反相机 )相机 (索尼 - 230)，有一幅 38722592 像素的分辨率和高分辨率 CCD 相机 (13921040 像素 )(JAI CV-A1)。单反相机配备了一个 4 x 特写镜头 ,通过 USB 电缆连接到个人电脑进行表面粗糙度测量。 CCD 相机配备了一个 50 mm 镜头对刀具磨损进行测量。背光照明是通过使用高频荧光源捕获的轮廓刀具和工件 ,相机都是安装在一个x - y 轴运动相机上。 X-Y 轴调整期间获得正确的焦点距离图像捕获 ,如图所示。的实际设置进程内的粗糙度和刀具磨损测量图所示。 系统标定 商用多频网格畸变目标 (Edmund 光学有限公司 )被用来检查被 DLSR 相机捕捉的图像中存在的失真。网格的目标是放置在平面正交方向对象并使用单反相机捕获。通过点中心之间的距离的测量来检查镜头造成的扭曲。连续点之间最大距离的差异只有两个像素 (0.2%)被发现。 高精度隆基裁决 (200 线 /英寸 )是用来检查 CCD 相机捕捉到的图像中存在的失真。独立裁决的图像放置在水平和垂直位置被使用的 50 mm 镜头抓获。扫描图像对比度增强和各点的最大这些点之间的距离是 3 个像素差 (0.24%)。 水平和垂直比例因子将获得的图像在像素微米尺寸使用标准 三丰 销计 1.35 毫米直径。单反相机的水平和垂直比例因子是 8.35m /像素 ,8.33m /像素，分别在 CCD 相机的相应比例因素分别是 1.87m /像素和 1.87m /像素。 干转测试进行最优工作 D320630 传统车床。工件材料是符合美国钢铁协会的 1035 钢杆(直径 = 30 毫米 ,长度 = 250 毫米 )。在干燥环境下该工件连续加工时使用裸硬质合金三角插入 (TCMT110208)相同的刀具将使用以下参数 :速率 = 0.3 毫米 /分钟 ,切截深度 = 0.1 毫米 ,切割速度 = 60 毫米 /分钟和加工时间 140 分钟。 单反相机的快门速度设置为 2.5,相机的对焦环调整工件的边缘是大幅的焦点。工件表面的图像被抓获时正好相反的切割边加工 (图 3)。十旋转工件表面的被捕图像序列的时间间隔为 2s。 2.5 毫秒的快门速度使工件的表面形成螺旋状旋转 1.05,相当于只有 6.1m 的线性变化，也就是说， 3%的波长 (马克距离 )表面的起伏，这导致工件变成最小模糊图像。一个裁剪的图像感兴趣的区域 (ROI)图 4 所示。边缘图像捕获不同间隔的加工时间从 5 分钟到 140 分钟不等。 在使用 CCD 相机中逆光照明被用来捕捉轮廓的刀具中间切割周期，没有把刀具从机器中显示出新的削减，插入使用 CCD 相机捕获的图像。 图像中的边缘检测的精度影响粗糙度测量的准确性。步骤边缘模型应用时刻不变性的概念方法采用塔巴塔拜和米切尔提出的检测工件的边缘图像准确性。灰度矩边缘算子对图像基于前三个时刻 m1， m2， m3 的输入数据序列是由一个基于灰度级阈值独立方法力矩方程。时刻被定义为像素强度的和力量。时刻的输入数据序列 xj 给出x1， x2， xn 像素强度。假设 ph 值的像素灰度强度值 h,如果我们定义密度 p1 和p2 ph p1 = - n n ph p2 = - = 1 p1 n 解决方案的前三个样本输入数据的时候通过 m1=(1 p2)h + p2 ( h+k) m2=(1 p2)h2+ p2 ( h+k)2 m3=(1 p2)h3+ p2 ( h+k)3 表面轮廓图像读入 MATLAB 工作区和工件的边缘图像裁剪到所需的评估长度粗糙度评价。图像处理束缚感兴趣的区域 (ROI)，在下一阶段，准确应用阈值独立寻找边缘亚像素的方法。该算法开始扫描表面轮廓从第一列的第一个像素发现亚像素概要文件。扫描线的起点是在左上角点 O(图 5)。沿着每一对相邻间隔 D 扫描行 L(i)和 L(i + 1)是一个像素，方差最大灰度值和最小灰度值数据之间的扫描线 L(i)作为主要特征决定亚粗糙度轮廓 k(i)。由于检测粗糙度是在像素比例因素被用来转换粗糙度微米的时候。接下来，检测到的轮廓数据的最佳线路，视为平均线，使用最小二乘拟合确定。距离剖面测量上的每个像素的线是用于评估粗糙度参数在表 1 中定义。 鼻子插入区域是被使用 CCD 相机在不同的加工时间间隔没有把刀具从机器鼻子穿确定后的图像减去穿和未磨损的工具应用符合方法由谢哈比和拉特南减去图像的面积 (以像素为单位 )乘以水平和垂直比例因子。 发生磨损的刀具是不断接触到工件的表面 ,从而影响产品的表面质量。不是很多作者专门集中他们的研究工具的影响鼻子上穿在表面粗糙度的精车。研究结果表明 ,影响粗糙度的值的参数是几何鼻子穿工件的表面粗糙度。在转动过程中 ,定期创建工件表面轮廓和每个周期之间的距离等于刀具 /主轴