文档介绍：基于机器视觉的零件尺寸测量系统设计
摘要设计了一套基于机器视觉的零件尺寸在线测量系统。完成了硬件设备的选型和平台的搭建;采用Matlab语言实现了图像处理算法;采用Matlab GUI完成了测量系统软件的设计。实验结果表明:测量系统的测量精度可以达到2um以下,满足零件尺寸在线检测要求,具有很好的应用前景。
本文采集自网络,本站发布的论文均是优质论文,版权和著作权归原作者所有。
【关键词】机器视觉 Matlab 图像处理尺寸测量
在工业生产中,测量是进行质量管理的手段,是贯彻质量标准的技术保证。机械零件的尺寸检测作为产品加工的一个关键环节,其检测结果不仅影响产品的质量,而且对后续零件的再加工和装配产生决定性的作用。目前,常规的零件尺寸测量手段主要采用游标卡尺、激光测量仪和轮廓仪等完成检测环节。以上零件尺寸测量方法要么受测量工具限制,其测量精度有限;要么检测仪器过于昂贵且操作复杂,同时其准确率往往受人为因素的影响。
鉴于当前机器视觉技术的快速发展以及其在工业检测方面的成功应用,论文构想利用摄像机替代人眼,让计算机替代人脑,从而研制出一套针对零件常规尺寸的自动化?y量系统。
1 系统概述
在充分遵循系统的完整性、可靠性、经济性和实时性等原则的基础上,本文设计出了一套基于机器视觉的零件常规尺寸测量系统。该测量系统主要由图像摄取、图像处理、图像特征提取和分析、图像常规尺寸测量和结果输出几部分组成。其工作原理图如图1所示。
2 硬件设计
基于机器视觉的零件常规尺寸测量系统的硬件主要包括:照明装置、摄像机、计算机和透明工作台。各部件的主要功能是:照明装置主要为零件图像采集提供合适的光照环境;摄像机用来采集零件数字图像并传送到计算机,然后保存为相应图片格式;计算机通过系统软件实现对零件图像的预处理、边界提取、特征提取、相机标定和常规尺寸计算;透明工作台用来承载被测零件。
3 算法设计
图像处理算法对机器视觉测量系统会产生决定性的影响。为了能满足零件尺寸测量的要求,针对零件产品图像的特点,我们设计了一套合理的图像处理算法流程。其流程图如图2所示。
首先对获取的零件图像进行预处理,包括图像灰度化、图像去噪、图像分割和边界提取;然后提取零件的几何特征;最后通过对系统的标定,实现了零件图像常规尺寸的测量和结果显示。
图像预处理
图像灰度化
经过摄像机采集到的零件图像是24位真彩色RGB图像,该图像中的每个像素由R、G、B三个分量决定,而灰度图像的每个像素由一个值确定。为了减少后续操作过程中的计算量,需要对采集到的零件图像进行灰度化处理。
图像去噪
采集系统获取的待检零件图像由于受照明程度、环境温度、电源变化、电磁辐射和振动等随机因素的干扰,图像会包含大量的噪声,表现为图像模糊、失真和大量斑点等。为了消除和抑制噪声对零件图像后续处理的影响,必须对图像进行滤波处理。由于中值滤波既能消除噪声又能保持图像的细节,符合本系统检测的需求。
图像分割
在所采集到的零件图像中,我们只对零件区域本身感兴趣,对于图像中的其他要素则要尽量消除。图像分割就是指把图像分成各具特性的区域,并提取出感兴趣目标的技术和过程。经过大量的实验验证,本文采用迭代阈值分割法实现对零件图像的分割,