CN101837351B - 基于图像检测法的油封弹簧全自动分选系统及方法 - Google Patents

Abstract

本发明属于图像测试技术、图像处理技术领域，涉及一种油封弹簧全自动分选系统，包括玻璃转盘、采集处理组件和分选组件，采集处理组件包括带有可变焦镜头的摄像机、LED背光灯及计算机，摄像机用于采集进入采集区域的待检油封弹簧的图像，并将图像送入计算机，由计算机对所采集的油封弹簧图像进行处理和分析，得到弹簧特征量数据和瑕疵判断量，据此产生产品分选信号，并向PLC控制器发送该分选信号；所述的分选组件包括PLC控制器、不合格产品剔选机构、不合格产品容器等，剔选机构在PLC控制器的控制下，将对进入剔选区域的不合格产品执行剔选动作。本发明同时提供一种上述系统实现的分选方法。本发明简单高效，易于实现油封弹簧的特征检测和瑕疵评价。

Description

基于图像检测法的油封弹簧全自动分选系统及方法

技术领域

本发明属于图像测试技术、图像处理技术领域，涉及基于图像检测法的油封弹簧全自动分选系统及方法。

背景技术

油封弹簧是机械密封件的主要组成部件，是工业生产及机械设备必不可缺的重要机械元件，如发动机气门油封、凸轮轴油封、变速器前后油封等。油封弹簧可以将传动部件中需要润滑的部件与出力部件隔离，不至于让润滑油渗漏，对于设备清洁环保、安全操作及运行可靠性等起到至关重要的作用。因此，油封弹簧加工质量严重影响其密封能力，油封弹簧在线检测及分选是其批量生产的重要环节。

长期以来，油封弹簧的质量检测需要工人靠经验使用眼睛直接进行关键特征点的识别和判断，或采用标尺或塞规等进行直观测量，因此，测量精度不能保证，同时效率很低。随着光学技术的发展，数字式万能工具显微镜、轮廓投影测量仪、精密光学计等非接触式的测量方法均被用于油封弹簧直径等参数，虽然测量精度较高，但仍需人工操作，不适用于油封弹簧生产线的在线测量，经常用于质检抽查使用。近年来，已有关于O型圈的自动检测方面的研究报道，借助视觉技术实现其直径等外形尺寸的测量和毛边、缺角等缺陷的检测。但由于油封弹簧的外形较O型圈复杂，在检测时，不仅需要对其外形尺寸和形状进行检测，还需对和油封弹簧的应用密切相关的量进行自动判别，如弹簧接口段的凸凹量、弹簧边界的凸起量等，因此，开发油封弹簧的全自动分选系统，实现对油封弹簧的在线检测具有一定实用意义。

发明内容

本发明的目的是克服现有技术的上述不足，提供一种基于图像检测技术的油封弹簧自动分选系统，使用CCD采集系统同时实现特征尺寸自动测量和加工瑕疵评价，设计识别算法提高瑕疵判别的效率和准确度，最终配合控制系统实现油封弹簧的在线分选。为此，本发明采用如下的技术方案。

一种基于图像检测法的油封弹簧全自动分选系统，包括玻璃转盘、采集处理组件和分选组件，其中，

玻璃转盘用于将放在其上的油封弹簧从采集图像的采集区域移送至剔选合格产品和不合格产品的分选区域；

采集处理组件包括带有可变焦镜头的摄像机、LED背光灯及计算机，所述的LED背光灯和摄像机分别固定在玻璃转盘的上下两面，摄像机用于采集进入采集区域的待检油封弹簧的图像，并将图像送入计算机，由计算机对所采集的油封弹簧图像进行处理和分析，得到弹簧特征量数据和瑕疵判断量，据此产生产品分选信号，并向PLC控制器发送该分选信号；

分选组件包括PLC控制器、不合格产品剔选机构、合格产品挡板、合格产品容器和不合格产品容器，所述的不合格产品剔选机构在PLC控制器的控制下，将对进入剔选区域的不合格产品动作，并将不合格产品送入不合格产品容器。

作为优选实施方式，该系统还可以包括振动盘，所述振动盘为一种自动定向排序的送料设备，用于将待检油封弹簧输送到玻璃转盘上。

本发明同时提供一种上述的系统所采用的分选方法，包括下列步骤：

(1)将同一批次待检油封弹簧按照依次送入匀速转动中的玻璃转盘盘面上；

(2)由采集处理组件按照设定频率获取采集区域内的图像，对每次采集的图像，按照下列的方法判断采集区域内是否存在弹簧，若存在弹簧，则记录采集该弹簧图像的当前时间T₁，继续下一步，否则，结束对本次采集的图像的处理：

1)设定判断基准量：圆形度最小值C₀、中心偏差像素数N、检测坐标范围D；

2)读取所采集的弹簧图像，进行图像二值化和边界提取；

3)获取所有封闭轮廓边界数据，设封闭轮廓包围的区域面积为S，轮廓的半径为r，按照公式

计算其圆形度，若圆形度在区间[C₀，1]，则保留该轮廓，并记录轮廓数量Num；

4)判断轮廓数量是否为Num≥2，若不是，说明采集区域内无弹簧或无完整弹簧，结束对本次采集的图像的处理；

5)若是，获取最大的两个轮廓的最小外接矩形，求解两者的中心偏差是否在中心偏差像素数N内，若不是，则可判断采集区域内无弹簧或无完整弹簧，结束对本次采集的图像的处理；若是，则可判断采集区域内存在弹簧，且该两个轮廓分别为该弹簧的内、外侧边界数据，设Ω₁为内侧边界数据，Ω₂为外侧边界数据；

6)判断两个轮廓的最小外接矩形是否在检测坐标范围D内，若是，则保留弹簧的两个轮廓的内、外侧边界数据，进行下一步的处理和分析；若否，则结束对本次采集的图像的处理；

(3)对采集的内、外侧边界数据进行处理，判断弹簧的内、外轮廓的椭圆度是否合格，接口处是否存在凸起，接口处插入是否到位，如果有一个指标不合格，即判定油封弹簧的质量不合格，记录当前时间T₂，并设定定时时间为L/V-(T₂-T₁)的定时器事件，定时触发的不合格产品分选信号被发送给PLC控制器，由PLC控制器控制剔选机构运动，将不合格产品送入不合格产品容器，定时时间公式中，L为采集区域和剔选区域之间的弧线距离，V为玻璃转盘的转速。

作为优选实施方式，上述的方法中，步骤(3)中判定弹簧质量是否合格的方法如下：

(1)给定同一批次油封簧丝宽度实际值w、弹簧椭圆度允许值ρ，接口处允许凸起高度h、接口处允许空隙长度l；

(2)读取内、外侧边界数据，求解两轮廓最小外接矩形中心坐标的平均值，作为弹簧中心坐标；求解内、外侧边界数据中的每个点到弹簧中心坐标的距离，分别保存到内侧轮廓一维数组和外侧轮廓一维数组，对于内侧轮廓一维数组和外侧轮廓一维数组，分别进行下列的处理，判断弹簧质量是否合格：

1)对一维数组求取平均值Avg，并进行高斯滤波，得到分离后的外形数据和表面凹凸数据，其中外形数据为轮廓相对于标准圆形的偏差量，而表面凸凹数据分别给出了弹簧每个突起的绝对量数据；

2)对表面凹凸数据进行搜索，寻找数据值的变化趋势，记录所有数据从小变大然后变小的突变点，设每个相邻突变点距离Wi为簧丝宽度的像素距离，统计所有距离Wi，然后求取平均值作为簧丝宽度像素W，再由宽度实际值w，求解系统参数k＝w/W，从而实现采集处理组件的自标定；

3)计算轮廓的直径2kAvg；对外形数据进行搜索，确定外形数据的变化范围Δ，从而得椭圆度(1-Δ/Avg)，依据给定值进行判断，如果椭圆度小于ρ值，则不符合要求，判定为不合格弹簧；

4)对表面凹凸数据进行统计，求取数据的平均值d_Avg，并找到数据中最小值点p_min和最大值点p_max；

5)求解最大值点p_max和d_Avg的距离值H，如果H＞h，则弹簧接口部位有凸起，判断为不合格弹簧；

6)找到距离最小值点p_min最近且数值最接近d_Avg的左右各一点，分别记为p₁，p₂，则p₁到p₂区域为弹簧接口处，计算两点的距离L，若L＞l可以判断弹簧接口部位插入不到位，判断为不合格弹簧。

本发明仅采集一副弹簧图片，就能实现弹簧图像处理、特征量计算和瑕疵判别，解决了油封弹簧的处理难题，并实现了算法自动化；借助自标定技术，配以可变焦距，可以适应不同批次弹簧的检测，并且可避免因改变系统结构带来的系统标定麻烦；借助高精度轮廓提取和高斯滤波方法将油封弹簧的圆形轮廓剔除，并将轮廓展开为直线，以直线为基准进行边缘瑕疵的判断，可以减轻轮廓分析的复杂程度，从而提高了算法的准确性和稳定性；在同一玻璃转盘四周可以很方便地安装多套采集系统、送料系统和分选系统，同时实现多个弹簧的分选，进一步提高分选效率。综上所述，本发明提出的方法简单高效，易于实现油封弹簧的特征检测和瑕疵评价。

附图说明

图1本发明的分选系统的结构框图。

图2弹簧剔选时间计算示意图。

图3弹簧判断算法示意图。

图4弹簧数据分离示意图。

图5簧丝识别示意图。

图6弹簧接口处判断示意图，其中，(a)为弹簧接口过量示意图(b)为弹簧接口处示意图。

附图标记如下：

1玻璃转盘    2振动盘    3摄像机    4可变焦镜头

5LED背光灯       6挡板               7剔选机构    8PLC控制器

9合格产品容器    10不合格产品容器    11计算机

具体实施方式

图1是本发明的系统结构示意图。系统分为三部分：采集处理组件、运送组件和分选组件。

采集处理组件由CCD摄像机3、可变焦镜头4、LED背光灯5及计算机11组成，是系统的核心部件，其中CCD摄像机3、可变焦镜头4、LED背光灯5组成视觉检测系统，负责采集油封弹簧图像，借助图像检测技术和专门设计的图像处理算法进行油封弹簧图像采集、处理和分析，得到弹簧特征量数据和瑕疵判断量，汇总后进行数据显示，并根据需要向PLC发送控制信号进行自动分选。

运送组件由振动盘2和玻璃转盘1组成。振动盘2负责将同一批弹簧振动排序，依次送至玻璃转盘1上的特定位置。振动盘2是一种常见的自动定向排序的送料设备，其工作目的是通过振动将无序工件自动有序定向排列整齐、准确地输送到下道工序。振动盘2主要由料斗、底盘、控制器、直线送料器等配套组成。料斗下面有个脉冲电磁铁，可以使料斗垂直方向振动，由于料斗下方弹簧片的倾斜，使料斗绕其垂直轴做扭摆振动。料斗内零件，由于受到这种振动，而沿螺旋轨道上升，直到送到出料口。玻璃转盘1通过匀速旋转将振动盘2送来的弹簧运送至视觉检测系统的检测区域和分选区域。视觉检测系统中的CCD摄像机3和可变焦镜头4位于玻璃盘面的正上方，LED背光灯5位于玻璃盘面的下方，并与CCD摄像机3和可变焦镜头4共光轴。因此，当弹簧送至CCD摄像机3可视范围内时，CCD摄像机3可拍摄到被LED背光灯5增强的图像，弹簧区域为黑色，其余区域为白色，便于图像边缘提取。

分选组件由PLC控制器8、不合格产品剔选机构7、合格产品挡板6、合格产品容器9和不客观产品容器10。当PLC控制器8接收到不合格产品分选信号，将控制剔选机构7运动，在剔选区域将不合格产品推入不合格产品10中；如果接收到合格产品信号，剔选机构7不动，产品会随着玻璃转盘1运动至合格产品挡板6位置，顺着挡板6方向进入合格产品容器9中。

油封弹簧主要的特征参数有弹簧直径、簧丝直径、弹簧外径、内径、接口部位等，其中需要对弹簧内外径、内外径椭圆度、接口处凸起、缺角量等进行检测。图像处理和图像检测是实现特征参数自动化提取的关键技术。首先，实现弹簧图像二值化和高精度边缘提取，获取弹簧的内外侧的边缘数据。对外侧边缘数据进行处理，识别簧丝部分，借助已知簧丝直径的检测实现CCD测量系统的自标定，从而实现油封弹簧内径、外径等特征量的测量，对不同批次的弹簧不必进行标定就能实现测量。利用高斯滤波理论对弹簧内外侧边缘数据进行分离，分别得到外形数据和表面凹凸数据。可利用外形数据进行内外侧椭圆度计算。表面凹凸数据已被展为以直线为基准的数据，因此很方便地可以进行内外侧数据毛边、缺角的计算，从而实现弹簧接口部位准确、不到位或过量的判断。

本发明的具体实施步骤为：

(1)由CCD摄像机、可变焦镜头、LED均匀光源、振动盘、玻璃转盘、PLC控制器、不合格产品剔选机构、合格产品挡板及两个产品容器组建检测系统；

(2)一批待检油封弹簧装入振动盘中，由振动盘排序，按照一定速度依次放在运转中的玻璃转盘盘面上；或者随着油封弹簧生产线直接放置于运转中的玻璃转盘盘面上；

(3)在整个过程中，采集处理组件以一定频率进行弹簧图像采集和处理任务，通过判断算法可以实现弹簧有无的判断、弹簧所处采集位置的判断；

(4)油封弹簧随着玻璃转盘运动至采集系统可视范围内的中心区域(该区域可由用户在系统启动前设定)，记录采集图像的当前时间T₁，采用处理及分析算法对弹簧图像进行特征量测量和瑕疵判别；

(5)综合判定油封弹簧的质量是否合格。如果不合格，记录当前时间T₂，并设定定时器事件发送给PLC控制剔选机构运动的命令，定时时间为L/V-(T₂-T₁)，其中L为采集区域和剔选区域的弧线距离，V为玻璃转盘的转速，如图2所示；如合格，不做任何动作；

(6)将操作(2)-(5)循环往复，直至操作人员中断，或由判断算法判定在特定时间内无油封弹簧在可视范围出现，即终止循环操作，结束测量。

本发明实施过程中提及的判断算法作用为：判断弹簧有无、判断弹簧是否处于检测区域。具体实施步骤为：

(1)设定好算法中的判断基准量：圆形度最小值C₀、中心偏差像素数N、检测范围所在图像中的坐标范围(简称为：检测坐标范围)D；

(2)读取采集的弹簧图像，进行图像二值化和边界提取；

(3)获取所有封闭轮廓边界数据，并按照以下公式计算其圆形度，

$C=\frac{S}{\mathrm{\π}\·r^2}---\left(1\right)$

其包围的区域面积为S，轮廓的半径为r。圆形度在一定范围内[C₀，1]，则保留该轮廓，并记录轮廓数量Num；

(4)判断轮廓数量是否为Num≥2，若不是，说明可视范围内无弹簧或无完整弹簧，算法中止；

(5)若是，获取最大的两个轮廓的最小外接矩形，求解两者的中心偏差是否在一定像素N内，如图3所示：若不是，则可判断可视范围内无弹簧或无完整弹簧；若是，则可判断可视范围内有弹簧，且该两个轮廓为弹簧的内、外侧边界数据；

(6)判断两个轮廓的最小外接矩形是否在检测坐标范围D内，如图3所示：若是，则保留弹簧的内、外侧边界数据Ω₁和Ω₂，其Ω₁为内侧数据，Ω₂为外侧数据，可进行下一步的处理和分析；若否，则不必处理，算法终止。

本发明实施过程中提及的处理及分析算法作用为：对判断算法筛选出来的弹簧的内外侧轮廓进行深入处理和分析，包括：簧丝识别、自标定、计算特征量、判别瑕疵。具体实施步骤为：

(1)设定同一批次油封簧丝宽度实际值w、弹簧椭圆度允许值ρ，接口处允许凸起高度h、接口处允许空隙长度l；

(2)读取内、外侧边界数据Ω₁和Ω₂，求解两轮廓最小外接矩形中心坐标的平均值，作为弹簧中心坐标O；求解Ω₁和Ω₂中的每个点到弹簧中心坐标O的距离，并分别保存为两个一维数组A₁和A₂；

(3)对数组A₁和A₂分别进行高斯滤波，得到分离后的外形数据和表面凹凸数据，其中外形数据为轮廓相对于标准圆形的偏差量，而表面凸凹数据给出了弹簧上每个突起的绝对量数据，如图4所示。具体高斯滤波公式如下，

$w\left(x_i\right)=\underset{k=-m}{\overset{m}{\mathrm{\Σ}}}z[(i-k)\·\mathrm{\Δx}]\·h(k\·\mathrm{\Δx})\·\mathrm{\Δx},i=m,...,n-m---\left(2\right)$

其中z(x_i)为预滤波离散数据，w(x_i)为滤波后的数据，即外形数据，两者的差值z(x_i)-w(x_i)为表面凹凸数据；h(x)为离散型高斯权函数，m为离散高斯权函数的宽度，Δx为采样间隔，

$h\left(x\right)=\frac{1}{\mathrm{\α}{\mathrm{\λ}}_c}\exp [-\mathrm{\π}{\left(\frac{x}{\mathrm{\α}{\mathrm{\λ}}_c}\right)}^2]---\left(3\right)$

式中：λ_c为设定的滤波器截止波长；

(4)对外侧轮廓得到的表面凹凸数据进行搜索，寻找数据值的变化趋势，记录所有数据从小变大然后变小的突变点，每个相邻突变点距离为簧丝宽度的像素距离，统计所有距离Wi，如图5所示，然后求取平均值作为簧丝宽度像素W，由实际宽度w，可求解视觉检测系统参数k＝w/W，从而实现采集处理组件的自标定，可实现采集图像坐标值和实际尺寸之间的转换；

(5)分别求解数组A₁和A₂的平均值，得Avg₁和Avg₂，分别乘以系统参数k，从而得到弹簧内外侧的直径2kAvg₁和2kAvg₂；对内外侧外形数据进行搜索，确定外形数据的变化范围Δ₁和Δ₂，从而得内外径椭圆度(1-Δ₁/Avg₁)和(1-Δ₂/Avg₂)，依据设定值进行判断，如果椭圆度小于ρ值，则不符合要求，判定为不合格弹簧，算法中止；

(6)对外侧轮廓得到的表面凹凸数据进行统计，求取数据的平均值d_Avg，并找到数据中最小值点p_min和最大值点p_max；

(7)求解最大值点p_max和d_Avg的距离值H，如图6所示，如果H＞h，则弹簧接口部位有凸起(毛刺)，造成凸起的原因是接口处插入过量，因此，判断此时为不合格弹簧，；

(8)找到距离p_min最近且数值最接近d_Avg的左右各一点，分别记为p₁，p₂，则p₁到p₂区域为弹簧接口处，如图6所示。计算两点的距离L，若L＞l可以判断弹簧接口部位插入不到位，则算法中止。

(9)同理，可以统计内侧边界数据，并判断弹簧接口处的状态。综合两者判断接口，只要其中一个接口部位判断为不到位或过量，判定为不合格弹簧，则算法中止；

(10)经过以上判断后，算法一直未中止，则判定为合格弹簧，算法结束。

Claims (2)

1.基于图像检测法的油封弹簧全自动分选方法，其特征在于，包括下列步骤：

(1)将同一批次待检油封弹簧依次送入匀速转动中的玻璃转盘盘面上；

(2)由采集处理组件按照设定频率获取采集区域内的图像，对每次采集的图像，按照下列的方法判断采集区域内是否存在弹簧，若存在弹簧，则记录采集该弹簧图像的当前时间T₁，继续下一步，否则，结束对本次采集的图像的处理：

1)设定判断基准量：圆形度最小值C₀、中心偏差像素数N、检测坐标范围D；

2)读取所采集的弹簧图像，进行图像二值化和边界提取；

3)获取所有封闭轮廓边界数据，设封闭轮廓包围的区域面积为S，轮廓的半径为r，按照公式计算其圆形度，若圆形度在区间[C₀，1]，则保留该轮廓，并记录轮廓数量Num；

4)判断轮廓数量是否为Num≥2，若不是，说明采集区域内无弹簧或无完整弹簧，结束对本次采集的图像的处理；

5)若是，获取最大的两个轮廓的最小外接矩形，求解两者的中心偏差是否在中心偏差像素数N内，若不是，则可判断采集区域内无弹簧或无完整弹簧，结束对本次采集的图像的处理；若是，则可判断采集区域内存在弹簧，且该两个轮廓分别为该弹簧的内、外侧边界数据，设Ω₁为内侧边界数据，Ω₂为外侧边界数据；

6)判断两个轮廓的最小外接矩形是否在检测坐标范围D内，若是，则保留弹簧的两个轮廓的内、外侧边界数据，进行下一步的处理和分析；若否，则结束对本次采集的图像的处理；

(3)对采集的内、外侧边界数据进行处理，判断弹簧的内、外轮廓的椭圆度是否合格，接口处是否存在凸起，接口处插入是否到位，如果有一个指标不合格，即判定油封弹簧的质量不合格，记录当前时间T₂，并设定定时时间为L/V-(T₂-T₁)的定时器事件，定时触发的不合格产品分选信号被发送给PLC控制器，由PLC控制器控制剔选机构运动，将不合格产品送入不合格产品容器，定时时间公式中，L为采集区域和剔选区域之间的弧线距离，V为玻璃转盘的转速。

2.根据权利要求1所述的分选方法，其特征在于，步骤(3)中判定弹簧质量是否合格的方法如下：

(1)给定同一批次油封簧丝宽度实际值w、弹簧椭圆度允许值ρ，接口处允许凸起高度h、接口处允许空隙长度l；

(2)读取内、外侧边界数据，求解两轮廓最小外接矩形中心坐标的平均值，作为弹簧中心坐标；求解内、外侧边界数据中的每个点到弹簧中心坐标的距离，分别保存到内侧轮廓一维数组和外侧轮廓一维数组，对于内侧轮廓一维数组和外侧轮廓一维数组，分别进行下列的处理，判断弹簧质量是否合格：

1)对一维数组求取平均值Avg，并进行高斯滤波，得到分离后的外形数据和表面凹凸数据，其中外形数据为轮廓相对于标准圆形的偏差量，而表面凸凹数据分别给出了弹簧每个突起的绝对量数据；

2)对表面凹凸数据进行搜索，寻找数据值的变化趋势，记录所有数据从小变大然后变小的突变点，设每个相邻突变点距离Wi为簧丝宽度的像素距离，统计所有距离Wi，然后求取平均值作为簧丝宽度像素W，再由宽度实际值w，求解系统参数k＝w/W，从而实现采集处理组件的自标定；

3)计算轮廓的直径2k Avg；对外形数据进行搜索，确定外形数据的变化范围Δ，从而得椭圆度(1-Δ/Avg)，依据给定值进行判断，如果椭圆度小于ρ值，则不符合要求，判定为不合格弹簧；

4)对表面凹凸数据进行统计，求取数据的平均值d_Avg，并找到数据中最小值点p_min和最大值点p_max；

5)求解最大值点p_max和d_Avg的距离值H，如果H＞h，则弹簧接口部位有凸起，判断为不合格弹簧；

6)找到距离最小值点p_min最近且数值最接近d_Avg的左右各一点，分别记为p₁，p₂，则p₁到p₂区域为弹簧接口处，计算两点的距离L，若L＞l可以判断弹簧接口部位插入不到位，判断为不合格弹簧。

Images