CN114359112A - 基于加工表面图像Hoyer系数的表面粗糙度评估方法 - Google Patents

基于加工表面图像Hoyer系数的表面粗糙度评估方法 Download PDF

Info

Publication number
CN114359112A
CN114359112A CN202210235281.3A CN202210235281A CN114359112A CN 114359112 A CN114359112 A CN 114359112A CN 202210235281 A CN202210235281 A CN 202210235281A CN 114359112 A CN114359112 A CN 114359112A
Authority
CN
China
Prior art keywords
image
surface roughness
hoyer
gray
coefficient
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210235281.3A
Other languages
English (en)
Other versions
CN114359112B (zh
Inventor
李小刚
卜宪伟
邵正鹏
陈雷
林苏奔
孙浩然
孙维方
冯光
卢成绩
黄海玉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ningbo Gugao Intelligent Technology Co ltd
Liaiwei Innovative Intelligent System Zhejiang Co ltd
Original Assignee
Ningbo Gugao Intelligent Technology Co ltd
Liaiwei Innovative Intelligent System Zhejiang Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ningbo Gugao Intelligent Technology Co ltd, Liaiwei Innovative Intelligent System Zhejiang Co ltd filed Critical Ningbo Gugao Intelligent Technology Co ltd
Priority to CN202210235281.3A priority Critical patent/CN114359112B/zh
Publication of CN114359112A publication Critical patent/CN114359112A/zh
Application granted granted Critical
Publication of CN114359112B publication Critical patent/CN114359112B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Length Measuring Devices By Optical Means (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于加工表面图像Hoyer系数的表面粗糙度评估方法，主要包括以下步骤，获取到加工表面照片后将其转换为灰度空间，随后对图像进行方向校正，使图像水平方向与加工进给方向保持一致，沿着图像水平方向提取经过图像中心点的行灰度信息，并计算归一化行灰度信息的Hayer统计值，最终，通过对Hayer统计值进行调整，评估工件表面粗糙度值。本发明具有评估速度快、对现有生产方式影响较小的优点，能够在工件加工完成后基于加工表面图像Hoyer系数对工件表面粗糙度进行快速评估。

Description

基于加工表面图像Hoyer系数的表面粗糙度评估方法
技术领域
本发明涉及数字图像处理技术领域，特别涉及一种基于加工表面图像Hoyer系数的表面粗糙度评估方法。
背景技术
加工过程中，已加工工件表面上必然会留下加工过程的细节信息，其条件的变化亦必然会留在加工表面的形貌上。作为一种独特的“传感器”，如何从加工表面纹理的分析来提取出加工过程的质量信息，最终提取出反映表面粗糙度的关键特征信息，是亟待解决的关键问题。截止目前，数据驱动类方法（机器学习等）被广泛应用于工件表面粗糙度的评价，然而，针对于特征提取类方法则依然较少涉及。
发明内容
本发明的目的在于，提供一种基于加工表面图像Hoyer系数的表面粗糙度评估方法。本发明具有评估速度快、对现有生产方式影响较小的优点，能够在工件加工完成后基于加工表面图像Hoyer系数对工件表面粗糙度进行快速评估。
本发明的技术方案：基于加工表面图像Hoyer系数的表面粗糙度评估方法，其特征在于：包括以下步骤：
S1：利用图像采集设备对加工表面进行拍照并获取其彩色图像样本；
S2：利用图像三个颜色通道的强度信息，将彩色图像样本转换为单通道的灰度图像；
S3：使用相关倾斜校正算法，对灰度图像进行方向校正，使灰度图像水平方向与加工进给方向保持一致；
S4：沿着灰度图像水平方向提取经过图像中心点的行灰度信息；
S5：计算归一化后的行灰度信息；
S6：计算归一化行灰度信息的Hayer统计值；
S7：对Hayer统计值进行调整，获取表面粗糙度值。
前述的基于加工表面图像Hoyer系数的表面粗糙度评估方法中，所述的步骤S2中,单通道的灰度图像生成方法为：
Figure 43116DEST_PATH_IMAGE001
其中，I为生成的灰度图像，R为彩色图像的红色通道，G为彩色图像的绿色通道，B为彩色图像的蓝色通道。
前述的基于加工表面图像Hoyer系数的表面粗糙度评估方法中，所述的步骤S5中的归一化后行灰度信息的计算方法为：
Figure 961393DEST_PATH_IMAGE002
其中，
Figure 862353DEST_PATH_IMAGE003
为归一化后的行灰度信息，
Figure 284107DEST_PATH_IMAGE004
为原灰度信息的最小值，
Figure 612320DEST_PATH_IMAGE005
为原灰 度信息的最大值。
前述的基于加工表面图像Hoyer系数的表面粗糙度评估方法中，所述的步骤S6中，Hayer统计值的计算方法为：
Figure 752315DEST_PATH_IMAGE006
其中H为计算的Hayer统计值，N为输入灰度信息的长度。
前述的基于加工表面图像Hoyer系数的表面粗糙度评估方法中，所述的步骤S7中,Hayer调整的计算方法为：
Figure 456965DEST_PATH_IMAGE007
其中Ra为评估后的表面粗糙度值，k为斜率，b为截距。
与现有技术相比，本发明具有以下优点：
本发明首先将获取到加工表面照片转换至灰度空间，随后对图像进行方向校正，使图像水平方向与加工进给方向保持一致，沿着图像水平方向提取经过图像中心点的行灰度信息，并计算归一化行灰度信息的Hayer统计值，最终，通过对Hayer统计值进行调整，评估工件表面粗糙度值。本发明具有评估速度快、对现有生产方式影响较小的优点，能够在工件加工完成后基于加工表面图像Hoyer系数对工件表面粗糙度进行快速评估。
附图说明
图1是本发明流程示意图；
图2是本发明实施例1中切削实验加工参数；
图3是本发明实施例1中图像获取参数；
图4是本发明实施例1中部分转换后的单通道灰度图像；
图5是本发明实施例1中倾斜校正后的单通道灰度图像；
图6是本发明实施例1中Hayer统计值与测量粗糙度散点图；
图7是本发明实施例1中评估后的表面粗糙度值；
图8是本发明实施例1中表面粗糙度的计算误差。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明，但并不作为对本发明限制的依据。
实施例：基于加工表面图像Hoyer系数的表面粗糙度评估方法，其流程图如图1所示，包括以下步骤：
S1：在已加工工件表面放置图像采集设备，利用图像采集设备对加工表面进行拍照并获取其彩色图像样本；
S2：利用图像三个颜色通道的强度信息，将彩色图像样本转换为单通道的灰度图像；具体方法为：
Figure 998805DEST_PATH_IMAGE001
其中，I为生成的灰度图像，R为彩色图像的红色通道，G为彩色图像的绿色通道，B为彩色图像的蓝色通道。
S3：使用相关倾斜校正算法，对灰度图像进行方向校正，使灰度图像水平方向与加工进给方向保持一致；
S4：沿着灰度图像水平方向提取经过图像中心点的行灰度信息；
S5：计算归一化后的行灰度信息；具体的计算方法为：
Figure 701182DEST_PATH_IMAGE002
其中，
Figure 328472DEST_PATH_IMAGE003
为归一化后的行灰度信息，
Figure 571235DEST_PATH_IMAGE004
为原灰度信息的最小值，
Figure 967581DEST_PATH_IMAGE005
为原灰 度信息的最大值；
S6：计算归一化行灰度信息的Hayer统计值；具体的计算方法为：
Figure 640527DEST_PATH_IMAGE006
其中H为计算的Hayer统计值，N为输入灰度信息的长度。
S7：对Hayer统计值进行调整，获取表面粗糙度值；
具体的计算方法为：
Figure 755113DEST_PATH_IMAGE007
其中Ra为评估后的表面粗糙度值，k为斜率，b为截距。
实施例1：通过一系列球磨铸铁500-7切削实验被用来进行方法的验证，其流程图如图1所示，包括以下步骤：
S1:其中三种不同的机床（VMC650E/850E、XK63100、NBH800）被用来进行切削实验。工件的尺寸被固定为200mm×140mm×100mm。实验过程中三种机床的工艺参数如附图2所示；分别是类型VMC650E/850E机床，铣削方式为逆铣，刀具为盘铣刀，进给速度为200mm/min，主轴转速为960rpm，切深为0.5mm；类型XK63100机床，铣削方式为顺铣，刀具为盘铣刀，进给速度为500mm/min，主轴转速为450rpm，切深为4mm；类型NBH800机床，铣削方式为顺铣，刀具为盘铣刀，进给速度为700mm/min，主轴转速为2228rpm，切深为0.5mm；
S2: 本实施例中所有的图像均采用一个常规的采集系统进行采集。该系统由一个摄像机、同轴光源等辅助机构构成。加工完毕后，将数字影像采集装置放置在被加工表面上进行数字影像的获取。其具体的拍摄参数如附图3所示；拍摄参数为曝光时间为150ms 10μs，伽马值0，目标亮度49，增益1.375X，饱和度100；
S3: 在已加工工件表面放置图像采集设备，利用该设备对加工表面进行拍照并获取其图像样本；
S4：利用图像三个颜色通道的强度信息，将彩色图像样本转换为单通道的灰度图像，如附图4所示为转换后的6个灰度图像，具体方法为：
Figure 801567DEST_PATH_IMAGE001
其中，I为生成的灰度图像，R为彩色图像的红色通道，G为彩色图像的绿色通道，B为彩色图像的蓝色通道；
S5：使用相关倾斜校正算法，对图像进行方向校正，使图像水平方向与加工进给方向保持一致，如附图5所示；
S6: 沿着图像水平方向提取经过图像中心点的行灰度信息，如附图5箭头指示方向；
S7：分别计算归一化后的行灰度信息；具体的计算方法为：
Figure 317999DEST_PATH_IMAGE002
其中，
Figure 158916DEST_PATH_IMAGE003
为归一化后的行灰度信息，
Figure 760798DEST_PATH_IMAGE004
为原灰度信息的最小值，
Figure 345363DEST_PATH_IMAGE005
为原灰 度信息的最大值；
S8：计算归一化行灰度信息的Hayer统计值；具体的计算方法为：
Figure 716302DEST_PATH_IMAGE006
其中H为计算的Hayer统计值，N为输入灰度信息的长度。
S9：如附图6所示，使用便携式粗糙度测量仪进行真实加工工件表面的粗糙度值Ra获取（14个样本的表面粗糙度测量值如下表1所示），以校正相关系数，其散点图如附图7所示，其中垂直轴为计算所得Hayer统计值，水平轴为真实测量的粗糙度值，图6中呈现明显的线性关系。
Figure DEST_PATH_IMAGE008
表1
S10：根据评价对象的具体特点和上述散点图，对Hayer统计值进行调整，获取表面粗糙度值（评估的表面粗糙度值如下表2所示），本案例中14个样本评估后的表面粗糙度如附图7所示，具体方法为：
Figure 462541DEST_PATH_IMAGE007
其中Ra为评估后的表面粗糙度值，k为斜率，b为截距，本实例中，斜率k为60.3454，截距b为-1.5067。
Figure 286141DEST_PATH_IMAGE009
表2
本应用案例中，14个样本评估结果与真实表面粗糙度之间的误差如附图8所示（其具体误差如下表3所示），统计结果表明，提出方法在14个样本之间的平均误差为0.3613μm，最大误差为0.8439μm，标准差为0.2050μm。
Figure 674397DEST_PATH_IMAGE011
表3
综上所述：本发明首先将获取到加工表面照片转换至灰度空间，随后对图像进行方向校正，使图像水平方向与加工进给方向保持一致，沿着图像水平方向提取经过图像中心点的行灰度信息，并计算归一化行灰度信息的Hayer统计值，最终，通过对Hayer统计值进行调整，评估工件表面粗糙度值。本发明具有评估速度快、对现有生产方式影响较小的优点，能够在工件加工完成后基于加工表面图像Hoyer系数对工件表面粗糙度进行快速评估。

Claims (5)

1.基于加工表面图像Hoyer系数的表面粗糙度评估方法，其特征在于：包括以下步骤：
S1：利用图像采集设备对加工表面进行拍照并获取其彩色图像样本；
S2：利用图像三个颜色通道的强度信息，将彩色图像样本转换为单通道的灰度图像；
S3：使用相关倾斜校正算法，对灰度图像进行方向校正，使灰度图像水平方向与加工进给方向保持一致；
S4：沿着灰度图像水平方向提取经过图像中心点的行灰度信息；
S5：计算归一化后的行灰度信息；
S6：计算归一化行灰度信息的Hayer统计值；
S7：对Hayer统计值进行调整，获取表面粗糙度值。
2.根据权利要求1所述的基于加工表面图像Hoyer系数的表面粗糙度评估方法，其特征在于，所述的步骤S2中,单通道的灰度图像生成方法为：
Figure 550503DEST_PATH_IMAGE001
其中，I为生成的灰度图像，R为彩色图像的红色通道，G为彩色图像的绿色通道，B为彩色图像的蓝色通道。
3.根据权利要求1所述的基于加工表面图像Hoyer系数的表面粗糙度评估方法，其特征在于，所述的步骤S5中的归一化后行灰度信息的计算方法为：
Figure DEST_PATH_IMAGE002
其中，
Figure 529960DEST_PATH_IMAGE003
为归一化后的行灰度信息，
Figure DEST_PATH_IMAGE004
为原灰度信息的最小值，
Figure 640523DEST_PATH_IMAGE005
为原灰度信息 的最大值。
4.根据权利要求1所述的基于加工表面图像Hoyer系数的表面粗糙度评估方法，其特征在于，所述的步骤S6中，Hayer统计值的计算方法为：
Figure DEST_PATH_IMAGE006
其中H为计算的Hayer统计值，N为输入灰度信息的长度。
5.根据权利要求1所述的基于加工表面图像Hoyer系数的表面粗糙度评估方法，其特征在于，所述的步骤S7中,Hayer调整的计算方法为：
Figure 832470DEST_PATH_IMAGE007
其中Ra为评估后的表面粗糙度值，k为斜率，b为截距。
CN202210235281.3A 2022-03-11 2022-03-11 基于加工表面图像Hoyer统计值的表面粗糙度评估方法 Active CN114359112B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210235281.3A CN114359112B (zh) 2022-03-11 2022-03-11 基于加工表面图像Hoyer统计值的表面粗糙度评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210235281.3A CN114359112B (zh) 2022-03-11 2022-03-11 基于加工表面图像Hoyer统计值的表面粗糙度评估方法

Publications (2)

Publication Number Publication Date
CN114359112A true CN114359112A (zh) 2022-04-15
CN114359112B CN114359112B (zh) 2022-06-14

Family

ID=81095178

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210235281.3A Active CN114359112B (zh) 2022-03-11 2022-03-11 基于加工表面图像Hoyer统计值的表面粗糙度评估方法

Country Status (1)

Country Link
CN (1) CN114359112B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114648531A (zh) * 2022-05-20 2022-06-21 领伟创新智能系统(浙江)有限公司 基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006038779A (ja) * 2004-07-30 2006-02-09 Hitachi High-Technologies Corp パターン形状評価方法、評価装置、及び半導体装置の製造方法
CN105243450A (zh) * 2015-10-16 2016-01-13 华北电力大学 交流导线表面粗糙度的预测方法及系统
CN107067041A (zh) * 2017-05-16 2017-08-18 国网四川省电力公司电力科学研究院 一种基于高频局放信号图的电缆绝缘缺陷状态评估方法
CN111145144A (zh) * 2019-12-06 2020-05-12 西安理工大学 一种珩磨缸套表面粗糙度的评估方法
CN113421245A (zh) * 2021-06-27 2021-09-21 王程 用于颜色再现的三维表面粗糙度计算方法
CN113989233A (zh) * 2021-10-28 2022-01-28 太原理工大学 基于图像的零件表面粗糙度支持向量机检测方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006038779A (ja) * 2004-07-30 2006-02-09 Hitachi High-Technologies Corp パターン形状評価方法、評価装置、及び半導体装置の製造方法
CN105243450A (zh) * 2015-10-16 2016-01-13 华北电力大学 交流导线表面粗糙度的预测方法及系统
CN107067041A (zh) * 2017-05-16 2017-08-18 国网四川省电力公司电力科学研究院 一种基于高频局放信号图的电缆绝缘缺陷状态评估方法
CN111145144A (zh) * 2019-12-06 2020-05-12 西安理工大学 一种珩磨缸套表面粗糙度的评估方法
CN113421245A (zh) * 2021-06-27 2021-09-21 王程 用于颜色再现的三维表面粗糙度计算方法
CN113989233A (zh) * 2021-10-28 2022-01-28 太原理工大学 基于图像的零件表面粗糙度支持向量机检测方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SUTING CHEN: "Surface roughness measurement method based on multi-parameter modeling learning", 《MEASUREMENT》 *
衷雪莲: "基于图像处理的磨削件表面粗糙度在线检测研究", 《计算机与数字工程》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114648531A (zh) * 2022-05-20 2022-06-21 领伟创新智能系统(浙江)有限公司 基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法

Also Published As

Publication number Publication date
CN114359112B (zh) 2022-06-14

Similar Documents

Publication Publication Date Title
US5821993A (en) Method and system for automatically calibrating a color camera in a machine vision system
JP5108003B2 (ja) 多波長光による画像品質の改善
CN114359112B (zh) 基于加工表面图像Hoyer统计值的表面粗糙度评估方法
CN109085178B (zh) 一种用于增材制造的缺陷指纹精确在线监测和反馈方法
CN111047586B (zh) 一种基于机器视觉的像素当量测量方法
CN107255903A (zh) 一种基于牛顿环测量镜头焦距的方法
CN117611578A (zh) 一种图像处理方法及图像处理系统
CN117970595B (zh) 一种基于深度学习和图像处理的显微镜自动对焦方法
US6532310B1 (en) Removing noise caused by artifacts from a digital image signal
CN112213320B (zh) 一种基于机器视觉的饼干检测装置及饼干检测方法
US20070053583A1 (en) Image correcting apparatus, pattern inspection apparatus, and image correcting method, and reticle
CN210639338U (zh) 多光谱显微自动聚焦装置
CN110899147A (zh) 一种基于激光扫描的传输带石头在线分拣方法
CN116996781A (zh) 一种相机参数调整方法及系统
CN113884016B (zh) 一种电池片翘曲度检测方法
CN116735604A (zh) 大尺寸激光晶体内在缺陷无损检测系统及方法
WO2022163002A1 (ja) 撮影条件設定システム、撮影条件設定方法及びプログラム
EP4220570A1 (en) Three-dimensional modeling method and apparatus using same
WO2020179746A1 (ja) 撮像装置
CN111917971B (zh) 取像参数优化调整系统与方法
JP6988705B2 (ja) 鋳片気泡欠陥の非破壊検査方法
CN113962921A (zh) 一种光伏电池片的栅线检测方法
CN109104579A (zh) 一种图像质量评测过程中拍照环境自动评估与调整方法
CN115002354B (zh) 影像系统和影像系统的曝光参数的自动化调节方法
CN117522784B (zh) 一种基于齿距离分割补偿的齿轮件图像检测方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant