本發(fā)明屬于圖像采集處理技術(shù),尤其涉及一種基于機(jī)器視覺的可轉(zhuǎn)位刀片鈍圓檢測系統(tǒng)。

背景技術(shù)：

普通硬質(zhì)合金刀片在精磨之后會(huì)存在毛邊、小蹦刃、鋸口等微觀缺陷,這些微觀缺陷會(huì)加速刀片磨損，嚴(yán)重影響刀具的切削性能和使用壽命，進(jìn)而影響工廠生產(chǎn)效率，甚至可能導(dǎo)致安全事故發(fā)生。通過刀片刃口鈍化能夠消除刃口上的缺陷、增大刃口鈍圓半徑和提高刀具表面光潔度,從而使切削加工中刀片的壽命、切削的穩(wěn)定性和工件已加工表面質(zhì)量等都有不同程度的延長和提高,其中刀片壽命的延長最為明顯。刀片刃口鈍化輪廓對刀片切削性能的影響規(guī)律已成為切削加工中亟待解決的關(guān)鍵問題。刀片刃口鈍化后其鈍圓半徑達(dá)到微米級(jí),這對檢測系統(tǒng)的精度提出了更高要求。傳統(tǒng)的刀具刃口鈍圓半徑測量手段精度低、效率差、通用性差、環(huán)境因素和人為因素影響較大等,已經(jīng)不能滿足刀片刃口高精度測量要求，因此，一種高精度、高效率、通用性好的檢測系統(tǒng)是非常有必要的。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題：提供一種基于機(jī)器視覺的可轉(zhuǎn)位刀片刃口鈍圓半徑檢測系統(tǒng),以解決現(xiàn)有技術(shù)對刀片刃口鈍圓半徑測量手段精度低、效率差、通用性差、環(huán)境因素和人為因素影響較大等,不能滿足刀片刃口高精度測量要求等技術(shù)問題。

本發(fā)明采用的的技術(shù)方案為一種基于機(jī)器視覺的可轉(zhuǎn)位刀片鈍圓檢測系統(tǒng)，包括圖像采集模塊、圖像處理模塊、系統(tǒng)標(biāo)定模塊和圖像測量模塊，所述的圖像采集模塊的輸出與圖像處理模塊的輸入連接；圖像處理模塊的輸出與系統(tǒng)標(biāo)定模塊的輸入連接；系統(tǒng)標(biāo)定模塊的輸出與圖像測量模塊的輸入連接。

所述的圖像處理模塊包括圖像增強(qiáng)子模塊、圖像濾波子模塊、圖像分割子模塊、邊緣輪廓提取子模塊，所述的圖像增強(qiáng)子模塊輸出與圖像濾波子模塊的輸入連接；圖像濾波子模塊的輸出與圖像分割子模塊的輸入連接；圖像分割子模塊的輸出與邊緣輪廓提取子模塊的輸入連接。

其檢測方法，包括以下步驟：

第一步、通過CCD工業(yè)相機(jī)和鏡頭拍攝標(biāo)定板和可轉(zhuǎn)位刀片刃口圖像,由圖像采集卡將采集到的模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)存入到計(jì)算機(jī)；

第二步、對存入計(jì)算機(jī)的圖像進(jìn)行處理,提取可轉(zhuǎn)位刀片刃口邊緣輪廓；

第三步、用二值化標(biāo)定法標(biāo)定板圖像,獲取標(biāo)定板圓心距的真實(shí)值和像素值之間的對應(yīng)關(guān)系,得到標(biāo)定板的標(biāo)定系數(shù)K₁,然后校正透視失真,最后對被測可轉(zhuǎn)位刀片刃口圖像進(jìn)行標(biāo)定；

第四步、系統(tǒng)標(biāo)定，先建立一個(gè)ROI區(qū)域,通過由內(nèi)而外或由外而內(nèi)的方式在ROI區(qū)域中進(jìn)行搜索,運(yùn)用雙線性插值法或者雙線性插值的定點(diǎn)計(jì)算法來確定邊緣位置,最后運(yùn)用平均值法或者中間值法將邊緣點(diǎn)擬合成圓,擬合圓半徑值即為可轉(zhuǎn)位刀片鈍圓半徑。

所述的對存入計(jì)算機(jī)的圖像進(jìn)行處理包括采用直方圖均衡化和直方圖規(guī)定化對圖像進(jìn)行增強(qiáng)；采用中值濾波和低通濾波濾除圖像噪聲；采用局部閾值分割法、多閾值分割法和自適應(yīng)閾值分割法分割圖像,將整個(gè)圖像分割為目標(biāo)區(qū)和背景區(qū)兩大區(qū)域；運(yùn)用Roberts、Prewitt、Sobel和Canny邊緣檢測算子提取可轉(zhuǎn)位刀片邊緣輪廓。

所述的自適應(yīng)閾值分割法采用的算法為最大類間方差法和最大熵原則法。

Canny邊緣檢測算子具有三個(gè)優(yōu)點(diǎn)：低失誤概率高位置精度對邊緣有唯一響應(yīng)性。

本發(fā)明的有益效果：

本發(fā)明圖像采集系統(tǒng)，提供了一種基于機(jī)器視覺的可轉(zhuǎn)位刀片鈍圓檢測系統(tǒng)及檢測方法，采用可轉(zhuǎn)位刀片刃口圖像和標(biāo)定板圖像的分步采集的方式,確保了可轉(zhuǎn)位刀片刃口圖像和標(biāo)定板圖像的放大倍率相同,滿足后期系統(tǒng)標(biāo)定要求的要求,將采集到的圖像通過圖像增強(qiáng)處理,彌補(bǔ)因相機(jī)鏡頭參數(shù)及外界光線影響下圖像目標(biāo)和背景視覺效果不理想問題,通過圖像濾波去除了采集過程中不可避免的各種干擾信號(hào),最終提取到清楚的可轉(zhuǎn)位刀片邊緣輪廓,以便精確測量到可轉(zhuǎn)位刀片刃口鈍圓半徑,最終經(jīng)過系統(tǒng)標(biāo)定和參數(shù)測量得到可轉(zhuǎn)位刀片刃口鈍圓半徑,本發(fā)明由于采用系統(tǒng)自動(dòng)處理圖片,對圖片進(jìn)行各種補(bǔ)償,因此具有處理速度快效率高等優(yōu)點(diǎn),而且不受人為和周圍環(huán)境的影響,使得到的可轉(zhuǎn)位刀片刃口鈍圓半徑具有精度高等優(yōu)點(diǎn),本發(fā)明解決了對刀片夾持困難，對刀具刃口鈍圓半徑測量手段精度低、效率差、通用性差、環(huán)境因素和人為因素影響較大等,不能滿足可轉(zhuǎn)位刀片刃口高精度測量要求等技術(shù)問題。

附圖說明

圖1為本發(fā)明的系統(tǒng)結(jié)構(gòu)框圖；

圖2為本發(fā)明的圖像處理模塊結(jié)構(gòu)框圖。

具體實(shí)施方式

下面結(jié)合附圖對本發(fā)明進(jìn)行詳細(xì)說明。

一種基于機(jī)器視覺的可轉(zhuǎn)位刀片鈍圓檢測系統(tǒng)，包括圖像采集模塊、圖像處理模塊、系統(tǒng)標(biāo)定模塊和圖像測量模塊，所述的圖像采集模塊的輸出與圖像處理模塊的輸入連接；圖像處理模塊的輸出與系統(tǒng)標(biāo)定模塊的輸入連接；系統(tǒng)標(biāo)定模塊的輸出與圖像測量模塊的輸入連接。

所述的圖像處理模塊包括圖像增強(qiáng)子模塊、圖像濾波子模塊、圖像分割子模塊、邊緣輪廓提取子模塊，所述的圖像增強(qiáng)子模塊輸出與圖像濾波子模塊的輸入連接；圖像濾波子模塊的輸出與圖像分割子模塊的輸入連接；圖像分割子模塊的輸出與邊緣輪廓提取子模塊的輸入連接。

其檢測方法，包括以下步驟：

第一步、通過CCD工業(yè)相機(jī)和鏡頭拍攝標(biāo)定板和可轉(zhuǎn)位刀片刃口圖像,由圖像采集卡將采集到的模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)存入到計(jì)算機(jī)；

第二步、對存入計(jì)算機(jī)的圖像進(jìn)行處理,提取可轉(zhuǎn)位刀片刃口邊緣輪廓；

第三步、用二值化標(biāo)定法標(biāo)定板圖像,獲取標(biāo)定板圓心距的真實(shí)值和像素值之間的對應(yīng)關(guān)系,得到標(biāo)定板的標(biāo)定系數(shù)K₁,然后校正透視失真,最后對被測可轉(zhuǎn)位刀片刃口圖像進(jìn)行標(biāo)定；

第四步、系統(tǒng)標(biāo)定，先建立一個(gè)ROI區(qū)域,通過由內(nèi)而外或由外而內(nèi)的方式在ROI區(qū)域中進(jìn)行搜索,運(yùn)用雙線性插值法或者雙線性插值的定點(diǎn)計(jì)算法來確定邊緣位置,最后運(yùn)用平均值法或者中間值法將邊緣點(diǎn)擬合成圓,擬合圓半徑值即為可轉(zhuǎn)位刀片鈍圓半徑。

所述的對存入計(jì)算機(jī)的圖像進(jìn)行處理包括采用直方圖均衡化和直方圖規(guī)定化對圖像進(jìn)行增強(qiáng)；采用中值濾波和低通濾波濾除圖像噪聲；采用局部閾值分割法、多閾值分割法和自適應(yīng)閾值分割法分割圖像,將整個(gè)圖像分割為目標(biāo)區(qū)和背景區(qū)兩大區(qū)域；運(yùn)用Roberts、Prewitt、Sobel和Canny邊緣檢測算子提取可轉(zhuǎn)位刀片邊緣輪廓。

所述的自適應(yīng)閾值分割法采用的算法為最大類間方差法和最大熵原則法。

圖像采集模塊,首先將刀片夾持好，然后通過CCD工業(yè)相機(jī)和鏡頭拍攝標(biāo)定板和可轉(zhuǎn)位刀片刃口圖像,由圖像采集卡將采集到的模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)存入到計(jì)算機(jī)圖像采集模塊是整個(gè)系統(tǒng)的前提和基礎(chǔ),采集主要包括可轉(zhuǎn)位刀片刃口圖像和標(biāo)定板圖像的分步采集,以確?？赊D(zhuǎn)位刀片刃口圖像和標(biāo)定板圖像的放大倍率相同,滿足系統(tǒng)標(biāo)定要求。

首先在采用環(huán)形光源背光照明下,通過LabVIEW軟件視覺與運(yùn)動(dòng)模塊IMAQ Vision模塊中的圖像采集函數(shù)IMAQ Grab Acquire VI調(diào)用CCD工業(yè)相機(jī)和鏡頭進(jìn)行拍攝標(biāo)定板和可轉(zhuǎn)位刀片刃口圖像,然后由圖像采集卡將采集到的模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)輸入到計(jì)算機(jī)內(nèi)存中,由圖像保存函數(shù)IMAQ Write File 2 VI將圖像存儲(chǔ)于計(jì)算機(jī)硬盤中。

圖像處理模塊,對存入計(jì)算機(jī)的圖像進(jìn)行處理,提取可轉(zhuǎn)位刀片刃口邊緣輪廓；

圖像增強(qiáng)子模塊,采用直方圖均衡化和直方圖規(guī)定化對圖像進(jìn)行增強(qiáng)；在圖像采集中因相機(jī)鏡頭參數(shù)及外界光線影響下,圖像目標(biāo)和背景視覺效果并不理想,運(yùn)用圖像增強(qiáng)算法改善圖像視覺效果,本發(fā)明主要采用直方圖均衡化和直方圖規(guī)定化來增強(qiáng)圖像；直方圖均衡化函數(shù)IMAQ Equalize VI用于實(shí)現(xiàn)整個(gè)圖像灰度值的均衡化分布。直方圖規(guī)定化指的是利用改變圖像直方圖函數(shù)IMAQ BCGLookup VI通過改變圖像亮度、對比度和伽瑪值這三個(gè)參數(shù)直接達(dá)到改變圖像直方圖,其三個(gè)值的取值范圍分別為0到255、0到60、0.1到10,默認(rèn)值分別為128、45、1。

圖像濾波子模塊,采用中值濾波和低通濾波濾除圖像噪聲；在圖像采集中同時(shí)會(huì)不可避免的受到各種噪聲的干擾,采集的圖像會(huì)存在部分噪聲信號(hào),影響圖像輪廓的提取,因此本發(fā)明運(yùn)用圖像濾波算法濾除圖像噪聲,本實(shí)施例采用中值濾波和低通濾波濾除圖像噪聲。中值濾波函數(shù)IMAQ NthOrder VI用于空間域的中值濾波,其濾波模板大小可變,默認(rèn)值為；低通濾波函數(shù)IMAQ LowPass VI用于低通濾波。

圖像分割子模塊,采用多閾值分割法和自適應(yīng)閾值分割法分割圖像,將整個(gè)圖像分割為目標(biāo)區(qū)和背景區(qū)兩大區(qū)域；圖像經(jīng)過圖像預(yù)處理后改善了圖像質(zhì)量,但圖像中的各像素灰度值是連續(xù)漸變的,系統(tǒng)無法精確確定可轉(zhuǎn)位刀片刃口輪廓和標(biāo)定板輪廓。因此,根據(jù)“二值化”的思想,運(yùn)用閾值分割法將圖像灰度值二值化,從而將整個(gè)圖像分割為目標(biāo)（可轉(zhuǎn)位刀片刃口）與背景兩大區(qū)域。系統(tǒng)中將采用多閾值分割法和自適應(yīng)閾值分割法分割圖像。其中自適應(yīng)閾值分割法是運(yùn)用特定的算法根據(jù)圖像的灰度分布計(jì)算出與圖像相適應(yīng)的閾值,從而分割圖像,其算法主要采用最大類間方差法和最大熵原則法等。局部閾值分割函數(shù)IMAQ Local Threshold VI是將原圖像劃分為許多較小的圖像，并對每個(gè)子圖像選取相應(yīng)的閾值。多閾值分割函數(shù)IMAQ MultiThreshold VI用于多閾值分割,其運(yùn)用一維數(shù)組設(shè)置閾值分割段,運(yùn)用簇中包含的三個(gè)數(shù)值輸入控件分別代表最低閾值、最高閾值和替代閾值。自適應(yīng)閾值分割函數(shù)IMAQ AutoBThreshold 2 VI用于自適應(yīng)閾值分割,其方法有最大熵原則法、最大類間方差法等。

邊緣輪廓提取子模塊,運(yùn)用Roberts、Prewitt、Sobel和Canny邊緣檢測算子提取可轉(zhuǎn)位刀片邊緣輪廓。經(jīng)圖像分割后，對比相應(yīng)檢測算子的處理效果，發(fā)現(xiàn)運(yùn)用Canny邊緣檢測算子處理后得到的圖像目標(biāo)與背景分割最為明顯,所以最后確定運(yùn)用Canny邊緣檢測算子提取可轉(zhuǎn)位刀片邊緣輪廓,以便精確測量可轉(zhuǎn)位刀片刃口鈍圓半徑,邊緣檢測函數(shù)IMAQ CannyEdgeDetection VI用于Canny邊緣檢測；邊緣檢測函數(shù)IMAQEdgeDetection VI用于Roberts、Prewitt、Sobel邊緣檢測。

由于上述步驟中各種圖像處理算法都有兩種或兩種以上,故本系統(tǒng)將在While循環(huán)中運(yùn)用雙重條件結(jié)構(gòu)和移位寄存器,使得該模塊在運(yùn)行過程中可以任意選擇相應(yīng)的算法,對各種算法的處理結(jié)果進(jìn)行對比分析。

系統(tǒng)標(biāo)定模塊,首先用二值化標(biāo)定標(biāo)定板圖像,獲取標(biāo)定板圓心距的真實(shí)值和像素值之間的對應(yīng)關(guān)系,得到標(biāo)定板的標(biāo)定系數(shù)K₁,然后校正透視失真,最后對被測可轉(zhuǎn)位刀片刃口圖像進(jìn)行標(biāo)定；

可轉(zhuǎn)位刀片刃口鈍圓半徑達(dá)到微米級(jí),精度要求非常高。為實(shí)現(xiàn)微米級(jí)鈍圓半徑測量,標(biāo)定板選用圓心陣列標(biāo)定板,其外形尺寸為,圓點(diǎn)數(shù)為,圓直徑為0.25mm,圓心距為0.5mm,制造精度為1μm。

系統(tǒng)標(biāo)定原理為：圓心陣列標(biāo)定板的圓心距實(shí)際長度為M（以毫米mm為單位）,運(yùn)用相機(jī)采集的圖像中的圓心距像素尺寸為N(以像素個(gè)數(shù)為單位),則實(shí)際尺寸M與像素尺寸N的比值就是標(biāo)定板的標(biāo)定系數(shù)K₁,用公式表示為：

而對于可轉(zhuǎn)位刀片刃口鈍圓：設(shè)刃口鈍圓半徑實(shí)際尺寸值為L(以毫米mm為單位),運(yùn)用相機(jī)采集的圖像中的刃口鈍圓半徑像素尺寸為P(以像素個(gè)數(shù)為單位),則其標(biāo)定系數(shù)K₂用公式表示如下:

當(dāng)圖像采集時(shí)相機(jī)鏡頭的參數(shù)(如視距、焦距、放大倍率)以及外界條件（照明、相機(jī)與目標(biāo)的相對位置)不變時(shí),標(biāo)定板的標(biāo)定系數(shù)K₁等于銑刀刃口鈍圓半徑的標(biāo)定系數(shù)K_2。則由以上兩公式可以得出:

其中M為已知尺寸0.5mm,而P和N通過軟件系統(tǒng)獲取,從而得出鈍圓半徑L的真實(shí)值,達(dá)到標(biāo)定的目的。

由于系統(tǒng)選用的是遠(yuǎn)心鏡頭,根據(jù)遠(yuǎn)心鏡頭所具有的在視場范圍內(nèi)圖像的放大倍率不隨物距的變化而變化這一特性,所以只要在采集圖像時(shí)相機(jī)的參數(shù)不變且拍攝的圖像清晰(目標(biāo)物都在視場范圍內(nèi)),則每一張圖像的標(biāo)定系數(shù)都相等。同時(shí)遠(yuǎn)心鏡頭還具有的低畸變特性,極大地減小了圖像采集中的各種失真,增大了系統(tǒng)的標(biāo)定精度。

根據(jù)系統(tǒng)標(biāo)定原理,首先運(yùn)用IMAQ Local Threshold VI二值化標(biāo)定板圖像,其次運(yùn)用IMAQ Calibration Target to Points-Circular Dots VI獲取標(biāo)定板圓心距的真實(shí)值和像素值之間的對應(yīng)關(guān)系,得到標(biāo)定板的標(biāo)定系數(shù)K₁,然后運(yùn)用IMAQ Learn Distortion Model VI和IMAQ Learn Perspective Calibration VI校正由于相機(jī)拍攝方向與標(biāo)定板圖像不完全垂直導(dǎo)致的透視失真,最后運(yùn)用IMAQ Set Calibration Info VI對被測可轉(zhuǎn)位刀片刃口圖像進(jìn)行標(biāo)定。

圖像測量模塊,首先在圖像中創(chuàng)建一個(gè)ROI(Region Of Interest)區(qū)域,該區(qū)域包括可轉(zhuǎn)位刀片刃口鈍圓輪廓：其次,通過由內(nèi)而外或者由外而內(nèi)的方式在ROI區(qū)域中進(jìn)行搜索,扇形區(qū)域中的線條為搜索方向,運(yùn)用雙線性插值法或者雙線性插值的定點(diǎn)計(jì)算法來確定邊緣位置最后運(yùn)用平均值法或者中間值法將邊緣點(diǎn)擬合成圓,擬合圓半徑值近似為可轉(zhuǎn)位刀片鈍圓半徑得到測量結(jié)果。在系統(tǒng)中首先運(yùn)用IMAQ ConstructROI VI創(chuàng)建圓弧形ROI區(qū)域,然后運(yùn)用IMAQ Find Circular Edge 3 VI測量ROI區(qū)域中的鈍圓半徑。