機(jī)器視覺在機(jī)械加工表面粗糙度檢測(cè)中的應(yīng)用研究.pdf

1、表面粗糙度測(cè)量是機(jī)械加工領(lǐng)域一個(gè)重要課題，傳統(tǒng)的探針檢測(cè)方法具有接觸及易劃傷表面等缺點(diǎn)，這限制了其在特定場(chǎng)合的使用。機(jī)器視覺方法由于其非接觸性和快速等特點(diǎn)從而具有很大的應(yīng)用潛力。本文依托國家自然科學(xué)基金資助項(xiàng)目“大尺寸機(jī)械零件的高精度在線測(cè)量方法研究”（批準(zhǔn)號(hào)50805023），以磨削工件為研究對(duì)象，以表面粗糙度視覺車間現(xiàn)場(chǎng)測(cè)量為目的，使用紋理分析方法對(duì)工件表面圖像粗糙度特征進(jìn)行了研究，所從事的主要研究工作如下：
　　 （1）對(duì)

2、不同類型機(jī)械加工表面顯微圖像紋理特征進(jìn)行分析，選取頻譜分析法表征車削等規(guī)則機(jī)械加工表面主紋理特征，針對(duì)磨削加工表面紋理存在隨機(jī)性特征的情況，首次提出使用基于Sobel算子的灰度梯度共生矩陣方法進(jìn)行研究，應(yīng)用不同紋理參量表征其粗糙度特性，并同已有的灰度共生矩陣方法進(jìn)行了比較，實(shí)驗(yàn)結(jié)果表明了灰度梯度共生矩陣方法的優(yōu)越性。
　　 （2）在對(duì)不同算子梯度圖像進(jìn)行比較分析的基礎(chǔ)上，提出一種新的基于LoG濾波器的灰度梯度共生矩陣方法。使用該

3、方法對(duì)不同粗糙度平磨表面圖像紋理特征進(jìn)行表征，實(shí)驗(yàn)結(jié)果表明該方法優(yōu)于其他算法。隨后研究了高斯濾波器標(biāo)準(zhǔn)偏差和梯度等級(jí)對(duì)表征參量的影響。為評(píng)定不同放大倍率下紋理表征參量的性能，提出平均相關(guān)程度和相關(guān)程度波動(dòng)性參數(shù)，并選取灰度梯度共生矩陣慣性值為最佳表征參量。
　　 （3）為研究外圓磨削表面圖像紋理特征，提出一種外圓磨表面圖像弧度統(tǒng)計(jì)校正法。該方法首先依據(jù)灰度值標(biāo)準(zhǔn)差在紋理方向最小原理，構(gòu)造多個(gè)紋理圓，對(duì)每個(gè)圓細(xì)分后計(jì)算其紋理角度，

4、將所得結(jié)果去奇異值后求平均，確定工件紋理方向；然后沿紋理方向，進(jìn)行分區(qū)域灰度值同均值、同方差處理，以校正弧度對(duì)成像的影響；最后對(duì)校正后的表面紋理特征進(jìn)行研究，并與校正前進(jìn)行了比較以證明該方法的有效性。
　　 （4）為滿足檢測(cè)過程自動(dòng)化的要求，提出一種不同類型機(jī)械加工表面自動(dòng)分類方法，利用頻域平面特性進(jìn)行分類。該方法首先選取頻域平面內(nèi)特定數(shù)目峰值點(diǎn)，統(tǒng)計(jì)中心區(qū)域圓內(nèi)頻域峰值點(diǎn)個(gè)數(shù)占所取總頻域峰值點(diǎn)個(gè)數(shù)的比例，以區(qū)分磨削表面和非磨削

5、表面；然后在此基礎(chǔ)上，將表面圖像細(xì)分為四個(gè)相等子圖像，提取每個(gè)子圖像最大峰值點(diǎn)，分別進(jìn)行直線擬合，計(jì)算斜率變化情況區(qū)分銑削表面和非銑削表面；最后計(jì)算平均功率譜參數(shù)，區(qū)分車削表面和刨削表面。
　　 （5）對(duì)磨削工件粗糙度車間不確定環(huán)境檢測(cè)進(jìn)行了研究。首先研究了不確定環(huán)境下光線變化對(duì)圖像紋理表征參量的影響，然后將工件表面灰度梯度共生矩陣慣性參量值、圖像灰度統(tǒng)計(jì)均值和環(huán)境光照度值進(jìn)行擬合，構(gòu)造統(tǒng)一多參量模型，實(shí)驗(yàn)結(jié)果表明該模型能顯著提