技术领域
[0001] 本
发明属于机械零件检测领域，具体涉及一种发动机
凸轮轴零部件表面缺陷检测方法。
背景技术
[0002] 凸轮轴是
活塞发动机里的一个部件，可以控制气
门的开启和闭合动作。气门运动规律关系到一台发动机的动
力和运转特性，因此凸轮轴在发动机上占据着十分重要的地位。凸轮轴零部件在生产加工过程中可能造成漏加工、磕碰、黑皮、锈斑等问题，为保证凸轮轴的
质量，需要保证出厂的零部件必须是合格的。目前国内的大多数企业对大批量生产的小
工件制品的表面缺陷，仍然采用人工目测的方法。人工目测易受生理与心理因素影响造成漏检，同时极大的重复的工作需要大量的人力资源，增加了产品的生产与加工成本。因此，合理的表面缺陷非
接触自动检测系统对工业自动化质量控制具有重要的实用价值。本发明是在原有生产工序的
基础上，增加一台凸轮轴零部件合格品检测是非常必要的。为避免零部件接触检测引起的磕碰，采用
机器视觉技术是合理的。
发明内容
[0003] (一)要解决的技术问题
[0004] 本发明要解决的技术问题是提供一种发动机凸轮轴零部件表面缺陷检测方法，解决了人工目测法的效率低下，容易漏检、错检等问题。
[0005] (二)技术方案
[0006] 为解决上述技术问题，本发明所采用的技术方案是：
[0007] 一种发动机凸轮轴零部件表面缺陷检测方法，包括上、下端面环面缺陷检测
算法、底部
螺纹有无检测算法以及底孔有无残留
铁屑检测算法，所述上、下端面环面缺陷检测算法采用结合梯度信息的概率Hough变换方法进行上、下端面的圆心
定位，排除中心圆孔，再对上端环面和下端面的图像采用同态滤波进行预处理，用开操作去除图像噪声，对缺陷区域聚类，判定缺陷类型。
[0008] 其中，还包括底部螺纹有无检测算法，其先利用边缘信息定位椭圆圆心，再利用圆心定位过程中的投票点采用椭圆拟合的方法得到椭圆参数，然后利用表面缺陷检测算法分析椭圆形成的环面。
[0009] 其中，还包括底部螺纹有无检测算法，其先利用边缘信息定位椭圆圆心，再利用圆心定位过程中的投票点采用椭圆拟合的方法得到椭圆参数，通过工件尺寸信息定位螺纹
位置，利用螺纹的边缘信息分析是否存在螺纹。
[0010] 其中，还包括底孔有无残留铁屑检测算法，其首先定位底面外圆轮廓位置，然后利用外圆信息在
指定区域内定位内圆位置，在内圆范围内利用
阀值方法二值化内圆区域。
[0011] (三)有益效果
[0012] 本发明相比较于
现有技术，具有如下有益效果：本发明采用同轴
光源、环形光源、点光源和面阵相机对零部件的端面与底孔进行打光与
图像采集。利用分割器与光电
开关控制圆盘的间歇性
旋转机械结构，实现
分辨率优于0.1mm，单件检测时间小于3秒的工件表面裂纹、划痕、斑点，零部件底孔螺纹、孔内是否残留铁屑的自动检测。并可以通过检测结果来控制
气缸运动来完成可修复零部件与不可修复零部件的分拣。保证了安装到发动机凸轮轴上的零部件的质量，从而降低因发动机凸轮轴而引起的交通事故。
附图说明
[0013] 图1为本发明的工件上端环面的定位示意图；
[0014] 图2为本发明的工件上端环面的合格品检测意图；
[0015] 图3为本发明的工件下端面的定位示意图；
[0016] 图4为本发明的工件下端面的缺陷检测示意图；
[0017] 图5为本发明的工件底孔螺纹的定位示意图；
[0018] 图6为本发明的工件底孔螺纹的检测示意图；
[0019] 图7为本发明的工件底孔的定位示意图；
[0020] 图8为本发明的工件底孔残留铁屑的检测示意图。
具体实施方式
[0021] 下面结合附图和
实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
[0022] 在确定零部件检测工位与缺陷的基础上，选择采用旋转式的便于上下料的机械设计思路，利用
电机带动间歇性分割器与光电开关对圆盘进行机械控制。采用两个同轴红光源、一个点光源和一个环形光源分别对零部件的上端环面、下端面、底孔螺纹与底孔内进行打光，利用四个面阵相机进行相应工位的图像采集。选用两个气缸分别来分拣缺陷不可修复的零部件与可修复的零部件。通过ADT-8940A1
PCI总线四轴运动控制卡与ADT-9162接线
端子对电机与气缸进行控制。在Windows XP环境的VS2005开发平台上，利用MFC，OpenCV，Blepo，相机和运动控制卡的动态链接库等对采集到的图像进行处理。
[0023] 上、下端面环面缺陷检测算法：
[0024] 对于上、下端面的检测要用到圆定位，常用的圆定位算法包括Hough变换或边缘拟合的方法。边缘拟合算法较易受干扰边缘干扰，造成结果不稳定，Hough变换可以有效排除干扰边缘，但传统的Hough变换检测圆算法比较费时，为此可以采用一种结合梯度信息的概率Hough变换方法，大大提高检测速度。对图像中的边缘点，分别计算其x方向与y方向的梯-1度dx和dy，则该点的梯度强度 投票方向θ＝tan (ay/dx)。该点在θ方向上对给定的半径区间[rmin，rmax]进行投票，最后得到的峰值点就是所求的球心位置。
[0025] 与OpenCV的21HT算法进行比较，本算法的效率得到很大提高。在CPU为2.4G情况下，大小为640*120的图像采用本算法处理时间为7ms，而相同的图像采用OpenCV的实现处理时间为80ms。
[0026] 在得到上、下端面圆位置后，由于对上端面不要求以及下端面存在圆孔的原因，需要排除中心位置，待处理的图像就是上、下端面圆排除中心位置后形成的一个圆环。算法将在这个区域利用表面缺陷检测算法分析定位缺陷位置。
[0027] 对于采集到的零部件的上端环面与下端面，采用同态滤波对图像进行预处理，去除打光不均匀及
背光等因素引起的图像模糊等问题。通过Sobel
边缘检测算子与改进的Hough变换圆检测算法将上端环面与下端面从图像中提取出来。然后单独对提取的有效区域进行
图像分割处理，分割出的区域通常会受边缘和噪声的影响。噪声主要表现为一些面积非常小的区域，可以通过形态学的开操作去除。开操作设置尺寸较小的矩形结构参数，可以在去噪的同时隔离开某些连接很小的区域，便于后续的连通区域提取。
[0028] 滤除噪声区域后，对二值化图像进行连通区域处理，将缺陷
像素连通形成缺陷区域。在这个过程中，可能由于噪声的干扰，致使缺陷区域分割成若干小区域。因此，需要在连通区域处理后对缺陷区域进行聚类。聚类的准则即根据缺陷区域的距离，将距离较近的区域聚合为一个大的区域。经过上述处理后，图像中仅剩下待判定的缺陷区域。对于图像中的缺陷区域的分割采用灰度图像上的动态
阈值分割算法。
[0029] 踏面缺陷中的剥离缺陷一般比较大，形状为
块状，因此可以根据缺陷区域面积大小直接进行识别。擦伤区域一般表现为若干小区域的密集聚合，一般缺陷区域提取算法较难得到准确区域。由于本项目中，在缺陷区域提取中采用了区域聚合算法，因此可以准确得到小区域的聚合面积，故也可以对擦伤缺陷进行识别。对于裂纹区域，由于裂纹反映在图像上的特点是：区域细长连续；圆形度很小；面积相对于系统噪声来说要大很多。而系统噪声的图像特点是呈点状分布；不连续；圆形度很大；单个点面积很小。因此，我们采用两个参数来判定被测零件是否存在裂纹，一个是缺陷区域的圆形度C，另一个是缺陷区域的面积S。
[0030] 图1与图3分别是工件上端环面与下端面
检测区域的定位示意图，图2与图4分别是工件上端环面与下端面缺陷检测结果的示意图。图4显示上端环面没有缺陷，图4显示下端面存在严重的不可修复的缺陷，必须被分拣出来。
[0031] 底孔螺纹有无检测算法：
[0032] 当检测底孔螺纹有无加工时，采用的是点光源打光，相机倾斜采集图像。为了提取底孔中螺纹所在位置，需要用到椭圆定位算法。椭圆定位通常采用Hough变换，但由于椭圆有5个参数，采用经典Hough变换的时间代价太大，所以在本系统中采用改进的随机Hough变换。然而改进算法的计算时间仍然比较长，为此，算法首先利用与圆定位相似的方法，利用边缘信息定位椭圆圆心，然后利用圆心定位过程中的投票点采用椭圆拟合的方法得到椭圆参数，从而在鲁棒性与时间效率中取得平衡。实践表明，该算法取得了较好的效果。
[0033] 得到椭圆位置后，即可利用表面缺陷检测算法分析椭圆形成的环面。同时也可以通过工件尺寸信息定位螺纹位置，利用螺纹的边缘信息分析是否存在螺纹。如果存在螺纹，则该区域的边缘比较强，而且存在规律分布。
[0034] 图5是底孔螺纹的定位示意图，图6是检测底孔螺纹是否加工的示意图。从图中可以发现，加工过螺纹的工件被定位区域的边缘特征非常明显。
[0035] 底孔有无残留铁屑检测算法：
[0036] 底面孔定位同样基于圆定位算法。由于内圆的边缘不明显，直接定位内圆的效果并不理想，因此首先定位边缘明显的外圆，然后利用外圆信息，在指定区域内定位内圆位置。
[0037] 对于底孔主要是检测是否残留铁屑，在设计好的光源照射下，铁屑在图像中一般都是表现为黑色块，因此在内圆范围内利用阈值方法二值化内圆区域，从而可以得到分析得到底面孔你是否存在铁屑。
[0038] 图7是定位底孔的示意图，图8是底孔铁屑的检测结果示意图。从图中可以发现，在底孔内部残留了一个条形铁屑，是不合格品。但是该工件是可以修复的，故需要被分拣到可修复品内。
[0039] 以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
