论文部分内容阅读
一直以来,在制造行业中精密零件的尺寸测量被视作为基础性工作。而国内的零件尺寸测量特别是微小零件,通常都是以人工手动的方式完成,不仅耗时费力且测量精度偏低。因此,微小零件尺寸的测量效率和测量精度亟待提高。而随着机器视觉技术在测量领域的日趋成熟,为这一问题的解决带来了新的思路。 本文以键槽零件为研究对象,设计了一套基于机器视觉的高精度微小零件多参数检测系统。通过图像处理技术,实现了精密零件高精度、多参数、非接触测量。课题主要工作如下: (1)设计了精密零件视觉检测系统。根据检测要求,完成硬件部分的设计和相关软件设计。硬件部分包括相机、镜头、光源的选择,软件则包括一系列图像处理算法设计。 (2)研究了图像预处理技术,对图像灰度变换、图像去噪、图像分割算法进行研究,经过实验验证分析,选择中值滤波方式去除噪声,选择固定阈值分割出零件图像,提取出感兴趣的零件部分,有利于下一步的图像边缘检测。 (3)研究了图像边缘检测技术,通过研究分析经典边缘检测算法,通过实验,选择了Canny算法提取零件的边缘。基于此,分析研究了零件图像亚像素检测算法,选择双线性插值算法进行零件亚像素检测,对检测出来的边缘,采用最小二乘法拟合边缘轮廓,完成零件参数检测,提高了检测精度。 (4)搭建了视觉检测实验平台,对检测系统进行标定,完成像素尺寸跟实际物理尺寸之间的转换,检测得到零件实际尺寸参数。在VS2015平台上,Halcon联合C#,完成系统人机交互界面设计,实时显示零件参数测量结果。实验结果表明:该系统检测精度在±6μm以内,验证了利用视觉检测方法实现高精度零件参数测量的可行性。 综上所述,本文经过视觉检测系统设计、图像处理算法分析研究、实验平台搭建、零件多参数测量实验,验证了视觉检测方案的正确性,为后续的高精度、非接触测量奠定了坚实的基础。