机器视觉在精密模具破损检测系统中的应用

机器视觉在精密模具破损检测系统中的应用

赖纪峰

（广东长盈精密技术有限公司）

摘要：现今，通常采用人工操作进行精密模具缺陷的检测，只对模具进行几何尺寸检查，并且人为操作常常会产生很大误差及接触磨损。针对这一问题，本文给出了一种模具破损检测方法，该方法集成了机器视觉技术。基本原理如下：通过图像采集和处理模块的设置，跟踪细节像素密度，并与常规边沿像素跟踪进行比对，实现深入细化残缺部位的像素，提高了检测精度。文中实验结果显示，该方法可以很好的识别模具的细小破损，检测精度较高。

关键词：机器视觉；模具检测；像素

模具具有成型物品的功能，它包含许多不同的零件。通过材料物理状态的变化，它可以加工物品外形，是工业上的一种基本生产产品的方式。在机械生产工业中，模具属于一种基础设备。机械工业的发展离不开模具。而随着模具的不断发展，用户要求精密度更高的模具。而在精密仪器制造方面，质量检测方法已经成为决定精密仪器制造水平的一个重要因素。而在进行质量检测时，对精密模具破损区域的检测，已经成为整个质量检测中的重点，现在已经引起了相关专业人士的重视。下文研究了一种模具破损检测方法，该方法以机器视觉为基础，结合人工智能技术，达到高效检测高精度模具破损的目的。

1研究与应用视觉技术的必要性

发展视觉技术非常重要。随着企业技术发明创新水平的提高，视觉技术的应用也彰显出必要性。近些年来，中国劳动力成本持续上升，导致大量生产企业外迁，各类质量事件频频发生。国内产品在世界范围内的声誉呈直线下降的趋势，针对这一现象，许多领域都开始开发视觉检测技术。视觉检测的应用极大地促进了工业自动化的发展。

2检测系统的组成

模具检测图像显示、采集、处理及结果的输出等构成了模具破损检测系统。其结构图见图1。

外围器件、模具补偿光源、图像采集卡、摄像机及芯片等构成了系统硬件。而图像采集卡可以实现图像的A/D变换，获得数字模具图像信号，并将其传输到计算机。而摄像机也可传输数字图像信号，所以，图像采集卡一般可以跳过。

2.1采集模具图像的模块

为了采集到全面的模具图像信息，在进行模具图像采集的时候，通过传动机控制采集设备，使其进行规范化的运动。图像采集设备对所有模具结构的分析非常重要。文中设备的尺寸如下：8毫米的直径、60毫米的长度，高精度的小模具的图像采集常常会用到它。本文使用的图像采集设备能进行光照补充，它采用的是外部光源。该系统采集图像的设备的电路简图见图2。

在模具破损检测系统中，图像驱动、光电检测部件及传输数据的电路和采集图像的设备是两个分开的系统。采集图像设备中的驱动部分安装在整个设备的外面，驱动器件采用10伏，650毫安的直流电作为工作电流。在采集模具图像的过程中，２芯电缆常被使用到，这样能提高图像的清晰程度。该系统的采集图像方法一次性无法得到所有的图像信息，而依照扫描成像原理，处理模具图像后，一次就能获得图像信息。模具图像的扫描成像原理见图3。

现今，许多高精密模都是由非常复杂的结构组合而成的，为此，通过模具成像系统，本文首先将它们划分成了许多独立的子结构，然后再处理了这些子结构的成像，最后实施了多方位的图像无缝连接。可以将模具图像扫描分为以下两个环节：图像采集器开始时不能放置在预定长度内，接着应调整采集器的镜头，直到与预定的频率和角度相符合为止。这样，对一次模具子结构的扫描便完成了，向前再挪动一下图像采集器，则实现了对整个模具的扫描。该图像采集方法具有耗时短、简单操作、较高的图像清晰度等优点，在模具图像数据的准确采集方面占有优势。如果需要采集模具内部的图像数据，可移动中轴线，并调整图像采集器使其处于合适的位置。

2.2检测模具缺陷

模具图像处理模块具有初始化模具图像和检测模具破损的功能。实际的图像操作流程见图4：摄像头采集模具像素信号，进行A/D转换，向ITUR656Decoder（解码器）传输，解码，输出三种基色信号：M（基色信号）、Gu（调控信号）及De（时钟信号）。经过缓冲器处理以上三种信号后将其输出：此时为M[8:0]、Gu[8:0]及De[8:0]。并通过线传递将三种信号发送到RGB模块。对三种信号的融合由RGB模块来完成，之后彩色图像便形成了，结合相关算法进行计算，再处理模具的边沿像素，以上便是整个模具缺陷检测流程。

3系统设计的软件算法

上文中的集成机器视觉技术的精密模具破损检测系统主要包括以下三个部分：初始模块图像的向量转换、动态位的量化向量编码和检测图像边缘像素。模块图像的处理部分在整个模具破损检测系统很重要。在该模具破损检测系统中，图像处理和子结构的无缝连接都是通过相关芯片技术和VerilogHDL实现的。模具破损分析采用的是边缘像素密度检测算法。在该算法中，通过分析图像像素的排列方式，进而定位模具边缘破损空间的轮廓。

4测试系统

本文中进行了以下实验，以确认该模具破损检测方法的效果。实验样本为5孔无偏差的模具，并进行了以下处理：将某个孔偏离8.8度和1.6度。模具的标准图像见图5。其检测效果图见图6。

图5标准试验图图6本文的检测效果图

在图6中，实际检测结果用红色线条表示，而标准模板用绿色线条表示。由析图6可知，检测结果与理论结果相符。具体的模具标准检测结果见表1，采用本文方法检测所获的结果见表2。

分析比较表1和表2中的数据可知，采用本文方法的检测结果具有0.001毫米的最大孔径测量误差，0.002毫米的最大径向测量误差。但是，标准模具的检测结果中，最大孔径及径向误差均为0.01毫米，对比可知本文算法具有更高的准确率，误差级别降低了一个级别。进一步分析可知，本文算法的最大角度测量误差仅为0.0006弧度，在允许范围内。由以上实验结果分析可知，本文提出的模具破损检测算法具有区分模具细微破损的功能，检测准确度高。

5结论

由于现有的传统缺陷检测技术已经无法满足精密模具破损检测的发展要求，为此本文提出了一种模具破损检测系统，它采用了机器视觉技术。它通过建立各种图像采集和处理模块、并跟踪对比像素密度、实现残缺部位像素的高度细化等方法，实现了系统检测精度的提高。设计验证实验，并分析实验结果可知，这种方法具备区分模具细微破损的功能，检测准确度高。综上所述，为满足当今中国检测技术的要求，该系统将会被更广泛的应用。

参考文献：

[1]熊利荣,陈红,丁幼春.机器视觉技术在农产品破损检测上的应用[J].农机化研究,2005(5):204-205.

[2]梁鹏,郑振兴,肖思源,等.基于机器视觉的精密模具表面加工精度检测装置及方法:,CN105783723A[P].2016.

[3]许志文.基于机器视觉的布匹破损在线检测系统的研究[D].广东工业大学,2015.

[4]徐婷,祝站东.基于改进神经网络的机器视觉的路面破损检测系统研究[J].公路,2012(9):210-214.