基于机器视觉的O型圈质量检测智能系统开发

王云良等

摘要：针对人工检测耗时多、误差率大的问题，设计了O型圈图像处理步骤，在半径检测、侧面厚度检测、缺陷检测时分别进行了图像分割，并设计出一套基于机器视觉的O型圈智能分拣系统。实验表明，该系统能对不同规格O型圈的尺寸以及表面缺陷进行全面检测，最终实现高效率的检验及分拣。

关键词：O型圈；机器视觉；尺寸检测；缺陷检测

DOIDOI：10.11907/rjdk.143632

中图分类号：TP319

文献标识码：A 文章编号文章编号：16727800（2015）001011803

0 引言

传统生产过程中，O型圈都是依靠人工实现品质检验分拣的，存在效率低、误差大、主观性强等缺点。机器视觉是用机器代替人眼来做测量和判断，具有非接触、准确度高、速度快等特点，已被广泛用于木材、瓷砖等产品的质量检测[1]。本文研究了基于机器视觉的O型圈分拣系统的处理步骤，设计出一套基于机器视觉技术的O型圈智能分拣系统，针对不同规格O型圈的尺寸以及表面缺陷（主要包括杂质、缺料、有洞、花脚、粘模、毛刺），快速、准确地进行全表面检测，最终实现高效率地检验及分拣。

1 整体结构设计

O型圈检测分拣系统整体设计方案如图1所示，主要包括进料装置、传输带、翻转机构、视觉系统、回收装置。

采用人工上料，将O型圈上料至进料装置内，该振动盘是针对O型圈的外观特点设计而成，主要功能是可以实现O型圈逐个依次进入下个部分，不会有堆叠或者并行的情况出现，从而有效地保证了每次采集的图像中只有单独一个O型圈。O型圈经过振动后进入转运装置，使得每个O型圈的间隔距离大致相等。随后，O型圈依次经过厚度测量视觉系统、内外径测量视觉系统、侧面缺陷测量视觉系统、上表面缺陷测量视觉系统、下表面缺陷测量视觉系统。每个检测系统后面配有相应的不合格品剔除气口。当厚度不合格时，第一吹起口喷气，将其吹入不合格品接物槽中，合格品继续在传输带上前进，进行内外径尺寸检测，不合格品剔除，合格品继续前行进行侧面缺陷检测。侧面缺陷检测使用了四套光源和相机系统，同时采集一周图像。上方的相机采集O型圈上表面的图像，旋转台转动一圈，侧面相机采集到完整的侧面图像。在上表面检测完毕后，翻转装置将O型圈进行翻面，随后进行下表面缺陷检测。最终合格品通过一个转运装置，进入到合格品出料口掉入到合格品接物槽中。

图1 系统整体结构

2 功能实现

图2给出了整套系统的基本工作流程，图像采集及处理是系统的核心部分。

图2 系统工作流程

3 图像采集

3.1 机器视觉部件选择与布置

机器视觉部件选择与布置包括如下内容：①考虑到橡胶垫圈的尺寸规格不一样，为了使得成像质量不受焦距的影响，选用远心定倍镜头，更换不同规格产品时无需对镜头重新进行标定；②根据检测精度和橡胶垫圈实际尺寸范围，以及缺陷中有涉及颜色的相关检测，选用500万像素的彩色工业相机；③根据橡胶垫圈表面的光学特征，为了达到检测要求，比较各光源特征后，最终选择照明明亮、耗电量低、寿命长的LED 光源，上下表面光源类型确定为白色穹顶光源，侧面为白色环形光源[2，3]；④为得到橡胶垫圈上下表面及侧面高质量图像，相机与光源位置均垂直于检测表面。图3、图4、图5为实验室简易机器视觉系统采集到的橡胶垫圈表面图像。

图3 机器视觉系统采集的O型圈图像

图4 O型圈侧面效果 图5 O型圈表面效果

3.2 检测算法设计

3.2.1 尺寸检测

在实际生产过程中，O 型圈的尺寸测量主要包括3部分：内圈直径、外圈直径和侧面厚度。整个处理过程主要包括图像的预处理、边缘获取、图像上尺寸获取以及实际尺寸的换算[4]，整个算法流程如图6所示。

图6 尺寸获取流程

内/外圈直径获取：根据上下图像，利用Hough算法识别出橡胶垫圈的圆心、内侧圆形和外侧圆形，通过圆心和圆的位置，即可以确定出内圈直径和外圈直径所占的像素数量；再通过计算出每个像素点的实际长度，即可计算出直径的实际长度。处理效果如图7所示。

侧面厚度获取：侧面图像获取与上下表面获取不同，会将放置或者夹持垫圈的机械平台拍摄到图像中，背景比上下表面图像要复杂，因此在算法中会多出关于侧面感兴趣区域获取的步骤。提取出完整的侧面图像后，对其二值图像进行直线检测，获取橡胶垫圈侧面的直边缘。进而，在图像测量出两条直边缘间的距离，再通过与实际像素点长度的换算获取实际厚度尺寸。处理效果如图8所示。

图7 直径获取效果

图8 侧面获取效果

3.2.2 缺陷检测

缺陷检测的关键步骤是阈值分割步骤，尺寸检测部分的阈值分割只需要将内外圈或者侧面边缘保留，忽略橡胶垫圈表面特征，而缺陷检测必须将表面缺陷目标保留，而边缘信息不一定要完整[5]。

整个算法过程包括图像预处理部分，主要为了获取合适的二值图像，通过阈值分割保留住缺陷所在区域，然后获取感兴趣区域，对通过连通域判断识别出缺陷。识别出缺陷后，可以通过面积值对缺陷大小进行标定。

上下表面：缺陷所在环形区域识别的部位与尺寸检测不同，在算法中只保留上下表面之间的区域，再对该区域进行连通域识别，即可获取缺陷。

侧面：侧面缺陷相比上下面检测要简单些，由于缺陷部分与周围橡胶垫圈部分明暗亮度差异较大，因此只要通过阈值分割，即可将缺陷凸显出来，最后通过连通域判断识别出缺陷，如图9所示。

4 实验平台

为了更好地测试O型圈在线检测的性能，搭建实验平台。实验平台设有相机从上方和侧面采集图像，两台相机可以同时对橡胶垫圈进行上表面和侧面的图像采集，确保采集图像的准确性。该平台可检测内径范围为10～45mm，外径范围为10～45mm，厚度范围为15～20mm的O型圈。

经测试，该平台尺寸检测精度内径公差正负0.2mm，线径公差正负0.08mm，缺陷以及缺陷中的异色杂质检测精度为人眼级别，检测速度为7～9个/s。

图9 缺陷算法处理效果

5 结语

针对人工检测耗时多、误差率大的问题，研制出一套基于机器视觉的O型圈分拣系统。为提高检测精度，根据不同检测需求对O型圈感兴趣区域的不同，设计了O型圈图像处理的步骤，在半径检测、侧面厚度检测、缺陷检测时分别进行了图像分割。实验表明，该分拣系统检测精度高、检测结果可靠。但由于图像处理算法的复杂性，如何改进尺寸检测算法，提高检测系统的检测速度还有待深入研究。