电连接器壳体零件表面粗糙度视觉检测方法研究

苗頔

摘要：电连接器应用过程中零件的表面如果不能满足粗糙度的要求的话就会导致具体应用的过程中效果不佳，文章分析对其进行视觉检测的相关研究。

关键词：电连接器;表面粗糙度;视觉检测

1前言

电连接器的壳体在应用的过程中如果零件的粗糙度不能满足要求的话会导致后续一系列的问题，常见的检测方法主要是视觉检测法，应用时有一些具体的检测方法，文章进行研究。

2有关研究现状

21世纪以来，随着全球制造业中心的转移，中国制造业水平得到了迅猛发展，其中以铣、车、磨、刨等在众多制造业加工工艺中最为基础，而磨在上述工艺中要求尤其严格，其加工质量直接影响整个制造业机械加工的水准，表面粗糙度便是衡量其加工质量的参数。工厂每天生产出的大量产品中难免某些产品会有表面粗糙度方面的问题，影响产品的质量。随着企业之间竞争的日益加剧，产品的质量受到人们越来越多的关注，因此如何快速、高效的检测表面粗糙度在现代制造业中越来越受到重视。电连接器组件，由于其封接强度、弯曲强度高、气密性好等特点，在航空航天、家用电器等领域的连接和封装方面有着举足轻重的作用，而电连接器壳体表面粗糙度是否合格严重影响了其密封性和耐腐蚀性，进而影响了电连接器组件的质量。随着高端机电组件技术水平需求的增加和不断提高的生产效率需求，电连接器壳体表面粗糙度问题将不容许出现，实现表面粗糙度的高效和高精度检测亟不可待。目前大多数电连接器制造企业都采用人工检测方法，然而长时间单一产品的重复性检测，劳动强度大，眼睛极易疲劳，并且容易受情绪的影响，同时每个工人的检测标准不一致，因此很难保证检测的高质量。另外使用简单工具测量的方法，虽然较人工有更高的精度，但是效率和速度难以提高，短时间内很难完成完成大量产品的检测。

近几年来，伴随着计算机技术和电子元器件制造技术进步，结合机器视觉的优点，机器视觉技术得到了迅猛发展，为产品的生产和检测提供一种新的、更有效的途径，并成为了现在制造业产品检测的一个重要的发展趋势。机器视觉是用计算机和工业相机等硬件来实现人眼的视觉功能，相对于人眼具有较高的稳定性，能胜任高强度、恶劣环境下的检测工作，能显著提高样品检测的速度和效率。另外由于机器视觉检测具有的非接触性特点，检测过程中不会对检测样品造成划伤等二次伤害。鉴于机器视觉的上述优点，以及当前电连接器壳体表面粗糙度检测过程中存在的问题，本文针对电连接器壳体研磨表面粗糙度的检测问题提出了一种基于机器视觉的检测方法，能够首先对加工表面纹理缺陷进行判别，然后进行电连接器壳体表面粗糙度的检测。最后，由于机械加工原理、工艺基本相同，因此本文提出的检测方法也能为类似样品的表面粗糙度的检测提供依据。

3常见检验方法

表面粗糙度（旧称表面光洁度）是衡量工件表面质量的重要指标，成因有加工过程中刀具的加工痕迹，切削分离以及加工过程中机器震动作用。由于形成表面粗糙度的原因众多，因此，即使相同工艺加工、同一批零件、同一工件的不同位置，表面粗糙度也极有可能不同。对于电连接器壳体，表面粗糙度如果不合乎规范，关系壳体的外观，更重要的是影响壳体的性能。粗糙度不合格的产品会影响工件的摩擦性能、密封性能，以及电连接器壳体的导电和导热性能。表面粗糙度在机械工业领域有着重要作用和影响，随着我国工业水平的不断增长，对工件的表面粗糙度也提出了更高的要求，因此我国颁布了数个针对表面粗糙度的国家标准，并进行了多次的整理和修改。我国目前针对表面粗糙度的国家标准是GBT3505-2009，該标准规定目前表面粗糙度的测量和评定指标。标准规定表面粗糙度评定依据包括三个方面：取样长度、评定长度和评定基准线。取样长度即在表面粗糙度评定的过程中选取的评定基准线的长度，一般情况下取样长度至少要包含五个波峰和五个波谷;评定长度是评定表面粗糙度的过程中必须选取的一段表面长度，一般由一个或多个取样长度构成;评定基准线是在评定表明粗糙度的过程中的一条参考线，基准线有两种：最小二乘基准线和算术平均基准线。触针式测量法原理是：触针在待测样品表面划过时，由于其表面峰谷的高低变化，触针随之产生在垂直方向的上下震动，把这些上下震动转换成电信号，并通过电子仪器的信号放大装置和显示装置显示出来上。目前使用的多数表面粗糙度仪采用触针式测量方法进行检测，但是由于表面粗糙度仪与待测样品直接接触，极易对样品二次伤害，产生凹坑、划痕等缺陷。自从1936年E.J.Abbott研制了第一台应用在车间里的表面粗糙度测量仪，经过近一个世纪的发展，表面粗糙度测量仪向着测量速度更快、测量精度更高的方向不断发展。时至今日，我国北京时代四合科技有限公司生产的TR210/220/201手持式粗糙度仪，可测量多个表面粗糙度参数，同时界面直观操作简单，测量范围在0.025-12.5μm，最高显示分辨率可达0.001μm（来自北京时代四合科技有限公司网站资料）。机器视觉诞生于20世纪50年代。诞生之初，机器视觉主要应用在字符识别、航空图像和工件表面的分析和解释上;20世纪60年代，正式使用“机器视觉”这一专有名词，而此时诞生的基于机器视觉的系统首先对视觉系统采集的图像进行处理，再通过估计计算目标的位置的方式控制机器的运行;1977年，视觉理论正式由MIT的MarrDavid教授提出，提出伊始，众多学者以此理论为理论框架对机器视觉展开了深入研究;20世纪80年代，机器视觉得到蓬勃发展，众多新理论如雨后春笋，期间我国也正式引入了机器视觉理论。在机器视觉的发展历程中，有三个重要的时间点，一是机器视觉相关的理论和实践经验应用到机器人的研制中;二是20世纪70年代CCD（电荷耦合元件）传感器的出现;三是20世纪80年代CPU、DSP等图像处理技术的飞速发展。

4结束语

电连接器的壳体零件在进行粗糙度检测的过程中经常会因为检测精度不够而导致相关的应用过程难以确保效率，文章分析常见的检测方法进行，要做好有关工作还需有关工作人员共同努力。

参考文献：

[1]邹东旭.圆柱工件表面缺陷视觉检测补偿方法研究[J].中国计量大学学报，2018，29（3）：20-26.

[2]王亮.基于机器视觉的打磨工件自动跟踪与检测研究[D].广东工业大学，2018.

[3]罗东.钢琴面板螺钉错漏智能视觉检测方法研究[J].机械设计与制造，2019（04）：73-77.

[4]吴亮.基于线结构激光传感器的土壤表面粗糙度测量方法研究[J].农业工程学报，2019，35（3）：134-140.

（作者单位：沈阳兴华航空电器有限责任公司）