基于视觉检测的螺钉自动分选技术研究与应用

孟令政 陈章勇 侯伟奇

（珠海格力电器股份有限公司 珠海 519070）

引言

视觉检测技术从字面理解即为用工业视觉来代替人的视觉，通过视觉采集物体的形状、大小、颜色等代替人的眼睛产生相同的物体的像，通过视觉代替人来观察、测量物体，然后由计算机处理并发出下一步的指令控制设备实现进一步的操作[1]。空调生产过程中时常反馈因螺钉质量差导致螺钉紧固时出现滑丝、螺钉固定不到位等现象，影响生产效益和产品质量。为提高产品质量，需要对螺钉进行的全面筛选。为此，通过研发自动化全检设备对螺钉的来料进行全面控制。

1 螺钉的质量分析

由于螺钉需求量极大，螺钉厂家在生产螺钉的过程中会存在质量波动，因数量庞大厂家在源头进行筛选的可行性极低，因此需要后端使用螺钉的客户根据自己的需求对螺钉进行自动分选。本文随机对ST4.2×9.5TA、ST4.2×13TA、ST4.8×13TA三种规格的螺钉进行质量分析，不良螺钉主要表现在螺帽加工不良、十字槽有碎屑、十字槽堵、混料、螺牙缺失等方面，其不良率统计如表1。

表1 螺钉不良率统计表

2 螺钉自动分选方案

2.1 分选方案流程

图1、图2将螺钉倒入振动盘，利用振动盘的工作原理将螺钉分极筛选排列，并输送到平送机上，平送机再将螺钉平稳的放于玻璃分度盘上。玻璃分度盘是将螺钉倒立（即螺帽向下）排列，然后再通过定位轮的作用将螺钉整齐的排列在玻璃盘同一直径的圆周上，为可视化系统及检测系统做好准备。使用玻璃分度盘的螺钉必须可倒立分度盘上面的螺钉首先经过下视镜头，如图3所示，利用玻璃分度盘的透光性，该相机可以清晰的获取螺帽图像并检测记录，用来检测螺帽直径、十字槽完整性等；再经过侧视镜头，如图4所示，该相机检测螺杆及螺牙的相关尺寸并记录，用来检测螺帽高度、螺牙完整性、螺牙高度、螺距等关键位置。

图1 振动盘

图2 玻璃分度盘

图3 下视镜头

图4 侧视镜头

2.2 视觉检测

2.2.1 视觉系统架构

视觉检测系统由2个CCD相机，2个镜头，2个光源，1个光源控制器，1台电脑组成。该系统选用的CCD相机技术发展较成熟，信号输出具有较好的一致性，成像质量更好，对螺钉这种比较小型的物料进行检测有一定的优势。由于螺钉较小，为了更好的对螺钉的细节进行成像，所以选择的相机镜头的焦距为5 mm、工作距离较短约为30 mm、光圈为F1.4。相机光源选择根据螺钉的色泽和反光度进行了打光实验，根据打光效果选择最适合的光源型号。对于上方检测螺牙完整度、整体高度等项目的视觉检测系统选用了一套白色背光光源，可以更好的突出螺钉的外观轮廓，对检查螺牙是否合格更有效；在玻璃盘下方检测螺帽的视觉系统选用一套红色环形光源，既可以在有限的空间进行安装，同时还能有效的突出螺帽的三维信息，对检测螺帽十字槽是否合格更为合适。

2.2.2 螺钉成像处理

触发相机拍照获取螺钉的螺帽原图后，系统会首先对成像图片进行二值化处理，二值化是图像处理、图像分析、图像匹配及图像识别中的重要问题，也是许多视觉图像识别应用系统中不可或缺的重要部分[2]。螺帽成像由于打光、表面形状反射光的不同以及外界的干扰等因素导致图像中的灰度值存在不同，通过不断测试找出并设置最佳分割阈值，将螺钉图片处理为轮廓分明的黑白图像，具体详见图5中的螺帽图片，如果螺帽加工不良或者十字槽存在异常，视觉系统通过对螺帽轮廓进行比对即可自动进行识别。

侧视相机触发拍照获取螺钉的螺杆原图后，系统对图像进行拉普拉斯锐化处理，处理后的增强图像，可在增强图像边缘的基础上更好地保持原图像的信息。处理后的螺杆的螺牙图像边缘轮廓明显变得更清晰，但同时也增加了原图像的高频噪声，因此需再利用中值滤波除去高频噪声，通过设置阈值的方法剔除某些边界点或填补边界间断点，并将这些边缘连接成完整的线，成像效果详见图5中螺牙的图片，如果螺牙出现异常通过比对即可检测出螺牙是否异常。

图5 视觉检测中螺钉成像

螺钉成像在经过以上二值化和边缘提取等手段进行处理后，可以有效排除外界干扰和背景杂质，如此便可以更为精确的检测和反馈螺钉的细节，经过图像处理后对提升螺钉检测成功率起到很大作用。

2.2.3 视觉检测的操作流程

视觉检测系统的操作流程具体如下：①将合格的螺钉放于下视镜头的玻璃盘上，利用摄像头使螺帽清晰成像，建立正常的螺帽模板；②设定螺帽及十字槽的相关尺寸参数，并用上面的螺钉进行校对；③将合格的螺钉放于侧视镜头的玻璃盘上，利用摄像头使螺杆清晰成像，建立正常的螺杆模板；④设定螺杆、螺牙的相关尺寸参数，如：螺柱长度、牙距、牙底径、牙外径等数据，并用螺钉进行校对。⑤设定好各个参数后使设备自动运行。

视觉检测项目具体为：长度、牙内径、牙外径、牙距、牙数、斜牙、搓牙不良、头部裂痕、十字槽塞孔、真圆度、有无电镀、表面瑕疵等。本文案例中视觉检测能兼容如下规格的螺钉：

1）头部外径：（Φ1.0～Φ35）mm；

2）头部厚度：（Φ4.0～Φ35）mm；

3）总高：（1～35）mm；

4）筛选精度：（±0.01～±0.03）mm。

以ST4.2×13TA的螺钉为例，该螺钉的参数设定如下：

螺帽高度：（2.2～2.8）mm

牙 外 径：（3.2～4.8）mm

牙 内 径：（2.95～3.1）mm

螺帽外径：（8.8～9.3）mm

牙距：（1.3～1.5）mm

检测情况如图6所示，可以直观的看到设备检出的数量和检测结果，通过批量使用验证，设备检出成功率≥99.99 %。

图6 视觉检测情况

2.3 分选下料系统

螺钉经过检测之后随即进入下料机构区域如图7所示，视觉检测设备将螺钉的OK和NG信号分别发送给下料系统的控制单元PLC，PLC控制不同的气枪将OK品和NG品分别吹入相应的下料容器。

图7 下料机构

3 应用成果

通过应用视觉检测对螺钉进行检测并分选，经实际使用，其分选速率约为500件/min，检出成功率≥99.99 %，分选效率和成功率足够满足空调生产需求。

4 结语

基于视觉检测的的螺钉自动分选设备特色及优势：①、可非标定制，满足不同需求； ②、全自动智能检测、识别及剔除； ③、采用高分辨率工业相机，检测精度高；④、检测速度快、准确度高； ⑤、全天24 h连续检测；⑥、设备操作简单、稳定性好； ⑦、非接触式无损检测；⑧、减少人工成本，提高企业生产效率。螺钉对于质量的要求较为严格，而且如今零件生产趋于精密化，检测工作必须执行高标准。传统人工检测的方式，不管是速度还是效率，都很难跟上大批量生产的需要，而且检测结果容易受到工人情绪和精力的影响，误检、漏检比率高。采用机器视觉检测设备对螺丝外观缺陷进行实时在线的自动化检测，速度快、效率高、检测结果更稳定可靠，而且对缺陷类型的统计分析能够指导生经实践论证，螺钉自动分选设备成功应用后，可以有效提高生产效率，进一步降低因螺钉异常导致的产品质量隐患。由于该设备有效的利用了视觉检测技术，并在配套系统上做了改进使得该套设备的兼容性得到提升，能有效适用于大多数空调紧固用螺钉，具备极强的推广性和可观的经济效益。