计算机视觉检测技术及其在机械零件检测中的应

摘 要：基于计算机视觉检测(AVI)技术在检测系统的智能化、柔性、快速性等方面较接触式检测方法具有更大的优越性，综述了其基本原理和分类以及近年来此方面的研究成果.分析了利用AVI技术对机械零件进行检测的一般方法和系统构成，并探讨了基于CAD的AVI的关键环节.最后对AVI技术的发展趋势提出了作者的观点.
1自动检测的原理和方法
在制造过程中是基本的测试和检查活动之一。校准和补偿活动，报废，返工减少的形式，以确保产品质量的稳定性和一致性 - 通过提供产品和生产过程的质量信息，根据在制造过程控制的测试和检验活动的信息流程输出产品的产品。传统的测试和检验，主要依靠人，主要完成的手。这需要时间和成本，提高生产周期增加了生产成本。同时，传统的检验和试验活动，主要用于后期制作过程中，一旦发现报废发生的损失。另外的效果的基础上，信息人工检查，人们常常包含错误（不良） ，在制造过程中，例如控制信息，也可以只在该过程实现的，但也引入错误和穷人。因此，您不应依赖这些信息，实时过程控制或机器。新的测试和检查往往基于各种先进的传感器技术，易于与计算机系统相结合。在相应的软件支持，如自动测试或检验系统可自动完成数据采集，处理，特征提取和识别，以及进行各种分析和计算。
1.1检测（测试）和测试（测试）在大多数情况下，测试和测试具有不同的含义。
1.1.1质量控制测试
检测装置来确定的质量标准和目标，设计要求，并测试/测量活动，如质量检测的产品，部件，组件和部件或原材料的技术要求都得到满足。例如：当根据目标尺寸，形状和位置精度，表面粗糙度和表面质量的设计图，并且所检测到的活性，以满足测量，数据处理和评估的相关条件的质量的其他指标的机械部件标准。我们的目标是检测：金钱1 ）实际测量产品（包括备件） ，以提供优质的特性和指标。 2）基于所测量的值从壳体偏离，确定产品（级水平）的质量，以确定有缺陷的浪费。 3 ）确定的测量方法和活动的准确性，简化的指定特性的控制影响测量。实际的测试活动，如3 ）目标是：确定使用各种下过/控制，但隔膜的厚度，副螺纹加工质量符合质量标准。所需的试验片的实际测量可以在测量值的制造过程中取得或处理的输入级的输出被使用，并根据该信息 - 行定时测量值，以确定在变化和趋势的数他们的情况下，调整的生产工艺，其生产质量可以校正在正常状态的偏离。简单的测量，如调整，才确定是否接受，而无需调整的要求提供信息的数量，质量控制是无法实现的。简化了测量/检查措施的目的是为了节省时间，降低测量成本。 1.1.2质量控制检验
已知的实验测试，这是质量控制和产品的性能评价函数的方法。测试是在真实的工作环境（现场条件）的评估规定的工作条件或设计，产品功能，性能和寿命测量，测试和质量控制活动。通常只有通过测试市场提供用户。试验分为两类：一类是破坏性测试，破坏性试验，如高压，另一个是一个非破坏性的测试，非破坏性测试，如压力容器。测试的目的是评估产品改进或修改，以改善制造工艺的基础上，特别是产品，如汽车，摩托车，压力容器，餐具和炊具等需要安全认证，一定要注意评价其安全性检查。这两种类型的完成，以减少测试，检验工作量，降低成本，过去多以人类受试者的质量控制方法，自1960年以来，工业发达国家的企业使用更多的质量控制方法，并配置了各种先进的，高效的自动化检测设备和系统。
1.2统计质量控制（SQC ）的基础
1.2.1统计质量控制是基于抽样数据及其质量，数理统计和概率论，该产品的统计分析的理论基础（包括零部件，元器件，零部件，原材料等）的推断。采样，也被称为采样，从产品随机抽样，每一件技术规范的测试或检查的项目执行质量特性。在采样过程中，质量指标在制造过程中的特点是制造过程中的测试和检验或刚刚完成之后，如：研磨孔可以实时地检测，自动检测该孔眼的大小，并切割后孔打磨过程完成后，在线或离线测试和检验。
1.2.2制造偏差
在制造过程中的任何偏差必须存在，以足够的精度和可靠性的测量工具与工件或组件之间找到任何两个正确加工之间的差的测量方法。根据误差理论，这种差别或偏差可以分为两大类随机偏差：它是不确定性的随机元素。例如：在原材料或毛坯，材料，津贴，工艺参数和设备，并改变材料缺陷加工性和硬度变化（调整振动，冲击和热效应）的不均匀性的操作，和参与者的方法谁导致导致随机变化的因素（即人为因素）的变化。从性能的规则这种偏差有：单偏差（也称为误差） ，其符号的绝对值是不确定和不可预测的特点，同时其整体统计样本分配服从法律。最常见的和往往是最典型的正态随机偏差。结论苏联和各国专家和学者和其他国家计量机构有：测量仪器来测量与最正常的误差分布。有专家认为，即使进行研究后：没有实际的情况会导致一个真正的正态分布。鉴于这些研究结果，美国作为一个非正态分布，基于计算机的控制图在20世纪90年代一个新的国家研究的技术课题。它试图取代手动控制流程图假设基于现有质量技术计算正态分布。
2计算机视觉检测技术
随着CIMS的推广和应用，以灵活，自动化的发展过程中，提出了需要计算机辅助质量（ CAQ ）系统。目前，计算机辅助检测程序（ CAIP ）系统已经成为CAQ系统，问题的核心是搞清楚如何检测的柔性制造零件三坐标测量机（ CMM）是检测的重要手段的重要组成部分，一直是广泛应用于制造企业。和柔性制造系统（FMS ） ，带动人，以检测智能系统，灵活，快速等提出了更高的要求，以适应多品种，计算机视觉技术，小批量生产的需求正在不断发展，由于计算机视觉系统可以快速访问大量丰富的信息，而信息是易于设计和过程控制信息综合监测工作条件，现场监控计算机视觉系统已广泛应用于工业，商业等领域。计算机视觉检测方法已经越来越引起人们的重视，并逐渐形成一种新的检测技术 - 计算机视觉检测（自动视觉检测， AVI ），在国内和国际研究相结合来描述的AVI技术，总结出一般的方法和用于检测的AVI系统机械部件组成，并集成到CAD系统有益的探讨视觉系统，提出了一些意见的AVI技术的发展。
2.1 AVI AVI是基于计算机视觉技术，综合运用非接触式检测方法，图像处理，精密测量和模式识别，使用人工智能技术的方法。其基本原理是通过计算机视觉系统已经在目标图像分析，以获得他们需要衡量来衡量，信息根据现有的先验知识来确定被测目标规格（即是否通过或失败） 。自从20世纪80年代， AVI系统被广泛应用于美国制造业，最广泛使用的是相同的零件或产品重现性检测的场合。 AVI电子行业是最活跃的和最成功的行业，其特征在于，所述印刷电路板被自动检测（PCB）和集成电路芯片的AVI技术已被广泛地应用于其他行业，如汽车，木材，纺织品和包装有自己专用的AVI系统。
2.1.1目视检查它可以在视觉上检测到的二值图像处理中，灰度图像，彩色图像和深度图像的目视检查的数据类型的分类。此外， X射线检查，超声波探伤，和红外探测器。在大多数商业视觉检查系统中使用的二进制图象数据的格式，则不需要的图像的精确度，并且可以帮助减少检测系统的速度和成本来满足需求所需的数据量。通常，只有一个简单的视觉检查系统的检测算法，如计算像素边缘检测和模板匹配的二进制图象的特征在于独特的边缘轮廓那些谁不具有平坦的物体或表面可以表现为二值图像的目标检测足够。灰度图像通常是视觉检测表面缺陷，如裂纹的检测，磨损等，要求苛刻的光照条件下在工业环境中，由于缺乏光的，很少有视觉检查系统为灰度图像。主要用于家具的彩色图像的目视检查，粮食部门，根据阴影或颜色的一般变化，以确定许多缺陷的存在，使用二进制，灰度或彩色图像检测是不切实际的，因为他们是唯一两个维检测对象（2D）上设置有大损耗的三维（3D）信息。三维特征是常用来检测对象（的范围或深度图数据）的图像的深度。深度图像是对象信息的清晰描述的表面的最显著特征。
2.1.2视觉视觉检测Moganti PCB检测算法，例如，参考被分成检测方法基于混合虽然这些方法来测试印刷电路板是在使用中，其它目标，可检测到，该非基准型试验和的参考文献的方法（1）的基础上，参考比较器的目视检查，它使用完全了解这种类型的目标检测方法的使用点对点（或功能特征）是：轮廓，模板匹配，树的方法，方法和语法图匹配。非引用类型检测的方法的方法（2）是对使用目标的一般特性进行检测，但是不知道一个特定检测对象时，它不需要任何参考模式，如果该模式不符合设计规则被认为是失败的或有缺陷的，也被称为设计... - 验证方法是根据设计规则的规则确定是有缺陷的工件时，工件是不通过点测量图像点和标准图像（3 ）将所述两个检测方法都有各自的优点和混合用来检测长期和短期两个之间，以避免典型的方法，方法的思路缺点：一般方法，利用边界分析，模式检测，辐射匹配算法，形状相比之下，圆形图案匹配法，等（4）根据该检测的CAD近年来，几何CAD / CAM技术的快速发展，以建立该对象的几何描述的基础上的三维几何模型生成设置对象被称为CAD模型。计算机视觉和CAD技术具有广阔的发展前景。
AVI 2.2机械零件
自动检测机械部件制造商CAQ系统是一个自动化的柔性制造企业密钥的一个重要部分是研究的对象的立体图像的机械部件的第一目视检查，也就是，为了获得二维图象平面上，并根据大多数对象分析与直线和圆构成的图形元素的一部分的基本要素理解的三维图像的机械部件的间隙，该系统用于测量所述元件的几何形状可以基本上归因在测量直线和圆弧。对于测量点序列直线和圆弧（弧）的检测通常的最小二乘法拟合得到的参数线或圆的价值的估计。检测到任何零件的几何形状，瑟曼和诺布尔等提出了优化模型的组合： minf1 （ x）的，且满足H（X ） = 0其中： 。 F1（ x）是数据和所测量的几何最小二乘模型拟合误差的元素的总和， H（X）应满足的元素，每个图形之间的关系的物理模型该模型的几何约束元件，也可以使用上述独立参数，因此，在其优化模型，包含拟由陈无约束优化模型至少2n个变量和n的约束方程（ n是物理的元素的数量。 ） ： minf2 （x）的因模型有四个参数和全局的功能（平移，旋转和缩放）来描述拟合误差数据，大大简化了数据拟合的复杂性。得到一些最常用的优化方法求解优化模型，如最小二乘法和拉格朗日松弛法，梯度下降法，非线性最小二乘法和单纯形法，近年来，由于其全局最优的遗传收敛该算法已成功地应用于各种优化问题，陈和其他遗传算法应用于优化，以获得满意的效果无约束优化模型参数。一个完整的视觉检测系统包括：图像采集，图像分割，零件识别，模式匹配和决策Newman等。
2.3基于CAD的AVI基于CAD的计算机视觉是比尔·巴努首次提出到目前的计算机视觉研究已成为热点。关键的CAD集成的AVI视觉系统和CAD数据库，即如何使用适用于视觉上的智能检测计划，现有的CAD模型生成CAD数据的检验和知识的可视化模型的自动化生产环境。
2.3.1以问题为基础的AVI模式的可视化模型，最终将面临一个三维几何模型是搞清楚如何构建一个立体的面向对象的可视化模式，虽然视觉系统和CAD系统都依赖于几何形状的对象，但他们的表情，数据共享仍然没有统一的认识。目测技术要求计算机系统从CAD模型获得精确的数学部分，并且该模型的解析表达式通常被用来表示几何元素的元素。目前的CAD系统模型形式的一部分，并没有完全解决，但只有特征值（如长度，角度，半径，位置等） ，表示几何元素，一些学者已经开始研究如何提取视觉模型CAD模型。 Chen等]由边界（包括交叉点边缘角）为特征，以创建直线段和弧的曲线图的解析表达式的一部分的剖视图，通过检测提供的数据点的CAD数据，必须安装。
2.3.2检查计划的逐步推进CIMS的，检测系统和CAD数据库的集成性，灵活性已经成为一种必然趋势检测技术的发展。三坐标测量机现在已经发展到离线编程功能，人们可以直接使用CAD零件模型系统来产生测试点，并进一步生成检测路径，然后自动转入到CMM检测任务，比较流行的“基于CAD的三坐标测量机检测规划生成]，它被集成到CMM的关键在CIMS技术需要解决。同样，目视检查，以实现一体化，也必须操作来控制机器人建立CIMS智能视觉检查规划的一部分，所谓的“头目测规划基于CAD的一代。 “公园和Marefat等在此做了一些有益的探讨，模型可视化规划提出，他们的特点和边界的CAD数据库的几何形状，并建立一个智能检测规划的可视化测试，以提供必要的信息，如清单功能，包括视力可能线和可见光相机的位置和角度，并且在CAD系统和高效的检测可见光的数据传输系统的位置之间的边的顺序，统一的数据格式的标准必须建立和标准化的条件CMM已经形成，即尺寸测量接口规范（尺寸测量InterfaceSpecification ， DMIS ） 。 DMIS的目标是检测数据作为计算机系统和测量设备，它提供了一套规则和词汇CAD系统数据的检测（尺寸，公差等）提供给测试设备和测试设备之间标准的双向通信将被传递到接收系统如何创建目视检查已经成为DMIS CAD为基础的计算机视觉技术发展的试验结果测试是一个关键环节。
2.4 ， AVI AVI技术预见是一种很有前途的技术，自动检测技术，针对智能，灵活，快速和具有成本效益的检测和CIMS普及和发展必须提供一个广阔的基于CAD的AVI技术。展望笔者认为， AVI技术的未来发展应着重于以下几个方面：
2.4.1实现在线实时检测。允许系统检测该产品的100％ ，而不是样品是目前广泛使用。目视检查的执行时间在很大程度上取决于下级图像处理（图像平滑，滤波，分割等），使用了一种快速，高速CPU和一个并行处理器的图像处理算法的速度是实现视线的有效途径检测。
2.4.2智能测试。提取部分可视化模型和测试信息（包括位置和工件，拍摄角度等方向） ，测试项目，测试点和测试选取的路径，规划建设智能检测和爬行从CAD工业控制系统机器人零部件，和家中在适当的位置进行检测。对于CAD系统和检测系统之间的高效数据传输，您必须创建一个视觉系统用于测量接口规范的大小。因为当成熟了许多，支持AVI它产生基于CMM的检测规划也是一个有用的规划。
2.4.3实现高精度检测。高分辨率CCD照相机系统误差和进一步提高的限制视觉检测的准确度，无法适应大尺寸的部件的检测。与视觉系统，对太空优势的检测精度和测量范围三坐标测量机，可预测的戏剧相比，计算机视觉系统集成CMM将成为目测的发展新方向。事实上，根据视觉CMM的技术已经得到了重视。集成CMM和视觉系统可以利用视觉系统，零件的形状和快速识别的位置和状态的测量平台，完成坐标系和摄像机坐标机床之间的坐标系统系统转换部分，以帮助实现CMM检测路径自动生成和测量的计算机视觉技术的成熟和发展来确定， AVI技术将被更广泛地应用于现代和未来制造企业。
参考文献：
[1] 张湘伟,文武. 大型风力机塔架在脉动风下的动力响应特性研究[J]. 四川理工学院学报(自然科学版). 2013(02)
[2] 杨雪荣,成思源,张湘伟,等. 应用 TRIZ 理论的表面集成数字化方法研究[J]. 现代制造工程. 2014(02)
[3] 刘绘珍,张毕西,张湘伟,廖朝辉. 生产线上工人分配的两阶段优化模型[J]. 组合机床与自动化加工技术. 2012(10)
[4] 胡盛强,张毕西,张湘伟,李细枚. 物料价格随时间波动且考虑返工率的MTO订购决策[J]. 组合机床与自动化加工技术. 2012(11)
[5] 刘绘珍,张毕西,张湘伟. 生产线组织模式比较研究[J]. 组合机床与自动化加工技术. 2013(01)
[6] 成思源,彭慧娟,郭钟宁,于兆勤,张湘伟. 基于关节臂扫描的计算机辅助检测实验[J]. 实验室研究与探索. 2013(02)
[7] 王广凯,成思源,李苏洋,张家访,张湘伟. 基于FEM的板料回弹预测与补偿研究进展[J]. 机床与液压. 2013(05)
[8] 张湘伟,文武. 大型风力机塔架在脉动风下的动力响应特性研究[J]. 四川理工学院学报(自然科学版). 2013(02)
[9] 袁清珂,骆少明,张湘伟. 研究生产学研培养模式探索[J]. 五邑大学学报(社会科学版). 2013(03)
[10] 杨雪荣,何佳乐,成思源,张湘伟,郭钟宁. 基于逆向工程技术的产品创新设计实验教学[J]. 实验技术与管理. 2013(10)