摘要：阐述基于机器视觉的机械自动化检测系统设计。在系统硬件方面设计了机械图像采集装置，利用相机和光源对机械图像进行采集。在系统软件方面，采用机器视觉技术对机械图像数据进行分析，提取机械故障特征，再通过计算机械误差与阈值比较，判定机械是否存在故障。
关键词：机器视觉，机械自动化检测系统，误检率，机械图像采集装置。
0引言
随着机械制造行业的不断发展，为了保证机械设备生产质量，并且提高机械设备检验工作效率，机械自动化检测系统具有智能化、信息化特征，并且具备效率快、操作方便等优点，被广泛应用到机械制造领域中，加快机械制造业发展进程[1-10]。虽然机械自动化检测系统的应用为机械制造生产带来了便利，但是现有的系统在实际应用过程中经常出现漏检和错检现象，误检率较高，导致机械质检工作质量较低，机械自动化检测效果较差，传统系统已经无法满足机械自动化检测工作需求，为此提出基于机器视觉的机械自动化检测系统设计。
1系统硬件设计
在传统系统硬件基础上，设计了机械图像采集装置，搭配系统固定的服务器、显示器等基础硬件设备构成了基于机器视觉的机械自动化检测系统硬件结构。此次采用BYKMOSD/5AD66D工业相机作为机械图像采集任务的执行器，该相机尺寸为15mm×25mm×13.5mm，有效像素可以达到130万，采集的图像清晰度较高[11]。为了保证BYKMOSD/5AD66D工业相机拍摄机械图像的质量，在机械图像采集装置中设计了光源，光源的作用是辅助BYKMOSD/5AD66D工业相机拍摄，突出范围内机械目标特征，提高相机拍摄区域的光线亮度，此次采用的是高密度的LED灯作为相机拍摄光源。在机械检测现场利用C接口将BYKMOSD/5AD66D工业相机与系统电源连接，并且将LED灯通电，将相机安装在机械检测平台的左上方或者右上方，将LED灯固定在BYKMOSD/5AD66D工业相机镜头下方，选用75°环形高度直接照射光源，并且将BYKMOSD/5AD66D工业相机的信噪比参数设定为2.15dB，采用逐行扫描/连续输出模式对机械表面进行扫描[12]。将工业相机采集到的机械图像数据以TXXT格式保存到系统计算机上，为系统计算分析提供数据基础，以此完成系统硬件设计。
2系统软件设计
2.1基于机器视觉的机械故障特征提取
在系统对机械故障特征提取方面采用机器视觉技术，通过以太网接口将采集到的机械图像数据传输到系统中，利用机器视觉技术对数据进行处理，其过程如下。由于采集到的机械图像为灰度图像，灰度图像清晰度较低，因此首先需要将机械灰度图像转化为彩色图像，再将彩色图像转化为二值图像，实现对机械图像的分割处理。引入几何间隔M概念，表示如式（1）所示。式中，m为机械图像数据的几何间隔；p为机械图像数据函数间隔；w为机械图像数据间隔最大的最优超平面；q为机械图像数据到超平面的距离；v为机械图像数据间隔最大的最优超平面横向方向量构成的矩形。将不为零的机械图像数据提取出来，构成数据集合，提取到机械故障特征。
2.2机械自动化检测分析
在上文基础上，对提取到的机械故障特征进行分析自动化分析。生产后的机械设备与原机械图纸会存在一定的误差，如果该误差超过一定范围，则会判定该机械设备质量不合格，存在机械故障，因此以机械设备最大允许误差作为机械自动化检测阈值B，将计算到的机械误差与该阈值进行对比，如果超出该阈值则系统自动判定该机械存在故障，输出检测结果。机械误差的计算主要是根据上文提取到的机械故障特征，其计算如式（2）。（2）式中，x表示机械设备图像误差；n表示数据集合F中故障图像数量；vn表示当前机械v部分的数值；v表示要求数值。利用上述公式计算出机械误差，将计算结果与B做比较，输出比较结果，将最终的检测分析结果上传到系统显示界面，以此完成基于机器视觉的机械自动化检测，进而完成了系统设计。
3实验论证分析
实验以某机械设备为实验对象，该机械设备数量共125台，机械整体重量为150kg，利用此次设计系统与传统系统对该机械进行自动化检测。实验以Windows2014作为操作系统，硬盘为UIH14GB，内存大小为8GB。实验将该机械设备分成4个部分，布设24个检测点，对相机与光源进行安装，相机与检测台间距为75cm，相机与光源的间距为15cm，将BYKMOSD/5AD66D工业相机的拍摄频率设定为2.56Hz，拍摄范围设定为100cm，镜头角度调整为45°～-65°，实验共采集到机械图像数据4.2GB。利用式（2）对机械4个部位的误差进行计算，如表1所示。实验分别记录检测量为25台、50台、75台、100台、125台时系统检测情况，利用BUS软件分析系统是否存在误检情况，如果存在计算系统误检率，将其作为实验结果，对两种系统进行对比分析，如表2所示。从表2中数据可以看出，基于机器视觉的机械自动化检测系统具有良好的可行性和可靠性。
4结语
分析表明，此次结合机械质检工作需求，以及传统系统在运行上存在的弊端，采用机器视觉技术对机械图像进行处理，设计了一套新的机械自动化检测系统，并在设定的实验环境中完成了两种系统对比实验，验证了基于机器视觉的机械自动化检测系统具有较高的精度，此次研究对降低系统误检率，提高机械自动化检测工作质量水平具有一定的现实研究意义。
作者：李晓东 单位：长春工业大学
