计算机视觉检测技术及其在机械零件检测中的应用

泰山职业技术学院2006级毕业论文

目录

摘要 (1)

1自动检测的原理和方法 (2)

1.1检测和检验的不同意义 (2)

1.1.1质量控制中的检测 (2)

1.1.2质量控制中的检验 (3)

1.2统计质量控制基础 (3)

1.2.1统计质量控制的推断 (3)

1.2.2制造中的偏差 (4)

2计算机视觉检测技 (4)

2.1 AVI技术 (4)

2.1.1视觉检测分类 (5)

2.1.2视觉检测方法 (5)

2.1.3视觉检验方法 (5)

2.2机械零件的AVI (5)

2.3基于CAD的AVI (6)

2.4 AVI技术展望 (7)

参考文献 (8)

致谢 (9)

计算机视觉检测技术及其在机械零件检测中的应用

张文景，张文渊，苏键锋，许晓鸣

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.

关键词：计算机视觉；计算机视觉检测；计算机辅助设计；机械零件

中图分类号：TP 391 文献标识码：A

Automated Visual Inspection and Its Application on Inspection of Machined

Parts

ZHANG Wen-jing,ZHANG Wen-yuan，SU Jian-feng, XU Xiao-ming

Dept. of Automation, Shanghai Jiaotong Univ., Shanghai 200030, China Abstract：With development of computer vision,automated visual inspection (AVI) has more applications in a variety of fields in industry.AVI takes more advantages in intelligence,flexibility and speed of inspection system than contacted inspection.The recent achievemens researched by international scholars in the field of AVI were surveyed.Principle and classification of inspection techniques were introduced.The analysis for general methods and system of AVI of machined parts was presented.Key technology of AVI based on CAD was also discussed.Some opinions about development of AVI were proposed at last.

Key words：computer vision;automated visual inspection(AVI);computer aided design(CAD);machine parts

1自动检测的原理与方法

检测和检验是制造过程中最基本的活动之一。通过检测和检验活动提供产品及其制造过程的质量信息，按照这些信息对产品的制造过程实施控制——进行修正和补偿活动，使废次品与返修品率降到最低程度，保证产品质量形成过程的稳定性及其产出产品的一致性。传统的检测和检验主要依赖人，并主要靠手工方式完成。它既费时又耗资，使生产周期增长，生产成本增加。同时，传统的检验和检测活动主要是在加工制造过程之后进行，一旦检出废次品，其损失已发生。此外，基于人工检测的信息，经常包含有人的误差（人差）的影响，按这样的信息控制制造过程，不仅要在过程后才可实施，而且也会引入人差的误差。因此，不能依赖这种信息实现实时或在机过程控制。新的检测和检验常常是以多种先进的传感技术为基础的，且易于同计算机系统结合。在合适的软件支持下，这类自动化检测或检验系统可以自动地完成数据采集、处理、特征提取和识别，以及多种分析与计算。

1.1. 检测（Inspection）和检验（Testing）在大多数情况下，检测和检验有不同的含义。（

1.1.1质量控制中的检测

检测是指为了确定产品、零件、组件和部件或原材料是否满足设计规定的质量标准和技术要求目标值而进行的测试／测量等质量检测活动。例如：按设计图样规定的有关标准对机械零件的尺寸、形状和相互位置精度、表面粗糙度与表面质量等指标的目标值满足状况进行测量、数据处理和评价的相关质量检测活动。检测的目标是：1）实际测定产品（含零、部件）的规定质量特性及其指标的量值。2）根据测得值的偏离状况，判定产品的质量水平（等级），确定废次品。3）认定测量方法的正确性和对测量活动简化是否会影响对规定特征的控制。检测活动的实践中，第3）个目标的示例是：认定采用多种过／不过量

规控制孔径、螺纹副加工质量是否满足产品质量标准的要求。对规定的检测项目进行实际测量可获取制造过程各输入与输出阶段或工序的实测值，并可根据这些信息——时序实测值数列，确定其趋势与变动状况，调整制造过程，使生产能修正偏差，恢复正常的质量状态。采用简化测量，如用量规时，只能确定可否接受，但不能提供调整所需的信息，故不能实现质量控制。简化测量／检测的目的是节约测量时间，降低测量费用。

1.1.2质量控制中的检验

检验又称试验，它是对产品功能和性能进行评定的一种质量控制方法。检验指的是在实际工作环境（现场条件）或设计规定的工作条件下，对产品的功能、性能和寿命进行测定、试验和评价的质量控制活动。通常只有通过检验的产品才能上市供应用户。检验分为两类：一类是破坏性试验，如高压破坏试验；另一类是无损检测试验，如高压容器的无损探伤等。产品的检验评价是设计改进或修改、制造过程改善的依据，特别是要求安全认证的产品，如汽车、摩托车、压力容器、家电与炊事用具等，必须重视安全检验的评价。上述两类质量控制法，过去多以人为主体来完成，为减少检测、检验的工作量，降低成本，从60年代以来，工业发达国家中的企业多采用质量控制法，并配置了多种先进、有效的自动检测装置与系统。

1.2 统计质量控制（SQC）基础

1.2.1统计质量控制是根据产品（含零件、组件、部件、原材料等）的抽样数据和统计分析结果对其质量进行推断，其理论基础是数理统计和概率论。抽样又称采样，是从产品中随机地抽出样件，对每一样件进行规定的质量特征项目的技术指标的检测或检验。在加工过程抽样中，质量特征指标是在制造过程中或制造过程刚完成后进行检测或检验，譬如：孔径自动检测仪可以在孔的磨削过程中实时地进行孔径尺寸的检测，而孔磨削加工完成后，可以进行在线或离线的检测或检验。

1.2.2制造中的偏差

任何一个制造工序必然存在偏差，利用足够精度且可靠的测量器具和正确的测量方法可以发现任何两个已加工工件或零件间的差异。根据误差理论，这种差异或偏差可分为两类随机偏差：它是由随机因素引起的不确定性。例如：原材料或毛坯件的加工余量、材料的可加工性、材料的缺陷和硬度的不均匀性等的变化、加工参数和设备调整及运行中的变动性、加工过程的变动性（振动、力与热效应的影响）及参与者的人因（即人的因素）的变化等，就是引起随机偏差的因素。这类偏差的表现规律是：单个偏差（又称误差）的绝对值及其符号有不确定性和无法预测的特征，而对其样本总体的统计则服从分布的规律。最常见和最典型的随机偏差趋向于服从正态分布。前苏联国家计量院与其他国家专家学者的研究结论是：大多数计量器具的测量误差的分布同正态分布相差甚远。甚至有的专家研究后认为：没有一种实际情况会导致一个真正的正态分布。鉴于这些研究结果，美国把基于非正态分布和计算机的新型控制图技术列为90年代的国家研究的课题。试图以它代替基于手工的计算，假定服从正态分布的现行质量过程控制图技术。

2计算机视觉检测技术

随着CIMS的推广应用，企业在向柔性化、自动化发展的进程中，提出了对计算机辅助质量(CAQ)系统的需求.目前，计算机辅助检测计划(CAIP)系统已成为CAQ系统的重要组成部分，它的核心问题是解决如何检测零件.在柔性制造中坐标测量机(CMM)是重要的检测手段，在制造企业中得到广泛的应用.随着柔性制造系统(FMS)的推广，人们对检测系统的智能化、柔性、快速性等方面提出了更高的要求，以适应多品种、小批量生产的需要.计算机视觉技术得到不断发展，由于计算机视觉系统可以快速获取大量信息，且易于同设计信息及加工控制信息集成，用于工况监视、现场监控的计算机视觉系统已广泛地应用在工业、商业等领域.计算机视觉作为一种检测手段已经越来越引起人们的重视，逐步形成一种新的检测技术——计算机视觉检测(Automated Visual Inspection, AVI)技术.

本文综合了国内外在AVI方面的研究成果，总结了利用AVI技术检测机械零件的一般方法和系统构成，并对视觉系统与CAD系统的集成进行了有益的探讨，提出了发展AVI技术的一些看法.

2.1 AVI技术

AVI是一种以计算机视觉方法为基础，综合运用图像处理、精密测量以及模式识别、人工智能等技术的非接触检测方法.其基本原理是对由计算机视觉系统得到的被测目标图像进行分析，从而得到所需要的测量信息，并根据已有的先验知识，判断被测目标是否符合规范(即合格或不合格).

从80年代开始，AVI系统在美国制造业中广泛应用，最为广泛的是那些重复性检测相同部件或产品的场合.电子工业是AVI应用最活跃、最为成功的行业，其中印刷电路板(PCB)和集成电路芯片的自动检测已广泛采用AVI技术，其他工业如汽车、木材、纺织和包装等都有各自专用的AVI系统.

2.1.1 视觉检测的分类

视觉检测按其所处理的数据类型可分为二值图像、灰度图像、彩色图像和深度图像的视觉检测.另外，还有X射线检测、超声波检测和红外线检测.

大部分商业视觉检测系统采用二值图像数据格式，其图像精度要求不高，可减少检测所需的数据量，有助于满足系统速度和成本要求.一般地，二值图像视觉检测系统仅采用简单的检测算法，如计算像素点、边缘检测和模板匹配等.二值图像对于检测那些没有表面特征的平面物体或仅用边缘轮廓就可表示出来的物体是足够的.灰度图像视觉检测通常用于检测物体的表面缺陷，如裂缝、磨损等，对光照条件要求较高.在工业环境中，由于光照条件差，用灰度图像进行视觉检测的系统很少.彩色图像视觉检测主要用于家具、食品等部门，一般根据阴影或色彩的变化来判断是否存在缺陷.在许多情况下，用二值、灰度或彩色图像进行检测是不现实的，因它们只能检测物体的二维(2D)特征，丢失了大量的三维(3D)信息.若要检测物体的3D特征通常采用深度图像(range maps or depth data).深度图像最显著的特征是清晰描述了物体的表面信息.

2.1.2 视觉检测方法

Moganti等将PCB视觉检测算法分为基于参考的检测方法、非参考型检测方法和混合检测方法.虽然这些方法目前主要应用于PCB检测，但对其他目标的检测也有借鉴意义.

(1)基于参考的视觉检测.该方法采用点对点(或特征对特征)比较，它利用了检测目标的完整知识.这类方法主要有：剪影法、模板匹配法、树法、句法方法和图匹配方法.

(2)非参考型检测方法.该方法利用的是待检测目标的一般特性，而不是特定的一个检测目标的知识.它不需要任何参考模式，如果模式不符合设计的规则，就认为不合格或有缺陷，因此也称为设计-规则验证方法.该方法依据工件设计规则判断工件是否有缺陷，无须逐点比较待测工件图像和标准图像.

(3)混合检测方法.上述两类方法各有其优缺点，混合检测方法的思想是采两者之长，避两者之短.其典型方法有：一般方法、用边界分析的模式检测、射线匹配算法、形状比较法、圆形模式匹配法等.

(4)基于CAD的检测方法.近年来，迅猛发展的CAD/CAM技术为建立物体的几何模型提供了几何描述基础，产生了三维物体几何模型，称为CAD模型.计算机视觉和CAD技术相结合，有着广阔的发展前景.

2．2 机械零件的AVI

机械零件的自动检测是制造企业中CAQ系统的一个重要组成部分，是实现企业柔性制造自动化的关键环节.研究机械零件视觉检测首先是把三维物体图像

化，即得到二维的平面图像，然后再根据图像去分析和理解三维空间物体.在大部分机械零件中，直线和圆是构成零件几何元素的基本要素，系统对于各几何元素的测量基本上都可归结到对直线和圆的测量.对于直线与圆(圆弧)的检测，通常采用测量点序列进行最小二乘法拟合以得到直线或圆参数的估计值.

对于任意的零件几何元素的检测，Mundy和Noble等提出了一种有约束的优

化模型：minf

1(x),且满足h(x)=0.其中：f

1

(x)为实测数据与几何元素模型的最

小二乘拟合误差总和；h(x)为元素模型之间所应满足的几何约束关系.在他们的实体模型中，每一个几何元素分别采用独立的参数表示，这样，在他们的优化模型中，至少含有2n个变量和n个约束方程(n为元素实体个数).Chen等提出了一种无约束最优化模型：minf

2

(x).由于该模型采用四个具有全局特征的参数(表示平移、旋转和尺度)来描述数据拟合的误差，大大简化了数据拟合的复杂性.对于最优化模型的求解，一些常用的最优化方法已经得到应用，如最小二乘法和Lagrangian松驰法、梯度下降法、非线性最小二乘法和单纯形法等.近年来，遗传算法由于其全局最优的收敛性，已被成功地应用到各种优化问题，Chen等将遗传算法应用于无约束最优化模型中的参数寻优，得到了令人满意的结果.

一个完整视觉检测系统包括：图像采集、图像分割、零件识别、模型匹配和决策判断.Newman等［9］描述了利用深度图像进行零件检测的AVI系统，具有一定的代表性.图1所示为该系统的处理流程.

图1 一个典型的AVI系统

Fig.1 A typical AVI system

2.3基于CAD的AVI

基于CAD的计算机视觉是Bir Bhanu首次提出的，到目前已成为计算机视觉的研究热点.基于CAD的AVI的关键是视觉系统和CAD数据库的集成，即如何在自动制造环境下利用已有的CAD模型建立适合于视觉检测的视觉模型，并把CAD 数据作为上层知识生成智能检测规划.

2.3.1视觉模型.基于模型的AVI最终将面临三维几何模型化的问题，也就是解决如何建立面向视觉的三维物体模型.

尽管视觉系统和CAD系统都依赖于物体的几何模型，但它们在知识表达、数据共享等方面仍得不到统一.视觉检测要求计算机能从CAD系统中获取零件精确的数学模型，而这种模型往往要用构成零件几何元素的解析表达式来表示.当前CAD系统中零件的模型还不能完全以解析形式表示，而只能以几何元素的特征值(如长度、角度、半径、位置等)表示.因此，一些学者已开始研究如何从CAD模型提取视觉模型的方法.Chen等］利用CAD数据提供的边界特征(包括交点、边、

夹角)建立了一个由直线段和圆弧组成的零件剖面图的解析表达式，并由些对检测到的数据点进行拟合.

2.3.2检测规划.随着CIMS的逐步推广，检测系统和CAD数据库的集成已成为柔性检测技术发展的必然趋势.CMM发展到现在已具备了离线编程的功能，人们可以直接利用CAD系统中零件的模型来生成检测点，并进一步生成检测路径，然后传送到CMM来自动完成检测任务，即目前较为流行的“基于CAD的CMM检测规划生成］，这也是将CMM集成到CIMS中所要解决的关键技术.

同样，视觉检测要实现与CIMS的集成，也必须建立智能的视觉检测规划，以便控制机器人对零件进行操作，可称之为“基于CAD的视觉检测规划生成”.Park和Marefat等在这方面做了一些有益的探讨，提出了视觉规划的模型.他们用CAD数据库中的边界特征及其几何关系建立了一种智能检测规划，为视觉检测提供了必要的信息.这些信息包括可见特征列表、可能的视角方向和摄像机位置以及在每一个视角和位置上的可见边.

为了在CAD系统和检测系统之间进行有效的数据传递，必须建立统一的数据格式和标准.一种面向CMM的标准规范目前已经形成，即尺寸测量接口规范(Dimensional Measuring Interface Specification,DMIS).DMIS的目标是作为一套计算机系统和测量设备之间检测数据双向通信的标准.它提供一套词汇表将检测规程和CAD系统数据(尺寸、公差等)提供给检测设备以及将检测设备的检测结果传递给接受系统.如何建立面向视觉检测的DMIS已成为发展基于CAD的计算机视觉检测技术的一个关键环节.

2.4，AVI技术展望

AVI技术是一种很有发展前途的自动检测技术，可以实现智能化、柔性、快速和低成本的检测目标，而CIMS的普及与发展已给基于CAD的AVI技术提供了广阔的应用前景.作者认为AVI技术今后的发展应集中在以下几个方面：

2.4.1实现在线实时检测.使系统可以100%地检测产品，而不像现在所普遍采用的抽样检测.视觉检测执行时间在很大程度上取决于低层图像处理(图像平滑、滤波、分割等)速度，采用快速的图像处理算法、高速CPU和并行处理器是实现在线视觉检测的有效途径.

2.4.2实现智能化检测.从CAD系统中提取零件视觉模型与检测信息(包括工件位置与方向、摄像机视角等)，选定检测项目、检测点和检测路径，建立智能检测规划，并控制工业机器人抓取零件并放置到合适的位置进行检测.为在CAD 系统和检测系统之间进行有效的数据传递，必须建立一种面向视觉系统的尺寸测量接口规范.由于基于CMM的检测规划目前正趋于成熟，这对AVI规划的生成也很有借鉴意义.

2.4.3实现高精度检测.CCD摄像机的分辨率和系统误差制约了视觉检测精度的进一步提高，无法适应大尺寸零件的检测.与视觉系统相比，CMM在检测精度和测量空间范围上占有很大优势.可以预见，计算机视觉系统与CMM的集成必将成为视觉检测发展的一种新方向.事实上，基于CMM的视觉检测技术已经受到人们关注.集成化的CMM和视觉系统可以利用视觉系统迅速识别零件的形状及其在测量平台上的位置和状态，完成机器坐标系、零件坐标系和摄像机坐标系之间的转换，帮助CMM实现检测路径自动形成与测量结果判断.

随着计算机视觉技术自身的成熟和发展，AVI技术必将在现代和未来制造企业中得到越来越广泛的应用.

参考文献：

［1］阮秋琦.图像处理和计算机视觉技术在美国［J］.北方交通大学学报，1992，16(3)：8～14.

［2］Newman T S,Jain A K.A survey of automated visual inspection ［J］.Computer Vision and Image Understanding,1995,61(2):231～262. ［3］祝世平.大型工件特征点空间坐标视觉检测方法研究［D］.哈尔滨：哈尔滨工业大学，1997.

［4］Wu Wen-Yen,Wang Mao-Jiun,Lui Chi-Ming.Automated inspection of printed circuit boards through machine vision［J］.Computer in Industry,1996,28(2):103～111.

［5］Guglielmi N,Guerrieri R,Marstretta M,et al.Highly-contrainted neural networks with application to visual inspection of machined parts ［A］.In:IEEE International Conference on Acoustics,Speech,and Signal Processing［C］.Minneapolis, USA, 1993.629～632.

［6］Moganti M,Ercal F,Dagli C H,et al.Automatic PCB inspection algorithms:a survey［J］.Computer Vision and Image

Understanding,1996,63(2):287～313.

致谢

在本次论文设计过程中，亓燕老师对该论文从选题，构思到最后定稿的各个环节给予细心指引与教导,使我得以最终完成毕业论文设计。在学习中,老师严谨的治学态度、丰富渊博的知识、敏锐的学术思维、精益求精的工作态度以及侮人不倦的师者风范是我终生学习的楷模，导师们的高深精湛的造诣与严谨求实的治学精神，将永远激励着我。这三年中还得到众多老师的关心支持和帮助。在此，谨向老师们致以衷心的感谢和崇高的敬意！

最后，我要向百忙之中抽时间对本文进行审阅，评议和参与本人论文答辩的各位老师表示感谢。