机器视觉技术及在机械制造自动化中的应用

　　机器视觉技术是通过机器替代人眼完成各项测量与判断工作，通过计算机技术识别客观三维世界，通过模拟人类视觉与中枢神经的处理方法，通过机器视觉技术系统的图像拍摄装置捕捉事物信息后，通过数据、图像处理对各种物象信息进行观察与监测，这种技术能够与计算机灵活连接，并采用数字化处理技术，极大地减少了劳动率，在机械制造领域中，能够完成图像采集与捕获、非接触性测量与实时监控等工作，是现代测量领域与测试技术的一个发展焦点。

　　1机器视觉技术概述

　　(1)机器视觉技术是利用计算机模拟人类的视觉功能，准确提取、分析、测量并监控物象信息的一种技术。这项技术首先需要采用CCD(ChargeCoupledDevice，电荷耦合器件)摄像技术获取物象信息，转变具体物象后，使其成为所需图像再输入计算机进行处理，然后分析、测量并计算图像中包含的信息，最后以分析结果为依据，将结果直接转化成相对应的数字信号并输出，以实现智能化监控各种机器。CCD摄像技术是机器视觉技术的重要技术基础，它能综合处理所获取的图像，并且以智能化的形式输出分析报告。机器视觉技术具有高效率、精准测量、低噪声、应用灵活等特点，能够适用于多种测量环境，对于恶劣的测量环境也有很强的适用性，大幅度提高了测量工作效率和机械制造质量，提高了机械制造效益。

　　(2)机器视觉系统的输出结果是经过计算、分析、处理后的检测结果，系统中的图像处理部分会对CCD摄像系统获得的物象图像信号进行处理，通过像素、亮度以及颜色等信息，把图像信号转换成数字信号，进一步运算这些信号，获取物象目标的基本外观特征，与系统中预先设置的条件相结合，将运算结果输出为各种物象特征数据。上位机在获取到运算结果后，再利用控制系统、I/O系统进行相应的操作。

　　2机器视觉技术在机械制造自动化中的运用

　　2.1在工业精密测量中的运用

　　(1)机器视觉技术能够精密测量零件尺寸。

　　由CCD摄像头、光学系统和计算机处理系统组成的检测系统能够对零件进行精密测量。光源的平行光束照射到物象目标检测部位上，运用显微光学镜技术使物象目标边缘轮廓在CCD镜面上形成图像，由计算机进行处理以获取物象目标边缘轮廓位置，对有物移问题的物象目标，可重复测量边缘轮廓位置，计算重复测量后的位置差值，获取位移量，并作为物象目标的尺寸值。这种方法很好地适用于尺寸较小、形状较简单的物象目标的工件在线检测工作。如各种电子接插件需要较高的生产效率，成品尺寸精度要求也较高，采用机器视觉技术后，能使每分钟生产效率达到数百件，成品尺寸精度达到0.01mm级。

　　(2)刀具磨损的精密测量。

　　刀具出现磨损时，需要测量其磨损程度，但外界因影响较大，导致最终无法确保测量准确性。如传统的刀具磨损检测工作，首先要卸下刀具。机器视觉技术方便了这种检测工作。对机器视觉系统进行一定的改进，通过光纤技术在镜头周围插入光源降低阴影影响产生的测量误差，提高夹具转动范围和角度，降低取像设备大小，通过实验确定最佳状态的光线照射强度与角度，并获取最佳拍摄角度，该机器视觉系统使用范围获得了极大提高。通过刀具磨损前后在横向上存在的尺寸差，精确计算刀具磨损值，实现简单几何形状刀具的在线测量，简化图像处理流程，降低测量信噪比，提升测量精度和速度。

　　(3)工件预调测量。

　　对工件预测测量的传统方法主要是通过光学投影定位，利用光栅数显表对工件读数进行测量，这种测量方法需要投入的人力资源较大，需要具备的技术水平也较高，工作效率较低。采用机器视觉技术能够制造技术更为先进的预调测量仪，将机器视觉技术、光栅技术、自动控制技术及计算机技术有机结合，精简了测量操作流程，提高了测量效率与测量精度。

　　(4)逆向工程的测量。

　　逆向工程即通过3D测量仪，对各种工件、样品及模型等进行测量，获取其轮廓坐标值，构建曲面，并对其进行编辑修改，转换文件形式，并以测量数据为基础建立三维坐标图，最后进行加工获得所需模具，也可利用快速成型机制作样品模型。三维测量数据的准确性是最终模型质量的保障。

　　在CCD光电技术基础上，利用三角法可实现快速化的轮廓视觉测量，线结构光可作为物象表面轮廓结构的测量介质。激光能够穿越振幅光栅系统，或者通过干涉仪直接生成干涉条纹，再将测量目标转换成平面条纹结构投射出来，利用条纹变形的方式生成物体表面曲率与深度等变化值，CCD摄像系统对条纹图像进行提取后，即可分析该物体表面结构变化。

　　利用机器视觉系统，能够将获取的图像实现视频信号、模拟信号与数字信号的自由转换，并根据模拟信号提供的数值进行像素化处理，使图像能够顺利转换成三维轮廓图像或模型。这种数字化处理技术，能够使计算机最终获得的图像数据以多个像素的形式呈现出来，每个像素的坐标特定，并与物体上的各个点相对应，利用灰度值表示像素即可。

　　2.2机器视觉技术在工件检测中的运用

　　(1)检测工件表面缺陷。

　　目前汽车、摩托车和内燃机等生产行业，人工目测仍然是工件表面的主要检测方法，这种方法效率低下、精准度低、劳动强度较高。利用机器视觉技术可提高检测规范与精确度。CCD摄像技术能够检测工件表面缺陷，并以此作为零件表面质量管理的优化过程。例如，在检测连杆结合面的爆口中，其常规检测标准是破口面积<4mm2，且任意方向破口的线性长度需<3mm，在检测中利用LED(LightEmittingDiode)漫反射光源与CCD摄像技术，能够合作检测坡口区域，光线在工件表面照射后，会反射至CCD元件中，并生成电量信号。

　　再由机器视觉系统分析计算CCD元件上反射生成的图像电量信号，经最终处理后获取高价值数据，再做图像二值化处理，并计算和分析处理结果。设定已有样件为参照物，即可采用灰度二值化阈值和光源设定比对的方法进行处理。调整光源亮度、处理系统的二值化阈值后，对灰度二值化阈值进行优化处理，提高机器视觉系统对对象边界的分辨率，最后根据优化后的阈值和光源亮度调整后的边界变化产生的像素值获取检测结果。

　　(2)激光机器视觉检测系统。

　　国外部分机械加工、电子生产和汽车制造等领域已经成功研制并使用该先进系统完成各项检测。如北美汽车工业研究院完成的BIN-PICKING成果利用模型数据和三维成像技术相结合的方式完成识别判断，精确定准最佳成像点，可使激光雷达在7s内完成整个工件箱的扫描。我国利用CCD摄像技术与激光技术研制成功视觉传感器，能够精确测量被测物象的三维坐标，并于7s内对整个汽车辐射完成检测，工作效率可提升100%。

　　(3)检测金属板面。

　　机械制造中会较为频繁地使用金属板，先检测金属板，能够提高产品精度。传统的加控针检测，首先要直接接触金属板面完成检测，因此可能会对金属板造成划伤。机器视觉检测采用远程摄像分析技术，无需直接接触金属板面，不仅能确保测量准确性，还能避免操作金属板，同时，能够全面分析金属表面，并记录准确信息，将检测获得的三维图像呈现到显像仪上，帮助研究人员准确定位金属板缺陷，并及时处理。

　　2.3在焊接机器人中的运用

　　焊接机器人是机械制动焊接工作的主要执行者，在机器人控制系统中安装机器视觉技术，能够使焊接机器人加入可视化分析功能。机器人能够根据具体的图像数据分析与运算结果，确定焊接点，更好地感知焊接过程，不受焊接环境的限制，处理各种困难焊接环境下的焊接工作。

　　3结语

　　机器视觉技术在机械制造行业中的运用在不断延伸，传统的摄像、采集、分析、运算、传输等功能，也逐渐实现了开放性的发展，机器视觉技术与自动化、智能化技术正不断融合，基于机器视觉技术的各种软硬件产品也正成为机械制造过程中的各种关键部分，不断提高着机械制造的效率与质量。

　　参考文献

　　[1]白宁.浅谈机器视觉技术及其在机械制造自动化中的应用[J].石化技术，2017，24(3)：72.

　　[2]张萍，朱政红.机器视觉技术及其在机械制造自动化中的应用[J].合肥工业大学学报，2007，30(10)：1292-1295.

　　[3]孙梅.基于机器视觉技术的机械制造自动化研究[J].中小企业管理与科技(上旬刊),2015(11):222.

　　[4]陈晓斐.机器视觉技术在机械制造自动化中的应用分析[J].中国设备工程，2017(1)：168-169.

　　[5]李仁杰.机器视觉技术及其在机械制造自动化中的应用[J].科学技术创新，2016(12)：80.