APP下载

基于机器视觉的EDM电极积碳深度自动检测系统

2018-09-14刘宏苟淞周加乐辛拯宇周检

科技创新与应用 2018年21期
关键词:自动检测机器视觉

刘宏 苟淞 周加乐 辛拯宇 周检

摘 要:在电火花加工中对工件的检测常常是非在位的和离线的方式,但此过程复杂且耗时。由于电火花加工中电极积碳区域的分布对于加工进程和加工参数调整具有重要参考意义,因此文章提出了一个基于机器视觉的电火花加工电极积碳区域深度自动检测系统。实验结果表明本系统能较精确的测量出积碳区域的深度值,并且抗干扰力强。

关键词:机器视觉;电火花;盲孔加工;自动检测;CCD

中图分类号:TP391 文献标志码:A 文章编号:2095-2945(2018)21-0049-02

Abstract: The detection of workpiece in EDM is often off-site and off-line, but the process is complex and time-consuming. Because the distribution of electrode carbon deposition area in EDM has important reference significance for machining process and parameter adjustment, this paper presents an automatic depth detection system of electrode carbon deposition area based on machine vision in EDM. The experimental results show that the system can measure the depth of carbon deposition area accurately and has strong anti-interference ability.

Keywords: machine vision; EDM; blind hole machining; automatic detection; CCD

引言

自CCD圖像传感器发明以来,CCD便成了光学检测的重要器件。它的原理是由感光元件受到光强而产生相应大小的电荷,电荷经处理便后可以得到与原图像相识的图像[1,2]。基于CCD的机器视觉已经被广泛应用于航天航空,医疗,工业自动化及自动检测等领域,尤其适用于电火花加工检测。目前电火花加工检测通常是加工完后用电极丝触碰法进行检测,但是这样会影响工件表面质量。为了避免这种磨损常常采用非接触的方式测量,机器视觉正好适用于这种场景,并且精度更高,耗时更短[3]。但是在电火花加工中对深盲孔的检测机器视觉同样很难直接检测,于是Kuoyi Huang[4]提出了通过检测电极区域积碳区域的深度来估算盲孔深度的方法,因此本文提出优化过的基于机器视觉的电火花加工电极积碳区域深度自动检测系统。系统分为CCD相机姿态控制模块,多自由度三脚架和数字图像处理模块。姿态控制模块包括一个陀螺仪,舵机组,单片机,蓝牙模块。数字图像处理模块采用树莓派作为图像处理的计算单元。

1 系统整体框架设计

本测量系统是一个便携式可拆除组合设备。由CCD(耦合电偶器件),CCD姿态控制模块,计算模块,支架模块组成.相机像素大小为800×600,图像处理是利用python编程实现。计算单元是Raspberry Pi3(1.2GHz 四核 Broadcom BCM2837 64 位 ARMv8处理器)。设备在实际安装中会有火花油池壁,安装高度以及火花油池尺寸等问题使得设备安装有困难,因此设计了支架模块,该模块有4个自由度可以解决复杂角度的安装问题。在空间直角坐标系中电极与竖直面,水平面都有角度偏差,因此设计了一个CCD相机控制模块实现CCD相机的竖直与水平,以减小实验误差。在保证了CCD相机的水平与竖直后尽量使电极安装竖直,这样经过一系列算法后可测出电极目标区域的长度。

1.1 CCD相机姿态控制模块设计

CCD相机控制模块是由陀螺仪,单片机,高精度舵机组,蓝牙模块组成,结合负反馈原理实现控制[5]。陀螺仪采集CCD相机的水平偏移量和竖直偏移量作为系统的输入量。单片机作为主控逻辑单元,舵机实现姿态调整,蓝牙发送数据到PC 端用以建立相应曲线和判断姿态是否满足要求。CCD姿态控制模块框图如图1。

1.2 数字图像处理模块设计

Raspberry Pi3作为图像处理的计算单元,调用开源的数字图像处理库Opencv来对图像进行预处理,其中用到了中值滤波法,阈值分割法[6]。为了实现积碳区域的测量本文提出了一个中心线检测算法,算法整体框架如图2。中心线算法可分为以下几个步骤:

(1)图像预处理后将电极于周围环境分割开来并返回二值化图像。

(2)检测图像中电极的中心位置。

(3)建立中心线,沿着中心线检测电极在灰度情况下的所有像素点。

(4)差分法找到特有的两个跳变点,两跳变点之差就是积碳区域的像素点个数,从而得到积碳区域的真实深度值。

2 EDM正交实验设计

实验条件如表1。紫铜作为工具电极阳极,设计电流,电极直径,预设加工深度为三因素,及其变化量为5水平的正交实验。利用机器视觉测得积碳区域深度值,并通过工具制造显微镜得到了人工测量值。实验结果部分数据如表2,加工后工件以及电极如图3。

3 结束语

实验结果表明本文提出的CCD姿态控制模块能够快速调节且控制稳定。中心线检测算法检测精度平均达到98.35%,在可接受误差范围内。因此本文提出的基于机器视觉的电火花加工电极积碳区域深度自动检测系统可用在实际工程中,以达到提高工作效率,降低检测成本的目的。

参考文献:

[1]Marr D. Vision, W.H. Freeman Company. 1982:78-91.

[2]王庆友,孙学珠.CCD应用技术[M].天津大学出版社,1993:2-8,121-134.

[3]Jurkovic J, Korosec M, Kopac J. New approach in tool wear measuring technique using CCD vision system. International Journal of Machine Tools and Manufacture 2005,45:1023-1030.

[4]Kuoyi Huang. A Fast Inspection of Tool Electrode and Drilling Depth in EDM Drilling by Detection Line Algorithm. Sensors 2008,8:4866-4877.

[5]黄坚.自动控制原理及其应用[M].高等教育出版社,2016:978-7-04-044921-1.

[6]Joe Minichino, Joseph Howse. Learning OpenCV 3 Computer Vision with Python, Second Edition. Packt Publishing Ltd. 2005:978-1-78528-384-0.

猜你喜欢

自动检测机器视觉
电力输配电线路运行短路故障自动检测方法研究
智光智慧净水机中控制系统设计
机器视觉技术发展及其工业应用
全自动模拟目标搜救系统的设计与实现
基于机器视觉的自动浇注机控制系统的研究
大场景三维激光扫描仪在研究生实践教学培养中的应用
基于机器视觉的工件锯片缺陷检测系统设计
基于机器视觉技术的动态“白带”常规检测系统的开发
心电异常自动检测的研究
机器视觉技术在烟支钢印检测中的应用