王华敏　徐邦坤

摘要：以机械工业中常用零件齿轮为研究对象，根据齿轮轮廓提取对输入图像的要求，对视觉检测系统硬件部分进行了分析研究。采用Haclon软件，对齿轮图像进行了滤波去噪、图像增强等预处理，实验证明，该方法可以完成齿数、齿顶圆齿根圆半径、齿高等参数的测量提取。

关键词：机器视觉；齿轮；HALCON

中图分类号：TH391.41 文献标识码：A 文章编号：1007-9416（2019）01-0069-02

1 机器视觉技术发展现状

机器视觉，就是以摄像头代替人眼来观察，以计算机代替人脑来分析，做到能够自动识别观测对象、自动提取兴趣内容，自动反馈处理结果。

国外对机器视觉在零件检测技术上的研究则起步较早，一些新型工业化生产线上，从下料、生产、检测到成品，已经可以实现无人操作。1995年，Timothys等人，针对金属铸件，提出了一种既可识别其表面铸造缺陷，又可以检测其尺寸精确度的检测系统。[1]2013年，Kikuhito Kawasue等人针对复杂环境中多样化管道直径的检测问题，制作了利用环形激光发射器和工业CCD面阵扫描相机的视觉检测装置。[2]

国内针对机器视觉系统的研究也已经迎来发展的高潮。2000年，张翼空、刘瑾等人利用图像处理技术制作了“钢球测漏装置”可在短时间准确检测等速万向节传动轴的合格与否[3]。2004年，哈尔滨工业大学和北京首都航天机械公司的马强、陈金存等人，对于不规则闭环状零件的图像检测技术进行了研究，完成了不规则零件截面轮廓的提取与测量。[4]

纵观国内机器视觉技术的发展，在检测行业的应用已初露头角，但其在检测上的应用还没做到大规模普及，其高效率、低成本的的优势还无法体现。因此，如何加快节奏，研究出价格低廉、检测和稳定性达标的视觉检测系统，仍旧是目前一个重要的课题研究方向。

2 基于机器视觉的零件检测系统

用机器视觉对机械工件进行检测需要满足以下要求：（1）获得的工件轮廓图像质量较好，目标区域要清晰。（2）检测效率高，能够快速的获得工件的轮廓和得到相关的参数，并快速处理，实现目标动作。

本文所设计视觉检测系统，其检测对象为金属材质，反光度不高，一般尺寸，检测目标是获取齿轮齿数、分度圆直径、齿形缺陷等尺寸参数，无需获得清晰的表面缺陷，综合各方面因素考虑，其照明部分采用由环形LED光源组成的前向直接照明系统，布置顺序为CCD相机、镜头、环形光源、被测零件。

3 齿轮零件图像检测

3.1 图像预处理

相机采集的图像会受多种因素的干扰而出现噪声，从而使图像出现杂质和模糊不清的情况。图像预处理主要包括滤波处理和增强处理，其目的是去除噪声和增强对比度。

要完全去除图像中的噪声很难实现，预处理是要尽量把噪声对图像的影响降到最低。图像滤波的目的是在降低噪声的同时保持图像原有的细节和轮廓清晰度。常使用的滤波方式有高斯滤波、均值滤波以及中值滤波。对齿轮原图（如图1）采用不同方法进行滤波降噪。其中，中值滤波对随机噪声等孤立噪声点具有良好的降噪作用，图像轮廓边缘信息损失较小，对于以图像边缘为主要提取对象的场合较为适用。根据试验结果，本设计选用中值滤波处理图像。如图2所示。

图像增强一般用在滤波去噪之后，主要应用对象是对原图不够清晰或者经处理后细节丢失的图像，也用于图像兴趣特征的部分增强，目的是获得更高的检测精度和识别效果。图像增强后的齒轮图像如图3所示。

3.2 轮廓提取

阈值分割可依据图像中灰度值的不同将图像划分为不同的区域以突出兴趣特征，阈值分割结果如图4所示。由于齿轮图像表面部分亮度不均匀以及反光区域的存在，所提取区域中仍存在微小孔洞，进行孔洞填充处理后的图像如图5所示。齿轮参数检测需要提取齿轮的轮廓边缘，为了提高轮廓边缘提取精度，可将闭合区域的轮廓边缘进行细化，达到亚像素级边缘提取，将齿轮闭合区域转化为亚像素边缘轮廓，如图6所示。

3.3 齿轮参数计算

对于齿轮检测来说，富含重要特征的区域在轮齿部分，根据预处理图可以获得齿根圆和齿顶圆的圆心坐标和半径，进而获得齿数、齿高和模数，并在一定误差范围内判断齿形合格的轮齿数目，本次测量参数均以像素为单位，进行相机标定后可以转化为实际的物理单位。

以齿根圆圆心坐标为圆心，画一个半径稍大于齿根圆半径的圆，将该圆的补集区域与齿轮连通区域图案求交集，可得到单个轮齿连通域，如图7所示。对这些单个连通区域的数量进行统计，即为齿轮齿数。对每个单连通区域进行面积统计，可得到单个轮齿面积大小，根据面积范围可对齿轮齿形缺陷做出简要判断。将检测齿轮轮廓各项信息与齿轮原图重叠显示，可以看出检测效果良好，如图8所示。

4 结语

本设计利用机器视觉技术的优势和特点，以直齿圆柱齿轮的检测为出发点，对机器视觉技术在机械工件在线检测中应用进行了系统性研究，完成了高效率、非接触的可在线运行的齿轮检测技术方案，可完成齿数、齿根圆齿顶圆圆心与半径、齿高等参数的测量，以及轮齿齿形缺陷的检测。

参考文献

[1] Timothy S. Newman， Anil K. Jain. A system for 3D CAD-based inspection using range images [J]. 1995， 28（10）：1555-1574.

[2] Kawasue K， Komatsu T. Shape Measurement of a Sewer Pipe Using a Mobile Robot with Computer Vision[J]. International Journal of Advanced Robotic Systems，2013，10（1）：1.

[3] 张翼空，刘谨.基于计算机视觉的检测装置[J].制造技术与机床，2000（9）：14-15.

[4] 马强，唐文彦，陈金存，等.自由环状零件尺寸图像测量系统研究[J].航天制造技术，2004（1）：30-34.

Abstract：Gears， commonly used parts in machinery industry， were taken as research object. According to the requirement of gear contour extraction for input image， the hardware part of visual inspection system is analyzed and studied.Using Haclon software， gear image is pre-processed by filtering， denoising and image enhancement.It is proved that this method can measure the number of the gear teeth， the radius and the height of the gear teeth.

Key words：machine vision；gear；HALCON