车削工件表面粗糙度在机视觉测量的照明技术

照明技术对车削工件表面粗糙度在机视觉测量具有重要意义,不同的照明方法会得到不同的测量结果。为寻求最合适的照明方法,分别用不同颜色和不同角度的光源为工件提供照明进行实验,并对获取的图像进行二值化处理。最后,通过对处理结果进行对比分析,得出较为合适的照明方法,为车削工件表面粗糙度在机视觉测量提供照明方案。     

基于机器视觉的零件表面粗糙度测量

机器视觉测量是近年来测量领域中的新测量技术,是以光学为基础,融电子技术、计算机技术、图像处理技术为一体的测量系统。介绍一种基于机器视觉进行表面粗糙度测量的方法。     

大尺寸工件在机视觉测量的图像拼接方法

大型工件在制造过程中需要拆卸到坐标测量机上进行测量,造成效率低下、质量不易控制等问题。本文提出一种用于大尺寸工件在机视觉测量的图像拼接方法。将摄像机安装在数控机床上,通过控制机床工作台移动,摄取多幅图像,并对其进行高精度拼接。探讨了图像拍摄规则、重叠图像对的合理定义、角点提取和射影变换矩阵的计算问题。尺寸测量结果验证了该方法的有效性和高精度、高效率。     

基于双目视觉的工件尺寸在机三维测量

由于传统测量方法及仪器设备无法满足在机实时检测工件三维尺寸的要求,本文基于双目立体视觉视差原理,搭建了一套可在车间现场操作的在机测量工件三维尺寸的视觉系统.首先,介绍了改进的基于平面圆靶标的双目视觉测量系统标定方法.然后,用阈值分割算法从背景中识别出待测工件,采用Canny算子和多边形逼近法提取工件轮廓和轮廓关键特征点,并在极线约束的特征点匹配算法基础上,提出一种基于灰度相关的密集型精匹配算法,获得了工件边缘轮廓关键特征点云的三维坐标数据.最后,对匹配所得特征点云进行数据处理和特征拟合计算,得到了工件的关键尺寸.在车间数控机床上对有斜面及孔结构的工件进行了在机测量实验,结果显示,该系统检测精度达±1.3％以上.     

工件表面粗糙度的激光散斑测量

本文介绍用激光散斑对比度测量工件表面粗糙度原理和方法。其测量范围为Ｒａ≤０． ０７２μｍ。一般 Ｒａ标准偏差为 ０． ００２μｍ，并可分辨国际中划分的各细分级粗糙度数值。本方法为非接触式测量，具有分辨率高、测速快、对外界光的干扰和振动不敏感的特点。     

应用机器视觉测量成型和铣磨表面粗糙度

基于二维傅立叶变换,提出了与表面粗糙度成单调关系的5个粗糙度特征,应用序贯特征选择方法选择最优的粗糙度特征组合作为三层BP神经网络模型的输入,该方法适用于用非接触机器视觉系统进行成型和铣磨表面粗糙度的测量。     

基于机器视觉技术的研磨表面粗糙度检测

为了对研磨表面粗糙度进行快速在线检测,基于机器视觉技术提出了一种研磨表面粗糙度检测方法,建立了研磨表面粗糙度评定参数体系。该方法利用CCD提取粗糙度Ra在0.012～0.1um之间的研磨表面图像,运用中值滤波、图像边缘增强和图像二值化等对图像进行预处理,然后通过图像特征参数提取研磨表面粗糙度信息,包括灰度均值D和均方根差Sq。试验结果表明,在入射角一定的情况下,入射光越强,D和Sq对粗糙度的变化越敏感;在入射光强一定的情况下,入射角越大,D和Sq反映粗糙度变化的效果越好;与Sq相比,D对于入射光强和入射角的变化更不敏感,具有更强的稳定性。利用图像参数评估研磨表面粗糙程度的最佳实验条件为:入射角70°、入射光强2.0×104lux以上。     

工件表面粗糙度的在线测量技术

提出一种基于激光散射法的在线测量方法,以条形激光光束作为光源照射被测物表面,然后用配有高倍率镜头的工业相机采集散射光的图像,最后通过计算机数据处理得到表面粗糙度值.实验证明,该测量方法具有测量速度快、仪器结构简单、非接触且能直观显示被测工件的表面形貌等优点.     

基于全参考彩色图像质量算法的磨削表面粗糙度测量

当前基于机器视觉的粗糙度测量方法使用的图像指标考虑因素少、无参考使得预测模型精度受限、受光源亮度影响大。针对此问题,论文提出了一种基于全参考彩色图像质量算法的粗糙度测量方法。该方法根据粗糙表面成像机理分析,在视觉显著性图像质量评估算法(VSI)的基础上引入结构信息,提出了基于视觉结构显著性(VSIS)的图像质量评估算法,与此同时设计了一套基于图像质量的磨削样块表面粗糙度测量装置。实验结果表明,提出的VSIS图像质量评估算法与表面粗糙度R_a之间存在明显的相关性。使用最小二乘法拟合出的曲线关系,能够对粗糙度大于等于0.965μm的磨削样块进行低离散高精度预测,平均误差为0.111μm,标准差为0.079μm。相比于考虑单一因素的粗糙度关联图像特征指标,VSIS有着较好的综合性能,且能一定程度上克服光源亮度的影响,为非接触粗糙度测量提供可选择途径。     

表面粗糙度的测量分析

表面粗糙度的测量方法很多,在具体的测量过程中要根据实际需要来选择不同的方法以满足不同的需求,本文着重介绍表面粗糙度参数选择、测量的方法以及在测量过程中的注意事项.     

基于机器视觉的积屑瘤在机监测的实验研究

采用机器视觉,设计了以在机检测的形式观察并研究积削瘤的实验方案,解决了传统方法中需要离线检测的问题,在车床上安装机器视觉装置来采集图像,使用图像相减法处理图像,得出了积屑瘤的面积与时间的关系,计算出积屑瘤的面积增长率。     

介绍一种车床刀具磨损视觉检测装置

对于现代机床而言,刀具的磨损状态监测显得日益重要。在此设计并制作出了一种新颖的在机视觉检测装置,不仅可以实现视觉系统与机床的结合,而且具有良好的隔振性能。实验结果表明,采用这种机构,可以使摄像机拍摄到比较清晰的图像,为实现车刀磨损在机检测提供了条件。     

基于彩色图像奇异值熵指标的磨削表面粗糙度视觉测量方法

机器视觉测量表面粗糙度所采用的评价指标大多是根据灰度图像进行统计分析的,而当前研究的一些基于颜色信息的评价指标并未给出合理的数理结构表达。针对此问题,提出了一种基于彩色图像奇异值熵评价磨削表面粗糙度的检测方法。根据色块在不同等级粗糙度表面所形成的虚像能量分布差异,通过纯四元数的数据结构来表征一幅彩色图像,并对其进行数据分析,抽取奇异值熵作为评价指标,论证基于奇异值熵指标评价磨削表面粗糙度的可行性。实验结果表明,彩色图像奇异值熵不仅是一种合理可行的表面粗糙度评价指标,而且该指标在数学意义上具有合理的数据结构表达方式。相关指标的对比分析证明了该指标与表面粗糙度的相关性和适用性相对色差指标更优,回归预测结果也相对较为精准,具备向工程应用领域推广的潜力。     

数控齿轮加工机床的在机测量系统

基于齿轮渐开线轮廓面的构型机理和数控齿轮加工机床的运动功能,提出了一种齿轮在机测量方法,并开发了相应的在机测量系统。该方法在不增加额外的测量系统机械机构的情况下,充分利用数控机床自身的高速、高精密和高可靠性的伺服运动实现渐开线齿轮的齿形、齿向及齿距等误差项目的在机测量。在机测量实验表明了该系统的有效性和可行性,是齿轮在机测量中高效率、高精度、低成本的解决方案,构成了数控机床质量保证系统中的一个重要环节。     

纳米精度在位测量系统测头误差校正方法

针对超精密机床两轴联动接触式在位测量过程中测头误差影响测量精度的问题,提出了一种测头半径误差及形状误差校正方法。进行了在位测量实验,比较分析了测头误差未校正、测头半径误差校正及测头形状误差校正三种情况的测量结果,并分别与Taylor Hobson PGI840离线测量结果进行对比,以验证测头形状误差校正方法的有效性。测头形状误差校正后,面形精度PV值由420nm变为370nm,与离线测量PV值380nm的差值为10nm。结果表明,该在位测量系统测头误差校正方法有效,能够提高在位测量精度。     

激光表面粗糙度检测装置

根据表面散射光角分布与表面粗糙度具有一一对应关系的原理，提出一种便携式的光辉表面粗糙度检测装置。它采用半导体激光器，光学纤维和更合理的光路结构，具有功耗低，抗干扰能力强，稳定性好，测量范围大，体积小，成本低等特点。     

数控车床在线检测测头标定方法

由于数控车床在线检测的测头中心安装时不可能与回转中心同高,以及测球接触工件后要再经过一段微小的距离才会发出信号等,使得测头在Y向和X向等方向产生误差。针对这些误差,本文推导出其Y向和X向方向误差补偿标定公式,并用TP6C-T型测头在数控车床CK6157上得到验证。