基于SVM特征点分类的机器视觉外螺纹参数检测

针对传统外螺纹检测方法工作效率低,且难以满足大批量、在线检测等要求的问题,通过机器视觉技术、数字图像处理技术并融合机器学习,提出一种基于角点检测算法的更加高效、精确检测外螺纹参数的非接触式检测方法。通过电荷耦合器件(CCD)相机获取螺纹图像,进行图像处理后,提取图像中的轮廓函数以及角点坐标等有效信息,并通过支持向量机(SVM)进行点集分类操作。通过数据分析,从而达到对螺纹螺距、中径、大径、小径和牙型角参数的测量,达到了控制螺纹加工质量的目的。测试结果表明:每分钟可完成200个螺纹件的参数检测,即检测速度达到3. 3个/s,检测精度达到0. 001 mm。

External screw thread parameters detection by machine vision based on SVM feature point classification