一种对镀镍零部件进行自动外观检测的装置及方法

技术领域

本发明属于自动检测的技术领域，特别是一种对镀镍零部件进行自动外观检测的装置及方法。

背景技术

金属零部件的外观缺陷自动检测一直是外观检测领域的研究热点。大量针对外观检测的实施方案，主要是针对金属零部件，各种划痕、磕碰和机械物理损伤等缺陷，这些方案主要利用计算机视觉技术，通过对金属零部件的图像进行分析和处理，识别和定位可能存在的缺陷。但对于金属零部件表面的镀层质量检测，目前的研究和应用相对较少。

镀层是一种常见的表面处理方法，可以改善金属零部件的防腐性能和外观质量。但由于镀层本身的特性和制造过程中的不确定性，镀层表面往往会出现气泡、脱落、均匀性不佳等缺陷。

回转体金属零部件在生产过程中经常需要进行镀镍处理，以提高其表面硬度和耐腐蚀性能。镀镍层的质量直接影响着工件的使用寿命和性能。由于镀镍层质量的判定方式较为依赖人工经验，现阶段，针对该镀镍层质量的检验是通过人工肉眼观察的方式进行。

但人工对工件外观质量进行检验时，其固有问题无法避免。一方面人工检验必然会存在主观因素干扰，进而会产生标准不一致的问题，另一方面由于检验人员劳动强度大，长期纯人工检测也存在一定的误判风险。

因此，开发一种高效、准确的回转体零部件镀镍层表面自动检测方法具有重要的意义。

同时，机器人的应用能够提高对零部件表面缺陷的全面检测能力，利用机器人配合多个工位，可以实现对整个表面的完全覆盖检测，大大减少漏检或误检的可能性。机器人具备高精度、高响应速度和无疲劳的特点，可以在短时间内完成大量金属零部件的检测任务。这种自动化的检测方式不仅提高了生产效率，还降低了人为因素带来的误判风险。

因此，结合机器人开发出既可靠又高效的方法来检测和评估镀层质量对于保证金属零部件的性能和质量非常重要。

发明内容

根据上述提出的问题，本发明提出了一种对镀镍零部件进行自动外观检测的装置，具体如下：

一种对镀镍零部件进行自动外观检测的装置，包括工作台，所述工作台上设置执行机构和视觉检测机构；

还包括控制系统，所述控制系统包括上位机，所述上位机通过通信连接所述执行机构和所述视觉检测机构。

优选的，所述执行机构包括机器人，所述机器人上设有气动卡爪。

优选的，所述视觉检测机构包括安装在底板上的线阵相机、面阵相机和定位工装；

所述线阵相机上设有线阵镜头，所述线阵镜头上安装同轴光源；

所述面阵相机上设有内孔镜头，所述内孔镜头上安装环状光源。

进一步优选的，所述底板上安装有第一位移台，所述第一位移台上安装所述线性相机。

进一步优选的，所述底板上安装有第二位移台，所述第二位移台上安装所述面阵相机。

本发明的第二个目的：

一种对镀镍零部件进行自动外观检测的方法，应用对镀镍零部件进行自动外观检测的装置，包括以下步骤：

步骤S1：采集工件外表面图像

上位机对机器人发出指令，机器人控制气动卡爪拿取工件，移动至线阵相机的正面，通过所述气动卡爪旋转工件，旋转过程中线阵相机对工件的外表面进行连续扫描，得到工件外表面图像；

步骤S2：采集工件内表面图像

完成工件外表面图像采集后，机器人拿取工件，将其放置于定位工装上，并退出检测点位，第二位移台移动，使面阵相机移至工件的正上方，对工件的内孔进行图像采集，得到工件内表面图像；

步骤S3：对工件的外表面和内表面图像进行预处理，得到检测结果。

优选的，所述步骤S3具体包括以下步骤：

步骤S31：图像提取

提取工件外表面图像和工件内表面图像，将彩色图像转为灰度图；

步骤S32：图像拼接

通过两次边缘检测，明确被测工件内孔的内、外圆的位置及半径大小，完成圆形特征定位，对其进行圆环展开，使其变为平面矩形特征后，对展开后的工件外表面图像和工件内表面图像进行拼接；

步骤S33：图像处理

对得到的拼接图像进行降噪处理，通过图像增强减少图像中的噪声点，之后再通过图像复原进一步增强被测图像的缺陷特征点，最后通过图像分割完成对图像中存在的缺陷特征点的提取工作；

步骤S34：缺项特征判定

明确缺陷范围，判断工件是否有划痕、漏镀、鼓泡、颜色不均或其他缺陷；

步骤S35：输出检测结果。

进一步优选的，所述步骤S33具体包括以下步骤：

步骤S3301：对所述步骤S32中得到的拼接图像进行直方图归一化，提升缺陷特征与正常表面的对比度；

步骤S3302：通过中值滤波方式对步骤S3301处理后的图像进行滤除噪声，得到降噪后图像；

步骤S3303：通过自适应阈值分割法对步骤S3302中缺陷边界处不够清晰的图像进一步增强，完成图像二值化；

步骤S3304：通过腐蚀运算和膨胀运算对步骤S3303中得到的图像进一步去除噪声点，使缺陷部分的边界更为清晰，最终得到清晰的缺陷特征图像。

进一步优选的，所述步骤S34中，采用视觉处理算法，对最大直径≥0.2mm以上的表面缺陷清晰识别并初步分类，以R14大角为原点，逆时针方向确定缺陷所在位置，并进行记录。

进一步优选的，所述视觉处理算法采用BLOB分析法对缺陷面积进行识别。

本发明的有益效果是：

1、搭建专用工件检测装置，通过该检测装置有效解决了针对该类型的镀镍回转体零件的外观检测问题，通过机器人配合气动卡爪等执行机构，实现了检测工位无人化改造，有效提升检测效率，降低检测成本，同时也减少了人力资源的浪费；

2、对通过该装置采集到的图像进行相应的预处理，尤其对内孔采集图像的方式进行了优化，通过一系列数字图像处理的手段强化了缺陷特征，为后续缺陷识别与判断做好准备；

3、在预处理和优化的基础上，采用基于轮廓区域的BLOB分析法，最终确定缺陷的位置和形状；

该装置的优势不仅在于其高效、精准地实现了检测任务，还在于其全自动化的操作不需要人工干预。6轴机器人和气动卡爪等执行机构的控制精度和稳定性得到了充分的体现，有效地提高了工厂的自动化水平，减少了工作人员的劳动强度和错误率，从而提高了工作效率和生产质量。

附图说明

以下将结合附图和实施例来对本发明的技术方案作进一步的详细描述，但是应当知道，这些附图仅是为解释目的而设计的，因此不作为本发明范围的限定。此外，除非特别指出，这些附图仅意在概念性地说明此处描述的结构构造，而不必要依比例进行绘制。

图1为本发明的整体装置立体示意图；

图2为本发明中视觉检测组件的立体示意图；

图3为本发明的方法流程图；

图4为普通面阵相机配备常规工业镜头时的成像效果图；

图5为本发明中面阵相机配上内孔镜头后的成像效果图；

图6为本发明中的内孔镜头光路原理图；

图7为本发明中提取图像后的圆环展开为矩形的示意图；

图8为图像直方图归一化后的效果图；

图9为中值滤波后的图像效果图；

图10为阈值分割后的二值化图像效果图；

图11为腐蚀运算与膨胀运算后的图像效果图；

图12为最终得到的图像缺陷示意效果图；

图13为合格工件的输出结果示意图；

图14为不合格工件的输出结果示意图。

图中：

1-工作台；

2-机器人；101-气动卡爪；

301-第一位移台；302-线阵相机；303-线阵镜头；304-同轴光源；305-面阵相机；306-第二位移台；307-内孔镜头；308-环状光源；309-定位工装；310-底板。

具体实施方式

首先，需要说明的是，以下将以示例方式来具体说明本发明的具体结构、特点和优点等，然而所有的描述仅是用来进行说明的，而不应将其理解为对本发明形成任何限制。此外，在本文所提及各实施例中予以描述或隐含的任意单个技术特征，或者被显示或隐含在各附图中的任意单个技术特征，仍然可在这些技术特征(或其等同物)之间继续进行任意组合或删减，从而获得可能未在本文中直接提及的本发明的更多其他实施例。另外，为了简化图面起见，相同或相类似的技术特征在同一附图中可能仅在一处进行标示。

在本发明中，除非另有明确的规定和限定，术语“安装”、“设置”、“连接”、“固定”、“旋接”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

下面结合附图1-14具体说明本发明。

如图1所示，一种对镀镍零部件进行自动外观检测的装置，包括工作台1，所述工作台1上设置执行机构和视觉检测机构；

还包括控制系统，所述控制系统包括上位机，所述上位机通过通信连接所述执行机构和所述视觉检测机构。

工作原理：

上位机通过TCP/IP通信协议与执行机构和视觉检测机构连接。执行机构根据控制逻辑完成对工件的上下料以及定位工作。视觉检测机构对被测工件的外观进行检测，通过测量的图数据和采集到的图像信息判断被测工件的外表是否合格。判断完毕后，上位机再次控制执行机构完成工件的放置以及换位工作。

进一步的，还可以在实施例中考虑，所述执行机构包括机器人2，所述机器人2上设有气动卡爪101。

本实施例中，由上位机控制机器人2和气动卡爪101，完成对被测工件的转运以及检测工作。

机器人2采用6轴机器人，6轴机器人是一种具有6个自由度的机器人系统。每个自由度代表机器人2可以独立运动的轴线，通过这些轴线的组合可实现机器人2在空间中的灵活运动，其能够在水平和垂直方向上进行运动。

进一步的，还可以在实施例中考虑，所述视觉检测机构包括安装在底板310上的线阵相机302、面阵相机305和定位工装309；

所述线阵相机302上设有线阵镜头303，所述线阵镜头303上安装同轴光源304；

所述面阵相机305上设有内孔镜头307，所述内孔镜头307上安装环状光源308。

如图2所示，本实施例中，定位工装309安装在底板310上，用于保证被测工件能够位于面阵相机305的内孔镜头307的正下方，也便于能够正向采集到工件的内孔图像。

线阵相机302和面阵相机305是常见的图像传感器，都可以提供高分辨率图像。

本实施方案中，线阵相机302配合线阵镜头303，用于扫描工件的外表面，其可以对被测工件进行连续的高速扫描，提高扫描速度，不会遗漏表面细节。面阵相机305则用于扫描工件的内表面，通过捕捉整个图像来获取像素信息。在本技术方案的应用中，通过专用设计的360°环视内孔镜头307与面阵相机305配合，来完成对被测工件的内表面扫描且清晰成像。

该内孔镜头307可在良好照明条件下完成对内孔以及孔底的清晰成像，其光路原理如图6所示，使光线在镜头内部发生折射和反射，改变光线的传播方向和成像方向，同时具有较高的放大倍率。

另外，针对工件内孔的检测过程中底部打光较差的问题，为避免由于光照角度而产生的阴影，影响图像辨别，因此在内孔镜头307上安装环状光源308，照明范围为工件的内孔，可以提高采集图像的清晰度。环状光源308可以适应不同大小的内孔镜头307，且光线能从各个方向均匀照射到工件内孔中，使轮廓和缺陷能够更清晰显示，不会产生明显的阴影和光斑。

工件内孔采集的图像效果如图5所示，与图4中面阵相机305配备常规工业镜头时的成像图相比，可以看出利用专用设计的360°环视内孔镜头307得到的图像，其在内孔的清晰度以及范围均比常规工业镜头有着巨大的提升。

同理，线阵镜头303安装同轴光源304，可以使光源的方向和线阵镜头303的轴线方向一致，减少工件外表面的反射光干扰，也提高图像的对比度和成像质量便便于检查表面缺陷和后期图像处理。

更进一步的，还可以在实施例中考虑，所述底板310上安装有第一位移台301，所述第一位移台301上安装所述线性相机。

第一位移台301用于调整线阵相机302的位置，但检测时第一位移台301不动，由气动卡爪101夹取工件进行垂直轴方向的旋转，旋转时即采集工件的外表面图像。

更进一步的，还可以在实施例中考虑，所述底板310上安装有第二位移台306，所述第二位移台306上安装所述面阵相机305。

第二位移台306沿底板310的宽度方向移动，用于将内孔镜头307移动到工件内孔的正上方，便于采集内孔图像。

操作过程：

机器人2通过气动卡爪101将工件进行旋转，通过线阵相机302逐行采集被测工件的外表面特征，完成外表面的特征采集后，使用内孔镜头307完成工件的内部图像采集，完成采集后将特征汇总，通过对测量得到的图像特征进行分析判断该工件表面是否存在质量问题。

实施例2：

本实施例使用实施例1中的检测装置，对镀镍零部件进行自动外观检测，具体如下：

一种对镀镍零部件进行自动外观检测的方法，应用对镀镍零部件进行自动外观检测的装置，包括以下步骤：

步骤S1：采集工件外表面图像

上位机对机器人2发出指令，机器人2控制气动卡爪101拿取工件，移动至线阵相机302的正面，通过所述气动卡爪101旋转工件，旋转过程中线阵相机302对工件的外表面进行连续扫描，得到工件外表面图像；

步骤S2：采集工件内表面图像

完成工件外表面图像采集后，机器人2拿取工件，将其放置于定位工装309上，并退出检测点位，第二位移台306移动，使面阵相机305移至工件的正上方，对工件的内孔进行图像采集，得到工件内表面图像；

步骤S3：对工件的外表面和内表面图像进行预处理，得到检测结果。

由于直接采集到的图像会存在缺陷不清晰的问题，尤其对于镀层不均、白斑等问题，缺陷本身与背景之间的差异较小，直接处理无法处理得出想要的缺陷特征。因此需要先通过数字图像处理的方法对所得到的的图像进行预处理，以进一步强化被测缺陷特征，为后续的检测工作准备。

进一步的，还可以在实施例中考虑，如图3所示，所述步骤S3具体包括以下步骤：

步骤S31：图像提取

提取工件外表面图像和工件内表面图像，将彩色图像转为灰度图；

步骤S32：图像拼接

通过两次边缘检测，明确被测工件内孔的内、外圆的位置及半径大小，完成圆形特征定位，对其进行圆环展开，使其变为平面矩形特征后，对展开后的工件外表面图像和工件内表面图像进行拼接；

步骤S33：图像处理

对得到的拼接图像进行降噪处理，通过图像增强减少图像中的噪声点，之后再通过图像复原进一步增强被测图像的缺陷特征点，最后通过图像分割完成对图像中存在的缺陷特征点的提取工作；

步骤S34：缺项特征判定

明确缺陷范围，判断工件是否有划痕、漏镀、鼓泡、颜色不均或其他缺陷；

步骤S35：输出检测结果。

在图像处理的过程中，第一步是将图像尺寸处理并进行展开，一方面采集的工件内孔的图像本身为一个同心圆弧，后续图像处理需要展开。另一方面，针对图像处理的多项操作是针对整幅图像进行平均或求取均值，所以处理之前需要屏蔽背景以及噪声，避免背景图像对被测图像直方图的干扰。

该部分常见的做法是通过ROI掩膜的方式，将除去被测部分之外的图像全部置为0，在图像上表现出黑色。而针对圆环的图像处理，可以将圆环展开，使之成为矩形以进行后续图像处理。但在实际检测过程中，工件的位置会发生少许的偏移，若仍然以固定位置展开，可能会导致所采集的图像与实际图像不同心，产生测量误差。

因此采用算法先通过两次边缘检测，边缘检测用于确定图像中物体或对象之间的边界或轮廓。用边缘检测明确被测内孔的内外圆位置以及半径大小后，完成圆形定位后再进行圆环展开，展开后如图7所示。

更进一步的，还可以在实施例中考虑，所述步骤S33具体包括以下步骤：

步骤S3301：对所述步骤S32中得到的拼接图像进行直方图归一化，提升缺陷特征与正常表面的对比度；

步骤S3302：通过中值滤波方式对步骤S3301处理后的图像进行滤除噪声，得到降噪后图像；

步骤S3303：通过自适应阈值分割法对步骤S3302中缺陷边界处不够清晰的图像进一步增强，完成图像二值化；

步骤S3304：通过腐蚀运算和膨胀运算对步骤S3303中得到的图像进一步去除噪声点，使缺陷部分的边界更为清晰，最终得到清晰的缺陷特征图像。

常见镀层缺陷白斑在图像中与光洁表面的对比差异会由于过小而无法获得测量结果，因此需要提升缺陷特征与正常表面的对比度，从而完成对缺陷的识别工作。本实施例中采用了直方图归一化进行图像处理。

直方图归一化是指针对某些灰度图像的像素分布在[0,255]的子集内，而表现不清晰时，提出的一种数学处理手段，其原理是通过对图像进行标准化处理，使其变换为一种标准化图像。通过直方图归一化的方式，将这些像素点转换为在完整的[0,255]内，这样处理，图像的对比度可以得到增强，用公式表示如下，实际就是把像素范围放大的同时把连续函数离散化。

上式中：m

经过直方图归一化的直方图如图8所示，经过直方图归一化后，虽然没有改变图像灰度直方图的整体特征，但由于归一化的操作，使得在小范围内直方图更为聚集，图像的对比度更强，缺陷更为明显。

经过图像归一化后，图像的对比度增强，但图像的噪声点也明显增强，若直接进行缺陷检测，会由于噪声产生明显干扰，使缺陷识别的准确性大幅下降，因此需要对图像进行滤波处理。

鉴于镀层后采集图像出现的噪点类似椒盐噪声，表现为图像中随机出现的明亮和暗淡的像素点，因此本实施例利用中值滤波进行滤波处理，中值滤波能有效地平滑图像并去除离群的噪声像素，保持边缘信息相对较好。

经过多次实验，需要在尽可能多的保留缺陷特征的前提下滤除尽可能的多的噪声，需要调整滤波核的大小以及次数，最终当滤波核宽度为3高度为4，数量为5，标准差106且各个方向等权时，可以得到最好滤波效果，其滤波结果如图9所示。与滤波前图像进行对比，可以看出经过中值滤波后，图像中的噪点区域已明显得到抑制，同时图像的缺陷部分边界也更为清晰，更加便于后续开展图像阈值分割处理。

完成滤波后，区表面缺陷已经得到明显的突出，同时在OK区域不存在连续大面积的噪声以及干扰。但在缺陷的边界处，其过度仍然是较为线性的，对于边界不够清晰的图像，若要进行缺陷的提取，一方面容易产生误判，另一方面无法明确联通区域，不便于后续的缺陷检测。

针对该问题需要通过阈值分割的方法实现对图像的二值化，完成二值化后，图像中所有的像素点均为黑(灰度值为0)、白(灰度值为255)两种情况，极大的便于后续的边缘检测、以及区域联通判断的处理工作。

本实施例中，采用自适应阈值分割法对缺陷边界处不够清晰的图像进一步增强，完成图像二值化。根据实验对比，该方法阈值分割得到的二值化图像效果最为突出，图10所示为前序图像经过自适应阈值分割方法后分割得到的图像，可以看出原有工件表面的缺陷基本得到保留，且OK范围内基本不存在噪声点。

经过阈值分割后的图像初步具备缺陷检测的条件，但在大范围的缺陷周围，仍然存在一些细小的噪点，同时缺陷内部还有一些细微的孔洞存在，如果直接用于边缘检测，容易产生误判，因此需要用到形态学处理，一方面将区域内的孔洞填充，另一方面将噪声去除。

本实施例中，采用腐蚀运算和膨胀运算完成图像处理。

腐蚀运算用于缩小或消除图像中物体的边界，它的原理是将图像中的物体区域与一个结构元素进行逐像素的逻辑与(AND)操作，如果结构元素完全包含在物体区域内，则输出结果的对应像素为白色(前景)，否则为黑色(背景)。

但腐蚀运算可能会导致物体的形状变得更加简单，且可能会使物体的边界变得更加不规则。因此为了优化预处理效果，通过不断实验以及优化，在尽可能少的增加缺陷特征的前提下，填补内部孔洞。

最终，确定使用3×3模板，迭代5次得到图11所示图。在该模板以及迭代次数的运算下，在保证缺陷区域未发生明显扩张的前提下，实现了对内部空腔的补足。

同样，为消除腐蚀运算对缺陷部分的放大，以及离散点的干扰作用，对图像再次进行膨胀运算，同样经过实验模拟，最终确定膨胀运算的模板为5×5，同时迭代次数为10次，得到如图12所示的膨胀运算图像，可以看出经过膨胀运算后，缺陷部分的边界更为清晰，同时消除了噪声点。

经过上述步骤，最终实现对缺陷图像的预处理工作，实现了对内孔表面颜色不均缺陷的清晰成像。

更进一步的，还可以在实施例中考虑，所述步骤S34中，采用视觉处理算法，对最大直径≥0.2mm以上的表面缺陷清晰识别并初步分类，以R14大角为原点，逆时针方向确定缺陷所在位置，并进行记录。

更进一步的，还可以在实施例中考虑，所述视觉处理算法采用BLOB分析法对缺陷面积进行识别。

对于缺陷的合格性判定标准依赖于白斑缺陷的面积以及数量，因此使用BLOB分析法时，主要也是对面积进行识别。从图12可以看出，采用BLOB分析法可以清晰的识别被测区域的边界轮廓，并计算各个区域的像素数量。

为验证算法的有效性，实验中包含60个样本，经过人工筛选后，其中40个为NG工件，20个为OK工件，使用检测台获取图像后，通过该自动检测算法进行判断。

为保证实验准确性，在图像采集时保证光照条件一致，最终实验结果如表1所示，可以看出，对不合格NG工件缺陷的检测率接近100％，证明本申请的技术方案有效解决了技术问题。

表1

实验过程中，OK与NG结果如图13和图14所示。

综上所述，本发明提供了一种对镀镍零部件进行自动外观检测的装置及方法，有效的解决了针对该类型的镀镍回转体零件的外观检测问题，同时通过配合机器人2以及气爪等执行机构，实现了检测工位无人化改造。

以上实施例对本发明进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。