打开文本图片集

摘要：为了提升工厂的生产效率，我们设计了一种基于机器视觉的自动化缺陷检测平台。该系统包括机械架构以及视觉模块。同时，为了精确识别链轮侧面及上下倒角的缺陷，我们设计一种同时检测三个位置的拍摄架构。根据拍摄角度及距离的问题，设计出一种用于吸附链轮并带动链轮旋转的装置。该装置可以保证链轮在旋转时不会因为离心力的作用产生不必要的位移，从而影响检测的精度。

关键词：视觉检测；机械架构；链轮

基金项目：2021年11月重庆科技学院硕士研究生创新计划项目（YKJCX2120826）；2022年四川省科学技术厅四川省科技计划项目（2022YFG0043）；2021年重庆市科技局；重庆市自然科学基金（cstc2021jcyj-msxm3332）。

在工厂生产制造流程中，质检环节位于最后一步，它直接反映到企业的生产效率，经济利益等关键要素。传统的质检方式往往采用人工质检的方式，不仅检测效率低下，准确度有限，并且检测准确度会伴随着检测人员的身体状态有较大的波动。最终导致企业需要花费更多的资源去雇佣质检人员。伴随着工业4.0时代的到来，自动化检测设备将解放人类的双手，大大提高工厂的生产效率，为工厂的智能化改造提供关键要素。

在本文中，我们通过搭建基于机器视觉[1]的自动化缺陷检测平台，将多种图像处理算法融合，以达到可以同时检测工件的多个部位的目的。自动化检测平台主要包括机械及气动装置，电气控制装置，机器视觉系统等等。

1 机器视觉系统

机器视觉作为现阶段最为成熟与稳定的检测方式，通过对图片进行处理，并从图片中提取出关键信息，以此判断缺陷的存在或种类。

针对链轮的缺陷分布以及缺陷状态，我们设计出了如下机械结构：

如上图所示，在进料方向有一个气动装置可以将零件顶起，以解决链轮较薄，难以抓取至工位上的问题。在工位3，此处有一个比链轮小的转盘将带动链轮旋转，中间的凸起部分用来大致固定链轮位置。此外，转盘本身还带有气吸功能，防止旋转时工件产生旋转惯性。整体机械结构主要包含如下几个部分：设备①是上料缓冲区，该设备为存料单位，设计为双层缓冲，方便工厂员工搬运零件。设备②是上料口，该设备为上料单位，设计利用传送带将链轮水平传送至待抓取工位。设备③是检测工位，该设备为检测单位，设计通过传送装置和三个检测工位对链轮进行逐一检测，最后传送至分流区。设备④是分流区，该设备为分流单位，根据检测结果对链轮进行分流。检测合格的链轮向右传送进入存料区，而检测为NG件的链轮向下送入传送带。设备⑤是下料口，该设备为下料单位，设计利用传送带将检测为合格的链轮传送至下料缓冲区。设备⑥是下料缓冲区，该设备为存料单位，设计为双层缓冲。设备⑦是NG件存料区，该设备为存料单位，检测为NG件的链轮将通过传送存放在该区域。

整个机械结构可以分成两个模块，一个是视觉检测模块，一个是机械圆周运动模块。其中，视觉检测模块包括微距工业镜头，工业摄像机和蓝色工业环形光源。其中，使用蓝色光源的主要原因是蓝色光线可以更好地避免环境光噪声。具体来说，三个位置分别拍摄链轮上方倒角部分，链轮侧面部分和链轮下方部分。

2 机械结构设计

由于上述视觉检测架构只会拍摄到链轮的部分位置，以链轮正面为例，只可以拍摄到整个正面的1/4。所以，带动链轮转动是重要的机械结构。如下图所示，机械旋转装置的顶部有气动吸附装置，防止工件的旋转惯性带来的不稳定性，中间一个凸起部分用于固定工件的位置。该装置带动工件旋转，转动一周约2秒。

根据链轮的大小及形态，我们专门设计吸附装置，吸附装置主要由吸附环组成。链轮放置在该区域后，环内会变为真空状态。并且，该设计成功避开了链轮上孔洞区域及不规则内环带来的吸附困难问题，充分利用该链轮的实体部分。

3实验结果分析

我们对获取到的图片进行处理，最终获得如下实验效果图：

其中，左侧为齿轮侧面检测效果图，右侧为原图，检测效果显著。

4总结

本文构建了一种专门针对链轮表面缺陷检测的系统，该系统可以精准得识别出缺陷，并且获得缺陷的外观形状，拥有较好的可解释性。

参考文献

[1]Golnabi H， Asadpour A. Design and application of industrial machine vision systems[J].Robotics and Computer-Integrated Manufacturing， 2007， 23（6）： 630-637.

[2]Czimmermann T， Ciuti G， Milazzo M， et al. Visual-based defect detection and classification approaches for industrial applications—a survey[J].Sensors， 2020， 20（5）： 1459.

[3]李少波， 杨静， 王铮， 等.缺陷检测技术的发展与应用研究综述[J]. 自动化学报， 2020， 46（11）： 2319-2336.

作者简介

吴瑞（1998—）男，汉族，江苏南京人，在读研究生，主要研究方向为计算机视觉，深度学习，数学建模。

通讯作者：吴仙海。