一种不确定环境下表面粗糙度在线测量方法技术

本发明专利技术提供一种不确定环境下表面粗糙度在线测量方法，针对实际环境中利用机器视觉进行表面粗糙度测量时环境光的影响，提出了通过建立环境光、表面特征量与表面粗糙度关系模型的方法来计算待测表面粗糙度值。利用本方法，可以显著提高在不同外界环境光条件下对表面粗糙度的测量精度。本发明专利技术通过下述技术方案予以实现：首先根据视觉图像利用算术平均偏差法和灰度共生矩阵法得到表面特征量：表面的统计特征和纹理特征，并用光学照度计实时监测环境光的变化情况，在此基础上建立环境光、表面特征量与表面粗糙度关系模型，最后利用模型确定的函数计算表面粗糙度，利用本方法显著提高了在线测量精度。

【技术实现步骤摘要】

本专利技术涉及一种表面粗糙度在线测量方法，特别涉及一种在不确定环境下利用机器 视觉方法对平板类机械零件表面粗糙度进行在线测量的方法。
技术介绍
表面粗糙度是机械零件的一个重要参数，目前表面粗糙度的测量方法大致可分为 利用触针式表面轮廓仪的接触测量和主要基于光学原理的非接触测量，前者由于与表面 接触容易引起表面划伤，并且具有速度慢、不能应用于振动、冲击和运动场合等缺点， 后者具有非接触、快速的特点，更适合应用于在线测量场合。目前，利用光学原理进行 表面粗糙度测量的方法大部分是基于特定的光照环境下的，不足之处是当外界环境光发 生变化时，对待测表面的图像灰度产生影响，则由图像提取的相应特征量也会发生改变， 因此对应测量结果将产生较大偏差。然而要实现实际的在线应用，必须考虑现场环境光 对测量结果的影响。
技术实现思路
专利技术目的本专利技术利用基于光学原理的机器视觉方法测量工件表面粗糙度，环境光 是影响测量精度的重要因素，本专利技术研究了这一影响，提出了一种新的测量方法，即通 过建立环境光、表面特征量以及表面粗糙度的关系模型，将表面粗糙度表示成环境光和 表面特征量的多变量函数，利用CCD摄像机采集表面特征量，利用照度计采集外界环境 光变化，将采集数据动态地带入确定的多变量函数，从而能够精确地计算出表面粗糙度。本专利技术通过下述技术方案予以实现，利用机器视觉技术，在线测量不确定 环境下工件表p的粗糙度，具体步骤如下 (1)确定光下建模-(1)确定光下建模A、取表面粗糙度值已知的第一工件置于生产现场，第一工件的表面粗糙度真实值 为i 。；调节现场LED光源，使此时环境光亮度值为^ ，利用CCD摄像机获取工件表 面的图像，并将获取的图像转换为灰度图；B、 根据步骤A获取的灰度图，提取采样区域的灰度均值^M乍为第一工件表面图 像第一特征量7^，计算公式如下'=1 7=1 ①其中gy为像素灰度值，/,y'为自然数；M，^分别为釆样区域行、列值；C、 根据步骤A获取的灰度图，提取采样区域灰度共生矩阵的能量值E作为第一工 件表面图像第二特征量7^2，表征采样区域灰度值的空间相关性信息，计算公式如下/=0 7=0其中，l一l丄一l/=0 乂=0i^，y，《0是灰度图中具有同样亮度或接近亮度的象素间的位置分布特性的联合概率密 度，计算公式如下P(,》'乂^卜^l/(x,力^,/(x + Dj + Z)》"7 ④式中^表示该集合中元素的数目；x,y为自然数，是Wx^图像的像元坐标； i,/ = 0,l,-,L-l， L为自然数，是灰度等级为L的灰度值；""」^为根据灰度矩阵生成步长 "和方向^得到的位置偏移量，其中d为自然数，0可取O。 ，45° ,90° ，135°四个方向；D、 更换第一工件为另一个与其结构及加工方式均相同，但表面粗糙度值不同的工 件，重复步骤A 步骤C，并记录各个步骤得到的数据；E、 重复步骤D至少M次，M为自然数，且M^5;并根据每次得到的数据，利 用数值分析中的拟合方法，建立确定光下的数学模型⑤F、 模型检验取表面粗糙度值已知的第二工件置于生产现场，第二工件表面粗糙 度真实值为R;利用CCD摄像机获取工件表面的图像，将获取的图像转换为灰度图， 并根据步骤B和C计算第二工件表面图像第一特征量7^'和第二工件表面图像第二特征.化2G、 将步骤F得到的第二工件表面图像第一特征量7^和第二工件表面图像第二特征 量 W，代入步骤E确定的函数模型⑤，得到第二工件表面粗糙度计算值《；H、 对比第二工件表面粗糙度计算值《和第二工件表面粗糙度真实值R，判断结果 是否符合精度要求；当结果不符合精度要求时，增大步骤E中iVi的值，重复步骤E 步骤h，直到结果符合精度要求为止；当结果符合精度要求时，则可判断步骤e得到的 数学模型⑤为确定光下的正确函数模型，进入下一步骤；(2) 不确定光下建模i、调节现场led光源，改变步骤a中的环境光亮度值7;，重复步骤a 步骤h至 少a^次,i^为自然数，且W》8;j、根据每次的环境光亮度值^以及由步骤h确定得到的确定光下的数学模型，再 次利用数值分析中的拟合方法，建立不确定光下的函数模型k、模型检验取表面粗糙度值已知的第三工件置于生产现场，第三工件表面粗糙度真实值为R3;利用ccd摄像机获取工件表面的图像，将获取的图像转换为灰度图， 并根据步骤b和c计算第三工件表面图像第一特征量&3和第三工件表面图像第二特征里&4;l、用照度计获取此时生产现场环境光亮度值，记为？;3;m、将步骤f得到的第三工件表面图像第一特征量&3和第三工件表面图像第二特 征量7^4以及步骤0得到的环境光亮度值7;3，代入步骤j确定的函数模型⑥，得到第三 工件表面粗糙度计算值《；n、对比第三工件表面粗糙度计算值《和第三工件表面粗糙度真实值R3，判断结果 是否符合精度要求；当结果不符合精度要求时，增大步骤i中a^的值，重复步骤i 步 骤n，直到结果符合精度要求为止；当结果符合精度要求时，则可判断步骤j得到的数 学模型(D为不确定光下的正确函数模型，进入下一步骤；(3) 在线应用o、将待测工件置于生产现场，用ccd摄像机获取待测工件表面图像，并将获取的 图像转换为灰度p、根据步骤b和c计算待测工件表面图像第一特征量7^和待测工件表面图像第二 特征量7^2;q、用照度计获取生产现场环境光亮度值，记为7T;r、根据步骤j确定的函数模型⑥，代入步骤p得到的待测工件表面图像第一特征 量7^和待测工件表面图像第二特征量t^、以及步骤q得到的生产现场环境光亮度值 7;，计算出待测工件表面粗糙度值《。本专利技术的不确定环境下表面粗糙度在线测量方法步骤h中所述精度要求具体为第 二工件表面粗糙度计算值《和第二工件表面粗糙度真实值r误差允许范围5n/。以下。本专利技术的不确定环境下表面粗糙度在线测量方法，步骤N中所述精度要求具体为 第三工件表面粗糙度计算值《和第三工件表面粗糙度真实值R3误差允许范围5%以下。 有益效果本专利技术采用以上技术方案与现有技术相比产生以下技术效果，能够很好地解决利用机器视觉技术进行表面粗糙度测量时，因环境光变化而引起较 大误差的问题，显著提高了在不确定环境下的测量精度，有助于实现工业自动化生产。附图说明图1是生产现场系统组成示意图。 图2是本专利技术实际应用的流程图。 具体实施例方式下面结合附图和具体实施方式对本专利技术作进一步详细的说明。(1)确定光下建模A、 取表面粗糙度值为0.12pm的第一工件置于生产现场；调节现场LED光源，使 此时环境光亮度值为230Lux，利用CCD摄像机获取工件表面的图像，并将获取的图像 转换为灰度B、 根据步骤A获取的灰度图，提取采样区域的灰度均值^M乍为第一工件表面图 像第一特征量7^，计算公式如下-,=i "i ①其中&为像素灰度值，,'J为自然数；M，^分别为采样区域行、列值；C、 根据步骤A获取的灰度图，提取采样区域灰度共生矩阵的能量值E作为第一工 件表面图像第二特征量7^，表征采样区域灰度值的空间相关性信息，计算公式如下feO 乂=0 ②其中，》(/,y乂e^尸(/，/,c^)/2l^(/,y乂e)i^'，/^，0是灰度图中具有同样亮度或接近亮度的象素间的位置分布特性本文档来自技高网...

【技术保护点】
一种不确定环境下表面粗糙度在线测量方法，其特征在于，利用机器视觉技术，在线测量不确定环境下工件表面的粗糙度，具体步骤如下：　（１）确定光下建模：　Ａ、取表面粗糙度值已知的第一工件置于生产现场，第一工件的表面粗糙度真实值为Ｒ↓［ａ］；调节现场ＬＥＤ光源，使此时环境光亮度值为Ｔ↓［ｗ］，利用ＣＣＤ摄像机获取工件表面的图像，并将获取的图像转换为灰度图；　Ｂ、根据步骤Ａ获取的灰度图，提取采样区域的灰度均值μ↓［Ｇ］作为第一工件表面图像第一特征量Ｔ↓［Ｇ１］，计算公式如下：　Ｔ↓［Ｇ１］＝μ↓［Ｇ］＝（＊＊ｇ↓［ｉｊ］）／Ｎ↓［１］Ｎ↓［２］　①　其中ｇ↓［ｉｊ］为像素灰度值，ｉ，ｊ为自然数；Ｎ↓［１］，Ｎ↓［２］分别为采样区域行、列值；　Ｃ、根据步骤Ａ获取的灰度图，提取采样区域灰度共生矩阵的能量值Ｅ作为第一工件表面图像第二特征量Ｔ↓［Ｇ２］，表征采样区域灰度值的空间相关性信息，计算公式如下：　Ｔ↓［Ｇ２］＝Ｅ＝＊＊＊（ｉ，ｊ，ｄ，θ）　②　其中，　＊（ｉ，ｊ，ｄ，θ）＝Ｐ（ｉ，ｊ，ｄ，θ）／＊＊Ｐ（ｉ，ｊ，ｄ，θ）　③　Ｐ（ｉ，ｊ，ｄ，θ）是灰度图中具有同样亮度或接近亮度的象素间的位置分布特性的联合概率密度，计算公式如下：　Ｐ（ｉ，ｊ，ｄ，θ）＝ψ｛［（ｘ，ｙ），（ｘ＋Ｄ↓［ｘ］，ｙ＋Ｄ↓［ｙ］）］｜ｆ（ｘ，ｙ）＝ｉ，ｆ（ｘ＋Ｄ↓［ｘ］，ｙ＋Ｄ↓［ｙ］）＝ｊ｝　④　式中：ψ表示该集合中元素的数目；ｘ，ｙ为自然数，是Ｎ×Ｎ图像的像元坐标；ｉ，ｊ＝０，１，…，Ｌ－１，Ｌ为自然数，是灰度等级为Ｌ的灰度值；Ｄ↓［ｘ］，Ｄ↓［ｙ］为根据灰度矩阵生成步长ｄ和方向θ得到的位置偏移量，其中ｄ为自然数，θ可取０°，４５°，９０°，１３５°四个方向；　Ｄ、更换第一工件为另一个与其结构及加工方式均相同，但表面粗糙度值不同的工件，重复步骤Ａ～步骤Ｃ，并记录各个步骤得到的数据；　Ｅ、重复步骤Ｄ至少Ｎ↓［１］次，Ｎ↓［１］为自然数，且Ｎ↓［１］≥５；并根据每次得到的数据，利用数值分析中的拟合方法，建立确定光下的数学模型：　Ｒ↓［ａ］＝ｆ（Ｔ↓［Ｇ１］，Ｔ↓［Ｇ２］）　⑤　Ｆ、模型检验：取表面粗糙度值已知的第二工件置于生产现场，第二工件表面粗糙度真实值为Ｒ；利用ＣＣＤ摄像机获取工件表面的图像，将获取的图像转换为灰度图，并根据步骤Ｂ和Ｃ计算第二工件表面图像第一特征量Ｔ↓［Ｇ１］′和第二工件表面图像第二特征量Ｔ↓［Ｇ２］′；　Ｇ、将步骤Ｆ得到的第二工件...

【技术特征摘要】

【专利技术属性】
技术研发人员：张志胜，王长梁，陈自新，戴敏，陈恺，
申请(专利权)人：东南大学，
类型：发明
国别省市：84[中国|南京]