一种表面粗糙度自动化检测系统及其方法技术方案

本发明专利技术公开了一种表面粗糙度自动化检测系统及其方法，沿待测工件表面的法向进行单向步进检测，采集待测工件表面的微观图像，重复采集得到沿法向的一系列表面粗糙度法向序列图像；基于清晰评价算法从采集的一系列表面粗糙度法向序列图像中选取最清晰的一张图像作为测量粗糙度值所用的图像；将得到的最清晰图像输入粗糙度回归测量模型中，得到待测工件的表面粗糙度值。本发明专利技术能够自动对表面粗糙度进行非接触测量，并具有较高的检测精度，有效排除人为误差，降低人工成本，能够适应现代化工业中，高速，高精度的测量需求。高精度的测量需求。高精度的测量需求。

【技术实现步骤摘要】
一种表面粗糙度自动化检测系统及其方法


[0001]本专利技术属于表面粗糙度检测
，具体涉及一种表面粗糙度自动化检测系统及其方法。

技术介绍

[0002]目前测量粗糙度的方法主要分为接触法和非接触法两类。其中接触式测量主要是触针法，触针法的测量精度与触针的针尖半径密切相关，且接触式测量方法容易划伤被测工件表面，测量效率低下，不适于流水线实时在线检测。非接触式测量主要分为光学测量法和机器视觉方法，光学测量法主要有干涉法、光切法、散射法等等。干涉法利用光波干涉原理，以光波波长为基准，通过观察干涉条纹以计算表面粗糙度，该测量方法需要先调整干涉条纹再加以测量，效率低下，且设备昂贵，不适合在线测量。光切法利用光切原理，将带状光束斜射到待测零件表面，再利用显微镜观察切面的光带像，来测量表面粗糙度，该方法测量精度较低，不适用于精密零件表面粗糙度的测量。散射法利用光的散射原理，将反射光的强度与表面粗糙度建立联系，该方法对粗糙度比较敏感，只能测量较小的粗糙度，且校正和标定复杂，难以实现自动化测量。而非接触式测量中的机器视觉方法利用CCD相机搭配不同镜头以拍摄表面粗糙度纹理，直接建立纹理与粗糙度之间的关系。该方法可以克服以上设备昂贵、技术复杂、测量精度不足、效率低下的缺点，且有条件实现自动化测量。
[0003]目前，对于表面粗糙度检测方法，除机器视觉方法外，其余方法仍存在低效、耗时耗力较多的问题，而目前的机器视觉方法在测量中，需要进行人工对准和清晰图像筛选，无法实现自动化测量，导致该方法多运用于实验室中，无法满足现代化制造工业中，高精度与高效率的测量需求。

技术实现思路

[0004]本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种表面粗糙度自动化检测系统及其方法，用于解决目前难以兼顾粗糙度测量效率及测量可靠性的技术问题，能够打破目前粗糙度视觉检测中的固有瓶颈，实现该测量方法的工业应用。
[0005]本专利技术采用以下技术方案：
[0006]一种表面粗糙度自动化检测方法，包括以下步骤：
[0007]S1、沿待测工件表面的法向进行单向步进检测，采集待测工件表面的微观图像，重复采集得到沿法向的一系列表面粗糙度法向序列图像；
[0008]S2、基于清晰评价算法从步骤S1采集的一系列表面粗糙度法向序列图像中选取最清晰的一张图像作为测量粗糙度值所用的图像；
[0009]S3、将步骤S2得到的最清晰图像输入粗糙度回归测量模型中，得到待测工件的表面粗糙度值。
[0010]具体的，步骤S1具体为：
[0011]S101、根据待测工件的外部尺寸，将显微镜头移动至待测工件的表面位置处，并使
待测工件位于显微镜头的工作距离内，进行法向移动并采集待测工件表面的微观图像；
[0012]S102、设置步进长度为0.02mm，使采集首张图像时显微镜头的焦点位置高于待测工件的表面，即处于离焦状态；
[0013]S103、采集第一张图像后，步进0.02mm采集第二张图像；
[0014]S104、重复步骤S103，序列图像采集完成后，按照采集顺序从模糊到清晰再到模糊排列图像，序列图像满足从离焦到聚焦再到离焦的过程。
[0015]进一步的，步骤S104中，一共采集16张图像。
[0016]具体的，步骤S2中，清晰评价算法使用的清晰度评价函数为Brenner梯度函数、Laplacian函数、Tenengrad函数或vollath函数。
[0017]进一步的，Laplacian函数F(I)如下：
[0018][0019]其中，T为阈值；G(x,y)为图像Laplacian与Laplacian算子的卷积。
[0020]具体的，步骤S3中，粗糙度回归测量模型的训练过程如下：
[0021]S301、获取训练数据集和验证数据集；
[0022]S302、建立卷积神经网络模型作为粗糙度回归测量模型；
[0023]S303、将步骤S301得到的训练数据集输入步骤S302得到的粗糙度回归测量模型中进行训练，使用验证数据集验证训练好的粗糙度回归测量模型。
[0024]进一步的，步骤S301中，测量待测工件表面处的粗糙度值，并采集待测工件表面处的微观图像，共采集34张图像作为原始数据集，将25张图像作为训练数据集的原图像，9张图像作为验证数据集原图像；采用图像增强手段扩充训练数据集图像数据，经过图像增强后，将34张图像扩充为1189张图像，其中的891张作为训练数据集，298张图像作为验证数据集。
[0025]进一步的，步骤S302中，粗糙度回归测量模型的输入图像尺寸为512*512*3；第一层为二维卷积层，核尺寸为3*3，并使用ReLu激活函数进行激活，输出为512*512*16；第二层为批量归一化层，输出为512*512*16；第三层为最大池化层，核尺寸为2*2，输出为256*256*16；第四层为二维卷积层，核尺寸为3*3，并使用ReLu激活函数进行激活，输出为256*256*32；第五层为批量归一化层，输出为256*256*32；第六层为最大池化层，核尺寸为2*2，输出为128*128*32；第七层为二维卷积层，核尺寸为3*3，并使用ReLu激活函数进行激活，输出为128*128*64；第八层为批量归一化层，输出为128*128*64；第九层为最大池化层，核尺寸为2*2，输出为64*64*64；第十层为平铺层，包含262144个隐节点；第十一层为全连接层，包含16个隐节点；第十二层为批量归一化层，输出为16；第十三层为全连接层，包含4个隐节点；第十四层即最后一层为全连接层，包含1个隐节点，对应最终测量的粗糙度值输出。
[0026]进一步的，步骤S303中，设置训练的优化器为带冲量的随机梯度下降法，学习率为0.01，冲量为0.9；设置迭代次数为500次，每次输入的小批量图像数量为64。
[0027]第二方面，本专利技术实施例提供了一种表面粗糙度自动化检测系统，包括用于放置待测工件的装夹系统，装夹系统的一侧设置有驱动系统，驱动系统上设置有检测系统；
[0028]驱动系统包括XYZ三维电动平移台和直角型连接板，直角型连接板设置在XYZ三维电动平移台上，通过控制XYZ三维电动平移台使检测系统进行移动；
[0029]检测系统从左至右依次包括计算机、CCD相机、镜筒以及显微镜头，镜筒内从左至右依次包括第一透镜、分光棱镜和第三透镜，分光棱镜的下方设置有第二透镜，镜筒的下方设置有同轴点光源，显微镜头设置在靠近装夹系统的一侧，显微镜头用于采集待测工件表面的微观序列图像，通过计算机图像处理后对待测工件的表面粗糙度进行定量分析。
[0030]与现有技术相比，本专利技术至少具有以下有益效果：
[0031]一种表面粗糙度自动化检测方法，包括自动采集多张图像、自动选取最清晰图像、自动测量粗糙度值三个步骤，完全实现了粗糙度测量的自动化。结合流水线作业，可以在不受人监管的情况下对大批量的零件进行粗糙度的测量。该方法大本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种表面粗糙度自动化检测方法，其特征在于，包括以下步骤：S1、沿待测工件表面的法向进行单向步进检测，采集待测工件表面的微观图像，重复采集得到沿法向的一系列表面粗糙度法向序列图像；S2、基于清晰评价算法从步骤S1采集的一系列表面粗糙度法向序列图像中选取最清晰的一张图像作为测量粗糙度值所用的图像；S3、将步骤S2得到的最清晰图像输入粗糙度回归测量模型中，得到待测工件的表面粗糙度值。2.根据权利要求1所述的表面粗糙度自动化检测方法，其特征在于，步骤S1具体为：S101、根据待测工件的外部尺寸，将显微镜头移动至待测工件的表面位置处，并使待测工件位于显微镜头的工作距离内，进行法向移动并采集待测工件表面的微观图像；S102、设置步进长度为0.02mm，使采集首张图像时显微镜头的焦点位置高于待测工件的表面，即处于离焦状态；S103、采集第一张图像后，步进0.02mm采集第二张图像；S104、重复步骤S103，序列图像采集完成后，按照采集顺序从模糊到清晰再到模糊排列图像，序列图像满足从离焦到聚焦再到离焦的过程。3.根据权利要求2所述的表面粗糙度自动化检测方法，其特征在于，步骤S104中，一共采集16张图像。4.根据权利要求1所述的表面粗糙度自动化检测方法，其特征在于，步骤S2中，清晰评价算法使用的清晰度评价函数为Brenner梯度函数、Laplacian函数、Tenengrad函数或vollath函数。5.根据权利要求4所述的表面粗糙度自动化检测方法，其特征在于，Laplacian函数F(I)如下：其中，T为阈值；G(x,y)为图像Laplacian与Laplacian算子的卷积。6.根据权利要求1所述的表面粗糙度自动化检测方法，其特征在于，步骤S3中，粗糙度回归测量模型的训练过程如下：S301、获取训练数据集和验证数据集；S302、建立卷积神经网络模型作为粗糙度回归测量模型；S303、将步骤S301得到的训练数据集输入步骤S302得到的粗糙度回归测量模型中进行训练，使用验证数据集验证训练好的粗糙度回归测量模型。7.根据权利要求6所述的表面粗糙度自动化检测方法，其特征在于，步骤S301中，测量待测工件表面处的粗糙度值，并采集待测工件表面处的微观图像，共采集34张图像作为原始数据集，将25张图像作为训练数据集的原图像，9张图像作为验证数据集原图像；采用图像增强手段扩充训练数据集图像数据，经过图像增强后，将34张...

【专利技术属性】
技术研发人员：李兵，史宇鹏，魏翔，李磊，侯颖，黄意，刘芳，
申请(专利权)人：中国航发南方工业有限公司，
类型：发明
国别省市：