基于机器视觉铸件布氏硬度在线检测技术研究*

doi:10.3901/JME.2017.01.157

摘要/Abstract

摘要：

为实现铸件布氏硬度的在线检测，应用基于机器视觉的布氏硬度自动测量系统采集压痕图像，研究压痕图像滤波、压痕图像轮廓直径提取、直径标定系数等算法。根据压痕图像的特点，提出基于粒子群的Snake模型压痕轮廓提取算法。引入压痕直径标定系数，解决了视觉测量中的压痕直径像素与压痕物理直径的换算关系，并对直径标定系数进行最小二乘法拟合，提高了测量精度。应用布氏硬度在线测量装置对 180~210 HBW 标准硬度块进行试验测试。试验表明：测量平均误差为 0.72%，测量精度在±2 HBW之间，测量标准差为125 HBW，装置重复性好，精度高，完全能够满足铸件的布氏硬度在线检测要求。

关键词: 机器视觉, 图像处理, 误差分析, 布氏硬度

Abstract: In order to realize online-detection of casting the Brinell hardness, automatic measurement system for the hardness based on machine vision, is applied to collect the Indentation image, to study the algorithm of image filtering, image contour diameter extraction and diameter coefficient calibration. According to the characteristics of the indentation image, a snake model of indentation contour extraction algorithm based on particle swarm is proposed. The indentation diameter calibration coefficient is introduced to solve the conversion relation between the indentation diameter pixels and indentation diameter in the visual measurement, to achieve the least-squares fitting what can improve the measurement accuracy. The online-detection device of the Brinell hardness is used to test 180-210 HBW standard hardness test block. Test shows that the average error is 0.72%, the measurement precision is between ±2 HBW, the standard deviation is 125 HBW, the device has good repeatability and high precision. So the device can meet the online-detection requirement of the hardness of castings.

Key words: error analysis, image processing, machine vision, Brinell hardness

单忠德, 张飞, 任永新, 张静, 聂军刚. 基于机器视觉铸件布氏硬度在线检测技术研究^*[J]. 机械工程学报, 2017, 53(1): 157-164.

SHAN Zhongde, ZHANG Fei, REN Yongxin, ZHANG Jing, NIE Jungang. On Line Detection Technology of the Hardness of Cast Iron Parts Based onMachine Vision[J]. Journal of Mechanical Engineering, 2017, 53(1): 157-164.

参考文献

[1] 郭东明，孙玉文，贾振元. 高性能精密制造方法及其研究进展[J]. 机械工程学报，2014，50(11)：119-134.

GUO Dongming，SUN Yuwen，JIA Zhenyuan. Methods and research progress of high performance manufacturing[J]. Journal of Mechanical Engineering，2014，50(11)：119-134.

[2] 陈波，李付国，何敏. 延性金属材料损伤变量的实验表征方法研究[J]. 稀有金属材料与工程，2011，11：2022-2025.

CHEN Bo，LI Fuguo，HE Min. Experimental characterization of damage variables of ductile metal[J]. Rare Metal Materials and Engineering，2011，11：2022-2025.

[3] 王中宇，葛乐矣，佟杰，等. 乏信息材料布氏硬度测量误差的灰自助预报[J]. 北京航空航天大学学报，2010(5)：524-528.

WANG Zhongyu，GE Leyi，TONG Jie，et al. Error predicting for material Brinell hardness measurement of poor information based on grey bootstrap method[J]. Journal of Beijing University of Aeronautics and Astronautics，2010(5)：524-528.

[4] 董健. 基于机器视觉的布氏硬度测量研究[D]. 包头：内蒙古科技大学，2012.

DONG Jian. Research on Brinell hardness measure based on machine vision[D]. Baotou：Inner Mongolia University of Science & Technology，2012.

[5] JI Yu，XU Aiwei. A new method for automatically measurement of vickers hardness using thick line hough transform and least square method[C]//2009 2nd International Congress on Image & Signal Processing，2009：1-4.

[6] GE L，ZHAO W，ZHOU J，et al. Mechanics analysis and simulation of material Brinell hardness measurement[J]. Measurement，2011，44(10)：2129-2137.

[7] 周飞. 布氏硬度测量误差分析[J]. 计量与测试技术，2011(3)：32.

ZHOU Fei. Measurement error analysis with Brihell hardness tester[J]. Metrology & Measurement Technique，2011(3)：32.

[8] 敖勤，许宝杰，李天剑，等. 布氏硬度图像自动测量及其Matlab实现[J]. 北京信息科技大学学报，2009(4)：57-61.

AO Qin，XU Baojie，LI Tianjian，et al. Automatic measuring of Brinell hardness based on Image processing using Matlab[J]. Journal of Beijing Information Science & Technology University，2009(4)：57-61.

[9] 李丹丹，郭一通，于达仁. 应用模糊集结合数学形态学提取布氏硬度压痕圆[J]. 自动化技术与应用，2011(6)：59-63.

LI Dandan，GUO Yitong，YU Daren. Round contour extraction of Brinell hardness indent image based on fuzzy sets and morphology[J]. Techniques of Automation and Applications，2011(6)：59-63.

[10] KASS M，WITKIN A，TERZOPOULOS D. Snakes：Active contour models[J]. International Journal of Computer Vision，1988，1(4)：321-331.

[11] ZHANG Yang. The Bayesian operating point of the canny edge detector[J]. IEEE Transactions on Image Processing A Publication of the IEEE Signal Processing Society，2006，15(11)：3409-3416.

[12] MEYLAN L，SUSSTRUNK S. High dynamic range image rendering with a retinex-based adaptive filter[J]. IEEE Transactions on Image Processing A Publication of the IEEE Signal Processing Society，2006，15(9)：2820-2830.

[13] 李彦，汪胜前，邓承志. 多尺度几何分析的图像去噪方法综述[J]. 计算机工程与应用，2011，34：168-173.

LI Yan，WANG Shengqian，DENG Chengzhi. Overview on image denoising based on multi-scale geometric analysis[J]. Computer Engineering and Applications，2011，34：168-173.

[14] ZHANG L，BAO P，PAN Q. Threshold analysis in wavelet based denoising[J]. Electronics Letters，2001，37(24)：1485-1486.

[15] DENG Yaohua，LIU Xiali，ZHENG Zhihang，et al. A new active contour modeling method for processing-path extraction of flexible material[J]. Optik - International Journal for Light and Electron Optics，2016，127(13)：5422-5429.

[16] CVANCAROVA M，ALBREGTSEN F，SAMSET E，et al. Segmentation of ultrasound images of liver tumors applying snake algorithms and GVF[J]. International Congress，2005，1281：218-223.

[17] JIANG Huiyan ，GAO Xihe. Semi-automatic liver segmentation using improved GVF snake model[J]. Advanced Materials Research，2010，121-122：435-440.

[18] KASS M，WITKIN A，TERZOPOULOS D. Snakes：Active contour models[J]. International Journal of Computer Vision，1988，1(4)：321-331.

[19] 刘利雄，马忠梅，赵恒博，等. 一种基于主动轮廓模型的心脏核磁共振图像分割方法[J]. 计算机学报，2012(1)：146-153.

LIU Lixiong，MA Zhongmei，ZHAO Hengbo，et al. A method for segmenting cardiac magnetic resonance images using active contours[J]. Chinese Journal of Computers，2012(1)：146-153.

[20] MAKSIMOVIC R，STANKOVIC S，MILOVANOVIC D. Computed tomography image analyzer：3D reconstruction and segmentation applying active contour models –‘snakes’[J]. International Journal of Medical Informatics，2000，59：29-37

[21] ALI S，VELTRI R，JI E，et al. Adaptive energy selective active contour with shape priors for nuclear segmentation and gleason grading of prostate cancer[J].Bmc Complementary & Alternative Medicine，2015，15(1)：3288-3302.

[22] 唐利明，田学全，黄大荣，等. 结合FCMS与变分水平集的图像分割模型[J]. 自动化学报，2014(6)：1233-1248.

TANG Liming，TIAN Xuequan，HUANG Darong，et al. Image segmentation model combined with FCMS and variational level set[J]. Acta Automatica Sinica，2014(6)：1233-1248.

[23] BALLERINI L. Genetic snakes：Active contour models by genetic algorithms[J]. Eurasip Book，2007(8)：177-194.

[24] KARABOGA D，BASTURK B. A powerful and efficient algorithm for numerical function optimization：Artificial bee colony (ABC) algorithm[J]. Journal of Global Optimization，2007，39(3)：459-471.

基于机器视觉铸件布氏硬度在线检测技术研究^*

On Line Detection Technology of the Hardness of Cast Iron Parts Based onMachine Vision

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	方从富, 李弘扬, 沈剑云, 吴贤. 融合磨粒特征和工艺参数的粗糙度智能预测研究[J]. 机械工程学报, 2024, 60(7): 224-235.
[2]	孙广开, 张兴硕, 何彦霖, 周康鹏, 祝连庆. 面向连续体机器人精密操作的多芯光纤三维形状与位置测量误差研究[J]. 机械工程学报, 2024, 60(3): 68-82.
[3]	罗晨, 邵佳丰, 王伟, 张刚, 周怡君. 考虑镜面反射和阴影的复杂曲面测量视点规划[J]. 机械工程学报, 2024, 60(15): 304-315.
[4]	童哲铭, 马廷良, 刘浩. 基于高速图像特征提取的滑动轴承空化特性试验研究及其数值仿真分析[J]. 机械工程学报, 2024, 60(13): 48-55.
[5]	何赟泽, 李响, 王洪金, 侯岳骏, 张帆, 牟欣颖, 刘浩, 程豪, 李时华, 李杰. 基于可见光和热成像的风机叶片全周期无损检测综述[J]. 机械工程学报, 2023, 59(6): 32-45.
[6]	闫征, 王立新, 董世运, 闫世兴. 微小型飞行昆虫降落/起飞过程微牛级接触力测试系统设计[J]. 机械工程学报, 2023, 59(5): 280-290.
[7]	谢奕展, 程夕明. 锂离子电池简化电化学模型理论误差分析研究[J]. 机械工程学报, 2022, 58(22): 37-55.
[8]	王志祥, 雷勇军, 张大鹏, 欧阳兴, 王婕. 考虑加工误差的大型运载火箭框桁加强薄壁圆柱壳优化设计[J]. 机械工程学报, 2021, 57(18): 190-203.
[9]	王林泽, 高德东, 白辉全, 赵岩, 崔加利, 李沐蓉, 雷勇. 基于力视感知的斜尖柔性针轨迹预测[J]. 机械工程学报, 2021, 57(11): 52-60.
[10]	朱永国, 张文博, 邓正平, 刘春锋. 基于激光跟踪仪和机器视觉的飞机翼身对接装配偏差动态综合修正[J]. 机械工程学报, 2019, 55(24): 187-196.
[11]	刘明周, 蒋倩男, 扈静. 基于面部几何特征及手部运动特征的驾驶员疲劳检测[J]. 机械工程学报, 2019, 55(2): 18-26.
[12]	王煜, 高向东, 陈子琴, 黎扬进. 激光-MAG复合焊接过程金属蒸气和背部熔池图像分析[J]. 机械工程学报, 2019, 55(19): 167-173.
[13]	刘巍, 李肖, 李辉, 潘翼, 贾振元. 基于双目视觉的数控机床动态轮廓误差三维测量方法[J]. 机械工程学报, 2019, 55(10): 1-9.
[14]	张磊, 黄传辉, 朱恩旭, 王磊, 董妍. 基于数据驱动建模的钣金装配过程误差分析[J]. 机械工程学报, 2019, 55(10): 34-41.
[15]	王尧, 孟文俊, 项丹, 李淑君. 基于数字图像处理方法的弹塑性倾斜接触冲击动力学试验与数值分析[J]. 机械工程学报, 2019, 55(1): 81-90.