基于机器视觉的微小零件形貌检测方法

摘要：

针对当前工业生产中人工对微小异形零件形貌参数测量精度低、速度慢的问题，提出了一种基于机器视觉的检测方法，并开发了一款基于开源计算机视觉库OpenCV的检测软件。该检测方法首先使用CMOS相机采集被测零件的图像，并结合频谱特征对其进行滤波、阈值分割等预处理；然后选取效率高、边缘跨度为单像素的Canny边缘检测算法对预处理之后的图像进行边缘检测；最后采用Ramer算法对零件轮廓进行递归细分，拟合出几何基元，并结合测量焦距下的系统标定系数计算出零件实际的形貌参数。实验结果表明：通过该检测方法对长、宽均为毫米量级的Ω型微小零件进行形貌检测，检测精度达到10μm以下，具有精度高、速度快的优点，可为工业化生产提供可靠依据。

关键词：机器视觉、形貌检测、Ramer算法、OpenCV

分类号：TP391(计算技术、计算机技术)

资助基金：吉林省科技发展计划项目20126016

在线出版日期：2015-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：22-27