（上海交通大学电子信息学院，上海200030）

　　［摘　要］　文中研究了机械产品内部构件状态的视觉检测方法。运用机器视觉技术对产品的图像进行预处理、特征提取和匹配操作，基于模式识别的方法建立了故障诊断模型，最终实现了产品内部构件状态的自动检测。利用所述方法，对具体的机械产品进行了检测试验，结果表明该方法实用、迅速、可靠，对于自动检测复杂机械产品内部构件的状态具有普遍意义。
    ［关键词］　机械视觉；图像处理；无损检测；故障诊断

1　引言
　　在人类智能活动中，可视信息的处理占有非常重要的地位，人类获取的信息约70％来自视觉。图像作为一种重要的视觉信息来源，成为人类进行直观而有效地认知和判别的主要依据。近年来，随着光电技术、计算机数字图像处理技术、无损检测技术的发展，现代检测与识别技术日益朝智能化、高可靠性、高速自动化在线检测方向发展。计算机视觉技术和可靠性技术是现代检测的两大技术基础。“视觉检测”作为机器视觉的一个应用概念，其内容不仅在于视觉感知、知识和模式识别等，更着重于空间几何尺寸的精确检测和定位。视觉检测具有现场宽、非接触及较高精度等优点，其应用正在取代一些传统的传感器，完成“离线”和“在线”测量［1～4］。机器视觉在工业检测领域已被成功地应用。目前已经用于产品外形检验、表面缺陷检验。通过X射线照相或超声探测获取物体内部的图像，可以实现内部缺陷检测。
　　很多机械产品由较多的零部件组成，零部件在空间位置上层叠交错，加之一般是非透明外壳封装，内部构件状态非直观可见，因此对产品进行有效的检测颇为困难。常规的检测方法是采用人工抽样检验或破坏性试验。这些方法不仅费用高、耗时费力，而且属于事后分析，由于人为因素造成的漏检或误判会大大降低检测识别的准确率，难以满足实时生产的需要。若环境恶劣或产品本身具有一定危险性，这些常规方法也是不安全的。
　　鉴于这种情况，文中介绍了一种在线机械产品故障检测方法：基于机器视觉原理，采用较为成熟的技术对产品图像进行预处理、特征提取、分类识别及模式匹配等，从而完成对产品内部状态的检测。
2　检测原理
　　等组成。系统工作时，X射线源发出的射线穿透旋转检台上的被检产品打到射线转换屏上，转换为可见光图像，再由CCD数字相机获取该图像，经数字化后输入计算机。检测系统机电控制器控制步进电机带动工作台旋转，以获取被检产品不同方位上的原始射线图像，计算机通过图像预处理、特征提取和对构件的分析、处理及识别，实现对产品内部构件状态的自动检测［5］。
　　拍摄待检测的正常产品的多幅图像构成样本集，提取关键零部件特征建立特征库。检测时采集实测产品的不同方向的两幅图像，首先利用模式识别和匹配算法确定与实际图像最接近的样本图像，再比较样本图像和实际图像，判断关键件的状态。具体实现过程如下：
　　（1）将正常产品放在旋转检台上，检测台按照控制指令旋转预定角度停下来，拍摄产品的一幅图像，旋转一周可以获取产品各个方位的图像。由计算机控制的步进电机可以调整检台的旋转角度，满足不同的检测要求。
　　（2）对获取到的样本图像进行预处理。图像的预处理包括滤波去噪、目标—背景分割、区域裁剪、图像增强等。
　　（3）根据产品的特点，定位关键零部件，提取相应的灰度特征，建立标准样本特征库。
　　（4）对待检产品拍一幅图像，经预处理后，与标准样本图像逐幅进行匹配，找到与之最接近的一幅样本图像。
　　（5）提取出检测图像中相应零部件的灰度特征，给定一个误差范围，与匹配好的标准样本图像进行特征比较，得出比较结果，利用图像分析的理论判断元件是否存在或有无错位。
　　（6）若某些关键零部件无法判断，将产品旋转一个角度（一般是90°），转第（4）步。
　　（7）当所有关键部件的状态确定后，利用可靠性理论计算出系统的状态。
　　（8）计算机输出检测结果，显示产品系统的状态（正常或故障）。若系统发生故障，则要输出引起

[1] [2] [3] 下一页