不锈钢铰链关键零件形位尺寸的智能检验系统的原理、结构和关键技术

门窗铰链是现代建筑的重要五件构件，是影响门窗质量和安全性的关键部件。高档的铰链产品采用不锈钢制造。图1是产品总成及组成的零件。

由于主要采用冲压生产工艺，而且是工艺性较差的不锈钢材料，因此其加T精度较低，装配成总成后往往出现质量分散的问题。在目前传统的铰链生产流程中，对铰链部件采用首检和抽检制度。依靠人工通过量规、塞尺、卡尺等工具进行检测。该方法虽然比较简单，但检测精度差，效率低，不能及时发现和改进冲压等工艺质量问题，导致产品不良品率较高，严重影响企业效益。加工过程检测成为制约产能和质量的瓶颈。为此，作者研究和开发了新型的智能检测系统，实现铰链主要零件的快速精密检测，保证零件的制造精度，为产品总成质量保障奠定基础。

1系统工作原理

1.1检测要求

每个铰链产品总成由9个零件组成。图2所示是需要检测的主要零件类型。检测项有：(1)工件的总长；(2)工件孔的相对位置；(3)工件孔径的大小；(4)工件孔相对于工件宽度方向的对称度；(5)工件表面的平整度；(6)工件两平面间台阶高度。

由此可知，检测项目主要是二维可视轮廓和形位尺寸，因而可以应用机器视觉和激光检测技术实现非接触式检测。

1.2系统结构

铰链产品型号多达1000多种，按照传统的自动检测装夹方式，需要数量巨大的夹具。其次检测的零件长度从100mm~1000mm，采用机器视觉的相机分辨率显然无法满足检测精度要求。因此，系统综合应用了机器视觉、激光检测、伺服控制等技术，以适应各种规格零件的检测。系统组成如图3。

料台装在一条直线导轨上，然后通过伺服电机连接滚珠丝杆带动，使其前后来回移动，实现检测进给。工件放置到图示的料台上，靠定位边定位，以准备后续的检测。

1.3系统工作流程

工件随着料台的进给到检测区域。检测区域内包含了两个摄像头和一个激光位移传感器，分别对工件的外形尺寸和工件的平面度进行检测。由于有些工件有3～4mm的台阶，因此分两个摄像头进行外形的检测。摄像头A用于检测T件A端的外形尺寸。摄像头B则检测T件B端，它装在一个电动精密滑台1上，使摄像头B可以根据工件的台阶位的高度进行上下微调整，满足其对焦距的要求。激光位移传感器装在两个电动滑台1、2上，使其可以垂直上下、水平前后移动，满足各种厚度和宽度的工件的检测。另外，在检测过程中使激光位移传感器水平前后往复移动，这样可以使检测工件的平面度所得出的数据更客观准确。工件通过检查区域时，同时完成外形和平面度的检查。

2系统机器视觉检测

2.1工件总长的测量

工件的长度范围比较大，有100mm～1000mm，在相机的一个视场中不能检测出工件的总长，因此需要结合伺服和机器视觉，精确计算工件的长度，如图4。

图4中4点为工件的第一点在相机标定后的视场中的坐标，B点为最后一点在视场中的坐标，L为A、B点在图纸中的距离，即工件长度。标定后的伺服系统进给相对应L的脉冲数，使工件的首点和末点依次处于视场中。如果工件的实际长度和/-致，4点和B点的坐标是完全符合的，即X1=X2，Y1=Y2，此时工件实际长度等于L；当工件实际尺寸与L不符时，A点和B点间存在一个偏差a=B-A，此时工件实际长度为L-a。

2.2工件孔的相对位置和孔径大小

测量两个孔之间的距离，主要的检测方法与检测长度类似，伺服系统进给相对应两个孔图纸间距L的脉冲数，测出两个孔在分别定位在相机视场中的圆心坐标的偏差a，即可计算出两个孔之间的距离L-a。

因为工件中的孔是冲压出来的，不可避免会存在一些毛刺，在计算孔径大小和网心坐标时，如果使用拟合网的方法会存在误差，如图5（经过二值化的网孔的图片）。

为了提高检测精度，从图像中心出发，分纵方向、横方向、对角线等4个方向对图像进行遍历，寻找255（白色）和0（黑色）的跳变点，并记录坐标，以每个方向的最大值作为孔径，综合4个孔径选出最优值，以减少毛刺对孔径和网心坐标的影响。

2.3工件孔相对于工件宽度方向的对称度

由于采用正面光源，更清晰地呈现了工件的一些细节，但是同时也会引入更多的干扰信息，在对T件的两边缘定位之前，先对图像进行预处理，主要有中值滤波，对数变换和二值化等处理，得到准确清晰的边缘信息，如图6所示。

根据上文所得到的网心坐标，从圆心开始向左右两个方向分别遍历，对比像素值，记录下255（白色）--0（黑色）--255（白色）的跳变点，得到该边缘直线上的所有点的坐标和网心做运算，作为网心到边缘的距离，排除因毛刺引起的一些异常值，可以保证测量的精确度。

2.4亚像素算法

在有限的摄像机分辨率的条件下，为了更进一步提高检测精度，本系统提取图像轮廓时应用了双线性插值的亚像素算法l61，其基本原理如图7。

假设函数图像灰度函数f，已知四个点（像素点）的值Q11=（x1，y1）、Q21=（x2，y1），Q12=（x1，y2）以及Q22=（x2，y2），要求得到未知点P(x，y)的值f(P)，其方法如下：

首先在x方向进行线性插值，得到点R（x，Y1)和R2（x，Y2)，然后在y方向进行线性插值，得到点P(x，y)。

根据像素与像素之间的灰度值的关系，插入5个像素，相当于将像素分辨率提高了5倍；通过大量的实验证明，亚像素算法有效的提高了本系统的稳定性和精准度，检测不确定度小于+0.005mm。

3系统检测参数的设置

如上所述，需检测的产品型号多达1000多种，而要确定具体零件的检测参数阈值，依靠人工设定是一项及其繁杂的工程。本系统通过以下方案来实现简便操作。

3.1工件分类

按照需要检测的参数对工件进行大类分类。例如需要检测的孔的数量、孔的直径、孔间距离、沉孔深度等等。以此为依据对工件进行分类，并制定产品分类编码，给每类工件设置编码条码。系统通过扫描待检测的工件的条码，确定需要检测的工件的类别，从而确定需要检测的参数种类。

3.2参数阈值提取及结果判断

系统通过扫描产品条码，从具体产品图纸提取相应的检测参数。这样系统就可以识别工件需检测参数，如孔的位置、平面度检测位置、是否有台阶和台阶高度是多少等等。系统通过传动伺服控制系统实现工件检测精密定位，确保视觉系统照相机拍照的位置与产品参数精确对应。在检测位置进行视觉和激光检测，并与实际检测参数对比，确定检测结果并输出报表等。

4结论

生产应用表明，检测系统在有限的机器视觉检测分辨率情况下，保证了大范围尺寸工件的精密检测，检验不确定度小于+0.005mm，符合零件图纸尺寸检测精度要求。检验效率达到12片／分钟，自动生成检验结果统计报表。在检验夹具上实现互通、互换，能适应不同规格的检验零件。系统还能依据检测数据生成CAD文件。另外，系统设计了物联网接口，方便接人智能制造系统，实现检测信息化运行。

系统可以广泛用于铰链、滑轨等产品的精密检验。