第7期 2016年7月
组合机床与自动化加工技术
ModularMachineTool&AutomaticManufacturingTechnique
文章编号：10012265(2016)07-001904
D0I:10.13462/j.cnki.mmtamt.2016.07.006
机械仪表的机器视觉数据自动获取技术
林献坤，林昇江，朱琳
（上海理工大学机械工程学院，上海200093）
No.7 Jul.2016
摘要：提出了一种新的仪表识别方法，并应用该识别方法实现了基于机器视觉的高精度自动采集方法。该自动采集方法通过工业相机对机械仪表指针和表盘进行图像采集，经过分割、膨胀、细化等预处理后得到表盘构成要素轮廉；根据直线型指针图像的灰度梯度方向一致特性，应用改进Hough变换定位指针轮廉，提高了识别的准确率；通过识别指针轮廊指向及判断指针轮廊在仪表表盘中所在象限，得到指针指向，依靠计算指针角度变化，实现仪表读数的识别，经计算机采集实现数据自动获取。以杠杆千分表测量高精度位移量为例，通过自搭建的试验平台，在人工识别及激光干涉仪测量结果的对比下，对数据采集试验进行了实验研究。实验结果表明，应用该识别方法的机器视觉自动获取技术采集仪表数据，精度可达0.4μm。
关键词：机械仪表；机器视觉；自动检测；图像识别
中图分类号：TH166;TG659
文献标识码：A
Data Acquisition Methodology for Mechanical Measurement Instrument with Machine Vision
LIN Xian-kun, LIN Yi-jiang,ZHU Lin
(College of Mechanical Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China)
Abstract: In order to realize automatic recognition for micron-scale mechanical measurement instruments, a data acquisition technique for the instrument based on machine vision is proposed. Firstly,wavelet modulus maxima of multiscale edges is applied for image segmentation. Secondly,mathematical morphology is uti-lized to denoise the image of the instrument. Thirdly, modified Grads Hough Transform method that com-bined with the gradient of the image are presented to search for the pointer. Finally,an experiment was con-ducted on a self-construction platform to verify the accuracy of this algorithm for the instrument recognition. The result of the experiment shows that this data collecting technique can recognize the pointer position of the micron-scale instrument exactly and collect the pointer data automatically with 0. 4 μm acquisition accura cy. As a result the proposed methodology offers a new intelligent recognition and data collecting technique for mechanical measurement instrument.
Key words: mechanical instrument; machine vision;automatic detection;image recognition
0引言
应用自动化仪器仪表，通过数据采集可得到高精度位移数据，在高频采样时自动化仪表具有优势，但是其价格昂贵、使用要求高，在没有高质量的测量环境下，数据采集容易受到电磁干扰，采集的数据容易产生零点漂移，使得测量精度和稳定性受到约束。指针式机械仪表具有结构简单、使用方便、抗干扰性强、价格便宜等优点，在工业检测中得到大量的应用，甚至在一些场合，由于其独有优势，具有不可替代性(3)。但是，指针式仪表需要通过人工读数，在读取大量数据时，容
易产生视觉疲劳，读取速度慢(")，难以在自动化生产中得到推广应用。
机器视觉采用成像系统作为输人手段，由计算机通过指定算法代替大脑完成处理和解释，它通过非接触式测量实现数据的快速获取，这种采用非接触的方式，形成一个无接触式的抗干扰层空间，与自动通讯方式的数据采集方式相比，这种方法可使采集过程中的数据干扰得到有效抑制，提高数据采集的可靠性(4)。因此，若能研究采用机器视觉对机械仪表数据进行自动采集，提高其识别速度和数据可靠性，对降低自动系统的构造成本和扩展检测范围
收稿日期：2015-09-04；修回日期：2015-1021
+基金项目：国家自然科学基金资助项目(51005158）；国家科技重大专项"高档数控机床与基础制造设备"项目(2013ZX04008-011-02）
作者简介：林献坤（1975一），男，福建仙善人，上海理工大学副教授，博士，研究方向为精密加工和智能加工技术方面研究，（Email）linxk333126.
com
万方数据