摘  要： 为了检测汽车一些需铆接的零部件在生产中的合格情况，提出了一种基于图像检测技术的高精度铆接缝隙的测量方法。通过ＣＣＤ工业相机采集图像，利用图像处理算法对图像进行预处理，对图像缝隙特征进行提取和参数计算。将该方法用于实际塑料铆接的图像检测中，获得了较好的检测效果。实验结果表明，该方法能够有效提高检测精度，具有一定的实用价值。
关键词： 塑料铆接；精确测量；图像检测

　近些年，在塑料铆接的实际生产过程中，利用图像处理对铆接的合格程度进行判断得到了广泛关注。随着计算机视觉技术的发展，视觉传感器技术也应用到了铆接缝隙的检测过程中。利用视觉传感器技术来获得铆接结果的特征信息，获取的结果具有信息量大、不需与被检测物接触、精度高和灵敏度高等特点，可适用于各种塑料铆接的检测场合，具有发展前途。
　视觉传感器由于可以远离被检测物体，采集信息量丰富，得到广泛应用。采用CCD光学器件组成塑料铆缝的图像信息采集传感系统，然后将获取的铆缝图形信息进行图像处理和缝隙宽度的计算，获得塑料铆接中铆接缝隙的宽度。根据这个结果控制执行机构，判断此被检测产品是否已经铆接或者是否铆接合格，提高产品铆合格率。
1 塑料铆接缝隙图像检测系统结构
　塑料锚机缝隙图像检测系统主要由视觉传感、图像处理和缝隙宽度的计算3部分组成。在塑料铆接缝隙的图像检测过程中，首先由视觉传感器获取塑料铆接缝隙的图像信息，并将信息传输到PC；然后PC对所获取的图像信息进行处理，减少图像中的噪声污染，并加强塑料铆接缝隙图像的特征信息；再通过所设计的算法来提取铆接缝隙的特征点，获取铆接缝隙的宽度。计算机把此宽度与系统中所存的标准宽度范围进行对比，如果在未铆的范围，则说明此被测物没有进行铆接；如果在不合格的范围，则说明此被测物铆接不合格，从而实现系统实时检测的目的。系统结构的功能框图如图1所示。塑料锚接缝隙图像检测系统主要是在VS2010开发平台上进行的，开发界面如图2所示。

　将均值滤波和中值滤波放在此设计中进行比较，铆接缝隙滤波前后比较如图3所示。

　从图3可以看出，中值滤波克服了均值滤波所带来的图像模糊，更好地去除了孤立点、线的噪声以及二值噪声的同时很好地保留了图像的边缘。图像二值化在图像处理中同样起着重要的作用，因为对于图像来说，过多的灰度值信息将会影响图像检测和识别的速度。为了减少灰度冗余信息，需要将不同灰度级的目标图像与背景图像进行分离，即进行图像二值化。本文所采用的图像二值化方法是迭代阈值法，其算法如下：

　显然，图像空间中圆上的点映射到参数空间中的一族圆锥的交点正好对应于圆的圆心坐标和圆的半径。对参数空间适当量化，得到一个三维的累加器阵列，阵列中的每一个立方小格对应（a，b，r）的参数离散值。对图像空间所存在的圆边界形状检测时，先计算图像每点强度的梯度信息，然后根据适当阈值求出边缘，再计算与边缘上的每一点像素距离为r的所有点（a，b），同时将对应（a，b，r）立方小格的累加器加。改变r值（可以根据先验知识确定其变化范围，减少计算量）再重复上述过程，当对全部边缘点变换完成后，对三维阵列的所有累加器的值进行检验，其峰值小格的坐标就对应着图像空间中圆的圆心。数字图像式可写为：

　表1所示1.10为没有铆接的阈值，即当D≥1.10时，此产品没有铆接。对于铆接不合格的也是如此判断，即当D≥0.31时为铆接不合格。
　图像处理技术是随着计算机的发展而新兴的一门学科，图像处理技术至今仍处在发展阶段。现在已经提出的铆接缝隙图像处理方法大都是针对具体问题提出的，因此对一幅铆接缝隙图像没有通用的处理方法。本文运用了图像处理技术对铆接缝隙图像进行处理，识别出缝隙的内外边缘，再通过缝隙的宽度计算法求出了缝隙的宽度，并与标准宽度阈值进行比较得到具体的锚接结果，最终得到比较理想的效果。
参考文献
[1] 杨帆.数子图像处理与分析[M].北京：北京航空航天大学出版社，2008.
[2] 郭文强，侯勇严.数字图像处理[M].西安：西安电子科技大学出版社，2009.
[3] 李鹏辉，赵文光，朱宏平，等.基于数字图像处理技术的多点动态位移监测[J].华中科技大学学报，2011，39（2）：80-84.
[4] 王伟，何小元，杨福俊，等.基于数字光测的表面裂缝宽度图像分析法[J].测控技术，2006，25（7）：23-25.
[5] 耿鑫，肖瑾，胡晓光．基于物理模型的彩色图像边缘检测与分类[J]．仪器仪表学报，2010，31（8）：1782-1787．
[6] 张道德，胡新宇，杨光友.一种改进的随机Hough变换圆形检测算法[J].电子器件，2009，32（3）：721-724.