0 引言
略。
1 汽车精密零件表面缺陷的机器视觉采样和预处理
1.1表面缺陷的机器视觉采样
为了实现基于机器视觉的汽车精密零件表面缺陷 自动检测,结合工件材料的应力参数分析和光学视觉特 征采集方法,在光学传感器下建立汽车精密零件表面缺 陷视觉成像模型,通过对光学视觉特征分析,通过仿射 变换和特征提取,在平移、旋转、缩放、剪切等一系列原 子变换下实现对汽车精密零件的视觉跟踪识别,采用连 续小波变换,构建汽车精密零件表面缺陷的机器视觉图 像采集模型,采用单背景约束下的表面光泽点提取方法 进行零部件的缺陷 Harris 角点检测[5] ,通过金字塔 DoG (Difference of Gaussian) 计算汽车精密零部件表面的尺 度信息和边缘轮廓信息,通过窗内像素梯度特征分析, 得到对( (x,y) ,(x , y′) ) 投影误差,并在不同冷却压力 条件实现对汽车精密零件的表明热-力耦合和塑性变形 分析。 综上分析,得到基于机器视觉的汽车精密零件表 面缺陷自动检测的总体实现流程如图 1 所示。
根据图 1 所示的总体结构,采用 Harris 特征成为图 像配准技术和 SIFTI( Scale -invariant Feature Transform, 尺度不变特征转换)技术,在削载荷作用下进行汽车精密零件表面缺陷的主动定位和信息参数分析,在汽车精密零件表面的热力耦合和塑性变形作用,通过对汽车精密零件表面应力参数分析,研究汽车精密零件表面的残余应力及变质层特征,采用机器视觉特征分析的方法,实现对汽车精密零件表面缺陷的切削微观形貌特征分析[6] ,建立表 面缺陷的机器视觉采样模型,如图 2 所示。