机器视觉技术赋能螺纹表面缺陷检测
机器视觉技术赋能螺纹表面缺陷检测
螺丝作为工业生产中常见的零部件，在许多行业的生产中都发挥着重要作用。因为其使用场景足够广泛，就必须要求螺丝的产品质量高，表面不会出现裂痕、划伤、异物等瑕疵。目前，针对螺丝表面的螺纹检测大多采用人工目检，不仅容易造成错检漏检的情况，更会造成大量的人工管理成本。因为，现在越来越多的企业开始使用机器视觉检测技术赋能螺纹表面缺陷检测，提高螺纹检测的速度和精度。
螺纹检测系统相机、镜头、光源选择
基于机器视觉的缺陷检测， 需要采集检测对象的各项数据并且进行光学成像，然后利用算法软件完成对采集到的图像进行降噪、锐化等预处理操作。提取特征信息。然后根据预定程序，通过对自动化生产设备的控制，完成自动化生产操作。
因此，基于机械视觉的外螺纹表面检测必须先确定传感设备与成像设备的类型，其工作原理是将光信号转变为电信号，最终得到被测零件的各项数据供计算机读取。
比较常见的图像传感器有 CCD 和 CMOS 两种，其中 CCD 图像传感器对放大器信号宽带的要求更高，耐久度更低CMOS图像传感器对放大器信号宽带的要求更低，能够更好地将信号放大器、 中央控制器与转换电路等集成到同一片芯片中。因此， 在采用基于机器视觉的外螺纹表面缺陷检测技术时，企业会更多地选择 CMOS 图像传器。
针对镜头的放置，被测物体的尺寸大小及物距都是在放置镜头时需要考虑的因素。相机镜头接口以CS接口为佳，在光源选择上，选用LED环形光源，性价比更高，抗震效果更好。
相机标定
相机标定决定了检测的精度，为了确定相机安装时的相关参数，可以先建立模型并进行数据检测。首先确定相机的位置，将标定板与支撑板连接到一起，完成对相机、光源和待检样品三者之间的位置判定。同时，通过不同相机机位和样品不同运动轨迹下的位置图像获取，获得最终的零件数据并形成完整的光学图像提供给处理软件进行处理。
然后转换相机的镜头，尽可能在不同的角度拍摄被测零部件，以获取被测零件足够多的数据，从而得到更加精确且完整的图像。在获取被测零部件的标定板图像之后，由软件提取出每张图片上的 182 个棋盘格角点，根据相机的各项参数进行合并计算，和针对图像完成线性计算，最终达到校正图像的目的，最后采用MATLAB 标定模板标定整个检测系统，将成像误差控制在0.3 个像素之内。
另外，要对几何畸变图像进行校正。首先要将被检零部件的空间坐标转换成平面坐标，接着重新确定图像的像素灰度值并且修正相机内部的参数，然后将原本的图像与畸变图像进行对比，找出其中的差别，以此对畸变图像上的像素点进行校正。
图像的预处理
在使用基于机器视觉的外螺纹表面缺陷检测技术对螺栓表面外螺纹进行检测时，螺栓所处的环境会对相机获取图像的过程造成影响，导致相机所获取的图像质量达不到标准。此时，不应急于对零部件进行处理，可以先对相机获取的图像进行预处理。
常用的图像预处理方法是将图像的像素灰度调低和图像去噪，在这个过程中可以考虑使用中值滤波法完成图片降噪，可以有效减小误差，
获取被测零部件的缺陷图像并且进行图像像素灰度调整和图像去噪处理之后，需要将彩图转变为黑白图，方便技术人员获取螺栓表面螺纹的特征值。将彩图转变为黑白图，图片会出现许多模糊的阴影部分，使得图像变得更加模糊，所以还需要技术人员对图片进行专业处理， 如图片拉伸、 对比度和曝光度调整。