本文根据目前工业领域中零件螺纹的缺陷检测和质量评价一般由人工进行的现状,以基于图像的螺纹表面缺陷的检测作为研究对象,尝试利用计算机视觉技术与数字图像处理技术来处理,使其能够完成对零件螺纹的表面是否有缺陷的识别及缺陷严重程度的判定,这种检测是数字化、非接触性的检测,其特点是效率高、自动化程度高、可靠性强,具有较强的实际和经济意义。 首先是从图像的采集开始,结合光源的合理设置以便在图像中将待检测物体与背景较好的分离,利用光学投影的原理,使待检零件在数码相机上成像,并利用转动平台的转动,每隔一个固定的角度转动一次并采集图像,这样得到分别对应每个转动角度的零件轴剖面的多幅数字图像。为顺利进行螺纹缺陷的识别,还需要经过计算机图像处理技术进行去噪、边缘检测、二值化等预处理,然后运用数学形态学的二值细化方法经过计算统计得到相对螺距参数和特征点,在每幅图像中提取得到的螺纹轮廓边缘线区域内,以此为依据指引搜索螺纹区域。由于各种不同类型的零件其表面结构、参数各不相同,因此有必要为每种零件各自确定一种螺纹区域确定算法。 由于螺纹的缺陷仅通过单独的一幅图像难以进行判定,同时每个待检零件的所有图像中的信息具有相关性,需要将其中全部的螺纹区域结合起来分析,得到以另外多幅图像表示的零件螺纹三维展开形式,这些图像依从上到下顺序刻画了螺纹从外向里的信息,然后,对标准的无缺陷零件及各种缺陷零件相应的三维信息分别进行统计、分析,得到一系列的统计数据,从这些数据中提取合适的特征形成规则,并依据规则的指导区分出缺陷的有无及程度,得出检测的结果。在这里,评判依据和规则标准是关键,本文尝试利用模式识别的形式对缺陷特征进行分类,在定性分析的基础上,以区域特征对缺陷进行定量分析。此外还将数学形态学的理论和算法应用到了系统中的处理(膨胀和腐蚀消除图像中零件内部的光斑区域,细化进行图像中零件的相对螺距的测定)。 本文的零件缺陷检测框架以检测零件类型的可扩展性、检测结果的有效性、检测过程的时间效率为目标,使其更具有实用性和通用性。