铆钉视觉检测铆钉外观尺寸缺陷检测方案

铆接具有可连接不同材料、连接强度高和稳定性好等优点，在各行各业的应用十分广泛。

铆接的性能直接关系到产品的性能，同时，铆钉的质量直接影响了铆接的性能。

因此，保证铆钉的质量十分重要，使用有缺陷的铆钉铆接，会影响铆接性能。

传统的铆钉检测是通过人工方式进行的，具有检测效率低下和检测的稳定性差等缺点，在大批量的铆钉生产中，人工检测的速度远远不能满足需求，只能对铆钉进行抽样检测。

但是，在很多场合，抽样检测并不能保证铆钉的质量，因此，实现铆钉的自动化检测十分必要。

下面给大家介绍一下机器视觉铆钉缺陷检测系统，外观缺陷检测能够对铆钉进行自动化检测，以满足企业对铆钉检测的需求。

1 系统整体介绍

1.1 铆钉的检测项目

铆钉的一些尺寸如图1 所示。铆钉的缺陷分为表面缺陷和尺寸缺陷。对于表面缺陷，主要对上表面进行检测；对于尺寸缺陷，需要检测总长度、杆长度、帽直径和杆直径。表面缺陷会使铆接的强度降低，尺寸过短同样也会降低铆接的强度，尺寸过长可能会损伤被连接件。因此，必须要保证铆钉没有表面缺陷，尺寸在一定的范围内才能进行铆接。

1.2 系统机械结构的组成

铆钉缺陷视觉检测系统机械结构由传动机构和图像采集机构2 大部分组成。传动机构主要负责对铆钉进行输入和定位，让铆钉能以固定的位姿进入下一个工位。后面有2 个检测工位，一个工位是表面质量检测工位，另一个是尺寸检测工位。

2 图像处理

2.1 表面质量检测

对于表面质量检测，这里采用正面高角度的打光方式，

这种打光方式，正常的表面反射的光能进入相机，缺陷部位反射的光不能进入相机。因此，在获得的图像中，正常表面较亮，缺陷部分较暗。缺陷检测就是找出图像中与正常图像不同的地方。该系统采用差影法对外观缺陷检测。

首先，要得到标准模版S（i，j）。在实际中，标准的模版图像难以获得，不过，可以通过统计的方法来获得模版图像。将多幅合格铆钉图像的平均值作为标准模版，能减小一些随机误差。对于同一批铆钉，它们的图像应该大致相同。因此，当被检测的图像f（i，j）与模板图像S（i，j）相减时，相同位置的像素灰度很接近，结果接近于零。只有在缺陷部位，相减后的结果才会较大。图4 所示为标准模版。

由于图像边缘和噪声的存在，在差影后的结果中很可能有一下细长的伪轮廓。这会引起对缺陷的误判。因此，必须排除差影后得到的伪轮廓的影响，想办法把伪轮廓和缺陷区分开。一般情况下，差影造成的伪轮廓是细长的，而缺陷在2 个方向上都较长。通过这个特征，就能将两者区分开。

铆钉缺陷视觉检测系统采用的方法是设置一个灰度阈值和一个长度阈值。灰度阈值是为了排除噪声对差影结果的干扰，允许差影结果在零附近很小范围内波动；长度阈值是为了排除差影结果中边缘位置的伪轮廓的影响。长和宽必须同时大于长度阈值，才能将这部分认为是缺陷。在差影后的结果中，存在灰度值大于灰度阈值的区域的，且该区域的长和宽都大于长度阈值，就认为该铆钉表面有缺陷。

差影后的图像可以看出，缺陷的长和宽都较大，差影后的边缘很长，但是，宽很短。因此，通过上面的办法可以很容易地检测出缺陷。

2.2 尺寸检测

对于尺寸检测，首先必须对相机进行标定，求得相机每个像素的像素当量，即一个像素代表的实际物理尺寸。这里采用标定块标定，得到长为L 的标定块在尺寸检测工位的图像，求取图像中标定块的像素长度M，则像素当量k＝L/M.采用背光投影的方式得到的图像具有高信噪比，而且边缘锐利。因此，在尺寸检测工位采用背光投影的方式。

铆钉的尺寸检测需要对4 个尺寸进行检测。由于这4 个尺寸检测采用的是相同的方法，这里只对铆钉总长度的检测方法进行说明，其他的尺寸检测类似，将不再赘述。常用的边缘检测方法有Robert 算子、Sobel 算子、Prewitt

算子和Canny 算子等。Robert 算子边缘定位精度高，但无法抑制噪声；Sobel 算子和Prewitt 算子适用于灰度渐变和噪声较多的图像，但检测出的边缘容易出现多像素宽度；Canny算子在抗噪声干扰和精准定位间寻求最佳平衡点。比较上述几种检测方法，Canny 算子更适合此处边缘检测。通过Canny算子分别求取铆钉上、下表面的边缘点，然后将下表面的N个边缘点通过最小二乘法拟合成直线y＝ax＋b.其中，

计算上表面所有边缘点到该直线的像素距离，用像素长度乘以像素当量就得到铆钉总长度的实际物理长度。将其中的最大值作为铆钉的总长度。

3 系统运行结果

系统能检测出铆钉上表面的缺陷，铆钉的尺寸检测误差不大于0.02 mm。当在表面缺陷检测工位或者尺寸检测工位检测到有缺陷的铆钉时，最后的剔除装置会把有缺陷铆钉剔除。因此，该检测系统总体上能满足企业对铆钉检测的需求。

4 结束语

该铆钉检测系统从机械结构上保证能自动送料，并且能够对铆钉的位姿进行控制，确保进入检测工位时，铆钉的位姿是一致的。这样，不仅降低了图像处理的难度，还提高了检测的精度。

在图像处理部分，采用了差影法来检测铆钉的表面缺陷，并通过设置面积阈值和灰度阈值来排除边缘和噪声的干扰。在尺寸检测时，在ROI 中进行图像处理，提高了处理速度，并通过最小二乘法来拟合铆钉的边缘，提高了系统的尺寸检测精度。相比于传统的人工检测，外观缺陷检测系统具有一定的应用价值。

如果你的工业生产线中需要用到机器视觉检测方面的技术，那么不妨和我们聊聊，我们会先根据你的需求分析，免费从一个专业的角度来给你一个合适的方案，再听取你的意见，即使没达成合作，我们也希望能多认识个朋友。