尺寸测量
维度测量
尺寸检查是外观检查的一种。它在判断部件或产品是否已按照规范工作或组装时起着重要的作用。这些尺寸检查可以通过图像处理实现自动化:
- 测量零件或产品的最大/最小尺寸
- 测量O形环的最大/最小/平均内径或外径或中心坐标
- 圆度测量金属零件尖端的圆度或角度的
- 测量边缘和标签的位置
- 测量片/膜制品的宽度
尺寸测量是检查的基础;但是,很难引入,因为它需要大量的时间和努力。随着工厂自动化(FA)的扩展,使用图像处理的尺寸测量增加了。本页介绍了使用图像处理的基本原理,优点和实际应用。
判断产品是否符合规格的尺寸测量的基本原则
引入图像处理的优点
通常,零件和产品的尺寸用微血管或卡钳测量或用检查夹具检查,以确保无需变化。由于工人和测量条件之间的个体差异,使用微血管或卡钳等仪器的测量不可避免地涉及误差。使用检查夹具的检查结果可用于通过/未通过判断产品是否在公差范围内。但是,它没有显示精确的测量值。
其他尺寸测量方法包括光学比较器、GD&T和轮廓测量系统以及三维测量系统。它们都有需要人工操作的问题,既耗时又昂贵。
通过图像处理,可以从捕获的图像中获得各种尺寸。根据这些数据,很容易测量出零件和产品各截面的尺寸,并判断它们是否在公差范围内。另一个优点是,您可以同时测量角度或圆的圆度与各种截面的长度,并将它们保存为数字数据。
100%检查,防止监督和缺陷工件流出
使用各种测量系统和夹具进行尺寸检查往往需要许多脱机过程。因此,100%的检查会产生大量的人工和成本。另一方面,样品检验有可能遗漏检验或流出有缺陷的工件。采用图像处理系统进行尺寸检测,可以实现对所有目标尺寸的在线测量。这确保了稳定的产品质量,同时降低了成本。
更快的检查以提高生产率
零件和产品的在线尺寸测量可以显著减少检查时间。图像处理系统使检查更快,有助于提高生产力。
质量信息的存储和管理
基于JIG的尺寸检查不提供准确的测量数据。它只检查维度是否在公差范围内。使用图像处理的尺寸检查不仅提供了通过/失败判断结果,还提供了多个部分的准确尺寸的数值数据,并且可以轻松地保存和管理该数据。此类信息也可以有效地用于可追溯性管理或过程改进。
尺寸测量基础:基于边缘检测的测量
基于边缘检测的测量通常用于使用图像处理的尺寸检查。本节介绍像素分辨率,子像素处理的基础,以及边缘检测原理,以帮助理解边缘检测。
图像分辨率与判断容差之间的关系
机器视觉的图像采集装置由一组像素组成。在尺寸测量中,可以根据这个像素数和视场来计算尺寸公差。计算的一个重要因素是像素分辨率,这是与图像采集设备的单个像素相对应的实际长度。像素分辨率的计算公式如下:
像素分辨率= y方向上的视野[mm] /图像拾取器件的像素数在y方向上的[像素]
例如,假设您使用一个0.31万像素的相机和一个200万像素的相机。对于0.31万像素的相机,Y方向的像素数是480,而对于200万像素的相机,Y方向的像素数是1200。
当视野为100 mm时:
- 【0.31万像素】
- 像素分辨率= 100 mm / 480像素= 0.208 mm /像素
- 【2百万像素】
- 像素分辨率= 100 mm/ 1200像素= 0.083 mm/像素
- 【2100万像素】
- 像素分辨率= 100 mm/ 4092像素= 0.024 mm/像素
像素分辨率可以这样计算。下表显示了典型图像处理系统中使用的相机的参考像素分辨率值,从0.31万像素到2100万像素。
像素分辨率参考值
| 视场(Y方向)[mm] | |||||||||
|---|---|---|---|---|---|---|---|---|---|
| 相机的像素数 | 1 | 5 | 10 | 20. | 30. | 50 | One hundred. | 200 | 500. |
| 0.31百万像素 | 0.002 | 0.01 | 0.021 | 0.042 | 0.063 | 0.104 | 0.208 | 0.417 | 1.042 |
| 2像素的 | 0.0008 | 0.004 | 0.008 | 0.017 | 0.025 | 0.042 | 0.083 | 0.167 | 0.417 |
| 500万像素 | 0.0005 | 0.002 | 0.005 | 0.01 | 0.015 | 0.024 | 0.049 | 0.098 | 0.244 |
| 21像素 | 0.0002 | 0.001 | 0.002 | 0.005 | 0.007 | 0.012 | 0.024 | 0.049 | 0.122 |
- * 0.31万像素传感器的CCD Y方向像素数= 480像素
- * 2万像素传感器的CCD的Y方向上的像素数= 1200像素
- * 500万像素传感器CCD Y方向的像素数= 2050像素
- * 2100万像素相机在Y方向的图像采集设备的像素数= 4092像素
在尺寸检查中,用作区分良好和缺陷工件的阈值的公差通常以±5像素为单位计算。这是基于假设,以确保稳定的公差判断的像素数约为重复性的10倍。由于典型机器视觉的可重复性在理想条件下约为0.1像素,因此实际的重复性被认为是0.5像素,其中包括一些边距。将此数字乘以10产生±5像素,并且该值可被视为公差设置的最小单位。您可以使用此值来计算此公式的实际维度公差:
实际尺寸公差[mm] =像素分辨率(Y方向视场)[mm] / CCD在Y方向的像素数× 5像素
- 【0.31万像素】
- 尺寸可容许= 0.208 mm /像素x 5像素= 1.04 mm
- 【2百万像素】
- 尺寸公差= 0.083 mm/像素× 5像素= 0.415 mm
- 【2100万像素】
- 尺寸可容许= 0.024 mm /像素x 5像素= 0.12 mm
您需要选择提供所需精度的机器视觉和视野。
耐受判断价值
| 视场(Y方向)[mm] | |||||||||
|---|---|---|---|---|---|---|---|---|---|
| 相机的像素数 | 1 | 5 | 10 | 20. | 30. | 50 | One hundred. | 200 | 500. |
| 0.31百万像素 | 0.01 | 0.05 | 0.1 | 0.2 | 0.3 | 0.5 | 1.0 | 2.1 | 5.2 |
| 2像素的 | 0.004 | 0.02 | 0.04 | 0.08 | 0.1 | 0.2 | 0.4 | 0.8 | 2.1 |
| 500万像素 | 0.002 | 0.01 | 0.02 | 0.05 | 0.07 | 0.1 | 0.2 | 0.5 | 1.2 |
| 21像素 | 0.001 | 0.006 | 0.01 | 0.02 | 0.04 | 0.06 | 0.1 | 0.2 | 0.6 |
亚像素处理的基础知识
如上所述,像素分辨率是一个像素的实际尺寸值。然而,在现实中,使用图像处理的尺寸测量可以通过近似计算将尺寸显示为小于一个像素的单位。这被称为亚像素处理。
亚像素是比像素小的单位。例如,KEYENCE的图像处理提供1/1000像素单位的尺寸数据。
子像素处理原理
亚像素处理检测亮与暗对比度变化的边缘,将其转换为投影波形,然后进行差分处理。微分波形的峰值被确定为一个边缘点。
基于边缘检测的尺寸测量
边缘检测对于使用高像素分辨率(高精度)的尺寸测量尤其重要。本节介绍边缘检测的基本流程。
1.投影
垂直于检测方向对目标进行扫描,得到投影线的平均阴影。投影线的平均阴影波形称为投影波形。
2.分化
对于可能是边缘的点,投影波形的微分显示较大的微分值。分化是一个发现阴影(层次)变化的过程。
3.校正以使最大差值100%
应用校正,使最大微分值和绝对值变为100%,以稳定边缘。微分波形的峰值超过指定的边缘灵敏度被确定为边缘点。
4.亚像素处理
计算三个像素的波形,一个在差分波形的峰值,两个相邻的像素,测量边缘位置,单位为0.001像素。
实际应用
随着工厂自动化程度的提高,节省检验时间已成为一个挑战,尺寸测量也是如此。利用图像处理进行测量已成为这类过程改进的主要技术。
各种尺寸片状电容器的检验
除了电容器主体的直径和长度之外,其部件可以被分成段以执行边缘位置检测,并获得狭窄部分的最小直径或引线的长度或弯曲。可以精确测量每个部分的尺寸。
瓶口尺寸测量
尺寸可以精确测量,即使使用在线。例如,您可以从侧面捕捉PET瓶在一条线上移动的图像,并测量瓶颈环的尺寸,以检测有缺陷的成型、不正确的类型或组装故障。这种在线尺寸检测提高了效率。



















