轴类工件圆度误差亚像素视觉检测和评定方法研究*

doi:10.16731/j.cnki.1671-3133.2025.02.012

现代制造工程 ›› 2025, Vol. 533 ›› Issue (2): 94-100.doi: 10.16731/j.cnki.1671-3133.2025.02.012

• 仪器仪表/ 检测/ 监控 • 上一篇下一篇

轴类工件圆度误差亚像素视觉检测和评定方法研究^*

袁奎¹, 付恒勋², 谌立贵², 秦东², 吴怀超¹, 王则皓¹

1 贵州大学机械工程学院,贵阳 550025;
2 贵阳险峰机床有限责任公司,贵阳 550025

收稿日期:2024-07-24 发布日期:2025-02-27
通讯作者: 袁奎,博士,高级实验师,硕士研究生导师,主要研究方向为机械设计及自动化、机器视觉。E-mail:812862535@qq.com
基金资助:
^*贵州省科技创新基地建设项目(黔科合中引地[2023]010);贵州省高等学校重点实验室项目(黔教技[2023]009号);贵州大学引进人才科研项目(贵大人基合字(2022)19号)

Research on sub-pixel visual detection and evaluation method of roundness error of shaft workpiece

YUAN Kui¹, FU Hengxun², SHEN Ligui², QIN Dong², WU Huaichao¹, WANG Zehao¹

1 School of Mechanical Engineering,Guizhou University,Guiyang 550025,China;
2 Guiyang Xianfeng Machine Tool Co.,Ltd.,Guiyang 550025,China

Received:2024-07-24 Published:2025-02-27

摘要/Abstract

摘要： 为解决现有轴类工件圆度误差检测方法存在的误差大、效率低和稳定性差等弊端,基于机器视觉技术提出了一种轴类工件圆度误差亚像素视觉检测和评定方法,该方法利用多项式插值-分段曲线拟合算法对图像边缘轮廓进行亚像素精确定位,在获取图像边缘点亚像素级坐标的基础上,采用最小二乘法对圆心坐标进行检测,进而对轴类工件圆度误差进行检测和评定。实验结果表明,该方法测量值和三坐标测量机测量值绝对误差的平均值为8.75 μm,且该方法测量的轴类工件圆度误差值分布较为均匀、波动性较小,且检测精度更高,为轴类工件圆度误差的评定提供了一种切实可行的途径。

关键词: 轴类工件, 圆度误差, 机器视觉, 亚像素

Abstract: To solve the problems of large error,low efficiency and poor stability in the existing detection methods of roundness error of shaft workpieces,a sub-pixel detection and evaluation method of roundness error of shaft workpieces is proposed based on machine vision technology. This method uses polynomial interpolation-segmented curve fitting algorithm to accurately locate the sub-pixel edge of image contour.Based on obtaining the sub-pixel coordinates of image edge points,the least square method is used to detect the center coordinates,and then the roundness error of shaft workpieces is detected and evaluated. The experimental results show that the average absolute error between the measured value of this method and the measured value of the coordinate measuring machine is 8.75 μm,and the roundness error measured by this method is more uniform,the fluctuation is the smallest,and the detection accuracy is higher. It provides a feasible way for the evaluation of the roundness error of shaft workpieces.

Key words: shaft workpiece, roundness error, machine vision, sub-pixel

中图分类号:

TH161

袁奎, 付恒勋, 谌立贵, 秦东, 吴怀超, 王则皓. 轴类工件圆度误差亚像素视觉检测和评定方法研究^*[J]. 现代制造工程, 2025, 533(2): 94-100.

YUAN Kui, FU Hengxun, SHEN Ligui, QIN Dong, WU Huaichao, WANG Zehao. Research on sub-pixel visual detection and evaluation method of roundness error of shaft workpiece[J]. Modern Manufacturing Engineering, 2025, 533(2): 94-100.

参考文献

[1] 牛同训.轴类零件外圆磨削参数的优化模型与应用[J].现代制造工程,2017(9):102-108,117.
[2] 何青泽,郑鹏,吕星辰,等.基于改进蝙蝠算法的最小区域法圆度误差评定[J].组合机床与自动化加工技术,2024(5):162-165,170.
[3] 李长安,张丹,隋文涛,等.基于机器视觉的曲轴圆度误差评定[J].机床与液压,2023,51(20):77-80,92.
[4] 何青泽,郑鹏,吕星辰,等.基于改进蝙蝠算法的最小区域法圆度误差评定[J].组合机床与自动化加工技术,2024(5):162-165,170.
[5] ABDELALI T,SIF E S,MOHAMED A L,et al.On-machine dimensional inspection:machine vision-based approach[J].The International Journal of Advanced Manufacturing Technology,2024,131:393-407.
[6] JAN G,PAVELŠ,MARTIN J,et al.Machine vision-based fatigue crack propagation system[J].Sensors,2022,22(18):6852.
[7] 高宏力,孙弋,郭亮,等.机械加工质量预测研究现状与发展趋势[J].西南交通大学学报,2024,59(1):121-141.
[8] 杨泽青,范敏,彭凯,等.基于RF-SVM的发动机缸体孔组加工质量分级监控[J].计算机工程与设计,2020,41(5):1411-1419.
[9] 林晓平,王冠,陈学灵,等.46MnVS5连杆裂解槽在机器视觉的几何尺寸检测研究[J].现代制造工程,2022(4):119-127.
[10] 惠翔禹,金隼,顾同成,等.装载机动臂孔组同轴度视觉检测系统设计[J].现代制造工程,2023(3):112-118.
[11] 郝博,陈丹丹,杨斌,等.基于机器视觉的铆接孔圆度误差评定方法[J].组合机床与自动化加工技术,2024(4):6-9.
[12] 李长安,张丹,隋文涛,等.基于机器视觉的曲轴圆度误差评定[J].机床与液压,2023,51(20):77-80,92.
[13] 李长安,燕妍,高大晓.基于改进Zernike矩的轴类零件圆度误差视觉评定[J].制造技术与机床,2024(8):90-96.
[14] 曹颖,侯英麟,张胜传,等.基于计算几何的曲轴圆度误差评定[J].制造技术与机床,2023(8):174-179.
[15] 朱丹丹,王洪喜,王建华,等.基于图像处理的粗糙边缘盲孔圆度误差测量[J].工具技术,2021,55(4):91-95.
[16] 巫玲,刘冬冬,陈念年,等.圆弧刃刀具刀尖圆弧精密测量[J].计算机测量与控制,2014,22(8):2346-2349.

轴类工件圆度误差亚像素视觉检测和评定方法研究^*

Research on sub-pixel visual detection and evaluation method of roundness error of shaft workpiece

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	邓鹏, 唐文涛, 黄开明. 基于级联融合网络的密集型抓取位姿检测^*[J]. 现代制造工程, 2024, 526(7): 126-134.
[2]	姜都, 刘永, 王宸, 李伟杰, 王红霞. 基于视觉原理的链轮尺寸测量方法研究^*[J]. 现代制造工程, 2024, 523(4): 129-134.
[3]	潘俊杰, 夏如艇. 基于机器视觉的E型卡簧尺寸检测方法[J]. 现代制造工程, 2024, 520(1): 95-102.
[4]	杨泽青;张明轩;陈英姝;平恩旭;方勇;吕雅丽;高岩. 基于机器视觉的表面缺陷检测方法研究进展[J]. 现代制造工程, 2023, 511(4): 143-156.
[5]	惠翔禹;金隼;顾同成;何心;李冰;高宇星. 装载机动臂孔组同轴度视觉检测系统设计[J]. 现代制造工程, 2023, 510(3): 112-118.
[6]	钱乐平;邵中魁;沈小丽. 基于3D机器视觉的离心泵叶轮智能无序上料技术应用研究[J]. 现代制造工程, 2023, 509(2): 27-35.
[7]	聂鹏，王家明，李海伟，纪俐. 基于机器视觉的铆接高度差检测方法研究[J]. 现代制造工程, 2022, 504(9): 107-112.
[8]	李慧敏，施怡昕. 永磁电动机自动磁钢装配中的视觉系统设计[J]. 现代制造工程, 2022, 503(8): 87-92.
[9]	刘德志，曾勇，袁雨鑫，卢倩，刘聪. 基于机器视觉的火车轮对轴端标记自动识别算法研究[J]. 现代制造工程, 2022, 502(7): 113-120.
[10]	焦博，刘国宁，赵孟轩，马光岩. 基于机器视觉的亚像素精度法兰盘尺寸测量方法[J]. 现代制造工程, 2022, 502(7): 121-126.
[11]	张朝，徐志鹏，曹松晓，蒋庆，周乔君. 基于工业机器人与机器视觉的多路阀自动装配[J]. 现代制造工程, 2022, 501(6): 122-127.
[12]	程亚彬，张宏伟，王新环，郭子路，. 基于YOLO-V5的矿车桁架铆接孔定位技术研究[J]. 现代制造工程, 2022, 500(5): 115-121.
[13]	林晓平，王冠，陈学灵，刘赞丰，张雅文. 46MnVS5连杆裂解槽在机器视觉的几何尺寸检测研究[J]. 现代制造工程, 2022, 499(4): 119-127.
[14]	于福才，张丹，樊璇，曹雏清，蔡宗琰. 泵体口环装配工艺的机器视觉化研究及应用[J]. 现代制造工程, 2022, 498(3): 133-139.
[15]	杨祎宁，贺向东，赵庆，刘乘昊，魏鸿磊. 应用深度学习方法的汽车轮毂类型识别[J]. 现代制造工程, 2022, 507(12): 75-82.