■张 豪¹ 赵小矛² Zhang Hao¹ & Zhao Xiaomao²

(北京林业大学材料科学与技术学院；北京 100000）

摘 要：本文探讨了家具零件加工精度与生产设备加工状态之间的关系，指出家具零件加工精度的检测对产品质量和工艺系统管理均有重要意义，联系当前家具生产中的精度检测现状，说明了开发新测量技术的重要性。文章介绍了机器视觉检测技术，基于机器视觉理论和家具零件测量的特点，论述了构建针对家具零件精度的机器视觉检测系统需要的软件算法、硬件实现以及数据分析，为家具零件精度检测和生产工艺系统管理提供了一个高效的新技术作为参考。

关键词：家具 ；精度 ；设备管理 ；机器视觉

Abstract: This article discusses the relationship between the machining precision of the furniture parts and the processing status of the production equipment and points out that the precision monitoring of the furniture parts is of great significance to the quality of the products and the management of the process system. By connecting the status of the precision monitoring in the current furniture production, it is important to develop new measurement techniques. This essay introduces the machine vision technology briefly, and discusses the software, hardware and date analysis needed to build the machine vision inspection system for the furniture parts, so as to provide a new technology for the furniture parts precision monitoring and production process system management as a reference.

Key words: Furniture; Precision; Equipment management; Machine vision

       随着我国家具行业的发展，家具行业在产品质量、产业技术水平等方面也对自身提出了更高的要求^[1]。在家具生产中，加工出符合精度要求的工件，对保证零部件的互换性、提高最终产品的质量均有重要作用。零件的实际尺寸参数是否符合设计精度的要求，需要经过检测来确定，因此零件精度的检测就显得尤为重要。

1 家具零件加工精度测量的意义和现状

       在零件加工过程中，机床、工件、夹具、刀具组成了一个工艺系统，工艺系统中存在的误差在不同程度上反映为了零件的加工误差^[2]。因此，零件的加工精度不仅仅影响到产品的质量，同时也在描述设备的加工状态，掌握设备的加工状态对设备的管理至关重要。建立一套科学、客观的设备加工状态评价标准，用以评估设备的加工状态，不仅能保证生产线的加工精度，提高产品质量；同时也可以根据设备的状态有计划地对设备进行科学、合理的维护保养，从而延长设备的使用寿命，降低生产成本。

       传统的家具几何尺寸量具有卷尺、直尺、游标卡尺、角尺等，这些量具普遍存在需要人工测量、测量速度慢、读数精度低、统计数据不直观等问题，在现代工业生产中，难以迅速将所测得的数据进行分析处理，也难以对某批次零件的精度水平以及工艺系统的加工状态进行快速准确的评价，这些手工测量的方式也不符合现今的数字化生产趋势^[3]。国外一些木工机械公司如豪迈、鲍默等开发出了一些板材检测设备^[4]，可以实现对家具零件尺寸精度的检测，但是这些设备功能复杂，对测得的数据也缺少进一步的分析，其昂贵的造价更是让不少中小企业望而却步。因此，一种快速、高精度，相对廉价，针对零件精度的家具零件测量系统还有待开发。

       机器视觉尺寸检测是将机器视觉运用于工业产品尺寸测量的一种新兴技术，其原理是用相机等设备代替人眼获得零件的数字图像，对图像进行分析、理解，通过标定获得图像与被测物体之间的比例关系，从而得到零件尺寸。该技术具有测量速度快、精度高、非接触，并能对测量结果进行实时分析等优点，其硬件构成也相对简单，一般仅需要一个工业相机、辅助光源、图像采集卡和计算机即可，其成本能普遍被工厂所接受。这些优点使机器视觉技术能快速、精准、数字化地对家具零件精度进行测量，其测量结果可实时传输到计算机，对该批次零件的精度数据进行分析，以判断设备和工艺系统的加工状态，从而对设备进行及时的调整和维护。

■图1 通过算法对图像进行处理

2 机器视觉系统的构建

       20世纪80年代，Marr首次提出了一个相对完善的视觉理论框架，经过多年发展，该框架已成为当前最完善的视觉理论体系之一^[5]。

       该体系从信息处理系统的角度入手，将视觉系统的研究分为计算理论，表达与算法、以及硬件实现三个层次。结合家具零件精度测量的要求和特点，用于家具零件精度的机器视觉测量系统的构建过程如下:

2.1 计算理论

       这一层次要解决的问题是计算目的以及处理方法。在本系统中，计算目的是测量家具零件的精度，需要输出的具体数据有零件的长、宽、高，孔的直径、孔中心位置的坐标、开槽的长度和宽度、铣形边的几何形状等。在机器视觉系统中，达到计算目的的处理方法是： 获取被测零件的数字图像，图像由不同灰度值的像素点构成，计数零件某个尺寸方向在图像上的像素数量n，n与每个像素所对应的实际尺寸l的乘积L，即为零件在这个方向上的尺寸。将计算所得尺寸与该零件的设计尺寸进行比较，得出被测零件的精度水平。

2.2 表达和算法

       这一层次要解决的问题是实现计算理论的方式，即采用合适的算法实现表达间的转换。为使测量结果尽可能精确，对零件的数字图像往往需要进行特征增强、区域分割与分析、边缘检测等一系列处理^[6]。

■图2 机器视觉硬件构成

2.2.1 特征增强

       由于部分家具零件尺寸较大，在获取图像时，由于光线不均匀等因素的影响，可能会出现图像各局部灰度分布差异显著的问题， 直接处理会丢失灰度值较低区域中的测量特征（如板式家具侧板的系统孔）。解决方法除了添加额外光源，在软件中采用特征增强技术也能很好地解决此类问题。

       图像特征增强主要包括灰度变换增强和直方图增强两大类。灰度变换增强是通过直接对图像单个像素的灰度值进行操作，增强图像对比度；直方图增强是将图像中每个灰度级与处于该灰度级的像素数量统计为直方图，通过修正直方图的形状和分布范围，达到增强图像对比度和特征的目的。

2.2.2 区域分割与分析

       在图像中，被测特征的分布区域称为前景区域，其他区域称为背景区域，如在本系统中，家具零件相对于测量台面是前景区域，测量台面为背景区域；零件上的孔、槽相对零件是前景区域，零件本身则为背景区域。前景区域与背景区域间灰度值会存在一定的差异， 区域分割就是利用二者间的差异，选取一个合适的灰度值作为阈值，将图像中每个像素的灰度值与阈值比较，以阈值为界将图像分割开。

■图3 工业相机

2.2.3 边缘检测

       边缘检测在图像处理和机器视觉中十分重要，是测量图像的基本特征之一，某些边缘信息也常常被用来实现测量特征的粗定位。边缘检测是基于图像局部特征变化进行分割的一种方法，即根据图像中颜色的不同、灰度值的变化、纹理结构的突变等勾勒出目标信息的边缘特征。边缘检测常用的算子有梯度算子、LOG算子和Canny算子等。在进行家具零件测量系统的搭建时，被测零件与测量台面背景之间在颜色或纹理上要有一定的区分度，以便于进行边缘检测。

2.2.4 相机标定

       相机标定时指建立相机图像像素位置与点位置之间的关系。相机获得的图像都会发生一定程度的畸变，不同镜头的畸变程度各不相同，相机标定的作用就是校正这种畸变， 同时实现真实值与像素值的转换，以求得精确的零件真实数值。国内外许多学者提出了相机标定的多种方法和算法，以适应各种不同的机器视觉任务的复杂要求。对于家具零件精度的测量而言，视觉场景相对简洁，需要从图像中获取的信息简明清晰，一些简便的标定方法即可满足需求。例如在测量平台上做背景辅助标定，或固定相机与待测零件间的相对空间关系以求得像素的标定值。

2.3 硬件实现

       这一层次要解决的问题是机器视觉系统硬件的选用。为获得符合要求的零件数字图像，需要选用以下设备^[7]：

2.3.1 相机

       相机的作用是获取被测零件的光学图像，在精度测量中，选择相机时最重要的参数是相机的像素（分辨率）。相机的像素由拍摄面的大小（视场），被测零件的精度要求（公差）两个因素确定，三者之间的关系为：

       像素=视场公差

       其中，被拍摄面的大小取决于待测零件的尺寸，当待测零件不同方向上尺寸大小不一致时，各个方向上的像素数量单独进行计算； 被测零件的精度依据标准《QB/T 4452-2013木家具极限与配合》确定，当待测零件不同方向上尺寸大小不一致，进而不同方向上公差数值不同时，取较小公差数值进行计算^[8]。相机的选择除像素外，主要考虑的因素还有图像传感器类型、镜头以及帧数。图像传感器分为CMOS和CCD两种，CMOS功耗低、价格便宜，但CCD 技术更为成熟，能够以较低的噪声提供质量更好的图像，因此在工业生产中一般采用CCD 相机。镜头的焦距对视场、工作距离有较大影响，在确定机器视觉镜头焦距之前必须先确定视场、工作距离、相机芯片尺寸等因素。当被测零件有运动要求时，要尽量选择帧数高的相机，避免成像模糊。

2.3.2 光源

       光源的作用是为待测零件提供充足的光线，使图像中待测零件的边缘更加清晰，目标与背景的图像特征得到最佳分离，从而降低算法难度，提高系统的可靠性和测量精度。光源的选择主要考虑以下几个方面：

       a．亮度：应选择亮度尽可能大的光源， 光源亮度不足时，会造成图像噪声增多，受环境光影响大等问题，影响成像质量。

       b.均匀性：镜头视野内的光线应当是均匀的，避免出现阴影和亮斑影响软件判断。

       c.稳定性：光源一般持续使用，为使图像前后保持一致，光源要保证足够的寿命和光线的稳定。

■图4 光源

2.3.3 图像采集卡

       图像采集卡的作用是将相机收集到的模拟图像信息转换为数字信号，并将其存储到计算机中，以便于计算机对图像进行分析。

2.3.4 计算机

       计算机的作用是通过运行相关的图像处理软件，实施第二层次中讨论的表达和算法， 最终达到测量零件精度的目的。

3 数据测量和处理

       利用机器视觉进行零件精度测量可分在线连续测量和抽样测量两种方式。

       在线连续测量指将检测系统置于生产线上，对加工出的零件逐个进行检测，并对检测结果进行实时分析。在线连续检测能最大程度发挥机器视觉检测方便、非接触、测量速度快、数据实时分析的优点。但由于零件在传输过程中存在位置偏移、震动等问题，对测量精度会造成一定影响，需要额外增加零件定位规、相机触发装置等设备，并对零件震动造成的偏差进行修正^[9]。

       抽样测量指从所加工的全部零件中随机或按某种规律抽出一部分样本进行检验，通过样本的测量结果对全部零件的精度状况进行评估。选择适当的抽样方法和样本数量，可以在保证总体测量结果精确度的同时减少数据的处理量^[10]。

       测量所得的数据一方面反映了零件的精度，在另一方面设备的老化松动、刀具的磨损都会对工件的加工质量造成影响，反映在测量数据上，因此，分析所得数据的变化规律， 可以从侧面对工艺系统的加工状态进行评估[^11]，从而及时对设备进行调整，减少系统性误差，进一步提高零件的精度。同时，及时对损坏的设备零部件进行更换和维护保养，设备的使用寿命也能得以延长。机器视觉测量系统测得的数据均存储在计算机中，通过软件可直接对数据进行分析，实时对工艺系统做出评价，不仅提高了生产效率，也为生产线设备管理提供了一套客观、科学的评价标准^[12]。

■图5 图像采集卡

4 结语

       机器视觉测量技术作为一种新兴的测量手段，不仅可以提高零件的检测速度，同时也能加强生产线的设备管理。其非接触、快速、测量结果实时处理等优点，对家具生产的数字化、自动化转型，也必将起到极大的推动作用。

（责任编辑：贺 辉）

参考文献：

[1]朱长岭.中国家具协会第五届理事会工作报告[J].家具与室内装饰,2016,(01):6-7.

[2]顾炼百,张亚池.木材加工工艺学[M].第二版.北京:中国林业出版社,2011.

[3]林作新.利用数字化技术加工榫卯[J].家具与室内装饰,2016,(05):88-90.

[4]常青.机器视觉识别技术[J].家具,2011,(03):105-107.

[5]张广军.机器视觉[M].第一版.北京:科学出版社,2005.

[6]邾继贵,于之靖.视觉测量原理与方法[M].第一版.北京:机械工业出版社,2011.

[7]雷红胜.基于机器视觉的零件尺寸测量及加工精度分析[D].南昌:南昌航空大学,2014.

[8]中华人民共和国工业与信息化部.QB/T 4452-2013木家具极限与配合[S].中国轻工业出版社,2013.

[9]晁中元.瓷砖几何尺寸在线检测系统的研究[D].天津:天津大学,2008.

[10]胡健颖.抽样调查的理论、方法和应用[M].第一版.北京:北京大学出版社,2000.

[11]陈梦瑶,张仲凤.材质特性在家具设计中的运用[J].包装工程,2017,(02):141-145.

[12]耿绍辉.木工刀具磨损特性与木材切削加工优化的研究[D].黑龙江:东北林业大学,2006.

基金项目:北京市共建重点学科项目(450-671501001)

作者简介:张豪(1992-),男,硕士研究生,研究方向:家具设计与制造,E-mail:zhanghao_emails@163.com

通讯作者:赵小矛(1962-),男,副教授,研究方向:家具设计与制造,E-mails:zhao_x_m@163.com

引文格式:张豪,赵小矛.基于机器视觉的家具零件精度检测系统探究[J].家具与室内装饰,2017,(4):86-88.

ZHANG Hao, ZHAO Xiaomao . Research on the Precision Monitoring System of Furniture Parts Based on Machine Vision Technology [J].Furniture & Interior Design , 2017,(4):86-88.

注：本文来源于《家具与室内装饰》