中文引用格式： 黄浩，国联坤，周先彦，等. 基于机器视觉的微小冲压零件尺寸测量[J]. 电子技术应用，2024，50(7)：59-64.
英文引用格式： Huang Hao，Guo Liankun，Zhou Xianyan，et al. Size measurement of tiny stamping parts based on machine vision[J]. Application of Electronic Technique，2024，50(7)：59-64.
引言
本文所涉及的微小冲压零件作为继电器结构中的关键件，是继电器性能指标是否能达到要求的重要影响因素。若零件出现尺寸超差问题，可能导致继电器装配或使用过程中出现参数超差、结构异常等问题。因此，需要对零件进行精确的尺寸测量，以确定其是否达到设计工艺的要求。而对于此类微小型不规则形貌的金属零件，若采用人工测量方法，需要依次对直线、圆弧进行测量，精度受主客观因素影响，测量过程复杂且效率低下，无法满足高准确度、大批量、迅速响应的测量要求。
机器视觉技术在尺寸测量领域的应用在国内外已经引起了广泛的研究与关注。Rosati等设计了一款针对眼镜零部件的尺寸测量系统[1]，使用机器手臂进行零件摆放，再通过摄像机进行图像采集并做图像处理，然后进行测量，该系统对零部件的测量偏差为0.016 9 mm。邢雪亮等研究了一种针对航空铆钉的尺寸检测技术，首先采集图像并进行中值滤波与图像二值化处理，然后进行图像分割与轮廓处理，最后进行Canny边缘检测，测得航空铆钉的头部直径尺寸在精度0.001 mm的要求下偏差不超过90%[2]。刘阳等提出了一种针对圆孔识别测量的视觉定位方法，通过图像增强及阈值分割等进行图像预处理，再进行边缘轮廓提取后使用最小二乘曲线拟合算法进行边缘拟合，然后进行测量与定位，该方法对圆孔识别定位的准确率为100%[3]。李小菁通过图像采集、图像预处理、边缘提取及视觉传感器进行标定，实现了小型零件尺寸的测量，该系统对空调主机散热片支撑铜管的测量误差最大为0.021 mm[4]。汪凤林等设计了一种基于机器视觉的飞轮齿圈尺寸检测方法，对齿圈检测准确率达98.8%以上，内径最大偏差0.181 mm，各参数与标准值间齿厚的最大偏差为0.093 mm[5]。
从上述应用情况来看，随着机器视觉技术的进步与发展，视觉测量技术也在不断地进行创新和改进，并广泛应用至各行各业，逐渐替代了效率低下、准确度差的人工测量。利用机器视觉检测，可以实现对测量目标快速实时的自动检测，具有准确度高、效率高等特点。因此，本文引入了一种新颖的检测策略，该策略依赖于机器视觉技术，并成功实现了对微小冲压零件自动快速准确的测量。
本文详细内容请下载：
http://www.chinaaet.com/resource/share/2000006072
作者信息：
黄浩，国联坤，周先彦，吴远进，王涛，李敏芳
（贵州振华群英电器有限公司，贵州 贵阳 550018）
