ИСПОЛЬЗОВАНИЕ КОМПЬЮТЕРНОГО ЗРЕНИЯ ПРИ БАЗИРОВАНИИ ЗАГОТОВОК НА СТАНКАХ С ЧПУ Текст научной статьи по специальности «Прочие технологии»

ИСПОЛЬЗОВАНИЕ КОМПЬЮТЕРНОГО ЗРЕНИЯ ПРИ БАЗИРОВАНИИ ЗАГОТОВОК НА СТАНКАХ С ЧПУ

Пешкова А.М.1, Куц М.С.2, Петрухин В.Ю.3 ©

1 2

Студент, каф. МТ-1; Ассистент, каф. МТ-1, МГТУ им. Н.Э. Баумана;

Инженер, ООО «Константа-Дизайн»

Аннотация

В статье рассматривается процесс создания программного обеспечения, которое позволяет определить положение заготовок различной формы на рабочей поверхности станка. Программа написана в среде программирования Labview с использованием модуля NI Vision Assistant. Приведён пошаговый алгоритм создания программы, а также выявлены погрешности измерений при данном способе базирования. Работа выполнена в рамках программы "УМНИК" Фонда содействия инновациям по договору №9748ГУ2/2015 от 15.02.2016"

Ключевые слова: Labview, NI Vision Assistant, фрезерный станок с ЧПУ, базирование, машинное зрение.

Keywords: Labview, NI Vision Assistant, CNC milling machine, basing, machine vision.

Постановка задачи.

Основными показателями качества станка являются его выходная точность и производительность обработки. Одним из способов улучшения данных показателей является автоматизация процесса обработки, в том числе автоматизация процесса базирования заготовки. Целью данной работы является разработка автоматизированного метода базирования заготовок на столе трехкоординатного фрезерного станка. В качестве для инструмента для решения данной задачи используется машинное зрение. Данная система должна обеспечивать базирование заготовок с габаритом не более 200х200мм не хуже чем по 13 квалитету.

Используемое оборудование и программное обеспечение.

Создание программного обеспечения для решения поставленной задачи осуществлялось в среде программирования LabView 2013, а для ускорения и упрощения процесса разработки использовался модуль NI Vision Assistant. Снимки были получены при помощи камеры PixeLink PL-B782U. В качестве заготовок служили образцы из композитного материала различной формы с заранее известными размерами:

1. Круглые - 025 мм, 070 мм и 0120 мм;

2. Прямоугольные - 25х40 мм, 90х90 мм и 80х120 мм;

3. Треугольные с длиной стороны 70мм.

В качестве рабочей зоны станка служила композитная панель с габаритами 300х200

мм.

Описание решения

Блок диаграмма программы изображена на рисунке 1. Алгоритм программы состоит из следующих пунктов:

1. Получение бинаризованного изображения;

2. Нахождение границ рабочей зоны;

3. Восстановления ортогонального снимка по перспективному;

4. Пересчет границ рабочей зоны;

5. Определение положения заготовки.

© Пешкова А.М., Куц М.С., Петрухин В.Ю., 2017 г.

При бинаризации также происходит фильтрация изображения: удаление морфологическими средствами «дефекты формы» типа внутренних «дырок» и внешних «выступов» объекта.

Рис. 1. Блок- диаграмма программ

file >dt Vi** PrijM ОйН-Ил ИАП4В» Hdp ШМ

> «!•■ -Viwiutovf« • ID- He" Л- • ¿«inch -1 ^ tol ■ >:

iBIBXH

iiilsiili;

швш ■ и I « ■

жвша&шг

ЛбгаГГМО^тяв-млЧ« »55 tUSUtiOl

jlljU.'J ' Eili i:.

Рис. 2. Лицевая панель программы

Бинаризация исходного изображения происходит в 3 этапа:

Использую функцию «Color Plane Extraction» преобразуем исходное 32-битное изображение в 8-битное. Далее наложением функции «Threshold» непосредственно бинаризация, при этом пороги бинаризации подбираются автоматически в заранее указанном диапазоне. После этого происходит удаление морфологических дефектов формы типа

внутренних «дырок» и внешних «выступов» объекта функцией «Adv. Morphology» ^ «Remove Small Objects» и «Basic Morphology» ^ «Open objects».

Рис. 3. Удаление морфологических дефектов в бинаризованном изображении

Границами рабочей зоны полностью описываются координатами четырех точек -вершин углов стола. Для их определения сначала строятся линии, проходящие по точкам на границе полученной зоны, а далее при помощи функции «Caliper» ^ «Lines Intersection» находятся пересечение этих линий.

Далее координаты этих точек используются для восстановления ортогонального изображения, для чего используется функция «Image Correction» ^ «Point Coordinates Calibration».

В восстановленном изображении необходимо заново определить границы рабочей зоны, для чего повторяется ранее изложенный алгоритм. В случае, если заготовка круглая, то для определения и габаритов определяются две точки, максимально удаленные друг от друга, для чего используется функция «Max Clamp». Расстояние между ними можно определить с помощью функции «Caliper» ^ «Distance», которое и есть диаметр заготовки, а расстояние от центра этого отрезка до границ рабочей зоны (функция «Caliper» ^ «Perpendicular Projection») - это положение заготовки на станке.

Рис. 4. Определение положения заготовки на рабочем поле: а -определение двух максимально удаленных точек; б - определение расстояния от центра отрезка максимально удаленных точек до начала координат

Для упрощения внешнего вида схемы программы, сгенерированные в Vision Assistant схемы были скомпонованы в SubVI. Полученные программы импортируем в LabView (рисунок 1).

Выводы

В результате была получена программа, с помощью которой можно определить:

1. Длины сторон прямоугольных заготовок, расстояние от осей, угол поворота;

2. Диаметр и расстояние от осей до центра круглых заготовок;

3. Длины сторон треугольных заготовок, расстояние от осей, угол поворота, а также углы между сторонами заготовки.

В результате анализа погрешностей определения диаметра образца 024 мм, было получена значение постоянной составляющей погрешности, что позволяет ввести поправку на величину данной погрешности. С учетом поправки погрешность определения диаметра образца составила ±0,3 ммВ итоге, полученный результат будет максимально приближен к действительному со стандартным отклонением +-0.33 мм и с погрешностью в 90% случаев меньшей, чем +-0,53 мм.

В дальнейшем планируется улучшения программного обеспечения для возможности использования данного метода при чистовых операциях. Для этого необходимо повысить точность программы. А также планируется усовершенствование программы, позволяющее её распознавать детали сложной формы

Литература

1. С. Р. Горгуца, П. М. Михеев, А.С. Соболев. Учебный курс по системам технического зрения на базе программной среды Labview. [Электронный ресурс]. - Режим доступа: http:// www.automationlabs.ru/images/Thesises/vi sion%20course.pdf

2. Моржин А. и др. Обработка и анализ цифровых изображений с примерами на LabVIEW IMAQ Vision. - Litres, 2014.