机器视觉螺纹图像评价方法北大核心CSCD

为了提高机器视觉螺纹的测量精度,建立了基于螺纹图像质量的评价方法。通过对螺纹灰度图像的行灰度分布情况和螺纹光学成像特点的分析,揭示出由于螺旋升角造成螺纹图像牙廓边缘失真的机理。在分析多种螺纹图像评价方法性能的基础上,采用基于螺纹边缘的评价算法L-yakuo,计算多幅不同物距螺纹图像的评价值。最后,通过对机器视觉求取的M14×2、M20×2.5牙型角和接触测量仪得到的牙型角进行实验对比分析。实验结果表明:采用L-yakuo算法得到最清晰的牙廓图像后再进行机器视觉螺纹牙型角求取,规格M14×2、M20×2.5的螺纹牙型角精度平均提高9′33′′。借助L-yakuo算法能够灵敏地反映螺纹牙廓清晰度,基本满足了螺纹图像清晰度的评价需求,评价值的变化和牙型角相对误差的变化基本一致,且该评价值具有精度高、易计算的特点。

Thread image evaluation method based on machine vision