اندازه گيري و كنترل كيفي پارامترهاي هندسي چرخدنده مارپيچ از طريق پردازش تصوير

Measurement and Quality Control of the Geometrical Parameters of Helical Gear Using Image Processing

اندازه ­گيري قطعات صنعتي همانند چرخدنده ها مي تواند به روش هاي تماسي و غيرتماسي انجام بگيرد. در اين تحقيق براي بازرسي ابعادي چرخدنده مارپيچ به روش غيرتماسي، از سامانه ‌بينايي ماشين جهت يافتن خطاهاي مهم ساخت چرخدنده مانند خطاي گام راست و چپ و خطاي پروفيل دندانه استفاده شده است. به اين منظور، نرم افزاري در محيط كتابخانه لب ويو نوشته شد. اين نرم افزار پس از دريافت تصوير و انجام پيش پردازش هايي مانند بهبود لبه، آستانه گيري، حذف نويز و كاليبراسيون تصوير، با انجام عمليات پردازشي نظير لبه يابي و اندازه‌گيري، ابتدا محل چرخدنده را در تصوير شناسايي و سپس پارامترهاي هندسي آنرا مشخص مي كند. از جمله مزاياي اين سامانه نسبت به ابزارهاي مرسوم، كم هزينه بودن، سرعت و دقت بالا و اندازه گيري بهنگام در خطوط توليد است. سامانه حاضر، توانايي اندازه گيري خودكار پارامترهاي چرخدنده را بدون نياز به وارد كردن اطلاعات طراحي دارا است. در اين مقاله چرخدنده ساده اي هم به روش بينايي ماشين و هم با يك دستگاه دقيق و متداول اندازه گيري چرخدنده اندازه گيري شده كه مقايسه نتايج آن ها تفاوت كم ده ميكروني را نشان مي دهد.

Measurement of industrial parts such as gear is accomplished by various contact and noncontact methods. In this research dimensional inspection of the spur gear was developed through a noncontact method, namely “Machine Vision”, to find out the errors of general design parameters of gear as well as its teeth profile errors. For this purpose, a software was developed in LabVIEW environment. This software after acquiring the image of gear and implementing some lowlevel processes such as lowpass filtering, look up table transformation and image calibration, by performing some highlevel process such as particle analysis, edge detection and geometrical operation can firstly finds out the gear location in the image and then can calculate its geometrical parameters. This method has some advantages such as low cost, high speed, practicability of online measurement, ability to intelligent detecting the dimensional parameters of gear without need to importing data.