met Mechanical Engineering and Technology 2167-6631 2167-6623 beplay体育官网网页版等您来挑战! 10.12677/met.2025.142010 met-110944 Articles 工程技术 利用铜丝验证机器视觉设备精度的可靠性研究
Study on Reliability of Accuracy Verification of Machine Vision Equipment Using Copper Wire
周曼霞 林海涛 广西科技大学生物与化学工程学院,广西 柳州 03 04 2025 14 02 99 105 2 3 :2025 25 3 :2025 25 3 :2025 Copyright © 2024 beplay安卓登录 All rights reserved. 2024 This work is licensed under the Creative Commons Attribution International License (CC BY). http://creativecommons.org/licenses/by/4.0/ 本研究基于机器视觉原理构建铜丝直径检测系统,通过标准化实验流程验证设备精度。检测系统由图像采集与处理两大核心模块构成,采用高分辨率工业相机配合专业级单远心镜头,在精密校准的显微视野范围内实现微米级测量精度。针对传统方法中机械定位引起的测量误差,本研究通过固定光学成像距离有效控制检测环境变量。实验选用多规格标准铜丝样本,结合接触式精密量具与视觉检测系统进行对比分析。在标准化操作流程中,物理测量采用多点密集采样取均值作为基准数据,同步进行的非接触式检测则通过多方位图像捕捉与智能算法提取特征参数。通过建立基准数据与视觉检测值的数学模型,最终验证了该视觉系统在精度指标与重复性方面均达到工业检测标准要求,证实了该检测方案在微细线材质量管控中的实用价值。
This study establishes a copper wire diameter inspection system based on machine vision principles, with equipment accuracy validated through standardized experimental protocols. The detection system comprises two core modules: image acquisition and processing, achieving micrometer-level measurement accuracy within a precisely calibrated microscopic field of view through the integration of a high-resolution industrial camera and professional-grade single telecentric lens. Addressing measurement errors caused by mechanical positioning in traditional methods, this research effectively controls environmental variables through fixed optical imaging distance. Experimental verification employs multi-specification standard copper wire samples for comparative analysis between contact-based precision measuring tools and the vision-based inspection system. Under standardized operational procedures, physical measurements adopt multi-point dense sampling with averaging as reference data, while the non-contact detection simultaneously performs multi-angle image capture and feature parameter extraction through intelligent algorithms. By establishing a mathematical model between reference data and vision-derived measurements, the results confirm that the visual system meets industrial inspection standards in both precision metrics and repeatability, demonstrating its practical value in quality control of micro-diameter wire materials.
机器视觉,精度,单远心镜头,工业相机,铜丝
Machine Vision
Accuracy Single Telecentric Lens Industrial Camera Copper Wire
1. 引言

铜丝作为人类文明进程中最早开发利用的金属材料之一,是以高纯度铜或铜合金为原料,通过精密拉丝工艺制成的标准化线材 [1] 。其独特的导电性、延展性和环境稳定性,使其从古老的工艺制品演变为现代工业的核心基础材料,广泛应用于电力传输、电子元器件、建筑结构及高端装备制造领域。相较于纺织纤维等有机材料,铜丝在几何精度、机械强度和环境适应性方面具有显著优势——直径波动率低于0.5%、表面粗糙度控制在微米级,且在温湿度变化下几乎不发生形变 [2] 。这种高度稳定的物理特性不仅满足了工业制造对材料一致性的严苛要求,更使其成为机器视觉检测系统的较理想标定介质,为精密测量技术提供了可行性方案。

2. 机器视觉检测设备的原理及选择

机器视觉作为仿生视觉系统的工程技术,通过光学成像装置与数字图像处理算法的协同作用,实现对视觉信息的智能化解析。该技术体系主要包含光学成像与数字处理两大核心模块,其理论基础涵盖应用光学、计算机视觉和模式识别等多个交叉学科 [3]

2.1. 光学成像模块的构建

成像系统采用200万像素面阵相机(分辨率1600 ×1200)配合四倍放大倍率的单远心镜头,构建1.785 mm ×1.339 mm显微视野。系统标定采用标准影像仪校准块,经多点位校准验证,空间解析精度达到1.1155 μm。远心光路设计有效抑制了透视畸变,确保测量对象在景深范围内保持稳定的放大倍率 [4]

2.2. 数字图像处理流程

本设备使用OpenCV库对图像进行处理,步骤主要有3步:第一步进行平滑处理,减小图像噪声;第二步是对图像进行阈值分割;第三步是采用轮廓检测及缩小阈值的方法,提取铜丝的主干直径。

在技术验证方法学层面,现有研究存在可优化空间。以苏州大学闫冠宇、潘青田 [5] [6] 生丝检测设备验证为例,其采用铜丝作为标定参照物时,通过机械位移调整成像清晰度的操作方式违背了光学系统的最佳物距原则。这种人为干预可能导致离焦引起的边缘模糊效应,继而影响直径测量精度。

3. 铜丝标准化检测样本的构建与验证方法 3.1. 试样制备

选取0.1 mm和0.2 mm两种标称直径的退火铜线各1米作为实验样本。根据GB/T 21652-2008《铜及铜合金线材》标准要求,样本表面需进行清洁处理以消除氧化层影响 [7]

3.2. 仪器配置

实验采用工业级视觉检测装置,由长风纺织机电科技有限公司提供,配置参数如下:检测平台物距固定于65 mm,选用4.4 μm像元尺寸的CCD工业相机配合4倍光学放大远心镜头构成成像系统。理论测量精度可计算为:像元尺寸(4.4 μm)/放大倍率(4) = 1.1 μm,空间解析精度达到1.1155 μm。

3.3. 图像获取与参数记录

通过自动化扫描平台对试样进行随机采样,同步记录几何特征参数(线径尺寸、像素值)。检测过程保持环境温度(23 ± 1)℃、相对湿度50% ± 5%的恒温恒湿条件。

3.4. 测量系统精度验证

为验证理论精度与实际测量值的一致性,采用双重验证方案。

选用两种标准直径的铜质线材作为基准样本,各规格样本分别获取30组有效数据。数据处理时采用格拉布斯准则剔除异常值,最终以算术平均值作为基准直径X (见 表1 表2 )。

在恒定成像参数下,通过图像分析软件对样本进行亚像素轮廓检测。每种规格试样选取15个典型截面,经形态学滤波处理后统计有效像素值Y (见 表3 表4 )。特别注意消除照明不均匀导致的边缘模糊现象,确保信噪比 ≥45 dB。

计算实际测量精度A = X/Y,该参数表征单像素对应的物理尺寸量。当|A − 1.1 μm| ≤ 0.05 μm时,判定系统满足设计精度要求。

4. 实验结果及分析

以下实验结果使用SPSS软件进行分析。

<xref></xref>Table 1. Diameter test results of 0.1 mm copper wire (unit: μm)Table 1. Diameter test results of 0.1 mm copper wire (unit: μm) 表1. 0.1 mm铜丝直径测试结果(单位:μm)

位置

直径

位置

直径

位置

108

位置16

115

续表

位置1

107

位置17

112

位置2

112

位置18

110

位置3

108

位置19

115

位置4

112

位置20

119

位置5

106

位置21

114

位置6

113

位置22

108

位置7

108

位置23

108

位置8

107

位置24

114

位置9

112

位置25

107

位置10

116

位置26

114

位置11

114

位置27

109

位置12

109

位置28

113

位置13

110

位置29

109

位置14

112

位置30

107

平均值

110.93

方差

10.961

标准差

3.31073

平均值的95%置信区间上限

112.1696

平均值的95%置信区间下限

109.6971

<xref></xref>Table 2. Diameter test results of 0.2 mm copper wire (unit: μm)Table 2. Diameter test results of 0.2 mm copper wire (unit: μm) 表2. 0.2 mm铜丝直径测试结果(单位:μm)

位置

直径

位置

直径

位置1

211

位置16

211

位置2

215

位置17

219

位置3

211

位置18

226

位置4

222

位置19

224

位置5

221

位置20

209

位置6

233

位置21

212

位置7

207

位置22

209

位置8

218

位置23

212

位置9

222

位置24

220

位置10

206

位置25

218

位置11

210

位置26

238

位置12

218

位置27

214

位置13

213

位置28

221

位置14

216

位置29

207

续表

位置15

213

位置30

216

平均值

216.4

方差

55.766

标准差

7.46763

平均值的95%置信区间上限

219.1885

平均值的95%置信区间下限

213.6115

<xref></xref>Table 3. Pixel values of 0.1 mm copper wireTable 3. Pixel values of 0.1 mm copper wire 表3. 0.1 mm铜丝像素值

位置

像素值

位置1

97

位置2

102

位置3

98

位置4

96

位置5

98

位置6

99

位置7

97

位置8

98

位置9

95

位置10

97

位置11

102

位置12

99

位置13

97

位置14

100

位置15

98

平均值

98.2

方差

3.886

标准差

1.97112

平均值的95%置信区间上限

99.2916

平均值的95%置信区间下限

97.1084

<xref></xref>Table 4. Pixel values of 0.2 mm copper wireTable 4. Pixel values of 0.2 mm copper wire 表4. 0.2 mm铜丝像素值

位置

像素值

位置1

187

位置2

191

位置3

187

位置4

196

续表

位置5

196

位置6

194

位置7

204

位置8

185

位置9

194

位置10

185

位置11

188

位置12

193

位置13

190

位置14

191

位置15

190

平均值

191.4

方差

25.257

标准差

5.02565

平均值的95%置信区间上限

194.1831

平均值的95%置信区间下限

188.6169

表1~4 以及公式A = X/Y可得结果,见 表5

<xref></xref>Table 5. Accuracy of 0.1 mm and 0.2 mm copper wireTable 5. Accuracy of 0.1 mm and 0.2 mm copper wire 表5. 0.1 mm、0.2 mm铜丝精度

铜丝类型

直径平均值(μm)

像素平均值

精度(μm)

0.1 mm铜丝

110.93

98.2

1.129

0.2 mm铜丝

216.4

191.4

1.130

表5 可知,通过两种规格铜丝的对比实验,相机实测精度与理论精度值1.1 μm呈现出高度一致性。实验数据显示,虽然铜丝实际直径存在微米级差异,但由此产生的精度偏差处于可接受阈值内,未对最终检测数据的准确性构成实质影响。直径出现误差的原因可能是因为实验时是定点拍摄,铜丝并没有被牵拉,导致铜丝并没有水平向下,有一定的倾斜,而直径的获取是按照像素点来计算,倾斜程度越高,单行所占像素点就越多。为避免过多的误差,检测设备可以使用罗拉装置将铜丝拉回水平位置上,从而提高设备精度。该结果表明当前检测系统在工业应用场景中具备足够的测量精度保障,同时印证了采用标准铜丝作为标定介质对机器视觉系统进行精度验证的方法有效性。

5. 结论与展望

本研究为机器视觉纤维检测设备的校准策略与性能优化提供了可行性方案。实验结果表明,采用铜丝作为标准测试物可有效验证基于机器视觉的线材检测设备的测量精度,其方法具有显著的可重复性和稳定性。这种基于标准试样的评估体系不仅能够系统量化设备的关键性能指标,更为检测系统的参数优化建立了数据驱动的改进路径。在后续研究中,可将测试对象拓展至铜材的不同形态(如铜块、铜片等)及其他材料,通过建立多维度的标准样本库,进一步提升机器视觉检测系统的泛化能力和工业适用性。本研究构建的检测范式因其兼具方法简便性与结果可靠性,为工业视觉检测装备的性能评估与迭代升级提供了可推广的技术方案。

NOTES

*通讯作者。

References 张海东, 杜锦彪. 大电流柔性母线的研发与应用[J]. 建筑电气, 2024, 43(7): 60-64. 章朝哲. 铜基一维柔性超级电容器电极材料的制备及性能研究[D]: [硕士学位论文]. 青岛: 青岛科技大学, 2023. 谭华泰, 王腾飞. 基于机器视觉的构件几何信息检测系统研究[J]. 机电信息, 2025(4): 31-36. 朱鹏程, 凌步军, 沈店祥, 等. OLED柔性面板激光切割设备中视觉定位与检测系统的设计与实现[J]. 科技视界, 2024, 14(31): 62-64. 闫冠宇. 基于机器视觉的生丝外观质量电子检测研究[D]: [硕士学位论文]. 苏州: 苏州大学, 2020. 潘青田. 基于双目视觉的生丝匀度及结构紧密度检测系统研究[D]: [硕士学位论文]. 苏州: 苏州大学, 2018. 郝媛媛. 纺织结构散热器织造工艺及质量评价体系构建[D]: [硕士学位论文]. 上海: 东华大学, 2016.
Baidu
map