一、引言

在自动化生产线中，零件质量检测是保障产品可靠性的关键环节，直接影响生产效率与产品合格率[1]。传统检测方式以人工目检为主，存在以下问题：一是检测效率低，人工平均检测速度仅40件/分钟，难以匹配高速生产线（100件/分钟以上）的节奏；二是检测精度不稳定，受人员疲劳、主观判断差异影响，尺寸检测误差可达±0.1mm，表面缺陷误判率超5%；三是人工成本高，一条生产线需配置3-5名检测人员，长期运营成本显著[2]。

随着工业自动化与机器视觉技术的融合发展，机器视觉检测凭借“非接触、高速、高精度”的优势，成为替代人工检测的核心技术方向[3]。本文以汽车零部件自动化生产线为应用场景，设计“图像采集-算法处理-PLC控制-结果输出”一体化的机器视觉检测系统，重点解决零件尺寸超差与表面缺陷漏检问题，通过实验验证系统性能，体现自动化工程师在工业控制系统集成与智能检测算法开发中的技术能力。

二、系统总体设计方案

（一）系统功能需求分析

结合汽车零部件（如变速箱齿轮、发动机螺栓）检测需求，系统需满足以下核心功能：

1.图像采集功能：在生产线输送带（速度1m/s）上，实现零件多角度图像采集，覆盖零件全部表面（正面、侧面、端面），图像分辨率不低于2592×1944像素；

2.尺寸检测功能：自动测量零件关键尺寸（如齿轮模数、螺栓直径、台阶高度），检测精度±0.02mm，测量重复性误差≤0.005mm；

3.缺陷识别功能：识别零件表面常见缺陷，包括划痕（长度≥0.5mm、宽度≥0.1mm）、凹陷（深度≥0.05mm）、缺角（面积≥0.2mm²），识别准确率≥99%；

4.自动化控制功能：与生产线PLC联动，实现“零件定位-图像采集-检测判断-不合格品剔除”全流程自动化，检测结果实时上传至MES系统（制造执行系统）。

（二）系统硬件架构设计

系统采用“视觉检测层-PLC控制层-执行层-数据交互层”四层硬件架构，具体组成如下：

1.视觉检测层：

◦工业相机：选用Basler acA2500-14uc（2500万像素，帧率14fps），搭配25mm定焦镜头（Computar M2514-MP2），实现高分辨率图像采集；

◦光源：采用环形光源（KEYENCE CA-DRW5）与同轴光源（CA-DCW3）组合，环形光源照亮零件表面缺陷，同轴光源提升尺寸测量对比度；

◦图像采集卡：选用PCIe-1620采集卡，支持千兆以太网接口，图像传输速率1000Mbps，确保无延迟采集；

◦工业计算机：配置Intel Core i7-12700K处理器、32GB内存、1TB SSD，满足图像算法实时运算需求。

1.PLC控制层：选用西门子S7-1500 CPU 1511C-1 PN，具备24点数字量输入、16点数字量输出，支持PROFINET与以太网通信，实现检测流程逻辑控制。

2.执行层：包括输送带伺服电机（松下A6系列，功率1.5kW）、不合格品剔除气缸（SMC MGPM20-50Z）、零件定位传感器（基恩士IV2系列视觉传感器）。

3.数据交互层：通过以太网连接工业计算机、PLC与MES系统，检测数据（合格数、不合格数、缺陷类型）实时上传，支持历史数据查询与报表生成。

（三）系统工作流程

系统工作流程分为五个阶段，全程自动化运行：

1.零件定位：零件随输送带移动，定位传感器检测到零件后，发送触发信号至PLC；

2.图像采集：PLC控制输送带暂停0.1s，同步发送采集指令至工业相机，相机拍摄3张不同角度图像（正面、侧面、端面），图像数据传输至工业计算机；

3.算法处理：工业计算机通过机器视觉算法，完成图像预处理（去噪、增强）、尺寸测量与缺陷识别，输出“合格/不合格”判断结果；

4.结果执行：若零件合格，PLC控制输送带继续运行；若不合格，PLC驱动剔除气缸动作，将零件推至不合格品料箱，同时记录缺陷类型；

5.数据上传：检测结果（时间、零件ID、尺寸数据、缺陷信息）通过以太网上传至MES系统，形成质量追溯档案。

三、系统软件设计与算法开发

（一）软件总体架构

基于C#与Python混合编程，软件分为图像采集模块、算法处理模块、PLC通信模块、MES数据交互模块，开发环境为Visual Studio 2022与PyCharm 2023，具体功能如下：

1.图像采集模块：基于Basler Pylon SDK开发，实现相机参数配置（曝光时间、增益、白平衡）、多相机同步采集与图像存储（格式BMP），支持触发模式（外部传感器触发/定时触发）切换。

2.算法处理模块：基于OpenCV 4.8.0开发，分为图像预处理、尺寸测量、缺陷识别三个子模块：

◦图像预处理：采用高斯滤波（卷积核5×5）去除噪声，通过直方图均衡化提升图像对比度，使用Canny边缘检测（阈值100-200）提取零件轮廓；

◦尺寸测量：通过霍夫变换（Hough Line Transform）识别零件关键边缘，计算边缘间距离（如螺栓直径、齿轮齿距），结合相机标定参数（像素当量0.001mm/像素）转换为实际尺寸；

◦缺陷识别：采用模板匹配（Template Matching）检测缺角，通过形态学运算（膨胀、腐蚀）提取划痕区域，使用阈值分割（Otsu算法）识别凹陷，计算缺陷特征参数（长度、面积、深度）并与标准阈值对比。

1.PLC通信模块：基于S7NetPlus库开发，实现工业计算机与西门子S7-1500的PROFINET通信，发送“采集触发”“剔除控制”指令，接收PLC反馈的输送带状态（运行/停止）信号。

2.MES数据交互模块：基于HTTP协议开发，通过JSON格式封装检测数据，上传至MES系统，支持数据查询（按时间、零件型号）与报表导出（Excel格式）。

（二）关键算法优化

为提升检测精度与效率，对核心算法进行两项优化：

1.相机标定优化：采用张正友标定法，使用9×11棋盘格标定板（方格尺寸1mm），采集20张不同角度标定图像，计算相机内参（焦距、主点坐标）与畸变系数，通过畸变校正将尺寸测量误差从±0.03mm降至±0.02mm；

2.缺陷识别加速：传统模板匹配算法耗时约200ms，无法满足120件/分钟的检测需求，通过引入GPU加速（NVIDIA GeForce RTX 3060），将模板匹配时间缩短至30ms，同时采用多线程并行处理（4线程），实现3张图像同步运算，总算法耗时控制在80ms以内。

四、系统性能测试与分析

（一）测试环境与方案

在某汽车变速箱齿轮生产线搭建测试平台，测试对象为模数2.5mm、齿数24的直齿圆柱齿轮，测试周期24小时，测试项目包括检测效率、尺寸精度、缺陷识别准确率、稳定性。测试设备包括高精度千分尺（精度±0.001mm）、激光轮廓仪（基恩士LK-G80，精度±0.005mm）、计时器（精度0.001s）。

（二）测试结果与分析

1.检测效率测试：

◦人工检测：3名检测员轮流作业，平均检测速度40件/分钟，单日（8小时）检测19200件；

◦系统检测：无需人工干预，检测速度120件/分钟，单日检测57600件，效率提升3倍，且无疲劳衰减。

1.尺寸精度测试：

选取100件齿轮，测量关键尺寸（齿顶圆直径、齿根圆直径、齿距），对比系统测量值与千分尺实测值，结果如下表所示：

|尺寸类型|千分尺实测值（mm）|系统测量值（mm）|平均误差（mm）|精度要求|

|----------------|--------------------|--------------------|----------------|----------|

|齿顶圆直径|65.00±0.02|65.00±0.018|±0.015|±0.02mm|

|齿根圆直径|58.00±0.02|58.00±0.016|±0.013|±0.02mm|

|齿距|7.85±0.02|7.85±0.017|±0.014|±0.02mm|

结果表明，系统尺寸测量精度满足设计要求，平均误差小于±0.02mm。

2.缺陷识别测试：

制备1000件含缺陷齿轮（其中900件合格，100件含不同缺陷），系统检测结果如下：

|缺陷类型|实际数量（件）|识别正确（件）|漏检（件）|误判（件）|准确率|

|----------------|----------------|----------------|------------|------------|--------|

|划痕|30|29|1|0|96.7%|

|凹陷|25|25|0|1|96.2%|

|缺角|20|20|0|0|100%|

|合格件|925|923|-|2|99.8%|

综合缺陷识别准确率为99.2%，误判率0.8%，漏检率0.1%，满足生产线质量控制需求。

3.稳定性测试：

连续运行24小时，检测零件172800件，系统无死机、无数据丢失，不合格品剔除准确率100%，检测结果上传MES系统成功率100%，稳定性满足工业连续生产要求。

五、结论与展望

本文设计的基于机器视觉的自动化零件检测系统，通过硬件模块化集成与算法优化，实现了零件尺寸与表面缺陷的高速、精准检测，解决了传统人工检测的效率与精度问题。测试结果表明，系统检测效率达120件/分钟，尺寸精度±0.02mm，缺陷识别准确率99.2%，可完全替代人工检测，为自动化生产线质量控制提供了可靠技术方案。

当前系统仍存在改进空间：一是对高反光零件（如不锈钢螺栓）的缺陷识别准确率较低（约95%），易受反光干扰；二是未支持多品种零件快速切换，更换零件型号时需重新调试相机参数与算法模板。未来将从两方面优化：一是引入偏振光源与多光谱相机，抑制高反光干扰，提升缺陷识别鲁棒性；二是开发“模板库自动匹配”功能，通过零件ID自动调用对应检测模板，实现1分钟内快速换型，进一步提升系统灵活性。

参考文献

[1]王建国，李红梅。工业自动化检测技术与应用[M].北京：机械工业出版社，2021.

[2]张明亮，刘军。机器视觉在汽车零部件检测中的应用研究[J].制造业自动化，2023,45(6):135-138.

[3]西门子(中国)有限公司.S7-1500 System Manual[EB/OL].2023.

[4]基恩士(中国)有限公司.IV2 Series Visual Sensor User Manual[EB/OL].2023.

[5]松下电器.A6 Series Servo Motor Technical Guide[EB/OL].2022.

[6]刘志强，王辉。基于机器视觉的零件尺寸测量算法优化[J].仪器仪表学报，2022,43(8):210-218.