Page 133 - 汽车悬架减震器制造工艺的理论与实践

第五章 智能制造与数字化

源的要求不同。例如，对于表面划痕，采用侧光照明可以使划痕更加明显。侧光
能够在划痕处产生阴影，增强划痕与周围表面的对比度，便于后续的图像处理和
分析。而对于内部气孔等缺陷，可能需要采用透射光照明，让光线穿透活塞杆，

通过观察光线的变化来发现缺陷。
2. 相机设置
相机的设置直接影响图像的质量。要根据活塞杆的尺寸、检测精度要求等因
素选择合适的相机。例如，对于高精度的检测任务，需要选择高分辨率的相机。

同时，要合理调整相机的焦距、光圈和曝光时间等参数。焦距的调整要确保活塞
杆在图像中清晰成像；光圈的大小会影响景深和图像的清晰度；曝光时间则要根
据光源的强度和活塞杆的反射特性进行调整，以避免图像过亮或过暗。
（二）图像处理

1. 图像滤波
图像滤波是去除图像噪声的重要步骤。在图像采集过程中，由于外界环境的
干扰和相机本身的特性，图像可能会存在噪声。常见的噪声包括椒盐噪声、高斯
噪声等。可以采用不同的滤波算法来去除噪声，如中值滤波、高斯滤波等。中值

滤波对于椒盐噪声有很好的去除效果，它通过对邻域内的像素值进行排序，取中
间值作为当前像素的值，从而有效去除噪声点。
2. 边缘检测
边缘检测是识别活塞杆轮廓和缺陷边缘的关键操作。边缘是图像中灰度值发

生突变的地方，通过检测边缘可以确定活塞杆的形状和缺陷的位置。常用的边缘
检测算法有 Sobel 算子、Canny 算子等。Sobel 算子通过计算图像在水平和垂直
方向的梯度来检测边缘；Canny 算子则是一种更先进的边缘检测算法，它具有更
高的检测精度和抗噪声能力。

（三）特征提取与分析
1. 缺陷特征提取
在图像处理之后，需要提取缺陷的特征。缺陷的特征包括形状、大小、灰度
值等。例如，对于圆形的气孔缺陷，可以提取其半径、圆心位置等特征；对于线

性的划痕缺陷，可以提取其长度、宽度和方向等特征。通过对这些特征的提取，
可以为后续的缺陷分类和识别提供依据。

115