传统的砂轮检测流程是:工人拆卸砂轮、将其转移到检测平台检测、重新安装砂轮、继续工作,拆卸易对砂轮造成磨损,重新安装会产生新的误差,同时拆卸安装也会增加生产检测成本和时间消耗。针对上述问题,提出了一种基于机器视觉的砂轮在位检测方法,采用OPC接口技术控制机床在位调整砂轮对准,解决拆卸安装操作引入磨损和误差;采用机器视觉代替人眼判断检测时间,解决人眼疲劳导致的判断失误;对砂轮图像进行处理,得到形位公差检测结果。以上优势打破了传统砂轮检测的局限性,提高检测精度和简化检测流程,最终实现砂轮形位公差的在位检测。主要研究内容如下:1.砂轮对准与形位公差检测方法研究。通过分析待测砂轮结构特点和检测要求,建立了砂轮对准的数学模型,形成了调整砂轮对准偏移量的计算方法,为控制机床对砂轮进行位置调节提供参数的来源;建立了砂轮形位公差的数学模型,形成了砂轮加工面的对称度、切面宽度、磨损高度的计算方法,为砂轮形位公差检测打下理论基础。2.砂轮检测关键算法的研究。进行图像滤波、锐化及二值化算法进行研究对比,选择最佳砂轮预处理算法;对像素级与亚像素级边缘检测进行研究对比,采用Canny像素级边缘检测进行图像边缘的初定位,基于Zernike矩的亚像素边缘检测对图像进行精确边缘定位,两者相结合实现更高精度的边缘检测。3.实验平台搭建。根据待测砂轮特点和检测精度要求,选择性能参数满足条件的相机和光源,设计合适的照明系统;根据砂轮检测流程,设计人机交互界面,实时监控砂轮状态和检测结果。完成软硬件集成,实现砂轮控制、图像采集、图像处理一体化。4.相机标定的技术。基于相机成像模型、世界坐标到像素坐标的转换原理,计算得出相机的内参和外参,利用标定参数对图像进行畸变矫正。5.实验与数据分析。利用实验平台进行砂轮形位公差检测,对实验数据分析处理,该实验结果验证了系统方案设计的可行性,测量精度满足系统精度要求,实现了基于机器视觉的砂轮形位公差的在位检测功能。分析误差来源,提出相应的改进方法,为完成系统优化作铺垫。