本文介绍了一项由大连理工大学的研究团队发表在《Sensors and Actuators A: Physical》期刊上的研究，题为《An improved image acquisition method for measuring hot forgings using machine vision》。该研究由Yang Liu、Zhenyuan Jia、Wei Liu、Lingli Wang、Chaonan Fan、Pengtao Xu、Jinghao Yang和Kai Zhao共同完成，研究团队来自大连理工大学的精密与特种加工技术教育部重点实验室。论文于2016年1月2日在线发表。
热锻件（hot forgings）是许多重要设备（如船舶曲轴、加氢反应器壳体、核反应堆半速转子等）的关键部件。由于热锻件通常尺寸巨大（直径可达2米，长度可达10米，重量可达200吨），且在生产过程中温度极高（800–1250°C），传统的接触式测量方法（如卡尺）难以精确测量其尺寸。此外，高温辐射会导致图像质量下降，进一步增加了测量的难度。因此，开发一种非接触式的高精度测量方法对于提高生产效率和降低废品率具有重要意义。
机器视觉（machine vision）作为一种非接触式在线测量方法，具有广泛的应用前景。然而，热锻件的高温辐射会显著影响图像质量，导致特征提取困难。为了解决这一问题，本文提出了一种改进的图像采集方法，旨在通过优化图像采集过程，提高热锻件尺寸测量的精度和可靠性。
研究的主要目标是开发一种能够在不同温度下获取清晰图像的图像采集方法，以便通过机器视觉技术精确测量热锻件的尺寸。研究流程包括以下几个步骤：
图像质量评估模型的建立
首先，研究团队建立了一个基于感兴趣区域（ROI）信噪比（SNR）的图像质量评估模型。该模型通过分析热锻件在不同温度下的自辐射光和激光反射光的强度，评估图像的质量。具体而言，SNR被定义为激光条纹的灰度值与背景灰度值的比值。通过该模型，研究团队能够量化图像质量，并为后续的图像采集优化提供依据。
干扰因素分析
研究团队分析了影响图像质量的主要干扰因素，包括热锻件的自辐射光和激光光源的干扰。通过实验和理论分析，研究团队发现热锻件的自辐射光强度随温度呈指数增长，这会导致图像中的激光条纹被淹没，从而影响特征提取的准确性。
图像采集参数的补偿
为了在不同温度下获取清晰的图像，研究团队提出了一种基于激光功率补偿的图像采集方法。通过调整激光功率，研究团队能够在不同温度下保持图像的信噪比（SNR）在可接受的范围内。具体而言，研究团队通过实验确定了不同温度下的最小激光功率补偿参数，以确保图像质量满足测量要求。
实验验证
研究团队在实验室和锻造车间分别进行了实验，验证了所提出方法的有效性。在实验室中，研究团队测量了三个不同高度的热锻件，结果表明绝对误差小于0.32毫米，相对误差小于0.27%。在锻造车间的实验中，研究团队进一步验证了该方法在实际生产环境中的适用性。
图像质量提升
通过激光功率补偿，研究团队成功在不同温度下获取了清晰的热锻件图像。实验结果表明，补偿后的图像质量显著优于未补偿的图像，尤其是在高温（1200°C以上）条件下，激光条纹的清晰度得到了显著提升。
测量精度验证
在实验室中，研究团队对三个不同高度的热锻件进行了测量，结果表明绝对误差小于0.32毫米，相对误差小于0.27%。在锻造车间的实验中，研究团队进一步验证了该方法在实际生产环境中的适用性，测量结果同样表现出较高的精度和一致性。
本文提出的改进图像采集方法显著提高了热锻件尺寸测量的精度和可靠性。通过优化图像采集过程，研究团队成功解决了高温环境下图像质量下降的问题，为热锻件的在线测量提供了一种有效的解决方案。该方法不仅具有重要的科学价值，还为工业生产中的质量控制提供了技术支持。
图像质量评估模型的创新
研究团队首次提出了基于SNR的图像质量评估模型，为热锻件图像质量的量化评估提供了理论依据。
激光功率补偿方法的提出
通过调整激光功率，研究团队成功解决了高温环境下图像质量下降的问题，为热锻件的在线测量提供了一种新的技术手段。
高精度测量结果的验证
实验结果表明，该方法在实验室和实际生产环境中均表现出较高的测量精度，能够满足工业生产的需求。
本文的研究成果不仅适用于热锻件的尺寸测量，还可以推广到其他高温环境下的非接触式测量领域。此外，研究团队提出的图像质量评估模型和激光功率补偿方法也为机器视觉技术的进一步发展提供了新的思路。
本文的研究为热锻件的高精度测量提供了一种有效的解决方案，具有重要的科学意义和实际应用价值。