冲击试验拉床加工工件的粗糙度会直接影响到工业产品质量，现在粗糙度检测方式都存在一定滞后性且成本过高，尤其是国内先进制造工业技术落后，大型冲击试验拉床亟需一种便携且可靠的冲击试验拉床工件表面粗糙度检测系统。

目前测量和评定粗糙度表面等级的仪器种类繁多，比如接触式、比较式、气动法、光学法等多种类型，旧系统中一般以接触为主，但是在使用过程中检测设备磨损后会严重影响检测精度，因此最佳解决方式是采用光学原理进行无损检测。

利用嵌入式芯片运算速度越来越快的优点，设计一种红外线表面粗糙度检测的系统，以ＡＤＳＰ２１２６芯片作为ＭＣＵ并设计图像采集、数据存储和信号传输等硬件电路，对图像处理和粗糙度识别算法进行设计，并建立平台进行图像测试实验。

１　光学反射原理和检测方案设计

随着机械加工精度变得越来越高，产品的抽检已经不能满足检验要求，需要对所有产品都进行检测，通过接触式测量显然会引起检测设备磨损等问题，因此只有非接触式检测方法才能大量应用到在线生产检测系统中［３］。目前大多数无线检测方法都集中在视觉处理方向，其对硬件要求比较高，需要利用工控机等设备对数据进行快速采集和图像处理，但是成本非常高适合应用在实验室环境下，在工业环境中不能大面积推广应用。因此开发一种简便且精度比较高的激光图像检测系统。

加工器件表面粗糙度定义为峰谷和峰顶之差，也可以有不同定义标准，比如可以通过形状误差Ｆ、粗糙度Ｒ等参数定义系统能否满足精度需要，一般工业工件粗糙度小于０．５　ｍｍ／ｒａｄ时判断粗糙度满足要求。激光检测原理主要是利用光散射对信号进行检测，如图１所示，当激光打在镜面物品上时会产生反射现象，但当物体粗糙度过大时则会使光线处于漫反射和反射之间，通过检测光线不同波长的叠加效应就可以判断表面粗糙度是否满足要求［４］。当表面粗糙度很小时产生的是一个比较小且集中的光斑，随着粗糙度增加，漫反射能力变强后则形成光斑亮度下降且越来越分散，通过光线和粗糙度关系即可判断加工件状态。

通过分析发现系统还需要图像采集和特征提取部分，因此构建粗糙度在线监测方案整体结构如图２所示。除了激光检测部分还要对反射面板上的光线进行信号采集，首先利用ＵＳＢ接口高速工业相机对背景板拍照存储［５］，然后采用ＤＳＰ对信号进行数据处理并且把结果发送到ＬＣＤ屏幕进行显示，通过观察显示图像判断粗糙度等级，从而判断工件表面是否满足要求。

２　图像采集和粗糙度检测硬件设计

光源部分主要采用成熟光路和成品激光管进行光线发射，检测结果要通过人机交互界面显示。硬件电路在整个系统中作为信号采集入口和数据处理核心非常重要，电路部分关系到整个系统后续检测结果的精度，因此需要设计一套完整功能电路。

由于高速ＣＣＤ工业相机的接口为ＵＳＢ接口，需要一个高速采集电路，同时需要对采集进来的图像信息进行压缩并存储到高速ＳＤ卡中以备后续处理线程进行调用，识别的结果需要通过串口把数据传输到工业显示屏中进行显示。

２．１　ＵＳＢ３．０高速图像采集电路

系统图像采集依靠ＵＳＢ３．０接口连接到高速工业相机Ｕ３ＳＴ１３０Ｍ－Ｈ，相片采用黑白光线采集方式，像素大小为４　μｍ，通过全局方式进行拍照处理可以达到６０ＦＰＳ图像拍摄速度，且拍摄出的图像数据要以３０　Ｍ速度传送到信号采集电路中，图像采集电路如图３所示。芯片ＳＫ６２８１内部就已经集成了自动切换电路，在本系统中采用一个ＵＳＢ即可　［６］。电路中电源引脚接入３．３　Ｖ电压，电源通过电容滤波后就可以满足系统要求。为保证ＳＫ６２８１和ＡＤＳＰ２１２６芯片全速运行使用Ｍｉｃｒｏ　ＵＳＢ输入接口，此接口可以允许主机和客户端设备电流超过５００　ｍＡ。

２．２　高速内存读写电路

在工业应用中一般ＳＤ内存卡即可满足功能要求，但是在数据处理速度要求比较高的场所需要采用高速ＣＦ卡进行读取，具体电路原理设计如图４所示。所有数据传输信号和芯片ＡＤＳＰ２１２６引脚连接线路，为了提高信号在高速传输和工业干扰环境下的抗干扰能力，电源引脚都并联１　μＦ去耦电容［７］。外部电路中ＣＳ片选信号通过外部接入方式读取ＣＦ卡槽状态，当卡槽中没有内存卡时电路对片选信号进行了３．３　Ｖ上拉，当电路中插入了内存卡时，内存卡片选信号会被自动拉低然后马上触发ＤＳＰ中断信号。在电源部分设置２个５０　Ｖ的１　μＦ电容，这样芯片可以很好地兼容０～２４　Ｖ电源。

图４　高速内存读写电路

２．３　人机交互通信电路设计

系统中ＲＳ２３２通信接口用于ＤＳＰ和工业触摸屏传输数据通信，接口还可作为与其他上位机通道连接。ＲＳ２３２接口信号电平值较高容易损坏接口电路芯片，又因为该接口电平与ＴＴＬ电平不兼容，故需要电平转换芯片完成ＴＴＬ电平转换，ＭＡＸ２３２是主要电平转换芯片［８］。ＭＣＵ处理器引脚输出高电平　３．３　Ｖ，因此需要考虑逻辑电平的兼容性，　ＭＡＸ２３２Ａ为一款兼容型逻辑器件，输入低电平为　０．８　Ｖ，高电平为　２．４　Ｖ，可以满足兼容性要求，接口电路如图５所示。综合传输速率和抗干扰能力两方面考虑，选择ＭＡＸ２３２匹配电容为０．１　μＦ，同时在ＶＣＣ和ＶＤＤ之间加退耦电容增加数据传输的可靠性。Ｄ０和Ｄ１为数据传输状态指示，Ｄ４为电源指示。

３　图像采集及亮度识别程序设计

３．１　图像采集及信号传输程序设计

高速工业相机在拍摄图像过程中需要运用线程方法对现场照片进行处理，首先要对工业相机进行初始化即参数进行配置，例如饱和度、对比度、像素点数等照片参数，然后把图片数据存储到内存中，图像传输和粗糙度识别程序可以通过线程调用内存中的数据，详细过程如图６所示。图像读取过程中先要读取用户配置文件并初始化，通过反馈回来的日志文件设置相机参数，日志数据中会标注出要分配的缓冲区和图片存放目录。读取完成后可以通过线程处理函数初始化内存控制器，可以选择一帧数据进行传输和处理，如果缓冲区域中数据超过１２８　Ｍ就发送中断指令停止拍照。

３．２　图片数据处理模块

图像粗糙度识别是程序设计中一个重点，由于粗糙度检测程序涉及到多个过程非常复杂，例如信号预处理、建立向量机和特征提取等，单纯用嵌入式硬件平台进行处理识别非常困难，因此选择利用ＰＣ机进行仿真实验训练出粗糙度模型，得到模型和向量机后移植到ＤＳＰ硬件检测系统中，具体粗糙度识别程序如图７所示。在移植程序过程中ＤＳＰ平台与ＰＣ平台有非常多不同之处，基于ＤＳＰ平台的Ｃ代码开发过程非常复杂，需要考虑ＰＣ转换后数据、检测和函数库等兼容问题，为了提高程序利用效率将ＤＳＰ伪指令放入到外部ＲＡＭ中，最后通过ＩＡＲ平台调试编译和实验测试后才能证明移植算法是否成功。

４测试平台建立和数据分析

在检测系统全部构建完成后需要利用不同粗糙度的工件进行精度验证，首先需要对系统有效性进行分析，利用平磨后不同粗糙度等级试件进行图像对比试验，在确定系统可靠后再次将不同检测方式进行精度对比，保证了系统精度后可以使检测系统应用到更多平台上。

４．１　系统调试和图片验证

激光、图像和嵌入式系统的搭建示意如图８所示，首先激光仪器把光源发射到工件表面，在工件上面安装有工业相机进行拍摄，拍摄过程中同时把图像帧传送到ＤＳＰ检测系统中，通过对比光斑发散的程序验证系统可靠性。

图８　表面粗糙度检测示意图

由于每种工件都有特定纹路，因此选择同一种工件加工到不同粗糙度程度进行验证，本实验采用０．０１２　μｍ和０．０５　μｍ的图形进行对比，如图９所示光斑表现为散射和反射２种类型［１２］，粗糙度小相对于粗糙度大的工件反射明显即亮度更加集中，而大粗糙度工件光线分散且椭圆长度更大。

４．２　检测精度对比实验

用本测试系统与成熟的接触式系统进行对比实验可以验证粗糙度检测的精度，接触式粗糙度测量仪采用ＴＲ２００，对４个不同工件进行测量，结果如表１所示。从结果可以看出本系统检测精度比接触式略低，但是精度可以达到０．０１　μｍ，本系统除检测精度可靠外系统响应速度远远高于接触式测量。

５　结论

为了对冲击试验拉床中不同产品进行粗糙度测量，设计一种图像和ＤＳＰ系统相结合的检测系统，通过分析激光检测原理搭建粗糙度在线检测的系统，设计高速图像采集、图像数据保存和数据传输等硬件电路，并且开发图像采集和图片数据处理程序完成信号处理，最后根据不同工件和检测方式的对比试验分析系统精度