機(jī)器視覺(jué)在表面裂紋檢測(cè)中的應(yīng)用

機(jī)器視覺(jué)在表面裂紋檢測(cè)中的應(yīng)用

完善檢測(cè)方法在現(xiàn)代生產(chǎn)過(guò)程中，由于工資和人員操作不當(dāng)，包括裂縫、磨損、孔和毛刺，這些缺陷是許多安全事件的罪魁禍?zhǔn)住Ｒ虼?識(shí)別和檢測(cè)重要零件關(guān)鍵部位的表面缺陷技術(shù)成為了一種非常重要的產(chǎn)品質(zhì)量控制手段。在實(shí)際生產(chǎn)中,很多中、小型企業(yè)還是采用傳統(tǒng)的依賴于人的主觀觀察和判斷的檢測(cè)方法。而該方法在批量生產(chǎn)檢測(cè)中已凸現(xiàn)出效率低下、標(biāo)準(zhǔn)不一致、易誤判等嚴(yán)重不足。而近年來(lái)隨著計(jì)算機(jī)計(jì)算能力的飛速提高和圖像處理理論的快速發(fā)展,機(jī)器視覺(jué)得到了快速的發(fā)展,基于計(jì)算機(jī)視覺(jué)的表面檢測(cè)技術(shù)在現(xiàn)代化生產(chǎn)檢測(cè)中日益顯示出較之傳統(tǒng)方法更為高效、快速、客觀等優(yōu)勢(shì)。1自動(dòng)檢測(cè)系統(tǒng)簡(jiǎn)介機(jī)器視覺(jué)是用計(jì)算機(jī)實(shí)現(xiàn)人的視覺(jué)功能,對(duì)客觀世界的三維場(chǎng)景的感知、識(shí)別和理解。一個(gè)機(jī)器視覺(jué)系統(tǒng)通常由光源系統(tǒng)、光電傳感器、數(shù)據(jù)采集和圖像處理四部分組成?；跈C(jī)器視覺(jué)的零件表面裂紋缺陷的自動(dòng)檢測(cè),就是通過(guò)使用計(jì)算機(jī)控制技術(shù)和圖像處理手段,實(shí)現(xiàn)自動(dòng)采集和處理零件表面圖像,并通過(guò)對(duì)圖像的處理和目標(biāo)識(shí)別來(lái)判斷零件是否存在裂紋缺陷,以及缺陷的尺寸。本文中零件表面裂紋自動(dòng)檢測(cè)系統(tǒng)簡(jiǎn)圖如圖1所示:光源采用鎢絲白熾燈,光線經(jīng)過(guò)一層磨砂玻璃以接近相等的亮度向所有方向散射。這樣做使得所取圖像的邊緣柔化,灰度差和對(duì)比度相對(duì)減小;但是對(duì)各種缺陷的綜合顯現(xiàn)力卻很好,不會(huì)丟失信息。這對(duì)于后期的數(shù)據(jù)處理很有利。光電傳感器采用CCD攝像頭,其分辨率為640×480。1.2計(jì)算機(jī)檢測(cè)把待測(cè)零件放在工作臺(tái)上的特定檢測(cè)區(qū)內(nèi),在近似均勻散射光的照射下,CCD攝像頭采集零件表面圖像并送入計(jì)算機(jī);在對(duì)該圖像進(jìn)行一系列的圖像處理運(yùn)算后,根據(jù)一些相關(guān)參數(shù)的計(jì)算來(lái)判定該零件是否存在裂紋缺陷并輸出結(jié)果。2噪聲濾除的工藝由于生產(chǎn)環(huán)境中附著在零件表面上的灰塵、油污等因素造成了采集得到的圖像中存在一些孤立的點(diǎn)噪聲和小塊噪聲,所以在對(duì)零件表面圖像進(jìn)行分析之前,首先要進(jìn)行濾波降噪。本文采用改進(jìn)的快速中值濾波法對(duì)這些噪聲進(jìn)行濾除。該算法能在去除椒鹽噪聲的同時(shí)還能較好保留圖像的邊緣細(xì)節(jié),并且比普通中值濾波計(jì)算量更少,速度更快。3表面圓形邊緣的確定由于把待測(cè)零件放置在工作臺(tái)上特定檢測(cè)區(qū)內(nèi)的過(guò)程中難免會(huì)發(fā)生一些少許的位移,因此在進(jìn)行特征分析之前,需要對(duì)待測(cè)零件的位置與標(biāo)準(zhǔn)的零件位置進(jìn)行校準(zhǔn)。即求出兩者在圖像中的位置變換參數(shù),以便比對(duì)校正。嚴(yán)格上說(shuō),圖像對(duì)準(zhǔn)應(yīng)使得兩幅圖像的每一個(gè)像素點(diǎn)都滿足一一對(duì)應(yīng),但這樣運(yùn)算量會(huì)非常大。而該圖像的一個(gè)明顯特征是:零件表面邊緣是一個(gè)圓。為減少計(jì)算量,我們通過(guò)邊緣檢測(cè)、霍夫(Hough)變換以求得零件表面圓形邊緣的圓心坐標(biāo),并用兩幅圖像的圓心坐標(biāo)之差Δi和Δj來(lái)進(jìn)行圖像對(duì)準(zhǔn)。校準(zhǔn)過(guò)程如下:①對(duì)事先采集的放置在標(biāo)準(zhǔn)位置上的零件的圖像進(jìn)行第2節(jié)的預(yù)處理,然后采用Canny算子進(jìn)行邊緣檢測(cè)。對(duì)所得零件表面邊緣圖像采用如下公式進(jìn)行Hough變換求得圓心坐標(biāo)(r0,c0):式中:r,c——分別是圓上的點(diǎn)的行坐標(biāo)和列坐標(biāo);r0,c0——圓心的行坐標(biāo)和列坐標(biāo);d——半徑;θ是通過(guò)圓上某點(diǎn)的半徑與水平方向的夾角。②用上述方法對(duì)采集到的待測(cè)零件圖像進(jìn)行相同的處理,求得其表面圓形邊緣的圓心坐標(biāo)(r1,c1)。③求得兩個(gè)圓心坐標(biāo)的差值即位置偏移量Δi和Δj,對(duì)待測(cè)零件圖像進(jìn)行位置修正。圓心位置變換參數(shù)求解圖如圖2所示。4邊緣檢測(cè)算子的應(yīng)用完成圖像校準(zhǔn)后,進(jìn)行圖像的分割。由于標(biāo)準(zhǔn)零件表面具有基本一致的圖像特征,即表面灰度分布均勻且各像素間沒(méi)有大的灰度變化。而缺陷零件表面成像后有缺陷區(qū)域,由于光線能量在該區(qū)域發(fā)生了散射,所以該區(qū)域圖像的灰度值相對(duì)較低。這樣,它和周?chē)２糠謭D像就表現(xiàn)出了灰度的突變。所以我們采用邊緣檢測(cè)算子來(lái)進(jìn)行特征提取,通過(guò)對(duì)四種常用的邊緣檢測(cè)算子包括Sobel,Prewitt,Log,Canny進(jìn)行試驗(yàn)比較得到:梯度算子Prewitt和Sobel計(jì)算簡(jiǎn)單,但精度不高,只能檢測(cè)出圖像大致的輪廓,而有可能忽略一些比較細(xì)的邊緣和裂紋缺陷;LOG濾波器和Canny算子的檢測(cè)效果優(yōu)于梯度算子,能夠檢測(cè)出圖像較細(xì)的邊緣部分。但Canny方法比LOG方法具有更好的邊緣檢測(cè)效果且更不易受噪聲干擾。所以我們采用Canny算子進(jìn)行邊緣檢測(cè)以同時(shí)得到待測(cè)零件表面的圓形邊緣和疑似缺陷區(qū)域的輪廓。幾種算子計(jì)算結(jié)果如圖3所示。5異常區(qū)域邊界的二值化圖像缺陷識(shí)別采用比較操作獲得異常區(qū)域,并運(yùn)用一些區(qū)域幾何特征運(yùn)算子判定是否存在裂紋缺陷并輸出結(jié)果。把經(jīng)過(guò)上述處理的待測(cè)零件結(jié)果圖和無(wú)缺陷的標(biāo)準(zhǔn)零件結(jié)果圖進(jìn)行減影操作,即兩幅圖像相減以去掉它們的相同之處,得到了主要包含異常區(qū)域邊界的二值化圖像。由于裂紋反映在圖像上的特點(diǎn)是:區(qū)域細(xì)長(zhǎng)連續(xù);圓形度很小;面積相對(duì)于系統(tǒng)噪聲來(lái)說(shuō)要大很多。而系統(tǒng)噪聲的圖像特點(diǎn)是呈點(diǎn)狀分布;不連續(xù);圓形度很大;單個(gè)點(diǎn)面積很小。因此,我們采用兩個(gè)參數(shù)來(lái)判定被測(cè)零件是否存在裂紋,一個(gè)是異常區(qū)域的圓形度C,另一個(gè)是異常區(qū)域的面積S。其中,區(qū)域的圓形度C=4π·(面積)/(周長(zhǎng)),當(dāng)區(qū)域是圓形時(shí),C為最大值1;若是細(xì)長(zhǎng)區(qū)域,C會(huì)很小。區(qū)域的面積通過(guò)累加該區(qū)域中每行相鄰兩個(gè)灰度值為255的像素間的距離(即兩像素的縱坐標(biāo)之差)來(lái)求到;而區(qū)域的周長(zhǎng)則按歐式距離定義計(jì)算得到。如果異常區(qū)域的面積S大于給定的閾值St,圓形度C小于給定的判別值Ct,就判定零件表面存在裂紋并輸出裂紋面積和周長(zhǎng)。6檢測(cè)結(jié)果的準(zhǔn)確度將機(jī)器視覺(jué)應(yīng)用于對(duì)零件表