徐建國,陳 玲,金昌根,崔云航

(武漢軍械士官學(xué)校,武漢 430075)

引信是否處于安全狀態(tài)直接影響著引信的儲存、運輸和使用安全性。確定引信的安全狀態(tài)通常有兩種方法[1]：一是人工分解檢查,二是引信X光成像后人眼識別。由于引信內(nèi)部有含能元件,人工分解存在一定的安全隱患;人眼易疲勞,容易造成誤判。另外,事故引信的安全性一直沒有合適的檢測手段,一般進行現(xiàn)場銷毀,事故發(fā)生后到底對引信安全性和可靠性產(chǎn)生什么樣的影響無從考證,不能為引信改進設(shè)計、技術(shù)處理和應(yīng)用提供決策依據(jù)。所以,急需尋求一種能夠安全、可靠判定引信安全狀態(tài)的方法,以解決引信安全狀態(tài)自動化判別的難題。目前國內(nèi)中北大學(xué)等單位已完成復(fù)雜產(chǎn)品裝配正確性自動檢測技術(shù)與系統(tǒng)研制并在工程上應(yīng)用[2-3],充分說明以數(shù)字化圖像處理與識別技術(shù)為基礎(chǔ),根據(jù)慣性保險引信X光圖像中所反映的零部件位置、灰度和形態(tài)等特征,建立保險鋼珠狀態(tài)的識別算法,實現(xiàn)引信安全狀態(tài)數(shù)字化識別是完全可行的。

1 某型引信慣性保險機構(gòu)特征

模型引信慣性保險機構(gòu)組成如圖1所示。正常狀態(tài)下,保險鋼珠下壓慣性筒,慣性筒束縛兩個下鋼珠,下鋼珠卡住擊針,構(gòu)成保險狀態(tài)。發(fā)射時,在慣性力作用下,慣性筒壓縮慣性筒簧并下移,釋放保險鋼珠,當慣性筒簧所受的慣性力小于慣性筒簧抗力時,慣性筒上移,釋放下鋼珠,從而解除對擊針的約束,完成解除慣性保險的過程。通過其結(jié)構(gòu)和解除保險過程來看,只要保險鋼珠處于正常狀態(tài),引信就處于安全狀態(tài),所以,在引信安全狀態(tài)數(shù)字化識別時,應(yīng)重點解決保險鋼珠的狀態(tài)識別問題。

圖1 某型引信慣性保險機構(gòu)組成

2 保險鋼珠狀態(tài)數(shù)字化識別算法設(shè)計

要進行保險鋼珠狀態(tài)檢測,首先要找到引信在X光圖像中所處的位置,然后劃分檢測區(qū)域并進行進一步精確確定,以提高識別速度,最大限度地降低背景信息對識別精度的干擾,最后設(shè)計保險鋼珠存在與否的算法,實現(xiàn)對鋼珠狀態(tài)的判定。

2.1 引信位置的尋求與校正

2.1.1 引信水平方向基準的確定及位置校正

利用引信圖像中心對稱性,借助引信水平方向左右兩半?yún)^(qū)域像素灰度值相減的絕對值最小準則,并考慮圖像可能發(fā)生傾斜等因素,采用在一個小范圍內(nèi)遍歷二維傾角算法[4],確定最佳圖像中心對稱軸,同時進行引信圖像的傾斜校正。引信原始圖像及中心對稱軸定位結(jié)果如圖2所示。

圖2 引信原始圖像及中心對稱軸定位結(jié)果

2.1.2 確定引信圖像垂直方向基準

利用中間冠狀結(jié)構(gòu)厚度為引信全局最厚、透光率極低,在水平投影圖中對應(yīng)位置呈現(xiàn)全局最暗的特點,采用最優(yōu)投影技術(shù)[5],確定引信上下半部水平基準面的垂直方向位置。垂直方向基準定位結(jié)果圖像如上圖3所示。到此,確定了待測引信在X光圖像中所處的位置。

2.2 引信輪廓的確定及檢測區(qū)域的劃分

2.2.1 引信圖像尺度歸一化

由于采用負片掃描方式輸入圖像,二維空間分辨率一致性難以保證,算法選擇特征比較明顯、容易精確測量的引信下部圓柱體外徑,作為引信縮放比例的基準,使所有引信圖像尺度、方向和位置統(tǒng)一,圖4為采用最優(yōu)投影技術(shù)算法得到的歸一化基準。

圖3 引信圖像垂直方向基準確定結(jié)果

2.2.2 建立引信圖像外輪廓模型

圖4 歸一化基準的確定

2.2.3 檢測區(qū)域的劃分

在確定了引信外輪廓的基礎(chǔ)上,為了提高識別可靠性,根據(jù)引信結(jié)構(gòu)特征,對標準引信圖像進行原理上分區(qū)。如圖6所示,A區(qū)域表示上鋼珠檢測區(qū)域,B區(qū)域表示慣性筒簧檢測區(qū)域,C區(qū)域表示回轉(zhuǎn)機構(gòu)檢測區(qū)域。

圖5 引信外輪廓確定結(jié)果

圖6 檢測區(qū)域劃分

2.2.4 鋼珠檢測區(qū)域的精確定位

為了保證識別的靠性,還需進一步精確確定保險鋼珠正確位置區(qū)域。

(1)精確檢測區(qū)域邊緣垂直方向定位 首先根據(jù)已經(jīng)計算出來的外輪廓估計出水平輔助邊緣的大致區(qū)域,在區(qū)域內(nèi)采用水平方向邊緣濾波器進行濾波,然后在水平方向進行投影,并尋找投影曲線的極值,極值所處位置即對應(yīng)著水平邊緣的垂直方向坐標,如圖7所示。

(2)精確檢測區(qū)域邊緣水平方向定位 精確檢測區(qū)域邊緣水平方向定位方法與上述過程類似,不再詳細描述,結(jié)果如圖8所示。

圖7 垂直方向精確定位結(jié)果

圖8 水平方向精確定位

2.3 保險鋼珠識別算法的設(shè)計

引信X射線圖像中,鋼珠一般表現(xiàn)為局部黑色斑團。算法假設(shè)圓形鋼珠像素點個數(shù)(面積)的大致范圍已知,選擇鋼珠面積作為門限,那么在理想情況下,鋼珠附近區(qū)域低于該門限的像素分布應(yīng)該全部或者主要處于鋼珠所在區(qū)域內(nèi)。如圖9所示,較暗的像素應(yīng)該全部分布于A區(qū)域內(nèi),B區(qū)域內(nèi)的像素數(shù)值取值應(yīng)該普遍高于A區(qū)域內(nèi)像素。因此可以通過面積門限分割之后的圖,比對圓形面積A內(nèi)外側(cè)目標像素的數(shù)目,來確定是否存在圓形暗斑。

圖9 鋼珠檢測假設(shè)原理圖

為了增強鋼珠區(qū)域的斑團特征,抑制周邊大片類似暗區(qū)域,首先采用形態(tài)學(xué)“閉操作”[6-7]進行濾波預(yù)處理,檢測出圖像中可能存在的鋼珠圖像。然后,對濾波后的圖像建立如下準則函數(shù)：

式中fclose(m,n)表示形態(tài)學(xué)閉操作之后的結(jié)果圖像;threshold數(shù)值為從最暗像素起第“A區(qū)域面積”個像素所對應(yīng)的灰度數(shù)值;A為以(x,y)為中心點的檢測區(qū)域,A區(qū)域長寬設(shè)置為中心點(x,y)上下左右8個像素范圍;B區(qū)域設(shè)置為中心點(x,y)上下左右16個像素范圍。該準則是關(guān)于A區(qū)域中心點坐標的函數(shù)。在檢測區(qū)域內(nèi)遍歷(x,y)的所有可能位置,尋找最優(yōu)值所在的位置作為最終結(jié)果位置：

同時通過考察測試圖像樣本最優(yōu)值分布情況設(shè)置確認門限gate,來對當前檢測區(qū)內(nèi)是否存在鋼珠做出判決：

通過對現(xiàn)有引信圖像樣本分析,可以發(fā)現(xiàn)gate取值在1.5左右一個較寬的范圍內(nèi)都可以達到100%的正確識別率。上鋼珠檢測結(jié)果圖像如圖10所示,當檢測到上鋼珠不存在時,軟件系統(tǒng)報警。

圖10 保險鋼珠狀態(tài)檢測結(jié)果

3 軟件識別系統(tǒng)設(shè)計及結(jié)果判定

為了實現(xiàn)高可靠性自動識別和可靠操作性能,應(yīng)用C語言進行算法編程[8],應(yīng)用Interbase建立標準引信圖像和檢測結(jié)果兩個數(shù)據(jù)庫,應(yīng)用C++Builder完成程序界面設(shè)計,實現(xiàn)識別過程的人機交互。識別結(jié)果界面如圖11所示,識別程序流程如圖12所示。

圖12 識別程序流程

4 結(jié)語

利用最優(yōu)投影及形態(tài)學(xué)濾波技術(shù),根據(jù)某型慣性保險引信X光圖像中所反映的零部件位置、灰度和形態(tài)等特征,建立保險鋼珠狀態(tài)的識別算法,然后應(yīng)用C語言進行算法編程,應(yīng)用Interbase建立標準引信圖像和檢測結(jié)果兩個數(shù)據(jù)庫,應(yīng)用C++Builder完成程序界面設(shè)計,實現(xiàn)識別過程的人機交互,實現(xiàn)了慣性保險引信安全狀態(tài)數(shù)字化識別,解決了慣性保險引信安全狀態(tài)自動化準確判別的難題。

[1]總裝備部通用裝備保障部.引信技術(shù)手冊[M].北京：國防工業(yè)出版社,1978：148-152.

[2]張怡,徐新樂,張國珍.引信裝配射線檢測圖像自動處理系統(tǒng)[J].無損檢測,2008,30(4)：223-225.

[3]韓炎.引信裝配射線檢測圖像自動處理系統(tǒng)[J].無損檢測,2008,30(4)：223-225.

[4]張聰,張慧.復(fù)雜背景下二維條碼圖像的提取[J].微計算機信息,2007,23(30)：302-303.

[5]周代英.基于最優(yōu)投影平面的雷達目標一維距離像識別[J].系統(tǒng)工程與電子技術(shù),2004,26(8)：1030-1032.

[6]鋼鐵,王東華.基于自適應(yīng)形態(tài)學(xué)濾波的X射線圖像的缺陷提取[J].機械工程學(xué)報,2001,37(5)：85-89.

[7]方黎勇,李柏林,何朝明.基于自適應(yīng)形態(tài)學(xué)濾波的ICT圖像缺陷提取[J].西南交通大學(xué)學(xué)報,2009,44(1)：41-42.

[8]潭浩強.C程序設(shè)計[M].北京：清華大學(xué)出版社,2002：309-327.