傅建平,張麗花,雷 潔,吳定海

(軍械工程學(xué)院 火炮工程系，河北 石家莊 050003)

火炮長期使用后，內(nèi)膛會(huì)出現(xiàn)燒蝕、磨損、裂紋、陽線斷裂、嚴(yán)重掛銅與銹蝕等疵病，直接影響到火炮射擊精度、火炮壽命和射擊安全性，因而火炮射擊前后都必須進(jìn)行火炮內(nèi)膛窺測[1]。而火炮內(nèi)膛是一個(gè)深孔的內(nèi)表面，必須通過檢測儀器來窺測，急需研制先進(jìn)的窺膛設(shè)備，滿足部隊(duì)維修保養(yǎng)需求?，F(xiàn)有窺膛設(shè)備多數(shù)采用“內(nèi)膛掃描”式窺膛方式，需要圖像拼接，無縫拼接難[2-3]。筆者結(jié)合部隊(duì)裝備使用與技術(shù)保障特點(diǎn)，應(yīng)用半球全景成像與圖像處理技術(shù)研制了先進(jìn)的新型火炮內(nèi)膛窺測設(shè)備，實(shí)現(xiàn)火炮內(nèi)膛窺測自動(dòng)化、內(nèi)膛質(zhì)量評估智能化。

1 火炮內(nèi)膛窺測設(shè)備組成

1.1 設(shè)計(jì)思想

1)全景采集?；鹋趦?nèi)膛圖像采用半球全景鏡頭采集，一次成內(nèi)膛全景圖像，免去圖像拼接，采集速度快。

2)攝像與攝影方式兼顧。攝像是指對全膛錄像，用于全膛質(zhì)量的一般監(jiān)控，以視頻文件方式保存；攝影是指重點(diǎn)部位拍照，對內(nèi)膛疵病部位重點(diǎn)檢測，以圖像文件保存。攝像與攝影的分辨率與幀數(shù)等參數(shù)可調(diào)。

3)爬行自動(dòng)。內(nèi)膛窺測設(shè)備在內(nèi)膛自動(dòng)/半自動(dòng)爬行，爬行方向、爬行距離和爬行速度等參數(shù)可控。

4)智能分析。具有圖像分析與疵病識別功能。

5)通用性好。適用于口徑為100～155 mm的大中口徑火炮。

1.2 系統(tǒng)組成

火炮內(nèi)膛窺測設(shè)備由火炮內(nèi)膛爬行裝置、內(nèi)膛爬行控制裝置、測控計(jì)算機(jī)及配套軟件等4部分組成，系統(tǒng)組成及各部分連接如圖1所示。

2 火炮內(nèi)膛窺測爬行裝置

火炮內(nèi)膛窺測爬行裝置由半球全景鏡頭、爬行機(jī)構(gòu)與動(dòng)力傳動(dòng)機(jī)構(gòu)3部分組成。

2.1 圖像采集鏡頭

圖像采集鏡頭位于爬行裝置的前部，主要用于爬行裝置在爬行過程中按要求采集火炮內(nèi)膛圖像，由半球全景光學(xué)鏡頭和CCD光電成像鏡頭兩部分組成，前者將火炮內(nèi)膛表面轉(zhuǎn)換成光學(xué)全景圖像，后者則將內(nèi)膛全景圖像轉(zhuǎn)換成數(shù)字圖像，各自參數(shù)見表1和表2。

表1 光學(xué)全景鏡頭參數(shù)

表2 CCD光電鏡頭參數(shù)

火炮口徑越大，全景圖像中的炮膛內(nèi)壁面積越大，要求數(shù)字圖像分辨率越高。半球全景鏡頭采集得到圖像清晰，分辨率高，可達(dá)到1 mrad，可以用于火炮內(nèi)膛窺測；用300萬像素CCD攝像頭，幀速達(dá)7幀/秒，在2 048×1 536分辨率下，采集155 mm口徑的火炮，像素實(shí)際尺寸達(dá)到0.8 μm×0.8 μm，像素分辨率滿足內(nèi)膛疵病窺測需求。

圖2為經(jīng)全景環(huán)形透鏡(PAL)拍攝得到的火炮內(nèi)膛全景圖像，每一圓周對應(yīng)火炮內(nèi)膛軸向不同部位的圓周景像，且沿炮膛軸向的投影半徑呈非線性變化。

2.2 爬行機(jī)構(gòu)

爬行機(jī)構(gòu)位于爬行裝置的中部，分為前后兩組，前組起導(dǎo)向，后組為驅(qū)動(dòng)。爬行機(jī)構(gòu)具有足夠摩擦力，防止在內(nèi)膛打滑，由彈簧剛度保證；爬行腳具有一定寬度，確保在陽線上直線爬行，采用耐磨橡膠輪，以減小對炮膛內(nèi)壁的磨損。

2.3 動(dòng)力傳動(dòng)機(jī)構(gòu)

動(dòng)力傳動(dòng)機(jī)構(gòu)位于爬行裝置的后部。采用步進(jìn)電機(jī)為動(dòng)力源，經(jīng)齒輪傳動(dòng)后，將動(dòng)力傳遞給爬行腳，以驅(qū)動(dòng)爬行裝置在內(nèi)膛爬行。

3 火炮內(nèi)膛窺測爬行控制裝置

火炮內(nèi)膛窺測控制裝置(如圖3所示)，通過FT232RL型USB接口轉(zhuǎn)換芯片，接收上位機(jī)給出的爬行方向、爬行速度、爬行距離等指令，產(chǎn)生相應(yīng)的步進(jìn)電機(jī)脈沖數(shù)、脈沖頻率及脈沖極性，控制步進(jìn)電機(jī)的運(yùn)行。其框圖如圖 3，由步進(jìn)電機(jī)控制器、步進(jìn)電機(jī)驅(qū)動(dòng)器和電源3部分組成。

直流穩(wěn)壓電源用于將220 V、50 Hz交流電轉(zhuǎn)換為24 V、5 V直流電，供步進(jìn)電機(jī)、驅(qū)動(dòng)器、控制器使用；步進(jìn)電機(jī)驅(qū)動(dòng)器用于對控制脈沖進(jìn)行環(huán)形分配、功率放大，使步進(jìn)電機(jī)繞組按一定順序通電，控制電機(jī)轉(zhuǎn)動(dòng)；步進(jìn)電機(jī)控制器根據(jù)上位機(jī)給出的爬行裝置的爬行方向、速度、距離，計(jì)算并產(chǎn)生相應(yīng)的步進(jìn)脈沖數(shù)、脈沖頻率及脈沖極性。

4 火炮內(nèi)膛窺測軟件

4.1 軟件組成與功能

火炮內(nèi)窺窺測軟件主要包括控制軟件、圖像分析軟件和數(shù)據(jù)管理軟件3部分，其框圖如圖4所示。其中控制軟件包括爬行控制與圖像采集控制；圖像分析包括全景圖像展開、內(nèi)膛疵病分析；數(shù)據(jù)管理包括分析結(jié)果管理與火炮參數(shù)管理。

圖5為軟件主界面，左側(cè)為功能框，包括“基本設(shè)置”、“系統(tǒng)校驗(yàn)”、“火炮檢測”、“數(shù)據(jù)管理”、“系統(tǒng)幫助”與“退出系統(tǒng)”六大功能。

1)基本設(shè)置。主要對步進(jìn)電機(jī)控制程序的端口、波特率、數(shù)據(jù)位、停止位，全景鏡頭采集的圖像格式、錄像格式、默認(rèn)保存目錄設(shè)置。

2)系統(tǒng)校驗(yàn)。分系統(tǒng)自檢與校驗(yàn)兩部分，自檢為步進(jìn)電機(jī)與全景鏡頭通信自檢，綠燈為正常，紅燈為異常，并在自檢信息提示框內(nèi)提示異常信息。

校驗(yàn)用來修正爬行裝置在膛內(nèi)打滑而少爬的距離。爬行裝置在不同口徑火炮內(nèi)膛爬行，或多或少會(huì)出現(xiàn)打滑現(xiàn)象，通過比較爬行設(shè)定距離與實(shí)測距離，通過軟件修正。

3)火炮檢測。包括圖像采集、圖像分析與報(bào)表管理，是軟件重點(diǎn)，在下節(jié)內(nèi)容介紹。

4)數(shù)據(jù)管理。提供了火炮內(nèi)膛標(biāo)準(zhǔn)圖像庫、在役火炮參數(shù)庫，可對火炮數(shù)據(jù)實(shí)施管理。

5)系統(tǒng)幫助。概述系統(tǒng)功能和操作，便于客戶使用。

4.2 火炮內(nèi)膛圖像分析

4.2.1 火炮內(nèi)膛全景圖像展開

二維環(huán)形全景圖像，不便于非專業(yè)人員觀察與分析，需將環(huán)形像轉(zhuǎn)換成傳統(tǒng)矩形圖像。內(nèi)膛全景環(huán)形圖像展開分二步：徑向非線性展開和切向非線性展開[4]。

圖2所示的火炮內(nèi)膛環(huán)形圖像展開成如圖6所示的矩形全景圖像，其膛線纏角、陰陽線寬度計(jì)算值與火炮膛線參數(shù)相一致。

4.2.2 火炮內(nèi)膛區(qū)域劃分

火炮膛線分為陽線與陰線。陽線磨損、陽線斷裂等內(nèi)膛疵病處在陽線上，識別前必須對其定位，即需將內(nèi)膛劃分成陽線、陰線區(qū)域兩部分。Radon圖像變換法對方向性敏感、抗噪能力強(qiáng)，內(nèi)膛區(qū)域劃分精度高[5]，圖7(a)為內(nèi)膛壓痕圖像，區(qū)域劃分結(jié)果為圖7(b)，能為內(nèi)膛壓痕疵病正確定位。

4.2.3 火炮內(nèi)膛圖像預(yù)分類

不同使用階段的火炮內(nèi)膛圖像千變?nèi)f化，用統(tǒng)一的疵病分析識別方法十分困難。結(jié)合內(nèi)膛疵病機(jī)理及疵病圖像邊緣特征，通過定義對方向敏感、便于實(shí)施不同分類方法的內(nèi)膛圖像預(yù)分類因子，將內(nèi)膛圖像分成“區(qū)域性疵病圖像”與“遍布性疵病圖像”[6]。如圖8(a)為內(nèi)膛銹蝕圖像，屬區(qū)域性疵??；8(b)為內(nèi)膛燒蝕圖像，屬遍布性疵病。

4.2.4 火炮內(nèi)膛疵病分析

對區(qū)域性疵病圖像與遍布性疵病采取不同策略(如圖9)：前者首先對其進(jìn)行圖像分割，將疵病與背景分離；再提取疵病的形狀、紋理與顏色等27個(gè)特征，并應(yīng)用模糊粗糙集理論將特征約簡成8個(gè)敏感特征；而遍布性疵病直接提取其5個(gè)紋理特征。

最后依據(jù)疵病特征完成疵病識別。由于內(nèi)膛圖像數(shù)量較少，而傳統(tǒng)的學(xué)習(xí)方法對馴良樣本數(shù)量有很強(qiáng)的依賴性，為了達(dá)到較好的分類效果，本文采用最小二乘支持向量機(jī)對內(nèi)膛疵病進(jìn)行識別，實(shí)現(xiàn)了內(nèi)膛疵病小樣本的分類[7]。

4.2.5 火炮內(nèi)膛疵病分析報(bào)表

主要完成疵病圖像識別結(jié)果的保存和打印。內(nèi)容包括：裝備單位、火炮類型與型號、炮號、檢測人員與檢測時(shí)間等裝備管理信息；疵病原始圖像與疵病分割圖像信息；優(yōu)化后的8個(gè)疵病特征信息；纏角、陽線寬與陰線寬等火炮膛線參數(shù)信息；窺測結(jié)論，如疵病預(yù)分結(jié)果、疵病類型與針對性維修建議。

5 結(jié) 論

本文根據(jù)內(nèi)膛窺測設(shè)備指導(dǎo)思想，綜合運(yùn)用全景成像、圖像處理與人工智能等新技術(shù)，研制了一種基于機(jī)器視覺的火炮內(nèi)膛窺測設(shè)備，分析了設(shè)備硬件結(jié)構(gòu)原理和軟件的功能。該窺測設(shè)備技術(shù)先進(jìn)、功能完備，較好地實(shí)現(xiàn)了火炮內(nèi)膛自動(dòng)窺測與智能分析，具有很強(qiáng)的實(shí)用性和推廣應(yīng)用價(jià)值。

參考文獻(xiàn)(References)

[1] 張培林,李國章,傅建平. 自行火炮火力系統(tǒng)[M]. 北

京:兵器工業(yè)出版社.2002.

ZHANG Pei-ling,LI Guo-zhang, FU Jian-ping. The fire system of self-propelled gun[M]. Beijing:The Publishing House of Ordnance Industry, 2002.(in Chinese)

[2] 李玉蘭,鄭海起.火炮身管內(nèi)膛疵病檢測現(xiàn)狀與展望[J].軍械工程學(xué)院學(xué)報(bào), 2009,21(1):48-52.

LI Yu-lan, ZHENG Hai-qi. Present state and perspectives of gun bore flaw detection[J]. Journal of Ordnance Engineering College, 2009,21(1):48-52.(in Chinese)

[3] 劉曉光.火炮多參數(shù)智能檢測平臺[D].長春:長春理工大學(xué),2005.

LIU Xiao-guang. Gun multi-parameter intellectual detection flatform[D].Changchun:Changchun Science and Technology University,2005.(in Chinese)

[4] 雷潔,傅建平.基于邊緣檢測和最優(yōu)參數(shù)的全景圖像插值復(fù)原[J].科學(xué)技術(shù)與工程,2011(3):1077-1980.

LEI Jie, FU Jian-ping. Panoramic image interpolation recover based edge detects and best parameter[J]. Technology Engineering, 2011(3):1077-1980.(in Chinese)

[5] 郭琦,傅建平.火炮內(nèi)膛圖像膛線識別及其參數(shù)計(jì)算方法研究[J].科學(xué)技術(shù)與工程,2010(23):5789-5792.

GUO Qi, FU Jian-ping. Research for rifling recognition on gun bore image[J]. Technology Engineering, 2010(23), 5789-5792.(in Chinese)

[6] 雷潔,傅建平,郭琪.線膛火炮內(nèi)膛疵病圖像分類研究[J].激光與光電子學(xué)進(jìn)展,2011(12)：1-5.

LEI Jie, FU Jian-ping, GUO Qi. Research on the classification of rifling gun bore flaw image[J]. Laser and Optoelectronics Advance, 2011(12)：1-5.(in Chinese)

[7] 郭琦,傅建平,雷潔.基于遺傳算法與支持向量機(jī)的火炮內(nèi)膛疵病分類方法研究[J].軍械工程學(xué)院學(xué)報(bào),2011(2):46-48.

GUO Qi, FU Jian-ping, LEI Jie. Classifying method of gun bore flaw based on improved genetic algorithm and support vector machine[J]. Journal of Ordnance Engineering College, 2011(2):46-48.(in Chinese)