王盛楠，王亦紅

（河海大學能源與電氣學院，江蘇南京 210098）

0 引言

在人類生活中，塑料薄膜廣泛地應用于食品、醫(yī)藥、化工等領域，對人們的生活起著重要的作用，由此誕生了大大小小的薄膜生產(chǎn)廠家，行業(yè)競爭非常激烈。目前隨著勞動力成本的大幅提高，越來越多的中、小生產(chǎn)廠家希望能有造價低性能好的薄膜表面品質(zhì)自動檢測系統(tǒng)替代人工檢測。本論文在薄膜表面品質(zhì)自動檢測研究的基礎上，鑒于薄膜表面疵點與其生產(chǎn)設備的故障之間存在確定的對應關(guān)系，提出了基于薄膜表面疵點檢測的故障診斷方法。

本方法不僅可以達到對塑料薄膜表面品質(zhì)的檢測作用，而且還可以對其故障進行診斷，對于提高小型企業(yè)的產(chǎn)品品質(zhì)和增強企業(yè)競爭力起著重要作用。從成本上分析，一套裝置實現(xiàn)了兩個功效，對小型企業(yè)的生產(chǎn)成本將是一個大大的節(jié)省，對環(huán)境資源上說也是一個節(jié)能環(huán)保，是未來檢測技術(shù)的一個發(fā)展方向。

1 塑料薄膜表面疵點與其生產(chǎn)設備故障的關(guān)系分析

通過對超薄塑料薄膜［1］生產(chǎn)工藝的研究發(fā)現(xiàn)，在其生產(chǎn)和收卷過程中，牽引輥和收卷機牽引著薄膜前進，在外界因素影響下，卷軸速度發(fā)生變化時，牽引輥的牽引力就會發(fā)生變化，薄膜和牽引輥之間的摩擦力也必然發(fā)生變化。

當卷軸速度突然加快時，牽引力增加，摩擦力加大，拉緊力度瞬間加強，薄膜在張應力作用下產(chǎn)生了形變，造成表觀密度下降，形成的疵點類型為凹痕;當卷軸速度突然變慢時，牽引力就會減小，拉緊力度瞬時減小，薄膜卷松弛，在輥筒邊緣就會有明顯的波形壓痕形成皺褶［2］疵點，如圖1所示。

圖1 疵點類型

正是因為塑料薄膜疵點類型和設備卷軸轉(zhuǎn)速快慢有著這種一一對應的關(guān)系，所以就可以把機器故障的診斷轉(zhuǎn)化為塑料薄膜表面疵點的檢測識別。如果能夠快速準確地檢測出疵點的類型，就能診斷出是何種原因引起的疵點，從而反饋給檢測員去調(diào)整卷軸速度的快慢，解決這一設備故障問題。

2 基于塑料薄膜疵點檢測的故障診斷方法研究

隨著計算機技術(shù)、數(shù)字圖像處理技術(shù)的迅速發(fā)展，使得基于圖像處理和微型計算機平臺的表面品質(zhì)檢測成為可能，并形成了一個研究熱點，取得了許多成果。為此對塑料薄膜采用圖像處理技術(shù)，更能快速和準確地實現(xiàn)其疵點的檢測識別。

圖2為利用圖像處理技術(shù)［3］診斷故障的結(jié)構(gòu)框圖，其基本原理是先對圖片利用消噪，增強等技術(shù)進行預處理，提高圖像的視覺效果，優(yōu)化各種統(tǒng)計指標，然后經(jīng)過圖像分割將感興趣的目標區(qū)域和背景區(qū)分開來，方便提取出疵點的信息，最終依據(jù)疵點信息對其識別，根據(jù)疵點類型診斷出故障原因。

圖2 系統(tǒng)框圖

2.1 彩色圖像灰度化

由于塑料薄膜表面出現(xiàn)的疵點主要是形狀疵點，其形狀特性在彩色和灰度圖像中是一致的，而色彩特性實際上是冗余信息，對資源的占用遠大于灰度圖像，所以在不影響檢測效果的基礎上，灰度圖像［4］的處理節(jié)省了程序運行時間。

彩色RGB圖像轉(zhuǎn)化為灰度圖像采用經(jīng)驗的加權(quán)平均值方法，表示為式（1）:

式中:I為轉(zhuǎn)換后的灰度圖像，R，G，B分別為紅、綠、藍3種顏色分量。

圖像灰度化方法的結(jié)果如圖3所示，從圖中可以看出轉(zhuǎn)化后的灰度圖像和原彩色圖像相比細節(jié)成分并沒有改變，而且也能夠清楚地反應原圖像信息。

圖3 圖像灰度化

2.2 塑料薄膜的圖像預處理的方法選取研究

透明塑料薄膜在圖像采集過程中會隨機產(chǎn)生一些類似胡椒或是鹽粉顆粒狀的小噪聲，所以應對待檢圖像先采用中值濾波算法消噪，圖像中的小噪點就會被平滑掉，而且在一定程度上可以克服均值濾波帶來的細節(jié)模糊問題，保護圖像邊界信息，使圖像品質(zhì)有較大的改進，但是當濾波窗口大一些時依然會有圖像邊緣模糊情況產(chǎn)生。所以消噪后再對圖像進行增強，使疵點區(qū)域單獨得到了加強。采用分段線性灰度變換［5］方法，主要是利用分段線性變換函數(shù)將圖像灰度區(qū)間范圍分成兩段甚至多段分別進行線性變換，增強輸入圖像中感興趣的灰度區(qū)域，抑制那些不感興趣的灰度區(qū)域，可看作是灰度線性變換的組合。其變換的關(guān)系式可表示為:

本方法通過修改圖像每一個像素的灰度，從而使得變換后的圖像的動態(tài)范圍擴大，灰度分布均勻，圖像變得清晰，特征更加明顯。

圖4為預處理后的效果圖，由圖像可看出圖像經(jīng)過預處理后可以使得感興趣的薄膜表面圖像疵點細節(jié)灰度范圍得到擴展，增強其對比度，同時又能使不感興趣的圖像灰度級得到壓縮，降低其對比度。從對預處理后的圖像進行圖像分割的角度來講，對圖像進行先消噪后增強的處理，大大增強了灰度分割的效果。

圖4 預處理效果圖

2.3 塑料薄膜圖像疵點的分割方法分析

由于待檢測兩類疵點的灰度值和背景的灰度值差異不是特別明顯，若采用基于閾值選取的分割［6］的方法，則對于閾值的選取比較困難。但是由于圖像在疵點邊緣處的灰度變化都是劇烈的，所以可以根據(jù)透明塑料薄膜疵點圖像像素點的灰度不連續(xù)性提取對象與背景間的交界線。因此，采用了一種最優(yōu)邊緣檢測算子Canny邊緣檢測算子將目標和背景分離出來。其檢測的基本原理是:采用二維高斯函數(shù)的任一方向上的一階導數(shù)作為噪聲濾波器，通過與圖像卷積進行濾波，然后對濾波后的圖像尋找圖像梯度的局部極大值，從而確定圖像的邊緣。

由于邊緣檢測提取的是疵點的輪廓線，亦或還會存在小斷點圖像不連續(xù)，在這個基礎上無法提取真正的疵點面積［7］等特征值，所以本文研究中采用形態(tài)學圖像處理技術(shù)［8］，對邊緣檢測出的圖像進行后續(xù)閉運算處理，以填充輪廓內(nèi)圖像，使疵點內(nèi)部也完整的顯示出來，從而達到和基于閾值選取分割圖像的效果。

圖5 疵點檢測效果圖

2.4 疵點圖像的識別

對閾值分割后得到的目標的二值圖，根據(jù)其形態(tài)學的特征值就可以將疵點識別。皺褶是由于是薄膜多層疊加黏連在一起，面積相對比較大，其長度和寬度相差不大;凹痕是拉伸過程中在垂直于運動方向形成邊緣處細長的痕跡，而凹下去的部分在圖像中和背景極其相似，基本是區(qū)分不開來的，所以面積相對于皺褶來說就小得多。所以分別計算疵點目標的長寬比［9］、面積的特征參數(shù)，即可將疵點識別出來。

經(jīng)過反復多次試驗得到了基于像素數(shù)的面積經(jīng)驗值，對于超薄薄膜來說皺褶和凹痕選取經(jīng)驗值1 000可以識別兩種疵點，面積在1 000以下的是凹痕，在1 000以上的是皺褶;而二者長寬比的差別沒有像面積那么大，因此對皺褶和凹痕的識別就采用了面積一個特征值把它們分開，最后將表1檢測結(jié)果分別送至數(shù)據(jù)庫存儲和檢測系統(tǒng)。

表1 疵點信息及識別結(jié)果顯示

2.5 塑料薄膜生產(chǎn)設備故障診斷算法實現(xiàn)

圖6為塑料薄膜生產(chǎn)設備故障診斷的流程圖，對于大多數(shù)超薄塑料薄膜而言，通過以上算法都能很好的適用于這種生產(chǎn)設備速度不穩(wěn)定時產(chǎn)生的表面疵點的識別與檢測，最終通過疵點的類型診斷出所對應產(chǎn)生的設備故障原因。

3 結(jié)語

圖6 塑料薄膜設備故障診斷算法流程

本文針對超薄塑料薄膜生產(chǎn)和收卷過程中速度不穩(wěn)定而產(chǎn)生的特定疵點類型皺褶和凹痕，利用圖像處理技術(shù)對其進行了檢測識別，實用性較強，清楚地反映生產(chǎn)過程中速度出現(xiàn)變化。不僅對設備故障也進行了診斷，使工作人員對生產(chǎn)設備進行調(diào)節(jié)，而且實現(xiàn)了塑料薄膜的品質(zhì)檢測，一套檢測系統(tǒng)發(fā)揮兩套檢測設備的作用，有效的節(jié)省企業(yè)成本，提高產(chǎn)品品質(zhì)、增強企業(yè)競爭力。此外，該方法對織物、紙張、玻璃、木材等相關(guān)領域的表面缺陷檢測系統(tǒng)開發(fā)與研究領域具有借鑒作用。

［1］ 薄膜之家信息網(wǎng).http://www.bomo123.com/juzhibomojishu/zhezhou.html.html.

［2］GB/T 2035-2008 塑料術(shù)語及定義［S］.2008-08-04.

［3］張錚，王艷平.數(shù)字圖像處理學Visual C++實現(xiàn)［M］.1版.北京:北京希望電子出版社，2002.1-7.

［4］何斌，馬天予，王運堅，等.Visual C++數(shù)字圖像處理［M］.1版.北京:人民郵電出版社，2001.262-302.

［5］羅軍輝，馮平，哈力旦·A.MATLAB 7.0在圖像處理中的應用［M］.北京:機械工業(yè)出版社，2005.141-143.

［6］楊枝靈，王開.Visual C++數(shù)字圖像獲取 處理及實踐應用［M］.1 版.北京:人民郵電出版社，2003.504-572.

［7］王家文，曹宇.MATLAB 6.5圖形圖像處理［M］.北京:國防出版社，2004.351-357.

［8］王愛玲，葉明生，鄧秋香.MATLAB R2007圖像處理技術(shù)與應用［M］.北京:電子工業(yè)出版社，2008.195-213.

［9］楊帆.數(shù)字圖像處理與分析［M］.1版.北京:北京航天航空大學出版社，2007.266-275.