潮州市陶瓷生產(chǎn)歷史悠久，是潮州三大經(jīng)濟(jì)支柱之一，特別是日用瓷、建筑衛(wèi)生瓷，其出口量分別占全國的60%、30%，產(chǎn)品遠(yuǎn)銷世界160多個國家和地區(qū)．陶瓷在生產(chǎn)過程中不可避免地會出現(xiàn)瑕疵（其中包括斑點、裂痕、起泡、變形等問題），其產(chǎn)生的原因，一方面是在陶瓷生產(chǎn)過程中，因泥釉過篩設(shè)備性能差或設(shè)備老化，在對泥釉料進(jìn)行過篩處理后，泥釉料中仍含有過多過粗的有害雜質(zhì)顆粒，導(dǎo)致燒結(jié)過程中不能全部熔融；另一方面是原料的配比、燒制溫度和時間的控制不當(dāng)?shù)?，造成產(chǎn)品表面缺陷[1-2]．

對于這些缺陷，目前本地企業(yè)主要是根據(jù)缺陷的類型和大小，通過人工檢查的方法來區(qū)分其等級，這種方法存在著檢測效率低、準(zhǔn)確性差且隨意性大等問題．而傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)和SVM算法需要事先建立辨識模型，不能應(yīng)對企業(yè)產(chǎn)品類型多的特點，且速度較慢．

本文運用圖像識別技術(shù)，分析缺陷產(chǎn)品的特征和識別方法，提出一種日用瓷缺陷的識別方法，研制一套陶瓷表面缺陷在線檢測系統(tǒng)．該系統(tǒng)采用同軸光照方式，CCD 為圖像獲取工具．根據(jù)地方企業(yè)生產(chǎn)的白釉面陶瓷的特點，將CCD獲取的圖像作均值濾波處理，以減少噪聲干擾，再使用圖像閾值分割提取初步陶瓷區(qū)域，然后使用形態(tài)學(xué)閉運算生成最終ROI，最后將ROI與經(jīng)過分離中值濾波算法處理過的ROI進(jìn)行對比，從而確定陶瓷的缺陷信息.

1 檢測原理

基于陶瓷缺陷檢測的特點與要求，機(jī)器視覺的陶瓷表面缺陷檢測系統(tǒng)主要由圖像采集部分、圖像處理部分和運動控制部分等幾個部分組成，如圖1所示．圖像采集部分一般由光源組成的照明系統(tǒng)、鏡頭、CCD攝像頭等組成，而圖像處理部分和運動控制部分則通過Halcon產(chǎn)生算子、VC++制作界面和調(diào)用算子來完成．在一定的光源照明條件下，定位檢測器探測到物體已經(jīng)運動至接近攝像頭的拍攝中心，向攝像頭發(fā)出啟動脈沖，攝像頭將圖像轉(zhuǎn)變成數(shù)字信號并保存在攝像頭的FIFO內(nèi)，從而保證圖片的快速獲取、保存和讀取，然后由圖像采集部分接收攝像機(jī)數(shù)字化后的數(shù)字圖像信號（即原始圖像）送入計算機(jī)內(nèi)，圖像處理單元對采集到的原始圖像進(jìn)行預(yù)處理、分析、識別，獲得測量結(jié)果并輸出邏輯控制值控制執(zhí)行部分流水線的動作．

圖1 檢測系統(tǒng)基本結(jié)構(gòu)圖

圖像獲取是圖像處理的基礎(chǔ)和關(guān)鍵，要對圖像進(jìn)行處理，第一步就是需要通過合適的成像系統(tǒng)，盡可能獲得好的圖像.圖像質(zhì)量的好壞直接關(guān)系到圖像處理系統(tǒng)的穩(wěn)定性，決定了圖像處理是否會成功．一幅好的圖像可以簡化圖像處理的過程，相反，一幅差的圖像也會增加圖像處理的難度，甚至使系統(tǒng)無法做出正確的判斷．為搭建出用于本課題研究的陶瓷斑點檢測系統(tǒng)，首先需要合理選擇系統(tǒng)的圖像成像、圖像采集及圖像處理等硬件部分．

2 照明方式

不同的光源和照明方式對于檢測效果的影響是不同的[3]，為了盡量突出被檢測陶瓷缺陷的特征，避免干擾，應(yīng)該選擇恰當(dāng)?shù)恼彰鞣绞接糜跈z測．根據(jù)相機(jī)、光源、被測物體之間的位置關(guān)系不同，照明方式主要分為：直接照明、背光照明、同軸照明三種不同方式．其中背光照明主要用于檢測尺寸，直接照明和同軸照明都可用于檢測物品表面特征．從實驗結(jié)果來看，直接照明亮度高，照明效果好，但是對于上釉的陶瓷器來說，容易形成光斑，影響辨識效果．而同軸照明方式指將光源置于相機(jī)與被測物之間，LED的高強度均勻光線通過半鏡面后成為與鏡頭同軸的光，具有特殊涂層的半鏡面可以抑制反光和消除圖像中的重影，同軸光照明主要用來檢測表面光滑的物體，能夠清楚的顯示出表面特征和減少陰影．通過以上分析及實驗結(jié)果可知，針對陶瓷表面斑點的檢測，在LED燈作為照明光源條件下，從陶瓷表面可以得到基本信息，由于陶瓷表面光滑，且具有反光性質(zhì)，可以采用同軸照明方式對陶瓷進(jìn)行照明，以清楚檢測物體的表面特征并避免成像時產(chǎn)生光斑．因此最終選擇使用LED燈的同軸照明方式．

3 陶瓷斑點檢測算法

首先從采集得到的原始圖像中提取初步的陶瓷物體區(qū)域（即初始感興趣區(qū)域），然后對初始感興趣區(qū)域進(jìn)行形態(tài)學(xué)處理得到最終感興趣區(qū)域，最后通過濾波處理，并計算原始感興趣區(qū)域與處理后感興趣區(qū)域的灰度差，根據(jù)各像素點灰度差的大小即可得出檢測結(jié)果．算法流程如圖2所示．

圖2 陶瓷斑點檢測系統(tǒng)圖像處理流程圖

3.1 圖像平滑

在圖像采集以及后期傳輸?shù)倪^程中，容易引入外界的干擾噪聲，從而使圖像的原始特征信息被湮滅．有時在模擬圖像進(jìn)行數(shù)字轉(zhuǎn)換的過程中也會引入噪聲．這些干擾可能會使原始圖像中連續(xù)的均勻分布的灰度在某點突然變大或者陡然減小，這是在物體輪廓邊緣才能夠發(fā)生的灰度陡變．為了避免出現(xiàn)這種情況，要采取一定的措施來消除噪聲，提高圖像質(zhì)量．在這里使用均值濾波，濾波效果取決于濾波窗口的大小，濾波窗口越大，濾波結(jié)果圖像越模糊，這里采用3×3的矩陣濾波窗口，采集到的圖片和濾波結(jié)果如圖3、圖4所示.

圖3 采集到的陶瓷圖像圖

圖4 均值平滑濾波預(yù)處理后陶瓷圖像圖

3.2 目標(biāo)圖像邊界提取

需要從濾波圖像中分割提取陶瓷目標(biāo)區(qū)域，設(shè)(x,y)是采集到的二維數(shù)字圖像R的平面坐標(biāo)，圖像灰度級的取值范圍是G={0 ,1,2,…L-1} （0 代表最暗的像素點，L-1 代表最亮的像素點)，位于坐標(biāo)點(x,y)上的像素點的灰度值表示為f(x,y)．設(shè)閾值t 為一個灰度范圍[tmin,tmax]，于是圖像函數(shù)(x,y) 在閾值t 上的分割結(jié)果輸出區(qū)域S 可以表示為

由于使用同軸光照明，圖片上不會產(chǎn)生陰影和光斑，利用黑色的墊板作為背景，而陶瓷本身偏為白色，不難找到一個合適的閾值，為了分割結(jié)果輸出陶瓷區(qū)域，采用閾值tmin=50，tmax=250．處理后結(jié)果如圖5所示.

圖5 閾值分割出的陶瓷目標(biāo)區(qū)域圖

3.3 閉運算提取感興趣區(qū)域

由于部分陶瓷斑點等瑕疵的顏色與背景顏色接近，使用圖像閾值分割的方法不能完全提取陶瓷區(qū)域，通過調(diào)用形態(tài)學(xué)閉運算將斑點歸為目標(biāo)區(qū)域．在圖像中陶瓷斑點是位于陶瓷區(qū)域的內(nèi)部，如圖6（a）所示，灰色區(qū)域表示提取到的初步陶瓷區(qū)域S（目標(biāo)區(qū)域），白色區(qū)域表示斑點或背景區(qū)域，由于閉運算可以填充原圖像中的凹入部分或空洞部分，本文采用閉運算對圖像進(jìn)行處理，過程如圖6所示，經(jīng)過閉運算后初步陶瓷區(qū)域S包含的斑點區(qū)域歸為目標(biāo)區(qū)域，而背景區(qū)域保持不變．處理后結(jié)果如圖7所示.

圖6 陶瓷區(qū)域閉運算過程圖

圖7 閉運算后的陶瓷目標(biāo)區(qū)域圖

3.4 行列分離中值濾波

此時已經(jīng)把圖像中陶瓷區(qū)域完全分割出來，接下來則對分割陶瓷區(qū)域進(jìn)行處理，本文采用行列分離中值濾波算法對提取的陶瓷區(qū)域（目標(biāo)區(qū)域）進(jìn)行濾波，行列分離中值濾波算法運算速度比傳統(tǒng)的中值濾波快，因為每次的矩形濾波窗口的寬度都是一個像素點的寬度，運行時間主要取決于矩形濾波窗口的長度，行列分離中值濾波在紋理濾波需要很大濾波窗口的情況下非常適用．通過對比實驗和分析，發(fā)現(xiàn)行列分離中值算法對提取斑點、抑制光斑很有效果．濾波前后圖像如圖8所示．矩形濾波窗口長度越大時，圖像越模糊，通過試驗得出水平和垂直的矩形濾波窗口長度都為7時效果最佳，處理后結(jié)果如圖8所示.

圖8 行列分離中值濾波前后的陶瓷目標(biāo)區(qū)域圖

3.5 缺陷檢測

最后計算圖像中各像素點濾波前與濾波后灰度的變化差，根據(jù)灰度差的大小與偏移量Off?set 進(jìn)行比較，根據(jù)比較結(jié)果判定像素點是否屬于斑點區(qū)域，處理結(jié)果如圖9．其中參數(shù)Offset的設(shè)定對處理結(jié)果影響比較大，如果Offset選擇太小，容易把非斑點區(qū)域誤判為斑點區(qū)域，反之則容易漏判斑點區(qū)域，這里將偏移量Offset設(shè)置為20．

圖9 陶瓷斑點檢測處理結(jié)果圖

4 結(jié)語

本文根據(jù)白釉面陶瓷的特點，提出一種陶瓷表面缺陷在線檢測系統(tǒng)的檢測方法.該方法首先提取目標(biāo)邊界，利用圖形形態(tài)學(xué)閉運算獲取ROI（感興趣區(qū)域），再將ROI與經(jīng)過分離中值濾波算法處理過的ROI進(jìn)行對比，從而確定陶瓷的缺陷信息.實驗表明：該方法檢測速度快（系統(tǒng)的檢測效率超過3個熟練工人），準(zhǔn)確度高（低于4%的誤報率），且不像傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)和SVM算法需要建模，可以滿足當(dāng)?shù)仄髽I(yè)生產(chǎn)陶瓷種類多外形不定的檢測要求.

[1]梁鉅兵，盧玉厚．瓷器斑點產(chǎn)生的原因及預(yù)防[J]．陶瓷工程，2000，34（2）：35-36.

[2]徐子芳．淺談瓷器斑點的成因及克服方法[J]．山東陶瓷，2004，27（5）：30-32.

[3]張巧芬，高?。畽C(jī)器視覺中照明技術(shù)的研究進(jìn)展[J]．照明工程學(xué)報，2011（22）：231-37.

[4]黃河，李慶武，范習(xí)?。捎镁植縿討B(tài)閾值的圖像分割算法[J]．光電子技術(shù)，2011，31（1）：10-13.

[5]HOU Z LI J H,PARKER J M.Real-time Automated Visual Inspection of Fabrics Inhomogeneities[J].Proceedings of the 2005 IEEE/ASME International Conference on Advanced Intelligent Mechatronics.2005:360-365.

[6]BAHLMANN C, HEIDEMANN G, RITTER H.Artificial Neural Networks for Automated Quality Control of Textile Seams[J].Pattern Reconnition,1999,32:1049-1060.