劉 斌 高雅妮

(天津理工大學自動化學院1，天津 300384；武警指揮學院軍事教育培訓系2，天津 300250)

小尺寸圓柱端面缺陷在線視覺檢測系統(tǒng)

劉 斌1高雅妮2

(天津理工大學自動化學院1，天津 300384；武警指揮學院軍事教育培訓系2，天津 300250)

基于視覺測量技術，研究開發(fā)了一套小尺寸圓柱工件的端面缺陷在線檢測系統(tǒng)。利用CCD攝像機和普通LED光源形成傳感器，結合自主開發(fā)的應用軟件，實現(xiàn)缺陷的自動檢測。研究了適用的圖像處理算法，以準確可靠地獲得端面的外輪廓數(shù)據(jù)；提出了利用輪廓數(shù)據(jù)和其擬合的橢圓計算特征數(shù)值的方法，并制定了缺陷判定準則。試驗結果表明，該系統(tǒng)具有較高的檢測速度與判定準確度，提高了現(xiàn)有的生產(chǎn)線效率。

缺陷檢測 視覺檢測 圖像處理 圓柱端面 輪廓提取 橢圓擬合

0 引言

隨著經(jīng)濟的發(fā)展，工業(yè)生產(chǎn)線對產(chǎn)品質量控制的要求越來越高，產(chǎn)品尺寸向小尺度發(fā)展，計量方式從抽檢向在線全檢過渡，對產(chǎn)品測量和檢測的要求越來越高。隨著視覺檢測技術的不斷發(fā)展，其越來越多地取代人工檢測，在工業(yè)現(xiàn)場得到了廣泛的應用，其中表面缺陷檢測是重要應用之一，涉及到越來越多的工業(yè)產(chǎn)品檢測[1-8]。

小尺寸圓柱作為典型工件[9]，是圓柱滾子軸承的主要組成部分之一，其端面品質對于軸承的正常工作有著重要的影響。本文基于視覺檢測技術，研制開發(fā)了適用的在線缺陷檢測系統(tǒng)，系統(tǒng)使用簡單的光源照明方式。同時，為適應工業(yè)現(xiàn)場環(huán)境造成的圖像灰度不均勻等影響因素，對于快速準確地提取缺陷的圖像處理方法和可靠的缺陷判定準則進行了研究。

1 系統(tǒng)組成

研究開發(fā)的小尺寸圓柱端面缺陷在線視覺檢測系統(tǒng)的基本結構如圖1所示。

圖1 系統(tǒng)結構圖Fig.1 Structure of the system

系統(tǒng)主要由硬件系統(tǒng)和軟件系統(tǒng)組成。

硬件系統(tǒng)主要由兩套端面缺陷檢測傳感器(分別由1臺1394總線的CCD攝像機和1個普通LED光源組成)、計算機、PLC、機械執(zhí)行機構等組成。硬件系統(tǒng)具體完成的功能為：①LED光源將被測的小尺寸圓柱端面照亮，CCD攝像機采集端面圖像，并將采集到的圖像傳入計算機；②計算機根據(jù)自主開發(fā)的軟件進行缺陷檢測和判定，并向PLC發(fā)送控制指令，操控機械執(zhí)行機構完成篩選動作。

軟件系統(tǒng)完成的功能有：①對計算機采集的圖像進行圖像處理，獲取端面的外輪廓像素點集；②利用獲取的像素點集進行運算處理，得到可表征端面質量的特征數(shù)值，并根據(jù)本文研究制定的準則進行判定，快速有效地判別缺陷；③根據(jù)判別結果，軟件通過計算機串口與PLC通信，發(fā)送控制指令。

2 檢測方法及判定準則

在加工制造過程中，工件端面可能會出現(xiàn)缺口、殘損等缺陷，缺陷處在光照下會產(chǎn)生局部陰影，使得在圖像上對應區(qū)域的像素灰度值下降。為了完成在線檢測的任務，系統(tǒng)需要采用穩(wěn)定且速率較高的圖像處理算法，得到可有效表征端面質量的量化特征數(shù)值，并依據(jù)合理的判定準則對工件缺陷進行可靠的判別。下面將針對本文采用的圖像處理算法和制定的缺陷判定準則進行詳細闡述。

2.1 圖像處理算法

本系統(tǒng)進行圖像處理的目的是為了突出圖像中的有用信息，即提取端面的外輪廓信息。實際采集到的直徑為5 mm的圓柱工件的端面圖像如圖2所示。

圖2 采集的端面圖像Fig.2 Captured image of the end surface

由于光照不均勻等因素影響，在端面內(nèi)部存在部分灰度數(shù)值低的區(qū)域，易造成外輪廓提取過程中輪廓點內(nèi)連入端面內(nèi)部的情況，而造成無法準確地提取外輪廓點集。因此，本文擬定了如圖3所示的圖像預處理流程。

圖3 圖像預處理流程圖Fig.3 Flowchart of image pre-processing

圖像預處理具體流程為：首先，利用高斯濾波器對圖像進行平滑處理；隨后，采用“先膨脹，后腐蝕”的閉運算填充端面內(nèi)灰度值小的空洞區(qū)域；之后，利用最大類間方差(OTSU)算法，自適應閾值分割，完成圖像二值化；最后，利用Canny算子進行邊緣檢測[9-10]，獲得端面的外輪廓點集數(shù)據(jù)。

按照上述流程處理的圖像效果如圖4所示。

圖4 圖像預處理結果Fig.4 Results of the image pre-processing

2.2 輪廓數(shù)據(jù)處理

為了能夠形成表征端面質量的量化特征數(shù)值，本文對圖像預處理得到的圓柱端面外輪廓點集進行橢圓擬合[10-12]。依據(jù)的思路為：如果是品質良好的圓柱端面，則輪廓點集和擬合的橢圓應基本重合；反之，則兩者會相差較大。

試驗效果如圖5所示。

圖5 端面數(shù)據(jù)處理結果Fig.5 Processing result of the end surface data

如圖5所示，人工判定無缺陷的圓柱零件端面的輪廓和擬合橢圓基本重合，而對于斷面缺陷和滾邊缺陷的圓柱零件端面則有明顯的差別。

2.3 缺陷判定準則

針對輪廓數(shù)據(jù)及其擬合的橢圓之間的差別，需研究適用的計算方法，形成量化的特征數(shù)值，并通過試驗尋找合適的區(qū)分閾值，進行缺陷的判定，從而使系統(tǒng)能夠完成自動在線檢測的功能目標。本文制定了如下計算方法。

(1)

式中:D為輪廓數(shù)據(jù)及其擬合橢圓之間的相似度；Rfit為擬合橢圓的半長軸數(shù)值；Rcal為利用提取的輪廓所包絡的面積S和輪廓線長度C計算得到的理想正圓半徑數(shù)值，即Rcal=2S/C。

制定該計算方法的思路為：針對人工判定無缺陷的圓柱端面，其輪廓接近理想正圓，擬合橢圓與此正圓差別很小，則D數(shù)值?。欢槍τ腥毕莸亩嗣?，利用輪廓數(shù)據(jù)按照理想圓半徑計算得出的Rcal會與擬合橢圓的Rfit數(shù)值有較大差別，即D數(shù)值大。利用該方法對圖5中的3個端面進行量化計算，得到圖5(a)所示無缺陷端面D=0.11，圖5(b)所示斷面端面D=1.02，圖5(c)所示滾邊缺陷端面D=0.35。

3 試驗與分析

本文研制開發(fā)系統(tǒng)中的CCD攝像機選用型號為DH-HV1310FM的1394總線工業(yè)相機，分辨率為1 280×1 024，像元尺寸為5.2 μm×5.2 μm，幀率為18 f/s。鏡頭選用了70 mm鏡頭。直徑為5 mm的圓柱端面占據(jù)圖像中約720×720個像素面積，光源則采用普通的白光LED陣列。

為了驗證本文方法對圓柱端面缺陷的提取能夠取得較好的效果以及本文算法的優(yōu)越性，采用實際生產(chǎn)線上獲取的圓柱端面圖像進行缺陷檢測，與文獻[4]提出的非下采樣Contourlet變換(NSCT)域的自適應閾值系數(shù)圖像重構算法、文獻[9]提出的利用梯度差分直方圖結合圖像自適應分類的改進自適應閾值Canny邊緣檢測算法進行比較，結果如圖6所示。

圖6 3種算法的處理效果Fig.6 Processing effects by using three kinds of algorithms

由圖6可以看出，由于圓柱端面整體灰度不均、邊緣區(qū)域對比度略低，文獻[4]算法雖然能較好地提取到外輪廓，也提取到了存在缺陷區(qū)域，但無法消除原始圖像中由于灰度不均產(chǎn)生的噪聲點，在端面內(nèi)部提取到了很多無效輪廓，增加了后續(xù)數(shù)據(jù)處理的難度。文獻[9]算法能夠連接斷續(xù)的邊緣，但不能準確地提取出端面的外輪廓。而本文算法有效地克服了噪聲點的影響，能夠較好地完成缺陷提取。

針對試驗圖像，在同一臺計算機上對3種算法的運行性能進行比較，性能數(shù)據(jù)如表1所示。

表1 3種算法運行性能比較Tab.1 Comparison of the operating performance of the three algorithms

由表1可以看出，文獻[9]算法耗時最少，但檢測效果不好；文獻[4]算法耗時較長，但缺陷提取效果不理想，易將孤立噪聲點檢測成缺陷；本文算法雖然比文獻[9]算法的速度慢，但準確度較高，能夠滿足在線檢測需求。

通過試驗，設定D的區(qū)分閾值為0.2。經(jīng)過在線測試試驗驗證，本系統(tǒng)的平均檢測速度小于300 ms/件，無漏檢情況，誤判率小于0.8%。

4 結束語

本文詳細介紹了研制開發(fā)的小尺寸圓柱端面缺陷在線視覺檢測系統(tǒng)，闡述了系統(tǒng)的組成及相應的結構設計。

針對被檢測的圓柱端面整體灰度不均、邊緣區(qū)域對比度略低的情況，研究了有效的圖像處理流程，即通過圖像平滑、去除噪點、自適應閾值分割，準確地獲取圓柱端面的邊緣輪廓數(shù)據(jù)；提出了缺陷判定準則及對應缺陷程度的特征數(shù)值的計算方法。該方法具體是利用輪廓數(shù)據(jù)信息進行理想圓幾何半徑計算和橢圓擬合半長軸數(shù)值計算，利用兩者差別程度對缺陷進行評價判定。

試驗數(shù)據(jù)表明，該系統(tǒng)具有較高的檢測速度和缺陷判定準確度，為圓柱端面缺陷的快速檢測提供了有效的途徑。

[1] 王宣銀，梁冬泰.基于多元圖像分析的表面缺陷檢測算法[J].浙江大學學報：工學版，2010,44(3):448-452.

[2] 宋樂,林玉池,何冬,等.空心圓柱端面缺陷的快速視覺檢測[J].中國圖象圖形學報,2009,14(10):2137-2140.

[3] 李雪琴,蔣紅海,劉培勇,等.非下采樣Contourlet域自適應閾值面的磁瓦表面缺陷檢測[J].計算機輔助設計與圖形學學報,2014,26(4):553-558.

[4] Kims Y,Song Y C,Jung C D,et al.Effective defect detection in thin film transistor liquid crystal display images using adaptive multi-level defect detection and probability density function[J].Optical Review,2011,18(2):191-196.

[5] Li Di,Liang L Q,Zhang W J.Defect inspection and extraction of the mobile phone cover glass based on the principal components analysis[J].International Journal of Advanced Manufacturing Technology,2014,73:1605-1614.

[6] 方乃偉,呂學強,張丹,等.機械設計圖像主輪廓提取算法研究[J].計算機工程與設計,2013,34(8):2778-2782.

[7] 張志強,宋海生.應用Otsu改進Canny算子的圖像邊緣檢測方法[J].計算機與數(shù)字工程,2014,42(1):122-128.

[8] 蘇俊宏,劉勝利.圓柱型高精密零件表面缺陷檢測及形貌分析[J].激光與光電子學進展,2014,51(4):150-154.

[9] 雒濤,鄭喜鳳,丁鐵夫.改進的自適應閾值Canny邊緣檢測[J].光電工程,2009,36(11):106-111.

[10]陳海峰,雷華,孔燕波,等.基于最小二乘法的改進的隨機橢圓檢測算法[J].浙江大學學報:工學版,2008,42(8):1360-1364.

[11]周勇亮,金燕,何萍,等.隨機Hough變換圓檢測累計加速算法[J].計算機輔助設計與圖形學學報,2014,26(4):574-580.

[12]葛偉華,陳優(yōu)廣.基于邊界跟蹤的區(qū)域面積計算[J].計算機應用與軟件,2008,25(6):239-240.

Online Visual Defects Inspection System for Small Sized Cylindrical End Surface

Based on vision measurement technology, an online visual inspection system for defects of small sized cylindrical end surface has been researched and developed. By adopting CCD camera and the sensor formed by ordinary LED light source, and combining with the self-developed application software, automatic inspection of the defects is achieved. The applicable image processing algorithm is researched to precisely and reliably obtain the data of outer contour of the end surface; the calculation method for the characteristic value using contour data and fitted ellipse is proposed, and the criteria of identifying defects is worked out. The experimental results indicate that this system possesses higher inspecting speed and determining accuracy, thus it can enhance existing efficiency of production line.

Defect inspection Vision inspection Image processing Cylindrical end surface Contour extraction Ellipse fitting

天津市教委科研計劃基金資助項目(編號：20140701)。

劉斌(1983-)，男，2010年畢業(yè)于天津大學測試計量技術及儀器專業(yè)，獲博士學位，講師；主要從事激光及光電測試技術的研究。

TP274

A

10.16086/j.cnki.issn1000-0380.201506004

修改稿收到日期：2014-11-25。