余亞玲，張 華，史晉芳

（西南科技大學(xué) 特殊環(huán)境機(jī)器人技術(shù)四川省重點(diǎn)實(shí)驗(yàn)室，綿陽 621010）

0 引言

熒光磁粉探傷是檢驗(yàn)工件表面缺陷的一種常規(guī)無損檢測方法[1]。工件經(jīng)探傷機(jī)磁化后，表面缺陷處可形成漏磁場吸附磁粉，在紫外線照射下熒光磁粉產(chǎn)生510nm～550nm波長段的黃綠色可見熒光，即熒光效應(yīng)。一般人的眼睛可以感知的電磁波的波長在380nm～780nm之間，我們稱其為可見光。探傷檢測員正是通過熒光效應(yīng)提供的極大對比度和亮度完成缺陷檢測工作。熒光磁痕檢測必須在暗室進(jìn)行，作業(yè)空間相對密閉、勞動(dòng)強(qiáng)度大和重復(fù)性強(qiáng)等問題將導(dǎo)致人眼疲勞造成缺陷漏檢，且紫外線輻射會(huì)對眼晶體產(chǎn)生一定的職業(yè)傷害。為解決以上問題，提高檢測質(zhì)量和效率，研究高效可靠的全自動(dòng)磁痕探傷設(shè)備已成為國內(nèi)外相關(guān)專家學(xué)者關(guān)注的熱點(diǎn)[2]。

目前，基于熒光磁粉圖像的自動(dòng)識(shí)別方法多為基于傳統(tǒng)圖像分割算法的改進(jìn)及應(yīng)用。文獻(xiàn)[3]提出了以目標(biāo)信息與偽信息的灰度梯度為主要特征判據(jù)并結(jié)合閥值法提取圖像裂紋。文獻(xiàn)[4]結(jié)合了Wiener濾波器的模糊信息濾波與動(dòng)態(tài)閥值法實(shí)現(xiàn)圖像分割。文獻(xiàn)[5]提出了基于形態(tài)學(xué)的裂紋提取與還原分割以及基于區(qū)域生長理論的單連通區(qū)域判定。文獻(xiàn)[6]針對特定的裂紋識(shí)別，提出通過計(jì)算圖像連通區(qū)域的大小和圓形度對可疑圖像進(jìn)行分割的方法。上述文章中均提到在實(shí)際應(yīng)用中存在一定的局限性，例如：有些圖像的目標(biāo)和背景灰度很接近；一些工件的裂紋輪廓和紋理特征不具備統(tǒng)計(jì)性，隨機(jī)性極強(qiáng)。在線檢測系統(tǒng)要實(shí)際應(yīng)用還需要較高的實(shí)時(shí)性和精確性。

本文針對工件表面裂紋的智能自主識(shí)別，利用磁痕圖像熒光效應(yīng)這一鮮明物理現(xiàn)象，通過建立計(jì)算機(jī)的物理熒光效應(yīng)映射矩陣，實(shí)現(xiàn)產(chǎn)生熒光效應(yīng)區(qū)域提取。通過創(chuàng)建推理機(jī)，建立人工判定知識(shí)庫，模擬人眼判定，實(shí)現(xiàn)真?zhèn)瘟鸭y的智能辨識(shí)，算法思想示意如圖1所示。

圖1 算法思想示意圖

1 熒光效應(yīng)模型推導(dǎo)

1.1 預(yù)備知識(shí)

1.1.1 CIE1931-RGB標(biāo)準(zhǔn)

CIE1931-RGB標(biāo)準(zhǔn)則實(shí)現(xiàn)了計(jì)算機(jī)對波長的數(shù)字表征。該標(biāo)準(zhǔn)是由317位正常視覺者用CIE規(guī)定的紅、綠、藍(lán)三原色光，對等能光譜色從380nm～780nm所進(jìn)行的專門顏色混合匹配實(shí)驗(yàn)得到。圖2顯示了510～560波長段的光譜三刺激值分布。

1.1.2 HSV顏色空間

HSV是A. R. Smith在1978年根據(jù)顏色的直觀特性創(chuàng)建的一種顏色空間，這個(gè)模型中顏色的參數(shù)分別是：色調(diào)H、飽和度S和亮度V。作為一個(gè)非線性的顏色表示系統(tǒng)，HSV顔色空間具有兩個(gè)重要特點(diǎn)：1）該空間將色度H和亮度V分離，使得亮度信息與顏色信息無關(guān)；2）該顏色空間使人對色差的感知比較均勻，和人對顏色的感知相一致，符合人的視覺特性。所以，本文選擇基于 HSV顏色空間建立模擬人眼感知熒光效應(yīng)的計(jì)算機(jī)模型[7]。

圖2 510～560波長段光譜三刺激值

1.2 模型推導(dǎo)

HSV在數(shù)學(xué)定義上可認(rèn)為是在RGB顏色空間R, G和B參量的坐標(biāo)變換，是對RGB色彩空間中點(diǎn)的關(guān)系表示，設(shè) r、 g、 b分別是一個(gè)顏色的紅、綠和藍(lán)坐標(biāo)，它們的值是在0到1之間的實(shí)數(shù)，設(shè)max等價(jià)于r、g和b中的最大者，設(shè)min等于這些值中的最小者，可得空間轉(zhuǎn)換公式如下[8,9]：

又有，CIE1931-RGB標(biāo)準(zhǔn)的顏色混合匹配實(shí)驗(yàn)原理為色度學(xué)的三基色原理。三種基色是相互獨(dú)立的，任何一種基色都不能由其他兩種顏色合成，以紅綠藍(lán)為三基色的顏色合成應(yīng)用最為廣泛。如果C為待匹配的目標(biāo)色R、G、B為三原色，對應(yīng)目標(biāo)色及三原色的量，當(dāng)用三原色混合實(shí)現(xiàn)與顏色C的匹配有C=R(R)+G(G)+B(B)。匹配該顏色所需要三原色的數(shù)量即為顏色的三刺激值因此，將光譜三刺激值進(jìn)行歸一化計(jì)算后即可等價(jià)于r、g b值。歸一化如式(2)所示。

將CIE1931-RGB標(biāo)準(zhǔn)中510nm～560nm波長段的歸一化光譜三刺激值迭代入式(1)，獲得光譜三刺激值轉(zhuǎn)換為HSV空間坐標(biāo)系中波長與相應(yīng)的H、S、V參量對應(yīng)關(guān)系（如圖3中的離散點(diǎn)）。

圖3 HSV-熒光效應(yīng)映射

根據(jù)離散點(diǎn)分布特點(diǎn)，進(jìn)行多項(xiàng)式函數(shù)擬合（如圖3中的曲線），我們用x表示波長值，結(jié)果如下：

其中：

我們稱M為熒光效應(yīng)矩陣，具體值如式(4)所示。即當(dāng)圖像的任意像素點(diǎn)通過M的映射計(jì)算后結(jié)果在510nm～550nm波長段內(nèi)，則當(dāng)前點(diǎn)為發(fā)生熒光效應(yīng)點(diǎn)。

1.3 模型提取結(jié)果分析

程序?qū)崿F(xiàn)過程中，基于圖像像素點(diǎn)是否符合熒光效應(yīng)映射矩陣成功提取得到了熒光效應(yīng)區(qū)域，結(jié)果如圖4，符合的像素點(diǎn)在圖中為白色。分析提取效果圖發(fā)現(xiàn)，白色區(qū)域包含真正的裂紋區(qū)，卻不絕對包含。如何在熒光效應(yīng)區(qū)域中判定出真正的裂紋區(qū)，本文在下一節(jié)進(jìn)行了詳細(xì)闡述。

圖4 提取結(jié)果圖

2 辨識(shí)模型建立

由磁粉探傷原理可知，因工件截面變化、材料性質(zhì)差異等其他很多原因同樣可形成較大的漏磁場吸附磁粉從而形成非缺陷磁痕（如圖4所示A區(qū)域）。這些散落分布的非缺陷磁痕具有出現(xiàn)區(qū)域隨機(jī)、形態(tài)無規(guī)律以及數(shù)量無概率性等特點(diǎn)。通過調(diào)研發(fā)現(xiàn)，專業(yè)檢測人員檢測過程是通過觀測產(chǎn)生熒光效應(yīng)區(qū)域的亮度、飽和度等特征以及自身的經(jīng)驗(yàn)和規(guī)定的規(guī)則完成裂紋判別的檢測工作。因此，專業(yè)人員的觀測經(jīng)驗(yàn)以及人眼觀測的準(zhǔn)確性變得不可替代。傳統(tǒng)的圖像分割、特征提取分類等方法在該應(yīng)用中出現(xiàn)了一定的局限性[10]。

針對上述問題，本文引入了專家系統(tǒng)的設(shè)計(jì)思想。通過熵和信息增益率的迭代計(jì)算形成推理機(jī)，并結(jié)合人工判定經(jīng)驗(yàn)對推理機(jī)進(jìn)行訓(xùn)練。文中，我們把圖像的每一個(gè)像素點(diǎn)看作訓(xùn)練數(shù)據(jù)集中的一個(gè)樣本，一張圖像便構(gòu)成一個(gè)子訓(xùn)練集。

表1 訓(xùn)練數(shù)據(jù)集

描述屬性Ak(k=1，2，…，m)有6個(gè)不同的取值{FH，F(xiàn)S，F(xiàn)V，H，V，S}。Tj(j=1，2，…，6)中的樣本在屬性Ak上具有相同的取值ajk。|Tj|為子集Tj中的樣本數(shù)，|Ci

j|為子集Tj中屬于類別Ci的樣本數(shù)。其中滿足熒光效應(yīng)矩陣點(diǎn)標(biāo)記為1，否則標(biāo)記為0。H、S和V表示每一像素點(diǎn)在HSV空間的各參量。類標(biāo)簽分為兩類：真和假。生成數(shù)據(jù)集如表1所示。

屬性Ak的信息熵為：

信息增益率的計(jì)算：

本系統(tǒng)采用了30張磁痕圖像作為訓(xùn)練集。第1張圖像是由人工直接標(biāo)定像素點(diǎn)是否為裂紋點(diǎn)的真假（即標(biāo)簽值），生成正樣本。從第2張圖像開始便開始推理機(jī)的訓(xùn)練。首先，由推理機(jī)得到圖像判定的結(jié)果圖。然后，通過人工標(biāo)定結(jié)果圖中的錯(cuò)誤判定從而生成負(fù)樣本，統(tǒng)計(jì)推理機(jī)每條規(guī)則分支的錯(cuò)誤率（如圖5所示），用P表示。正樣本和負(fù)樣本構(gòu)成推理機(jī)的專家知識(shí)庫。得到專家知識(shí)庫以后，依次將規(guī)則分枝中信息增益率*(1-P)最大的子節(jié)點(diǎn)進(jìn)行遞歸，直到葉節(jié)點(diǎn)中所有樣本屬性取值相同為止。實(shí)驗(yàn)生成的推理機(jī)形象表示如圖5所示。

圖5 推理機(jī)形象表示

3 實(shí)驗(yàn)總結(jié)與驗(yàn)證

3.1 實(shí)時(shí)性分析

為了驗(yàn)證算法的實(shí)時(shí)性，利用在MATLAB實(shí)驗(yàn)平臺(tái)將三種常規(guī)分辨率下的共60張磁痕圖片進(jìn)行實(shí)驗(yàn)處理，統(tǒng)計(jì)獲得算法平均耗時(shí)數(shù)據(jù)分析表（如表2所示）。其中，實(shí)驗(yàn)計(jì)算機(jī)的CPU頻率為2.13GHz，算法耗時(shí)的單位為毫秒（ms）。

表2 算法耗時(shí)數(shù)據(jù)分析表

通過資料查詢得知制造業(yè)輸送帶運(yùn)行速度一般不宜大于2.5m/s，并且塊度大和磨損性大的物料和使用固定的卸料裝置應(yīng)盡量采用更低速。假定工件被運(yùn)送的速度取為0.0025m/ms，選取最高分辯率的圖像的最大處理時(shí)間16.237ms（如表2所示）。通過計(jì)算可知，執(zhí)行圖像處理的耗時(shí)過程工件被傳送了0.0405m。因此，只要在生產(chǎn)線上兩工件的擺放距離大于0.0405m，當(dāng)前工件圖像判定并不會(huì)滯后下一工件圖像的判定識(shí)別。而工業(yè)制造中，工件在傳送帶的擺放距離顯然是大于0.0405m的。

另外，相機(jī)主流幀率制式有60fps、30fps和25fps。假定應(yīng)用該在線檢測系統(tǒng)的生產(chǎn)線選取60幀/秒制式相機(jī)以無間斷的視頻流的方式拍攝工件圖片，則攝像機(jī)捕捉每一幀圖像的時(shí)間間隔為16.67ms。由表2可知，最高分辯率圖像最長耗時(shí)為16.237ms，平均時(shí)間為15.597ms。因此，在攝像機(jī)捕捉下一幀圖片信息時(shí)，當(dāng)前圖片已經(jīng)處理完畢，算法實(shí)現(xiàn)了圖像的即時(shí)捕捉和即時(shí)處理。

3.2 魯棒性分析

針對算法的魯棒性驗(yàn)證，實(shí)驗(yàn)進(jìn)行了不同種類的工件出現(xiàn)的圖像信息捕捉形成黃綠色反光現(xiàn)象（如圖6(a)）、工件裂紋不規(guī)則且有偽熒光效應(yīng)點(diǎn)（如圖6(b)）現(xiàn)象和黃綠色干擾背景下的算法驗(yàn)證。通過實(shí)驗(yàn)結(jié)果圖（如圖6(c)）可知，本文提出的算法具有一定的通用性和很好的移植性，能適用于多種類較復(fù)雜環(huán)境下的工件探傷。

圖6 實(shí)驗(yàn)結(jié)果

4 結(jié)束語

本文通過推導(dǎo)物理熒光效應(yīng)的計(jì)算機(jī)表達(dá)矩陣，實(shí)現(xiàn)人眼對黃綠光的感知模擬，算法設(shè)計(jì)兼顧了檢測的精確性和實(shí)時(shí)性。推理機(jī)的創(chuàng)建和訓(xùn)練對圖像信息中出現(xiàn)的反光、偽熒光效應(yīng)點(diǎn)和背景環(huán)境等問題具備了良好的魯棒性，系統(tǒng)應(yīng)用具備了一定的可移植性。因此，本文提出的算法設(shè)計(jì)具有較為深遠(yuǎn)的實(shí)際應(yīng)用價(jià)值。同時(shí)，算法還具有很多需要改進(jìn)和繼續(xù)完善的地方。訓(xùn)練集的豐富和對推理機(jī)的再訓(xùn)練以提高檢測的精確性是該算法還需繼續(xù)完善的部分；對提取的裂紋所屬種類的判定是該算法可以繼續(xù)深入的課題。

[1] 李星優(yōu),顏瓊?cè)?謝俊,等.關(guān)于磁粉檢測分析[J].科技資訊,2014 (08):96.

[2] 黃濤.全自動(dòng)熒光磁粉探傷中目標(biāo)識(shí)別圖像處理技術(shù)研究[D]. 江蘇省:南京理工大學(xué),2012:1-53.

[3] 康健,杜向黨,白龍.火車輪對熒光磁粉探傷圖像的裂紋識(shí)別技術(shù)研究[J].機(jī)械與電子,2013(12):44-46.

[4] 陸寶春,李建文,王婧,等.基于特征差異性的熒光磁粉探傷圖像分割算法[J].南京理工大學(xué)學(xué)報(bào).2011,35(06):797-800.

[5] 陸寶春,李建文,陳吉朋,等.熒光磁粉探傷自動(dòng)缺陷識(shí)別方法研究[J].南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2010,34(06):803-808.

[6] 張家棟,張強(qiáng),霍凱.圖像處理在軸承熒光磁粉探傷中的應(yīng)用研究[J].計(jì)算機(jī)技術(shù)與發(fā)展.2009,19(08):216-219.

[7] Ganesan, P.,Rajini,V.Assessment of satellite image segmentation in RGB and HSV color space using image quality measures[J]. International Conference on Advances in Electrical Engineering .2014:1-5.

[8] Lih-Jen Kau, Tien-Lin Lee. An HSV Model-Based Approach for the Sharpening of Color Images[J].Systems, Man, and Cybernetics (SMC),2013IEEE International Conference on. 2013:150-155.

[9] Lopez del Alamo, C.J., Fuentes Perez, L.J., Romero Calla, L.A., et.. A novel approach for image feature extraction using HSV model color and niters wavelets[J]. Computing Conference (CLEI). 2013:1-7.

[10] 鄭何程,馮建,盧繼平.表面裂紋熒光磁粉檢測分析[J].科技傳播. 2013(12):155-156.

[11] Xiao-qiang Zhao,Jia-min Yang. An improved TANC classification algorithm based on C4.5[J].Control and Decision Conference.2014: 4992-4996.

[12] Hui Zhu, Siyu Chen, Lexiang Zhu, eg.RangeTree:A Feature Selection Algorithm for C4.5 Decision Tree[J].Intelligent Networking and Collaborative Systems.2013:17-22.