郭晨霞,楊瑞峰,趙洛彬

(中北大學(xué) 儀器與電子學(xué)院,儀器科學(xué)與動態(tài)測試教育部重點實驗室,太原 030051)

?

基于區(qū)域的光纖環(huán)繞制缺陷實時檢測算法

郭晨霞,楊瑞峰,趙洛彬

(中北大學(xué) 儀器與電子學(xué)院,儀器科學(xué)與動態(tài)測試教育部重點實驗室,太原 030051)

摘要:針對光纖陀螺敏感線圈(光纖環(huán))制備過程中,光纖的繞制張力變化和光纖環(huán)承載主軸跳動度變化等因素導(dǎo)致的“爬絲”和“間隙”繞制缺陷,提出基于區(qū)域的光纖環(huán)繞制缺陷檢測算法,將原始光纖凹凸特征的處理轉(zhuǎn)換成矩形大小及數(shù)量特征的處理。該算法在對光纖環(huán)繞制輪廓精確提取的基礎(chǔ)上,通過對光纖環(huán)初始表面進行擬合，確定繞制光纖覆蓋的最小有效區(qū)域,并實時提取區(qū)域內(nèi)已繞制光纖輪廓的最小包圍矩形；然后根據(jù)閾值的合理選取,計算最小有效區(qū)域內(nèi)已繞制輪廓的最小包圍矩形的區(qū)域大小及區(qū)域個數(shù)，以此判斷繞制缺陷的種類,并標(biāo)記缺陷位置。實驗結(jié)果表明，在光纖環(huán)繞制輪廓精確提取的基礎(chǔ)上,該算法可以有效識別并標(biāo)記缺陷位置,對于不易受環(huán)境因素影響的“間隙”缺陷可以完全正確檢出,且執(zhí)行速度快,可滿足缺陷實時檢測的要求。

關(guān)鍵詞:光纖陀螺;光纖環(huán);區(qū)域；繞制缺陷;實時檢測

real-time detection

光纖環(huán)由圓環(huán)形多匝光纖線圈繞制而成,是光纖陀螺中用于敏感輸入角速度引起的兩相向傳播光波之間的SAGNAC相位差的部件,也是影響光纖陀螺性能的主要因素[1]。由于光纖陀螺的廣泛應(yīng)用,尤其高精度光纖陀螺的戰(zhàn)略意義及光纖環(huán)對光纖陀螺精度的重要影響；因此對光纖環(huán)的制備過程有嚴(yán)格的要求,即要求光纖環(huán)上繞制的光纖根與根、層與層之間應(yīng)緊密排繞,不出現(xiàn)凹、凸等排列不均勻、纏繞不緊密的繞制缺陷[2]。目前,光纖環(huán)繞制設(shè)備有全自動和半自動兩種,后者還被廣泛采用,即繞制過程還處于低速、半自動狀態(tài),當(dāng)繞制過程中出現(xiàn)缺陷或換層時需要人為輔助動作,由于人眼的局限性,不能保證產(chǎn)品良好的一致性。因此針對光纖環(huán)自動繞制設(shè)備的研制,提出采用視覺測量技術(shù)結(jié)合高精度輪廓提取算法和針對設(shè)備性能設(shè)計的光纖環(huán)繞制缺陷檢測算法,對光纖環(huán)繞制過程中的缺陷進行在線檢測。

工程應(yīng)用中,一般使用直徑為85 μm或125 μm的光纖來繞制光纖環(huán)[3]。由于光纖直徑微小,因此在對其繞制圖像進行處理過程中,需要研究適用于專用繞制設(shè)備及現(xiàn)有光學(xué)系統(tǒng)的光纖環(huán)圖像特征提取算法[4]。本文采用亞像素閾值分割算法對采集回的光纖環(huán)繞制圖像進行特征提取,此算法通過對運算速度較快的閾值分割算法進行亞像素細分,解決了傳統(tǒng)像素級邊緣提取算法定位精度不高問題,同時也解決了常用亞像素級邊緣檢測算法運算量大的問題[5]。針對光纖環(huán)繞制的特點和實時檢測的要求,本文提出基于區(qū)域思想的光纖環(huán)繞制缺陷檢測方法。

1利用區(qū)域檢測繞制缺陷的基本思想

特征提取的前提需要對被測圖像進行濾波、增強等一系列的預(yù)處理,使感興趣區(qū)域特征(光纖邊緣)更加明顯[6-7]；但是這些操作對于非特征區(qū)域都是不必要的,反而會增加運算量,導(dǎo)致算法執(zhí)行速度減緩,也會增加后續(xù)缺陷檢測算法的運算量[8]。為了在得到感興趣區(qū)域的同時,排除影響圖像質(zhì)量和算法難以解決的干擾因素,可以建立區(qū)域?qū)⒂杏眯畔⒌牟糠帧叭Α痹谥付ǖ膮^(qū)域中,使這種算法只對感興趣區(qū)域起作用,這種方法勢必會將其它區(qū)域?qū)D像質(zhì)量的影響因素排除在外,顯著提升圖像的處理速度,區(qū)域的建立過程會在下節(jié)進行具體說明。

在實際測量過程中,由于視場范圍比較大,細微的光纖邊緣輪廓特征不明顯。大視場下細微的光纖輪廓導(dǎo)致利用高精度的邊緣提取算法處理指定區(qū)域內(nèi)的光纖輪廓得到的效果不是很理想?；趨^(qū)域的缺陷檢測思想,即通過提取區(qū)域內(nèi)已繞制光纖輪廓的最小包圍矩形,由原始光纖凹凸特征的處理轉(zhuǎn)換成矩形大小及數(shù)量特征的處理,相比縮減了很多復(fù)雜的過程,算法變得更為簡單,從而可以滿足實時檢測的要求,同時也可彌補模糊輪廓對檢測結(jié)果造成的誤判。再者，不同的光纖環(huán)繞制方法具體到每層的繞制方向不同,針對四極性對稱光纖敏感線圈的纏繞順序,前四層中第一層和第四層纏繞順序一致,第二層與第三層的繞制順序相同?；趨^(qū)域的缺陷檢測思想同樣可以克服繞制方向的不確定性給檢測帶來的問題。

對光纖環(huán)繞制中正常、爬絲、間隙三種狀態(tài)的檢測，需要先利用亞像素算法處理指定區(qū)域中光纖環(huán)骨架表面的繞制光纖輪廓,通過計算光纖邊緣輪廓最小包圍矩形的個數(shù)，并選定合理閾值判斷矩形高度和長度是否超出設(shè)置范圍來依次鑒別繞制狀態(tài),以及“爬絲”和“間隙”的最小包圍矩形停止邊中心點的數(shù)據(jù)信息，甚至可以準(zhǔn)確定位出錯位置,方便光纖繞制設(shè)備及時做出正確調(diào)整。

2算法實現(xiàn)過程

2.1區(qū)域的建立

在監(jiān)測光纖環(huán)繞制的過程中,由于相機的方位因素,不能保證采集到的光纖環(huán)骨架圖像中繞制表面與像平面坐標(biāo)保持平行,實際中兩者成一定的夾角,如圖1所示。在實際應(yīng)用中,需要通過采集光纖環(huán)骨架繞制表面,確定基準(zhǔn)面,具體方法是:在圖1-a規(guī)定的區(qū)域(虛線框)中,先通過亞像素精度閾值分割算法提取骨架表面邊緣輪廓[9],再利用直線擬合方法提取出與骨架繞制表面相似的線段作為監(jiān)測基準(zhǔn)表面,根據(jù)采集回的圖像擬合直線可以計算出該線段的長度L和夾角β。獲取線段的長度和夾角信息后,可以通過HALCON軟件中的gen_rectangle2函數(shù)在光纖化骨架上,以擬合的線段為基準(zhǔn)建立長度為L高度為2D的矩形區(qū)域Q(D為在圖像坐標(biāo)系中光纖環(huán)圖像中單位光纖所占的像素個數(shù),根據(jù)使用的CCD相機分辨率為1292×964計算得)。

圖1　光纖環(huán)骨架示意及區(qū)域建立圖Fig.1　The schematic diagram of fiber coil skeleton and winding region

2.2基于區(qū)域的缺陷檢測方法

通過上述方法建立區(qū)域后,將光纖環(huán)繞制缺陷的檢測轉(zhuǎn)化為判斷所建區(qū)域內(nèi),光纖環(huán)繞制輪廓形成的區(qū)域大小及個數(shù)的問題,即由原始光纖凹凸特征的處理轉(zhuǎn)換成矩形大小及數(shù)量特征的處理，這大大減小了圖像處理及缺陷識別的工作量,具體缺陷檢測流程圖如圖2所示。

圖2　基于區(qū)域的實時缺陷檢測算法流程Fig.2　The flow chart of real-time defacts detection algorithm based on region

基于區(qū)域的實時缺陷檢測過程為：根據(jù)光纖環(huán)纏繞工藝使用的4級對稱纏繞法[10]的繞制特征,光纖繞制4層為一周期,循環(huán)往復(fù)。以檢測光纖環(huán)第一層繞制缺陷為例(i=1)說明基于區(qū)域的實時缺陷檢測方法。當(dāng)繞制開始時,檢測系統(tǒng)針對亞像素精度光纖輪廓提取算法處理后的圖像,提取出光纖輪廓圖像的最小包圍矩形,并且計算最小包圍矩形個數(shù)n。根據(jù)最小包圍矩陣的不同取值進行缺陷種類識別。

1) 若最小包圍矩形個數(shù)n=1,即在線段l的水平方向上得到的光纖輪廓最小包圍矩形有且僅有一個,標(biāo)記該矩形的長度為Mi和高度為Hi.

若上述參數(shù)滿足式(1),則光纖環(huán)繞制處于正常狀態(tài)。

(1)

其中d為閾值,取值方法見2.2說明。

若上述參數(shù)滿足式(2),則光纖環(huán)繞制處于當(dāng)前層完成狀態(tài),準(zhǔn)備繞制下一層,并更新當(dāng)前繞制層數(shù)i。

(2)

當(dāng)|Hi-2D|≤d,則光纖環(huán)繞制處于爬絲狀態(tài)。同時顯示繞制出錯的信息,該信息包括出錯時繞制層數(shù)i和出錯位置標(biāo)記:(Mi，Row,Mi，columu),出錯位置信息滿足式(3):

(3)

式中:XRow為最小包圍矩形中心點的行像素值;XCol為最小包圍矩形中心點的列像素值;β為最小包圍矩形的傾斜弧度;L1為最小包圍矩形長度值的一半;L2為最小包圍矩形高度值的一半。

2) 若最小包圍矩形個數(shù)n=2,即得到的最小包圍矩形有兩個,記這兩個矩形的長度和高度分別為Mi[0]，Mi[1]和Hi[0]，Hi[1] .

當(dāng)|Hi[0]-D|≤d，且|Hi[1]-D|≤d,則光纖環(huán)繞制屬于間隙狀態(tài),同時顯示繞制出錯信息,包括繞制出錯層數(shù)i和出錯位置標(biāo)記:(Mi，Row,Mi，Column),出錯位置信息滿足式(3)。

2.3缺陷識別中閾值選取影響因素

光纖環(huán)繞制過程中,繞制缺陷的識別跟選取的閾值大小有關(guān),閾值的精確與否直接關(guān)系到缺陷能否正確檢出。閾值的選取跟以下因素有關(guān):光纖環(huán)繞制設(shè)備主軸的跳動度，攝像機的分辨率，圖像邊緣定位精度。其中,圖像邊緣定位精度,采用基于閾值分割的亞像素邊緣檢測算法定位精度可達0.02像素(單像素尺寸為3.75μm),完全滿足測量要求,不會造成累積誤差,因此不會影響閾值的大小;攝像機分辨率會直接影響到閾值理論值的選取,光纖環(huán)缺陷識別根據(jù)攝像機分辨率和視場大小確定一個理論閾值。結(jié)合光纖環(huán)繞制設(shè)備的排纖精度,確定閾值d=2。

3實驗及分析

為了驗證所提出的基于輪廓區(qū)域算法的有效性和準(zhǔn)確性,建立了視覺測量系統(tǒng)進行實驗。實驗內(nèi)容主要包括兩部分,第一部分是邊緣輪廓提取算法的精度驗證;第二部分是缺陷檢測算法有效性的驗證,即在對光纖環(huán)繞制圖像邊緣輪廓精確提取的基礎(chǔ)上,采用文中提出的基于區(qū)域的缺陷監(jiān)測算法對光纖環(huán)繞制過程中出現(xiàn)的各種繞制狀態(tài)進行實時監(jiān)測,并在圖像中標(biāo)識缺陷位置。

3.1實驗裝置

視覺系統(tǒng)中包括的實驗裝置為:分辨率為1 292×964的CCD工業(yè)數(shù)字攝像機,其像素元大小為3.75μm×3.75μm,鏡頭為焦距為50mm,并配置CPL偏振鏡,光源選擇紅色LED平面光源,采用專用的光源控制器在光強20%時明場漫射背光照明方式。

3.2實驗結(jié)果

對光纖環(huán)繞制圖像預(yù)處理后(如圖3-a所示)的邊緣輪廓提取效果進行分析。本文使用算法-亞像素精度閾值分割算法與亞像素級的經(jīng)典sobel(3-b)和canny(3-c)算法進行比較,驗證其在邊緣輪廓提取的效果上更優(yōu),以便于后續(xù)缺陷正確檢出。

圖3　光纖環(huán)邊緣輪廓提取對比圖Fig.3　The effect chart of edge contour extraction of fiber coil

從圖3各算法的邊緣輪廓提取效果圖可以看出,本文使用的算法不僅更貼近于光纖環(huán)實際邊緣輪廓,而且在連續(xù)性和光滑性方面均更優(yōu)。準(zhǔn)確的邊緣輪廓提取有助于后續(xù)缺陷的正確檢出。

圖4　監(jiān)測光纖繞制過程中兩種狀態(tài)實驗結(jié)果Fig.4　The sketch and enlarge figure of climb and gap defects

按照四極性對稱光纖環(huán)的繞制方法,在繞制設(shè)備主軸跳動度在允許誤差范圍內(nèi),根據(jù)圖2所示的算法流程對采集到的光纖環(huán)繞制圖像進行處理、識別。在光纖環(huán)繞制某層時,人為讓其呈現(xiàn)出正常、爬絲、間隙狀態(tài),運用此算法進行檢出、定位,并用紅色“+”標(biāo)示標(biāo)記缺陷位置,同時顯示缺陷所在的像素點坐標(biāo)。通過實驗表明,利用本文提出的基于區(qū)域的算法對光纖環(huán)繞制缺陷檢出、定位的結(jié)果與實際位置吻合,驗證了該算法對光纖環(huán)繞制缺陷檢出、識別的有效性。以光纖環(huán)上某一層光纖繞制為例,應(yīng)用該算法對缺陷的監(jiān)測結(jié)果如下圖4所示。從圖4-c和圖4-d可以看出,對繞制過程中出現(xiàn)的爬絲和間隙可以標(biāo)識位置,并且顯示其像素點坐標(biāo)。

3.3檢出正確率分析

對光纖缺陷的正確檢出,需要在光纖環(huán)繞制設(shè)備平穩(wěn)、主軸跳動度及繞制張力恒定,且光纖環(huán)繞制表面無污損等情況下進行。本文針對現(xiàn)有光纖環(huán)繞制設(shè)備對繞制缺陷的檢出正確率進行了分析,見表1所示。

表1　光纖繞制缺陷檢出正確率統(tǒng)計表

對于間隙的檢出,由于跟光纖環(huán)繞制設(shè)備的排纖精度有關(guān),只要根據(jù)排纖精度計算出判斷間隙的閾值即可,一般不容易受其它因素影響;對于爬絲的檢出容易受光纖絲上污漬及微小飄落物的影響,需要讓其處于密閉空間內(nèi)進行。上述實驗結(jié)果均為人為制造的缺陷檢出正確率,用以驗證算法的有效性。

3.4檢測實時性分析

光纖環(huán)繞制輪廓特征提取算法和缺陷檢測算法確定以后,為了驗證所使用算法對實時檢測的有效性,分別對每層爬絲和間隙缺陷的檢測時間進行統(tǒng)計,見表2所示。光纖環(huán)繞制設(shè)備主軸電機轉(zhuǎn)速小于60 rad/min,并且相機的幀周期要小于光纖環(huán)繞制設(shè)備主軸旋轉(zhuǎn)一周所需時間。

從表2所示繞制狀態(tài)檢測時間可以看出,各種狀態(tài)的檢出均能滿足繞制設(shè)備主軸電機轉(zhuǎn)速小于60 rad/min時的缺陷實時檢測要求。

表2　光纖環(huán)某層繞制狀態(tài)檢測識別時間

4結(jié)論

針對光纖環(huán)繞制過程中,繞制張力變化或主軸磨損造成的跳動度增加導(dǎo)致的繞制缺陷,提出采用基于區(qū)域的算法進行缺陷的檢出,同時對缺陷種類及出現(xiàn)缺陷的位置進行顯示。通過對光纖環(huán)繞制圖像的邊緣輪廓精確提取,并對光纖環(huán)“裸環(huán)”表面精確擬合確定基準(zhǔn)面,劃定有用信息所在區(qū)域,在此區(qū)域內(nèi)根據(jù)當(dāng)前光纖環(huán)繞制輪廓所在的最小包圍區(qū)域大小及區(qū)域個數(shù)判斷缺陷的種類,并通過實驗驗證了算法的有效性和實時性,可為光纖環(huán)繞制狀態(tài)的判斷提供可靠依據(jù)。

參考文獻：

[1]YU C J,LIN C E.A simple full-dynamic-range optical heterpdyne single-mode fiber gyroscope[J].Journal of Lightwave Technology,2015,33(20):4215-4220.

[2]王巍.干涉型光纖陀螺儀技術(shù)[M].北京:中國宇航出版社,2010:185-205.

[3]丁振揚.陀螺用光纖環(huán)全面質(zhì)量檢測研究[D].天津:天津大學(xué),2010.

[4]郭晨霞.光纖環(huán)繞制長度實時測量技術(shù)[D].太原：中北大學(xué),2014.

[5]趙洛彬,楊瑞峰,郭晨霞.靶標(biāo)特征點提取亞像素閾值分割算法研究[J].中國科技論文,2015,10(8):942-947.

[6]PAYET N,TODOROVIC S.SLEDGE:Sequential labeling of image edges for boundary detection[J].Int J Comput Vis,2013,104:15-37.

[7]葛文謙,王巍.基于視覺技術(shù)的光纖陀螺閉合光路光纖缺陷檢測方法[J].中國慣性技術(shù)學(xué)報,2014,22(2):265-270.

[8]GUO Chenxia,YANG Ruifeng.The improved defects detection method of optical fiber winding[J].OPTIK,2014:125(2):675-678.

[9]趙洛彬.光纖環(huán)繞制缺陷實時檢測系統(tǒng)設(shè)計[D].太原:中北大學(xué),2015.

[10]SHARON A,LIN S.Development of an automated fiber optic winding machine for gyroscope prodution[J].Robotics and Computer Integrated Manufacturing,2001(17):223-231.

(編輯：賈麗紅)

The Defect Detection Algorithm of Fiber Coil Winding Based on Winding Region

GUO Chenxia,YANG Ruifeng,ZHAO Luobin

(SchoolofInstrumentandElectronics,KeyLaboratoryofInstrumentationScience&DynamicMeasurement，NorthUniversityofChina,Taiyuan030051,China)

Abstract:The paper proposed a defect detection algorithm of fiber coil winding.The winding defects are caused by the factors such as the change of winding tension and the spindle beating.The defect detection algorithm based on fiber coil winding region was proposed to convert the processing of original fiber bump features into the processing of rectangular size and quantity,which needs to fit the straight line of the initial surface of fiber coil to ensure the smallest enclosing winding region and its quantity to verdict winding defects and sign their coordinates.The experimental results show that the algorithm can effectively identify and mark winding defect,the gap defect less susceptible to environmental factors can be completely detected;meanwhile,its fast execution speed can meet the real-time detection of winding defects.

Key words:fiber-optic gyroscope；fiber coil；winding region；winding defects；

文章編號:1007-9432(2016)02-0190-05

*收稿日期：2015-08-10

基金項目：山西省青年科技研究基金資助項目:視覺測量精確標(biāo)定算法研究(2015021104);山西省科技攻關(guān)項目：光纖環(huán)繞制設(shè)備結(jié)構(gòu)優(yōu)化設(shè)計及小型化設(shè)計定型(2015031007-1)

作者簡介：郭晨霞(1979-),女,山西原平人,博士,講師,主要從事測控技術(shù)、視覺測量研究，(E-mail)guochenxia@nuc.edu.cn

中圖分類號:TP306.2

文獻標(biāo)識碼:A

DOI：10.16355/j.cnki.issn1007-9432tyut.2016.02.013