唐燕妮

（河源職業(yè)技術(shù)學院，廣東 河源517000）

基于機器視覺的陶瓷大花瓶內(nèi)表面裂紋自動檢測系統(tǒng)研究

唐燕妮

（河源職業(yè)技術(shù)學院，廣東 河源517000）

針對陶瓷大花瓶外形不規(guī)則造成非顯見面裂紋檢驗難的問題，提出了一種基于機器視覺的瓶內(nèi)表面裂紋自動檢測系統(tǒng)。設計了系統(tǒng)的功能體系和硬件結(jié)構(gòu)，研究了三自由度機器人和相機旋轉(zhuǎn)機構(gòu)配合CMOS相機采集圖像的控制方法，檢驗了瓶口中心定位和依據(jù)圓形度識別裂紋算法的可行性。實驗結(jié)果表明，系統(tǒng)能夠自動采集瓶內(nèi)圖像和識別裂紋，為陶瓷大花瓶非顯見面外觀質(zhì)量的在線檢測奠定了基礎。

陶瓷大花瓶；內(nèi)表面；機器視覺；自動檢測；裂紋識別

0 引 言

青花瓷落地大花瓶是我國陳設藝術(shù)瓷器-器皿瓷的藝術(shù)瑰寶之一，隨著制作技術(shù)的不斷發(fā)展和人民生活水平的提高，已經(jīng)成為現(xiàn)代社會家居裝飾、開業(yè)慶典、禮品饋贈的常用物品，由名家繪畫的產(chǎn)品往往售價高達數(shù)萬元，具有一定的傳世收藏價值。青花瓷落地大花瓶一般為白地藍花或白地青花，高度近1米或以上，外形正投影尺寸在320-695 mm不等，分類上屬于大型、特型瓶筒類瓷器［1］。因其體型較大，全部工序為手工制作，陶瓷在坯胎階段記憶破損，制作難度大；對于大花瓶的外觀質(zhì)量檢測，在每道生產(chǎn)工序上都由人工檢驗，如圖1所示。突出問題是，缺乏一種有效的方法對非顯見面進行外觀質(zhì)量檢驗，例如大花瓶內(nèi)表面的裂紋缺陷，因為人工目視無法方便、準確地達到這些區(qū)域。

圖1　青花瓷落地大花瓶外觀及其生產(chǎn)檢驗作業(yè)Fig.1 Large blue-and-white porcelain vases and their quality inspection

存在微小裂紋是陶瓷材料的顯著特點之一，陶瓷材料的斷裂主要是由于預先存在的裂紋生長所致，其裂紋的生產(chǎn)和擴展取決于溫度、應力和環(huán)境介質(zhì),并影響陶瓷產(chǎn)品的承載能力和結(jié)構(gòu)壽命［2-4］。因此，價格不菲、體型較大的青花瓷落地大花瓶裂紋檢測極其重要，裂紋不僅是大花瓶外觀質(zhì)量等級的區(qū)分指標之一，更是能否實現(xiàn)長久收藏的先決條件。針對上述需求，本文以青花瓷大花瓶為研究對象，設計了一種基于機器視覺的瓶內(nèi)表面裂紋自動檢測系統(tǒng)，解決瓶內(nèi)裂紋的檢驗難題，提高陶瓷大花瓶生產(chǎn)和外觀質(zhì)量檢測的效率。

1 大花瓶內(nèi)表面裂紋自動檢測系統(tǒng)

1.1 結(jié)構(gòu)和功能設計

該系統(tǒng)能夠?qū)崿F(xiàn)大花瓶內(nèi)表面裂紋的圖像采集和自動識別，并對裂紋程度進行分等級標記。系統(tǒng)結(jié)構(gòu)如圖2所示。

大花瓶內(nèi)表面裂紋自動檢測系統(tǒng)的功能包括：

（1）大花瓶在傳送帶上的位置能被實時偵測，傳送帶自動啟停將其移入和移出檢測工位。

圖2　系統(tǒng)結(jié)構(gòu)圖Fig.2 The system confguration diagram

（2）自動定位瓶口中心，圖像采集裝置進入瓶內(nèi)后快速地獲得瓶底和瓶內(nèi)壁多幀圖像，傳送至計算機處理。

（3）大花瓶內(nèi)表面圖像能完整、及時的顯示。軟件識別圖像，對瓶內(nèi)是否存在裂紋及裂紋程度判斷準確，并依據(jù)非顯見面外觀質(zhì)量指標進行產(chǎn)品等級標記。

1.2 系統(tǒng)構(gòu)成

系統(tǒng)構(gòu)成如圖3所示，主要功能模塊包括傳送帶與偵測裝置、瓶口定位裝置、相機旋轉(zhuǎn)裝置、圖像采集裝置及圖像識別軟件。

（1）傳送帶與偵測裝置負責傳送大花瓶通過視覺檢測工位。當大花瓶進入檢測工位時，光電傳感器構(gòu)成的偵測裝置輸出觸發(fā)信號，控制器接收信號并停止傳送帶，視覺檢測開始。檢測完成后，控制器啟動傳送帶，將大花瓶移出檢測工位。

（2）瓶口定位裝置以一個門式直角坐標機器人為主體，它與固定支架、相機旋轉(zhuǎn)裝置和圖像采集裝置一起構(gòu)成視覺檢測工位。檢測時，機器人進行三自由度動作，機械臂XY軸先作水平運動，使Z軸定位于瓶口中心；然后Z軸作垂直運動，將相機等送入瓶內(nèi)。

（3）相機旋轉(zhuǎn)裝置包括一個步進電機、兩個舵機和固定支架，是相機進行圖像采集的輔助機構(gòu)。檢測時，旋轉(zhuǎn)裝置分別作90°和360°旋轉(zhuǎn)動作，相機能以垂直向下、水平向外的角度拍攝。

（4）圖像采集裝置包括CMOS面陣相機和LED條形光源。檢測時，相機拍攝一幀瓶口圖像、一幀瓶底圖像和多幀瓶內(nèi)壁圖像，用于軟件進行瓶口定位和裂紋識別。LED條形光源提供恒定照明，使得瓶內(nèi)表面特征更加明顯。

（5）圖像識別軟件是裂紋檢測系統(tǒng)的關(guān)鍵，包括瓶口定位和瓶底、瓶內(nèi)壁裂紋識別。瓶口定位的步驟包括圖像預處理、尋找瓶口中心、求取XYZ運動坐標。瓶底、瓶內(nèi)壁裂紋識別采用灰度圖像處理技術(shù)，步驟包括圖像預處理、計算裂紋面積和周長，并通過圓形度判斷圖像是否存在裂紋及其程度。

2 系統(tǒng)的硬件實現(xiàn)

2.1 三自由度直角坐標機器人

該機器人是大花瓶視覺檢測工位上自動化設備的一部分，是一組XYZ三軸運動的門式滑臺直角坐標機械臂，由兩個水平移動單元、一個垂直移動單元和支架組成。傳送帶將大花瓶移入檢測工位的中心區(qū)域，水平單元的伺服電機經(jīng)同步帶驅(qū)動X軸、Y軸機械臂，在支架上作X、Y方向的水平直線運動，直至Z軸定位到瓶口中心坐標。隨后，垂直單元的伺服電機經(jīng)滾珠絲杠帶動Z軸機械臂，沿瓶口中心線作Z方向的垂直直線運動，將相機送入瓶內(nèi)拍攝圖像。拍攝完成后，機器人在水平和垂直位置歸零，機械零位處于工位支架中心。

機器人動作采用點到點位置伺服控制方式，控制系統(tǒng)如圖4所示。圖像識別軟件與PLC控制器串口通訊，將瓶口中心的目標位置傳送給PLC，PLC轉(zhuǎn)換為X、Y、Z三軸脈沖序列和正反轉(zhuǎn)方向信號給伺服驅(qū)動器。驅(qū)動器轉(zhuǎn)換為相應的電壓信號驅(qū)動伺服電機運轉(zhuǎn)，并接收電機反饋信號，重新計算電機運動目標位置，實現(xiàn)精確運動的閉環(huán)控制［5］。

圖4　三自由度直角坐標機器人控制系統(tǒng)圖Fig.4 The control system diagram of 3-DOF Cartesian-coordinate Robot

表1　相機主要參數(shù)Tab.1 Camera parameters

表2　相機鏡頭主要參數(shù)Tab.2 Camera lens parameters

2.2 圖像的采集和處理

大花瓶外形特點為高度較高，頸徑尺寸小，肚徑尺寸大，人工目視難以抵達瓶內(nèi)；使用機器視覺進入瓶內(nèi)拍攝圖像，相機需要根據(jù)花瓶的不規(guī)則外形變換不同焦距，而且需要變換多個角度拍攝瓶底、瓶內(nèi)壁若干個非顯見面。因此，使用相機采集圖像是視覺檢測的難點之一。根據(jù)瓶內(nèi)裂紋特性、相機的工作速度、機構(gòu)安裝的空間限制及視野范圍的要求，系統(tǒng)選用了基于索尼IMX179方案的智能自動對焦CMOS攝像頭模組和無畸變高拍儀鏡頭，相機有效像素500萬，模組尺寸32 mm× 32 mm×23 mm，帶有2個LED高亮度條形光源，板機重量30g，充分滿足了圖像采集裝置微型化、智能化的要求。相機和鏡頭主要參數(shù)如表1和表2所示。

系統(tǒng)設計了一個相機旋轉(zhuǎn)裝置，在機器人三自由度動作配合下，輔助完成多幀圖像的采集。相機旋轉(zhuǎn)裝置包括固定在Z軸末端的步進電機和支架，以及固定在步進電機轉(zhuǎn)軸上的舵機和支架，選型采用小型步進電機和微型舵機，支架選用硬質(zhì)塑料，以減輕裝置對步進電機水平轉(zhuǎn)矩的影響。用于圖像采集的相機及光源固定在舵機轉(zhuǎn)軸上，相關(guān)機構(gòu)如圖5所示。

圖像的采集和處理過程為：（1）大花瓶進入檢測工位時，控制器點亮光源。機器人Z軸從零位下降，相機距瓶口20 cm時自動調(diào)焦并垂直向下拍攝一幀瓶口圖像，軟件計算瓶口中心坐標。（2）機器人XY軸水平運動并定位該坐標，Z軸沿瓶口中心線下降進入瓶內(nèi)。相機距瓶底20cm時，垂直向下拍攝一幀瓶底圖像并識別裂紋。（3）舵機作90°旋轉(zhuǎn)，相機拍攝角度變?yōu)樗较蛲狻＃?）軟件在已知的瓶肚或瓶頸交界處，觸發(fā)相機自動調(diào)焦，水平向外拍攝第一幀圖像。步進電機順時針作90°旋轉(zhuǎn)，相機拍攝第二幀圖像；三次旋轉(zhuǎn)后拍攝獲得四幀瓶內(nèi)壁圖像并識別裂紋。（5）Z軸沿瓶口中心線向上作定距直線運動，步進電機逆時針旋轉(zhuǎn)，相機拍攝另一高度的360°瓶內(nèi)壁，獲得四幀圖像識別裂紋。（6）Z軸向上運動N次重復4、5直至升出瓶口，控制器關(guān)閉光源，相機旋轉(zhuǎn)裝置和機器人位置歸零。圖像采集完成，大花瓶移出檢測工位。

2.3 實驗和分析

為了驗證視覺檢測系統(tǒng)的有效性和可靠性，依賴于三自由度機器人和圖像采集機構(gòu)進行了大花瓶瓶口定位和瓶內(nèi)表面裂紋識別的實驗。

2.3.1 瓶口定位

大花瓶進入視覺檢測工位中心區(qū)域，相機向下拍攝一幀瓶口圖像。大花瓶為白底陶瓷，與背景色區(qū)別明顯，圖像經(jīng)過中值濾波、二值化及邊緣提取等處理后，獲得較為完好的瓶口邊緣，如圖6所示。

圖5　圖像采集示意圖Fig.5 Ιmage acquisition schematic diagram

圖6　瓶口圖像處理Fig.6 The vase mouth image processing∶（a）Original image，（b）Median flter，（c）Binarization，（d）Edge extraction

經(jīng)過圓擬合后得到的瓶口圖像為同圓心的2個嵌套圓環(huán)，大圓為瓶口外環(huán)的正投影，小圓為瓶口內(nèi)環(huán)的正投影。對大圓求圓心和半徑，設定大圓的圓心坐標為半徑為R，大圓上分布n個二維坐標點則有［6］

2.3.2 裂紋識別

大花瓶內(nèi)表面包括瓶底和瓶內(nèi)壁多個潔白的陶瓷光面，相機采集到的圖像單一并且顏色一致。如果存在裂紋，則表現(xiàn)為明顯的圖像灰度異常［8］，因此裂紋識別采用灰度圖像處理技術(shù)。首先對原圖進行中值濾波，濾除因LED光源在陶瓷釉面上形成的光斑及其他噪聲，再進行圖像的二值化處理和銳化處理，突出裂紋特征。最后進行邊緣提取并通過閉運算平滑裂紋圖像的輪廓，得到清晰的裂紋圖像邊界。瓶內(nèi)表面裂紋圖像處理過程和結(jié)果如圖7所示。

圖7　瓶內(nèi)表面裂紋圖像處理Fig.7 The hidden vase surface crack image processing∶

陳設藝術(shù)瓷器-器皿瓷標準（GB/T13524.2-92）外觀質(zhì)量指標定義裂紋為坯、釉開裂而形成的紋狀缺陷，可按尺寸相加計算。因此，對于多幀瓶底和瓶內(nèi)壁圖像，可用裂紋的面積和周長作為測量參數(shù)，即使用區(qū)域統(tǒng)計方法累加像素點總和得到裂紋面積，累加邊緣像素個數(shù)得到裂紋周長，最后以圓形度來計算裂紋程度［9］。求取圓形度 的表達為：

式中，P 為裂紋周長總和，A為裂紋面積總和。圓形度 C 越大則說明圖像的異?；叶葦?shù)量多和不規(guī)則，直接表現(xiàn)為裂紋程度高，避開了陶瓷表面微小斑點或毛孔帶來的誤判。軟件識別與人工目視對比顯示，當單個大花瓶內(nèi)表面圖像圓形度大于5時，可以判斷為存在裂紋；圓形度越大，瓶內(nèi)裂紋數(shù)量越多，大花瓶內(nèi)表面的外觀質(zhì)量等級標記越低。

3 結(jié) 論

本文設計了一種基于機器視覺技術(shù)的陶瓷大花瓶內(nèi)表面裂紋檢測系統(tǒng)。視覺檢測工位通過偵測裝置獲知大花瓶位置從而啟停傳送帶，三自由度直角坐標機器人和相機旋轉(zhuǎn)裝置動作，配合CMOS相機模組采集多幀圖像。軟件處理瓶口圖像后，求取瓶口中心坐標并引導機器人進入瓶內(nèi)；處理瓶底、瓶內(nèi)壁圖像后，依據(jù)圓形度判定裂紋，取得了良好的檢測效果。系統(tǒng)實現(xiàn)了大花瓶內(nèi)表面裂紋的圖像采集和裂紋識別，解決了瓶內(nèi)裂紋檢驗難題，對其他器皿陶瓷非顯見面的落渣、泥渣、缺釉等外觀質(zhì)量缺陷檢測也具有參考和應用價值。

［1 GB/T13524.2-92, 中華人民共和國國家標準陳設藝術(shù)瓷器--器皿瓷［S］.

［2］楊曉光, 熊昌炳.裂紋慢擴展對陶瓷強度影響的分析方法［J］.北京航空航天大學學報, 1994, 20（1）： 115-120.YANG X G, XIONG C B.Journal of Beijing University of Aeronautics and Astronautics, 1994, 20（1）： 115-120（in Chinese）.

［3］楊曉, 黃政仁, 劉學建.常壓燒結(jié)碳化硅陶瓷的表面裂紋對其力學性能的影響［J］.硅酸鹽學報, 2014, 42（7）： 841-845.YANG X, HUANG Z R, LIU X J.Journal of the Chinese Ceramic Society, 2014, 42（7）： 841-845（in Chinese）.

［4］孟國文, 陳大明.陶瓷材料中裂紋起因及消除方法［J］.材料導報, 1995, 9（2）： 40-41.MENG G W, CHENG D M.Materials Review, 1995, 9（2）： 40-41（in Chinese）.

［5］叢明, 劉冬 ,杜宇, 等.PLC伺服控制在太陽能電池組件搬運機械手中的應用［J］.組合機床與自動化加工技術(shù), 2011,（9）：66-69.CONG M, LIU D, DU Y, et al.Modular Machine Tool & Automatic Manufacturing Technique, 2011（9）： 66-69（in Chinese）.

［6］張應芳,張愛國,蘇積聰,等.觀測圓上多個任意點及其圓心坐標擬合［J］.黑龍江工程學院學報, 2014,28（2）：27-30.ZHANG Y F, ZHANG A G, SU J C, et al.Journal of Heilongjiang Institute of Technology, 2014, 28（2）： 27-30（in Chinese）.

［7］陳偉華, 馬瓊雄, 陳月軍.基于VisionPro的工業(yè)機器人視覺定位系統(tǒng)［J］.組合機床與自動化加工技術(shù), 2012,（2）： 81-83.CHEN W H, MA Q X, CHEN Y J.Modular Machine Tool & Automatic Manufacturing Technique, 2012（2）： 81-83（in Chinese）.

［8］戴衛(wèi)軍.基于機器視覺的蜂窩陶瓷側(cè)面缺陷檢測算法研究［J］.陶瓷學報, 2014, 35（3）： 291-295.DAI W J.Journal of Ceramics, 2014, 35（3）： 291-295（in Chinese）.

［9］于彬.基于數(shù)字圖像處理的陶瓷瓶裂紋檢測研究［D］.武漢： 武漢理工大學碩士學位論文, 2007.

date: 2016-01-19.Revised date: 2016-03-23.

Automatic Ιnspecting System for Hidden Surface Cracks in Large Ceramic Vase Based on Machine Vision

TANG Yanni
（Heyuan Polytechnic College，Heyuan 517000，Guangdong，China）

Ιn order to solve the hard detection of hidden surface cracks in a large ceramic vase because of its irregular shape，an automatic inspecting system is presented in this paper.The function system and hardware structure are designed，the way that an image is captured by CMOS camera with the assistance of 3-DOF Robot and camera rotation device is studied，and the algorithms for positioning the vase-mouthcenter and identifying cracks based on circularity are tested.The experiment shows that the system can automatically capture an image and identify cracks.Ιt lays the foundation for on-line inspection of hidden surface quality of large ceramic vases.

large ceramic vase；hidden surface；machine vision；automatic inspecting；crack identifying

TQ174.5

A

1000-2278（2016）04-0417-06

10.13957/j.cnki.tcxb.2016.04.018

2016-01-19。

2016-03-23。

廣東河源職業(yè)技術(shù)學院科技項目（2015KJ09）。

通信聯(lián)系人：唐燕妮（1981-），女，碩士，講師。

Correspondent author:TANG Yanni（1981-），female，Master，Lecturer.

E-mail:tangyannier@126.com