蔡志強(qiáng)， 肖 軍， 文立偉， 王東立， 吳瑤平

(南京航空航天大學(xué) 材料科學(xué)與技術(shù)學(xué)院，南京 210016)

基于預(yù)浸紗自動(dòng)鋪放缺陷的分割算法

蔡志強(qiáng)， 肖 軍， 文立偉， 王東立， 吳瑤平

(南京航空航天大學(xué) 材料科學(xué)與技術(shù)學(xué)院，南京 210016)

為保證預(yù)浸紗自動(dòng)鋪放成型制件的性能，基于圖像處理技術(shù)，根據(jù)預(yù)浸紗表面圖像沿纖維方向灰度均勻的特性，提出了一種結(jié)合灰度補(bǔ)償和差影分割的缺陷分割算法。利用圖像灰度補(bǔ)償矩陣對(duì)圖像進(jìn)行灰度補(bǔ)償，依據(jù)圖像的灰度誤差服從正態(tài)分布的特點(diǎn)剔除圖像矩陣中的極大誤差點(diǎn)，并建立標(biāo)準(zhǔn)背景圖像，以允許差值系數(shù)K作為判據(jù)進(jìn)行差影分割。結(jié)果表明：該算法對(duì)氣泡、異物兩種典型鋪放缺陷分割效果好、速度快，為實(shí)現(xiàn)自動(dòng)鋪放缺陷在線監(jiān)測(cè)提供了良好的理論基礎(chǔ)。

自動(dòng)鋪絲；缺陷檢測(cè)；灰度補(bǔ)償；質(zhì)心分割；差影算法

自動(dòng)鋪絲技術(shù)是以解決高強(qiáng)度、耐腐蝕、輕質(zhì)的復(fù)合材料機(jī)身和進(jìn)氣道等大曲率、復(fù)雜構(gòu)件制造的關(guān)鍵技術(shù)，該項(xiàng)技術(shù)綜合了纖維纏繞和自動(dòng)鋪帶技術(shù)的優(yōu)點(diǎn)，在國(guó)防、航空航天等高技術(shù)領(lǐng)域得到了廣泛應(yīng)用[1-3]。隨著復(fù)合材料自動(dòng)鋪放技術(shù)對(duì)產(chǎn)品質(zhì)量要求的不斷提高，自動(dòng)鋪絲成型的構(gòu)件要求預(yù)浸紗能夠均勻、無(wú)間隙無(wú)褶皺地以軌跡規(guī)劃路徑鋪覆在模具表面，保證制件上各點(diǎn)性能具有一致性。然而，復(fù)合材料制品在鋪絲成型過(guò)程中受到多種工藝參數(shù)的影響，不可避免會(huì)產(chǎn)生成型缺陷，這些缺陷經(jīng)跨層次蔓延生長(zhǎng)可導(dǎo)致構(gòu)件的失效，嚴(yán)重影響了成型制件的性能[4-8],因而對(duì)自動(dòng)鋪絲過(guò)程鋪放表面圖像進(jìn)行實(shí)時(shí)監(jiān)測(cè)識(shí)別成為了目前急需解決的關(guān)鍵問(wèn)題之一，也是研究的重點(diǎn)。

在自動(dòng)鋪放缺陷檢測(cè)方面，國(guó)內(nèi)外學(xué)者的研究主要集中在纖維狀態(tài)的檢測(cè)，如纖維取向及未鋪放纖維的扭轉(zhuǎn)、劈裂等。Schmitt等[9]設(shè)計(jì)了一款基于LabVIEW與FPGA的圖像采集處理系統(tǒng)，對(duì)圖像處理流程進(jìn)行優(yōu)化，并分析了分辨率、曝光時(shí)間等參數(shù)對(duì)測(cè)量精度的影響。波音公司將在線檢測(cè)系統(tǒng)應(yīng)用于鋪絲縫隙、重疊等鋪絲狀態(tài)的檢測(cè)[10-12]，該系統(tǒng)通過(guò)對(duì)CCD相機(jī)采集的預(yù)浸紗圖像濾波，借助龐大的缺陷數(shù)據(jù)庫(kù)，運(yùn)用模板匹配方法對(duì)預(yù)浸紗圖像進(jìn)行精確分類。

然而，在此方面的研究國(guó)內(nèi)尚處于起步階段，對(duì)鋪放過(guò)程中出現(xiàn)的褶皺(氣泡)、異物等缺陷檢測(cè)鮮有研究。武漢理工大學(xué)劉輝等[13]設(shè)計(jì)了一套基于USB攝像頭與PC機(jī)構(gòu)成的視頻采集系統(tǒng)，采用中值濾波等預(yù)處理后獲得高信噪比圖像，采用亞像素邊緣算法對(duì)預(yù)浸紗邊緣進(jìn)行精確分割定位，經(jīng)過(guò)動(dòng)態(tài)Hough算法可有效獲取纖維的鋪放角度，誤差約為±0.2°。武漢理工大學(xué)季曉麗等[14]在前人研究基礎(chǔ)上繼續(xù)開(kāi)發(fā)了采用“CMOS相機(jī)+視覺(jué)控制器”的方式進(jìn)行圖像序列采集，基于MFC和OpenCV開(kāi)發(fā)了預(yù)浸紗鋪放間隙檢測(cè)系統(tǒng)，該系統(tǒng)僅對(duì)首層預(yù)浸紗的檢測(cè)效果較好(首層預(yù)浸紗與模具邊緣的圖像灰度對(duì)比度大，易于實(shí)現(xiàn)檢測(cè))。本工作針對(duì)復(fù)合材料自動(dòng)鋪放表面氣泡、異物缺陷檢測(cè)問(wèn)題，研究滿足高效、可靠的缺陷分割方法，為后續(xù)精確識(shí)別提供理論基礎(chǔ)。

1 自動(dòng)鋪放表面缺陷圖像分析

在自動(dòng)鋪放過(guò)程中，由于鋪放速度、壓力等鋪放參數(shù)時(shí)刻變化，模具表面會(huì)不可避免地出現(xiàn)預(yù)浸紗搭接、間隙、氣泡、異物殘骸等缺陷。理想條件下，缺陷圖像在紋理清晰的預(yù)浸紗圖像中會(huì)表現(xiàn)出與周圍環(huán)境極大的灰度差異性，易于實(shí)現(xiàn)缺陷分割。然而，在實(shí)際鋪放過(guò)程中，由于預(yù)浸紗表面樹(shù)脂強(qiáng)烈的反光性及自然光照造成的預(yù)浸紗圖像灰度分布不均等因素的干擾，極大地影響了缺陷的識(shí)別精度，而精確、完整的缺陷分割是保證缺陷識(shí)別精度的重要前提；因此，在圖像分割過(guò)程中需要考慮這些不確定因素的影響。

目標(biāo)圖像的分割方法包括閾值分割、差影算法等。傳統(tǒng)的閾值分割方法是通過(guò)設(shè)定目標(biāo)與背景的閾值來(lái)實(shí)現(xiàn)目標(biāo)分割的，如固定閾值、Otsu閾值法等。從算法效率上講，固定閾值分割效率高、耗時(shí)最短，具有很強(qiáng)的實(shí)用性。然而對(duì)于受照明條件、噪聲影響較大的預(yù)浸紗表面圖像，固定閾值分割效果往往較差。Otsu閾值分割(又稱最大類間方差法)是在灰度直方圖的基礎(chǔ)上采用最小二乘法原理推導(dǎo)出來(lái)的，具有統(tǒng)計(jì)意義上的最佳閾值。由于預(yù)浸紗表面圖像灰度分布極不均勻，往往會(huì)出現(xiàn)預(yù)浸紗表面圖像某些位置的灰度與缺陷灰度處于同一灰度級(jí)，極易出現(xiàn)對(duì)圖像的欠分割、過(guò)分割現(xiàn)象，嚴(yán)重影響后續(xù)缺陷類型的識(shí)別判斷。陳文等[15]采用基于二維直方圖質(zhì)心分割算法對(duì)預(yù)浸紗圖像進(jìn)行分割并通過(guò)設(shè)計(jì)定向?yàn)V波器對(duì)圖像作定向?yàn)V波處理，獲得相對(duì)清晰的方向紋理；由于自動(dòng)鋪放過(guò)程各因素變化極為復(fù)雜，很難保證模具表面光照條件分布均勻，同Otsu算法一樣，該算法很難精準(zhǔn)地分割出預(yù)浸紗圖像中的缺陷。

差影分割算法[16]要求預(yù)先提供一幅作為參照的標(biāo)準(zhǔn)圖像模板，將待檢圖像與標(biāo)準(zhǔn)圖像進(jìn)行減法運(yùn)算即可得到僅包含缺陷的差影圖像。該方法運(yùn)算量小，常用于背景圖像穩(wěn)定，灰度均勻性好、噪聲干擾性小、實(shí)時(shí)檢測(cè)的情況。由于鋪放表面預(yù)浸紗灰度極不均勻且存在嚴(yán)重的樹(shù)脂反光問(wèn)題，給圖像分割過(guò)程造成了極大的困難。

通過(guò)研究發(fā)現(xiàn)，預(yù)浸紗表面圖像灰度分布并不是雜亂無(wú)章的，圖像灰度分布沿纖維方向具有灰度基本一致的特點(diǎn)(如圖1)?；诖颂攸c(diǎn)，結(jié)合上述分割算法的不足，本工作提出了一種基于圖像差影的分割算法，其基本思想如下：首先對(duì)圖像進(jìn)行灰度補(bǔ)償使其整體灰度處于同一灰度級(jí)，剔除掉每行較大誤差灰度點(diǎn)，利用圖像沿纖維方向灰度均勻的特性，以每行平均灰度值作為圖像矩陣標(biāo)準(zhǔn)列向量，通過(guò)“復(fù)制”建立標(biāo)準(zhǔn)背景圖像，以差值系數(shù)K作為分割判據(jù)，對(duì)待檢圖像進(jìn)行分割處理。同時(shí)，考慮到鋪放過(guò)程中存在的不確定因素會(huì)影響缺陷分割效果，對(duì)分割后的二值圖像進(jìn)行中值濾波，消除噪點(diǎn)，獲得高質(zhì)量的缺陷分割圖像。

2 圖像分割算法原理

2.1 圖像灰度補(bǔ)償原理

由于模具表面局部曲率變化較大及表面樹(shù)脂反光程度不同，CCD高速相機(jī)采集到的預(yù)浸紗表面圖像往往呈現(xiàn)出圖像灰度不均勻的現(xiàn)象。然而，通過(guò)觀察采集的預(yù)浸紗表面圖像后發(fā)現(xiàn)，圖像各像素點(diǎn)在纖維方向上具有很大的灰度相似性。依據(jù)這一規(guī)律對(duì)圖像在纖維方向上的灰度分布進(jìn)行分析，求取圖像的縱向投影，獲得圖像在纖維方向上的平均灰度分布曲線。由于實(shí)際采集到的圖像沿纖維方向灰度參差不齊，無(wú)法直接對(duì)圖像進(jìn)行差影分割，需要對(duì)其進(jìn)行灰度補(bǔ)償預(yù)處理。依據(jù)理想灰度分布曲線對(duì)實(shí)際平均灰度分布曲線進(jìn)行灰度補(bǔ)償修正，將其調(diào)整到同一灰度級(jí)，如圖2所示。

對(duì)于一幅預(yù)浸紗表面圖像IM×N，可以看作大小為M×N的矩陣，則圖像縱向投影均值為：

(1)

式中：f(j)表示圖像矩陣每列的平均灰度值；g(i,j)表示圖像I在(i,j)處的灰度值；M表示圖像矩陣的列數(shù)。假設(shè)統(tǒng)計(jì)得到圖像的平均灰度分布曲線y=f(j)，如圖2。設(shè)理想灰度曲線y=G，圖像寬度方向上第j點(diǎn)的平均灰度值f(j)=a，則圖像矩陣第j列灰度修正系數(shù)為：

k(j)=G/f(j) (j=1,2,...N)

(2)

式中：k(j)為寬度方向第j點(diǎn)的灰度修正系數(shù)；k(j)>1。

由公式(2)可得到圖像在寬度方向上所有的修正系數(shù)k(j) ，以k(j)作為模板矩陣對(duì)圖像進(jìn)行灰度補(bǔ)償修正，將圖像灰度調(diào)整到理想灰度級(jí)上，修正過(guò)程如下：

g2(i,j)=g(i,j)k(j)

(3)

式中：g2(i,j)為灰度補(bǔ)償修正后的圖像。

d=|g1-g2|

(4)

d′=k|g1-g2|

(5)

式中：g1，g2為圖像某行背景、缺陷相鄰兩像素；d，d′為灰度補(bǔ)償前、后灰度差值。

由式(2)和圖2知，k>1，帶入公式(4)，(5)，有d′>d。由此可知，圖像灰度補(bǔ)償不僅提高了預(yù)浸紗鋪放表面圖像缺陷邊緣的灰度對(duì)比度，還降低了光照及相機(jī)成像過(guò)程中對(duì)圖像造成的灰度不均勻性。

2.2 標(biāo)準(zhǔn)背景圖像的生成

(6)

圖3是對(duì)一幅預(yù)浸紗鋪放表面圖像第i行進(jìn)行統(tǒng)計(jì)獲得的灰度差概率分布曲線。該分布符合誤差的集中性、對(duì)稱性和單峰性，預(yù)浸紗表面圖像第i行灰度誤差值基本服從μ=0的正態(tài)分布N(0,σ2)。因此，可以認(rèn)為預(yù)浸紗表面圖像灰度誤差值在統(tǒng)計(jì)概率上不會(huì)超過(guò)極限誤差δ(i,j)=±3σ[17]。

圖3 預(yù)浸紗第i行灰度差概率分布曲線Fig.3 Probability distribution curve of pixel-value difference in line i of prepreg image matrix

當(dāng)鋪放表面存在缺陷時(shí)，缺陷處灰度值與該纖維 方向灰度差值一般會(huì)高于極限誤差。因而，通過(guò)

極限誤差3σ對(duì)粗大誤差進(jìn)行剔除并生成標(biāo)準(zhǔn)背景圖像，過(guò)程如下：

(a) 根據(jù)采集到的圖像計(jì)算每行的灰度均值：

(7)

依據(jù)式(7)計(jì)算整幅圖像I的M行灰度均值；

(b) 運(yùn)用式(6)，(7)及貝塞爾公式計(jì)算圖像每行的灰度標(biāo)準(zhǔn)差σi:

(8)

(9)

(假設(shè)第i行滿足3σ準(zhǔn)則有k個(gè)點(diǎn))

則標(biāo)準(zhǔn)背景圖像列向量為：

(10)

(d) 對(duì)標(biāo)準(zhǔn)背景圖像列向量gM×1進(jìn)行N列 “復(fù)制”，即得到與待檢測(cè)圖像矩陣大小相一致的標(biāo)準(zhǔn)背景圖像，其矩陣變換過(guò)程如下圖4:

圖4 矩陣變換過(guò)程Fig.4 Process of matrix transformation

2.3 差影分割

在獲得標(biāo)準(zhǔn)預(yù)浸紗表面圖像后，對(duì)待分割圖像進(jìn)行差影分割處理，該算法是把同一景物在不同時(shí)間拍攝的圖像相減，利用差影圖像提供的圖像間的差影信息以達(dá)到動(dòng)態(tài)監(jiān)測(cè)及目標(biāo)識(shí)別的目的[18]。輸入待測(cè)圖像Y(i,j)和標(biāo)準(zhǔn)圖像X(i,j)，則輸出圖像為C(i,j)，該原理如下：

C(i,j)=Y(i,j)-X(i,j)，Δ=|C(i,j)|

(11)

式中：Δ表示圖像灰度差的絕對(duì)值；i，j分別為圖像矩陣的行和列。

由于預(yù)浸紗表面圖像灰度會(huì)在較小的范圍內(nèi)波動(dòng)，因此需要對(duì)輸出圖像矩陣元素設(shè)置允許差值系數(shù)K；如果Δ

2.4 濾波處理

自動(dòng)鋪放圖像采集過(guò)程中存在各種噪聲影響，預(yù)浸紗圖像在分割過(guò)程中會(huì)出現(xiàn)將噪點(diǎn)誤分割為缺陷的現(xiàn)象，導(dǎo)致特征提取的精度降低，影響后續(xù)的缺陷類型識(shí)別，因而需要對(duì)其進(jìn)行濾波處理。由于預(yù)浸紗鋪放表面圖像具有較強(qiáng)的紋理性，纖維方向需要更多的濾波處理以達(dá)到消除噪點(diǎn)的效果，所以在提高氣泡、異物等非紋理性缺陷信息強(qiáng)度的同時(shí)，需要降低圖像中纖維方向冗余信息的強(qiáng)度，因而對(duì)其進(jìn)行鄰域處理及定向中值濾波。

3 結(jié)果與分析

本實(shí)驗(yàn)的計(jì)算機(jī)配置為：CPU Intel Core 2；內(nèi)存2GB；操作系統(tǒng)Windows XP；軟件環(huán)境Matlab R2009a。實(shí)驗(yàn)圖像格式BMP；灰度級(jí)256。測(cè)試圖像包括氣泡、異物兩種典型預(yù)浸紗表面缺陷類型，如圖5。

圖5(a)，(b)是在鋪放過(guò)程中采集到的兩種典型預(yù)浸紗鋪放缺陷圖像。采用本工作的算法分別對(duì)圖5中兩種類型的缺陷進(jìn)行灰度補(bǔ)償及未濾波直接差影處理，結(jié)果見(jiàn)圖6；并將質(zhì)心分割算法、Otsu閾值分割結(jié)果與本算法進(jìn)行對(duì)比，結(jié)果見(jiàn)表1。

圖5(a)中，存在兩個(gè)較明顯的氣泡缺陷，預(yù)先對(duì)圖像進(jìn)行灰度校正處理，由灰度投影平均值曲線圖6(a-1)知：原圖5 (a)中左側(cè)圖像灰度級(jí)比右側(cè)高，即左側(cè)光照強(qiáng)度相對(duì)較高。經(jīng)縱向灰度補(bǔ)償校正后的圖像(如圖6(a-2) )沿著纖維方向具有相同灰度級(jí)。為獲得良好分割效果，根據(jù)經(jīng)驗(yàn)設(shè)定允許差值系數(shù)K=22；直接進(jìn)行差影分割而未進(jìn)行濾波處理的圖像中存在很多噪點(diǎn)，同時(shí)出現(xiàn)了輕微的誤分割現(xiàn)象，如圖6(a-3)。

對(duì)圖5 (b)中異物缺陷圖像作縱向投影處理獲得如圖6 (b-1)灰度投影圖，觀察發(fā)現(xiàn)，在圖像像素寬度方向100到150出現(xiàn)灰度值突變的現(xiàn)象，這個(gè)灰度突變的位置就是缺陷在圖像寬度方向的位置。在對(duì)灰度補(bǔ)償后的圖像(圖6(b-2))進(jìn)行差影分割后獲得圖像(圖6(b-3))，在分割出異物缺陷的同時(shí)，沿預(yù)浸紗方向存在很多噪點(diǎn)。對(duì)上述兩種缺陷圖 像進(jìn)行定向?yàn)V波處理后獲得表1中結(jié)果，并與其他兩種算法進(jìn)行對(duì)比。

圖5 典型鋪放缺陷(380×250) (a)氣泡缺陷(紅圈標(biāo)記處為氣泡缺陷)；(b) 異物殘骸(黃色膠帶紙)Fig.5 Typical defects of AFP (a) bubble；(b) foreign object debris(FOD)

圖6 缺陷圖像處理結(jié)果 (a-1)氣泡圖像：縱向灰度投影圖；(a-2)灰度補(bǔ)償后氣泡圖像；(a-3)差影分割氣泡圖像 (未濾波)；(b-1)異物圖像：縱向灰度投影圖；(b-2)灰度補(bǔ)償后異物圖像；(b-3)差影分割異物圖像(未濾波)Fig.6 Image processing results of defects (a-1) bubbles: vertical gray-level projection；(a-2) bubble image after gray compensation； (a-3) subtracted image of bubbles(unfiltered)；(b-1) FOD: vertical gray-level projection； (b-2) FOD image after gray compensation； (b-3) subtracted image of FOD (unfiltered)

MasscentroidpartitioningalgorithmOtsualgorithmProposedalgorithmBubbleTime/ms957237FODTime/ms896335

為減少將噪聲誤分割為缺陷的情況，本實(shí)驗(yàn)通過(guò)定向中值濾波處理，抑制纖維方向噪點(diǎn)信息強(qiáng)度，實(shí)現(xiàn)了精確分割缺陷的目的(本算法，見(jiàn)表1)。由圖可知，噪點(diǎn)經(jīng)中值濾波處理后被完全濾除，氣泡缺陷被精準(zhǔn)地分割出來(lái)。質(zhì)心分割算法在分割這類灰度直方圖呈單峰性的預(yù)浸紗表面圖像時(shí)具有明顯優(yōu)勢(shì)，但往往由于預(yù)浸紗表面鋪放不平整的原因?qū)е鹿庹詹痪鶆?、表面?shù)脂反光程度不同，進(jìn)而造成在質(zhì)心分割過(guò)程中，出現(xiàn)誤分割的情況(見(jiàn)表1)。究其原因，是由于質(zhì)心分割方法是基于灰度直方圖的基礎(chǔ)上采用質(zhì)心定義推導(dǎo)出來(lái)的，具有統(tǒng)計(jì)意義上的分割，而往往在該類型缺陷圖像中非缺陷區(qū)圖像灰度與缺陷區(qū)有相似灰度級(jí)；因此，表面微小變化很容易被分割出來(lái)，出現(xiàn)誤分割的現(xiàn)象。同樣地，Otsu分割算法也存在相同問(wèn)題，這種具有統(tǒng)計(jì)意義的閾值分割方法并不能對(duì)預(yù)浸紗圖像面狀缺陷進(jìn)行良好的分割。本工作的算法在分割過(guò)程中充分考慮到預(yù)浸紗表面圖像灰度在纖維方向上基本相似的特性，在保證精準(zhǔn)分割缺陷的同時(shí)獲得了較好的分割效果。

對(duì)兩種類型缺陷，表1分割結(jié)果驗(yàn)證了本工作算法的適應(yīng)性和有效性，分割結(jié)果較為準(zhǔn)確、完整，對(duì)噪聲干擾不敏感，同時(shí)耗時(shí)最短，為后續(xù)圖像缺陷類型識(shí)別提供了良好的基礎(chǔ)。由于在鋪放過(guò)程中，圖像表面光照強(qiáng)度及均勻性很難保證，因而檢測(cè)精度很大程度地受到圖像采集精度的影響，所以如何獲取高質(zhì)量預(yù)浸紗表面缺陷圖像也是需要深入探究的問(wèn)題。

4 結(jié) 論

(1)基于傳統(tǒng)差影算法，結(jié)合預(yù)浸紗鋪放表面圖像特點(diǎn)，提出了一種基于預(yù)浸紗表面圖像的改進(jìn)差影分割算法，極大地提高了圖像分割的精度，然而在不斷變化的圖像采集環(huán)境下，很難保證圖像采集的穩(wěn)定性，如何保證圖像采集的穩(wěn)定性還需進(jìn)一步探討。

(2)在實(shí)際預(yù)浸紗鋪放過(guò)程中，針對(duì)光照不均及樹(shù)脂反光程度不同等因素的影響，采用光照補(bǔ)償算法可有效將圖像纖維方向的灰度補(bǔ)償至相同灰度級(jí)，為后續(xù)缺陷分割、缺陷類型識(shí)別提供了良好的前提條件。

(3)通過(guò)對(duì)比分割實(shí)驗(yàn)結(jié)果表明，本工作所提出的分割算法具有高精度、強(qiáng)抗干擾能力等特點(diǎn)，為后續(xù)進(jìn)一步圖像缺陷識(shí)別提供良好的基礎(chǔ)。即便如此，該分割算法仍然存在邊界分割誤差的情況，所以如何進(jìn)一步提高邊界精度，降低分割誤差是下一步需要解決的問(wèn)題。

[1] 肖軍，李勇，李建龍．自動(dòng)鋪放技術(shù)在大型飛機(jī)復(fù)合材料構(gòu)件制造中的應(yīng)用[J]．航空制造技術(shù)，2008(1)：50-53．

(XIAOJ，LIY，LIJL．Applicationofautomaticlayingtechnologyinthemanufactureoflargeaircraftcompositecomponents[J]．AeronauticalManufacturingTechnology， 2008(1)：50-53．)

[2] 張建寶，肖軍，文立偉，等．自動(dòng)鋪帶技術(shù)研究進(jìn)展[J]．材料工程，2010(7)：87-91．

(ZHANGJB，XIAOJ，WENLW，etal．Research progress of automated tape-laying technology[J]．Journal of Materials Engineering，2010(7)：87-91．)

[3] Maass D．Progress in automated ply inspection of AFP layups[J]．Reinforced Plastics，2015，59(5)：242-245．

[4] 嚴(yán)飆，文立偉．自動(dòng)鋪纏預(yù)浸帶熱壓接研究[J]．材料工程，2014(5)：7-11．

(YAN B，WEN L W．Hot-press bounding for prepreg in automatic placement and tape wingding[J]．Journal of Materials Engineering，2014(5)：7-11．)

[5] SHIRINZADEH B，CASSIDY G，OETOMO D，etal．Trajectory generation for open-contoured structures in robotic fiber placement[J]．Robotics and Computer-Integrated Manufacturing，2007，23(4)：380-394．

[6] 方宜武，王顯峰，顧善群，等．自動(dòng)鋪絲過(guò)程中預(yù)浸料的側(cè)向彎曲[J]．材料工程，2015,43(4):47-52.

(FANG Y W，WANG X F，GU S Q，etal．Lateral bending of prepreg during automated fiber placement[J]．Journal of Materials Engineering，2015,43 (4)：47-52．)

[7] 林勝．自動(dòng)鋪帶機(jī)/鋪絲機(jī)(ATL/AFP)——現(xiàn)代大型飛機(jī)制造的關(guān)鍵設(shè)備(上)[J]．世界制造技術(shù)與裝備市場(chǎng)，2009 (4)：84-89．

(LIN S．ATL/AFP—the key machine for manufacturing of modern large airplane(I)[J]．World Manufacturing Engineering & Market，2009 (4)：84-89．)

[8] 杜善義．先進(jìn)復(fù)合材料與航空航天[J]．復(fù)合材料學(xué)報(bào), 2007，24(1)：1-12．

(DU S Y．Advanced composite materials and aerospace engineering[J]．Acta Materiae Compositae Sinica，2007，24(1)：1-12．)

[9] SCHMITT R，F(xiàn)URTJES T．Real-time machine vision system for an automated quality monitoring in mass production of multiaxial non-crimp fabrics[J]．IFAC-Papers Online，2015，48(3)：2393-2398．

[10] ENGELBART R W，HANNEBAUM R．Verification of tow cut for automatic fiber placement：US8377239[P]．2013-02-19．

[11] ENGELBART R W．System and method for identifying defect in a composite structure：US7171033 B2[P]．2007-1-30．

[12] ENGELBART R W．System and methods enabling automated return to and/or repair of defects with a material placement machine：US20050203657[P]．2005-9-15．

[13] 劉輝．基于機(jī)器視覺(jué)的纖維鋪放角度及間距檢測(cè)系統(tǒng)研究[D]．武漢：武漢理工大學(xué)，2008．

(LIU H.The research of image detection system of fiber tape laying based on machine vision[D].Wuhan：Wuhan University of Technology，2008．)

[14] 季曉麗．基于計(jì)算機(jī)視覺(jué)纖維帶鋪放間隙檢測(cè)系統(tǒng)研究[D]．武漢：武漢理工大學(xué)，2010．

(JI X L．The research of image detection system of fiber tape laying based on computer vision[D]．Wuhan：Wuhan University of Technology，2010．)

[15] 陳文，曹力，肖軍，等．基于視覺(jué)的復(fù)合材料自動(dòng)鋪放表面紋理實(shí)時(shí)檢測(cè)方法[J]．科學(xué)技術(shù)與工程，2011，11(18)：4143-4149．

(CHEN W，CAO L，XIAO J，etal．A vision-based real-time detection method of texture in automatic composite fiber placement[J]．Science Technology and Engineering，2011，11(18)：4143-4149．)

[16] 彭向前，陳幼平，謝經(jīng)明，等．浮法玻璃缺陷在線檢測(cè)識(shí)別方法研究[J]．玻璃與搪瓷，2010，38(1)：1-6．

(PENG X Q，CHEN Y P，XIE J M，etal．Research on online defect inspection and recognition for float glass fabrication[J]．Glass & Enamel，2010，38(1)：1-6．)

[17] 姚景風(fēng).測(cè)得值服從正態(tài)分布時(shí)極限誤差的確定[J]．上海機(jī)械學(xué)院學(xué)報(bào)，1990(1)：105-110．

(YAO J F．The computation of limiting error for measured values possessing normal distribution [J]．Journal of University of Shanghai for Science and Technology，1990(1)：105-110．)

[18] 何斌，馬天予．Visual C++數(shù)字圖像處理[M]．北京：人民郵電出版社，2002．

(責(zé)任編輯：徐永祥)

Algorithm of Defect Segmentation for AFP Based on Prepregs

CAI Zhiqiang， XIAO Jun， WEN Liwei， WANG Dongli， WU Yaoping

(College of Materials Science and Engineering，Nanjing University of Aeronautics and Astronautics，Nanjing 210016, China)

In order to ensure the performance of the automated fiber placement forming parts, according to the homogeneity of the image of the prepreg surface along the fiber direction, a defect segmentation algorithm which was the combination of gray compensation and substraction algorithm based on image processing technology was proposed. The gray compensation matrix of image was used to compensate the gray image, and the maximum error point of the image matrix was eliminated according to the characteristics that the gray error obeys the normal distribution. The standard image was established, using the allowed deviation coefficient K as a criterion for substraction segmentation. Experiments show that the algorithm has good effect, fast speed in segmenting two kinds of typical laying defect of bubbles or foreign objects, and provides a good theoretical basis to realize automatic laying defect online monitoring.

automated fiber placement；defect detection；gray compensation；segmentation of mass centroid；subtraction algorithm

2016-09-08；

2016-11-15

國(guó)家“973”計(jì)劃(2014CB046501)；江蘇省高校優(yōu)勢(shì)學(xué)科建設(shè)工程資助項(xiàng)目

肖 軍(1959—)，男，碩士，教授，主要從事先進(jìn)復(fù)合材料及其自動(dòng)化制造技術(shù)與應(yīng)用， (E-mail) nuaaccmexj@126.com。

10.11868/j.issn.1005-5053.2016.000157

TB332

A

1005-5053(2017)02-0021-07