南瑞亭，陳冬雪

（1．廣州市交通技師學(xué)院，廣東 廣州 510540；2．華南理工大學(xué)機(jī)械與汽車(chē)工程學(xué)院，廣東 廣州 510640）

輪胎剪切散斑干涉包裹相位圖缺陷識(shí)別方法

南瑞亭1，陳冬雪2

（1．廣州市交通技師學(xué)院，廣東 廣州 510540；2．華南理工大學(xué)機(jī)械與汽車(chē)工程學(xué)院，廣東 廣州 510640）

目前輪胎剪切散斑干涉缺陷識(shí)別技術(shù)主要依靠人工輔助識(shí)別，難以滿足大批量工業(yè)生產(chǎn)檢測(cè)的需要。該文提出基于剪切散斑圖角點(diǎn)特征的輪胎缺陷識(shí)別方法，實(shí)現(xiàn)輪胎缺陷自動(dòng)識(shí)別。首先通過(guò)對(duì)激光剪切散斑干涉包裹相位圖缺陷特征、去噪方法等方面進(jìn)行分析，并根據(jù)激光散斑干涉包裹相位圖角點(diǎn)特征，提出基于角點(diǎn)特征的包裹相位圖缺陷識(shí)別方法。實(shí)驗(yàn)結(jié)果表明：在兩組包裹相位圖缺陷識(shí)別實(shí)驗(yàn)中，該文方法對(duì)條紋質(zhì)量較好、較差的包裹相位圖，缺陷識(shí)別效果準(zhǔn)確、定位精度高，該方法簡(jiǎn)單、高效，有助于提高輪胎缺陷檢測(cè)速度與效率，可實(shí)現(xiàn)自動(dòng)化輪胎缺陷檢測(cè)。

輪胎；剪切散斑干涉；包裹相位圖；缺陷識(shí)別

0 引 言

激光剪切散斑輪胎無(wú)損檢測(cè)技術(shù)具有實(shí)時(shí)、全場(chǎng)非接觸無(wú)損、機(jī)構(gòu)簡(jiǎn)單、無(wú)需防震裝置等特點(diǎn)，已成功應(yīng)用于輪胎生產(chǎn)缺陷檢測(cè)上[1]。在缺陷檢測(cè)過(guò)程中，通過(guò)對(duì)輪胎進(jìn)行加載（如真空加載、熱加載、振動(dòng)加載），使輪胎內(nèi)部缺陷以變形方式表現(xiàn)出來(lái)，再通過(guò)變形分布上的異常來(lái)判斷缺陷是否存在[2]。德國(guó)Werner等[3]研究認(rèn)為，全息無(wú)損檢測(cè)缺陷自動(dòng)識(shí)別研究方向中，基于神經(jīng)網(wǎng)絡(luò)的缺陷分類(lèi)方法需要大量訓(xùn)練樣本，而基于專(zhuān)家系統(tǒng)的缺陷識(shí)別方法雖然只能檢測(cè)特定種類(lèi)的缺陷，但需要樣本較少，是目前無(wú)損檢測(cè)的主要研究?jī)?nèi)容。合肥工業(yè)大學(xué)基于傅里葉變換與反變換在空間頻率域上提取所需的頻譜并計(jì)算相位圖，可以在以43.6°的視場(chǎng)角實(shí)現(xiàn)動(dòng)態(tài)形變的測(cè)量,可測(cè)形變峰值為 0.5～30 μm[4]；郭媛[5]選用雙波長(zhǎng)激光照射和彩色相機(jī)，實(shí)現(xiàn)復(fù)合材料大變形的測(cè)量與缺陷檢測(cè)；浙江省光信息檢測(cè)與顯示技術(shù)研究重點(diǎn)實(shí)驗(yàn)室提出一種基于主元分析的隨機(jī)相移散斑圖分析算法，無(wú)需迭代即可計(jì)算物體加載后的動(dòng)態(tài)相位變化[6]。目前對(duì)于輪胎剪切散斑干涉的缺陷識(shí)別主要依靠人工輔助識(shí)別，識(shí)別速度慢、效率低，可靠性差，難以滿足大批量工業(yè)生產(chǎn)檢測(cè)的需要。為此，本文通過(guò)對(duì)包裹相位圖缺陷特征分析，基于角點(diǎn)特征的包裹相位圖缺陷識(shí)別方法，實(shí)現(xiàn)自動(dòng)化輪胎缺陷檢測(cè)。

1 輪胎剪切散斑干涉包裹相位圖濾波預(yù)處理

通過(guò)相移法得到的包裹相位圖含有大量的散斑噪聲，對(duì)包裹相位圖的缺陷識(shí)別產(chǎn)生了嚴(yán)重的影響，故須對(duì)生成包裹相位圖進(jìn)行濾波預(yù)處理。包裹相位圖的濾波算法有很多，如正余弦均值濾波[7]、多方向頻域?yàn)V波[8]、自適應(yīng)多方向頻域?yàn)V波[9-10]，綜合考慮濾波算法的濾波質(zhì)量、濾波速度、濾波參數(shù)選取難易程度，本文選用一種正余弦均值濾波算法。

設(shè)（i，j）為圖像中任意一點(diǎn)，Io（i，j）為原始圖像灰度值，Isin（i，j）、Icos（i，j）分別為正弦變換、余弦變換后的灰度值，Isin′（i，j）、Icos′（i，j）分別為濾波后的正弦變換灰度值和余弦變換灰度值，Ie′（i，j）為濾波后的圖像灰度值，則正余弦變換公式為

逆運(yùn)算公式為

2 剪切散斑干涉包裹相位圖缺陷特征

對(duì)含有缺陷輪胎進(jìn)行加載，通過(guò)剪切散斑干涉裝置獲取加載前、后輪胎散斑圖，并經(jīng)過(guò)相移算法可得到輪胎缺陷包裹相位條紋圖，其相位條紋是離面位移在錯(cuò)位方向一階導(dǎo)數(shù)的等直線條紋[9]，缺陷區(qū)域呈典型“蝴蝶狀”條紋圖。圖1（a）為輪胎缺陷包裹相位圖，圖1（b）為圖1（a）經(jīng)正余弦均值濾波后得到的包裹相位濾波圖，濾波模板為21×21。

由圖可以看出，經(jīng)過(guò)濾波處理后，包裹相位圖的大部分噪聲被濾除，包裹相位圖的非缺陷區(qū)域?yàn)槠交瑓^(qū)域，不含有角點(diǎn)特征，包裹相位圖的缺陷區(qū)域呈典型“蝴蝶狀”條紋圖，含有較多的角點(diǎn)，故可基于角點(diǎn)特征對(duì)包裹相位圖進(jìn)行缺陷識(shí)別。

圖1 原始包裹相位圖及其濾波預(yù)處理圖

3 基于角點(diǎn)特征的包裹相位圖缺陷識(shí)別原理

現(xiàn)有角點(diǎn)檢測(cè)算法主要有：Moravec角點(diǎn)檢測(cè)算法[11]、Harris角點(diǎn)檢測(cè)算法[12]、Forstner角點(diǎn)檢測(cè)算法[13]等。本文主要采用Harris角點(diǎn)檢測(cè)算法對(duì)包裹相位圖進(jìn)行角點(diǎn)特征提取。

首先定義圖像窗口平移[u，ν]產(chǎn)生灰度變化的自相關(guān)函數(shù) E（u，ν）：

式中：w（x，y）——以點(diǎn)（x，y）為中心的窗函數(shù)；

I（x，y）——圖像中任意一點(diǎn)（x，y）的灰度值。

將式（3）中的 I（x+u，y+ν）進(jìn)行 Taylor級(jí)數(shù)展開(kāi)并舍去高階小量得：

定義矩陣H：

則自相關(guān)函數(shù) E（u，ν）為

其中，矩陣H稱(chēng)為自相關(guān)矩陣。

設(shè)λ1、λ2為矩陣H的兩個(gè)特征向值，則可通過(guò)特征值λ1、λ2的相對(duì)大小判斷該點(diǎn)是否為角點(diǎn)，在實(shí)際檢測(cè)過(guò)程中，常用角點(diǎn)響應(yīng) RCR（corner response，CR）來(lái)判斷角點(diǎn)的質(zhì)量，角點(diǎn)響應(yīng)函數(shù)為

其中α為經(jīng)驗(yàn)常數(shù)，一般取0.04～0.06，文中α=0.06。通過(guò)計(jì)算包裹相位圖中每個(gè)像素點(diǎn)對(duì)應(yīng)的角點(diǎn)響應(yīng)函數(shù)RCR值，再對(duì)RCR進(jìn)行非極大值抑制處理及閾值處理，便可提取出包裹相位圖中的角點(diǎn)。

由于包裹相位圖中噪聲干擾，可能會(huì)使得包裹相位圖的非缺陷區(qū)域產(chǎn)生個(gè)別或極少數(shù)的角點(diǎn)，有必要將這些干擾點(diǎn)剔除。通常由噪聲引起的角點(diǎn)非常少，且比較稀疏，而缺陷區(qū)域的角點(diǎn)多，且密集，因此，可以統(tǒng)計(jì)以特征點(diǎn)為中心的某個(gè)鄰域內(nèi)特征點(diǎn)（角點(diǎn)）數(shù)目，將少于一定特征點(diǎn)（角點(diǎn)）數(shù)目的鄰域所對(duì)應(yīng)的特征點(diǎn)剔除，這樣便可達(dá)到剔除干擾點(diǎn)的目的。

通過(guò)獲取包裹相位圖的角點(diǎn)，便可對(duì)包裹相位圖進(jìn)行缺陷識(shí)別，包裹相位圖角點(diǎn)所在的區(qū)域就是包裹相位圖中缺陷所在區(qū)域。由于包裹相位圖中的缺陷區(qū)域呈典型的“蝴蝶狀”，而真實(shí)的缺陷區(qū)域并不是一個(gè)“蝴蝶狀”區(qū)域，為此本文用包裹相位圖剪切方向及其法線方向最邊緣的4個(gè)角點(diǎn)所形成的矩形區(qū)域近似代替包裹相位圖的缺陷區(qū)域，矩形缺陷區(qū)域的4條邊分別與包裹相位圖的剪切方向及其法線方向平行。

圖2為基于角點(diǎn)特征的包裹相位圖缺陷識(shí)別算法流程圖。先對(duì)包裹相位圖進(jìn)行濾波預(yù)處理，減少噪聲干擾，提取包裹相位圖中的角點(diǎn)并剔除干擾角點(diǎn)，最后將剪切方向及其法線方向最邊緣的4個(gè)角點(diǎn)所形成的矩形區(qū)作為包裹相位圖的缺陷區(qū)域。

4 實(shí)驗(yàn)結(jié)果與分析

本文采用上述方法對(duì)兩幅含有缺陷的激光剪切散斑干涉包裹相位圖進(jìn)行缺陷識(shí)別，并對(duì)缺陷識(shí)別結(jié)果進(jìn)行對(duì)比分析。圖3（a）中紅色標(biāo)識(shí)的像素點(diǎn)是圖1（a）包裹相位圖中的角點(diǎn)；圖3（b）中紅色矩形方框?yàn)榛诮屈c(diǎn)特征所識(shí)別的缺陷區(qū)域。

圖2 基于角點(diǎn)特征的包裹相位圖缺陷識(shí)別算法流程圖

圖3 包裹相位圖缺陷識(shí)別實(shí)驗(yàn)1

圖4 是另一組包裹相位圖缺陷識(shí)別實(shí)驗(yàn)，實(shí)驗(yàn)參數(shù)與圖3缺陷識(shí)別參數(shù)相同。圖4（a）是一幅原始散斑干涉包裹相位圖；圖4（b）是圖4（a）的正余弦均值濾波圖；圖4（c）中紅色標(biāo)識(shí)的像素點(diǎn)是包裹相位圖中的角點(diǎn)；圖4（d）中紅色方框?yàn)榛诮屈c(diǎn)特征所識(shí)別的缺陷區(qū)域。

從圖3、圖4可以看出：1）基于角點(diǎn)特征的包裹相位圖缺陷識(shí)別算法能夠較好地識(shí)別缺陷區(qū)域的位置及大??；2）在圖4中，包裹相位圖中的條紋雖然已分辨不清，但仍取得了較好的缺陷識(shí)別效果；3）該缺陷識(shí)別算法對(duì)包裹相位圖濾波預(yù)處理質(zhì)量要求不高，適當(dāng)過(guò)度濾波對(duì)缺陷識(shí)別影響不大。

圖4 包裹相位圖缺陷識(shí)別實(shí)驗(yàn)2

5 結(jié)束語(yǔ)

本文從激光散斑干涉包裹相位圖缺陷特征、去噪方法等方面對(duì)輪胎激光散斑干涉包裹相位圖缺陷識(shí)別問(wèn)題進(jìn)行研究，并根據(jù)激光散斑干涉包裹相位圖缺陷特征，提出基于角點(diǎn)特征的包裹相位圖缺陷識(shí)別方法。該方法簡(jiǎn)單、高效，實(shí)驗(yàn)結(jié)果表明：該缺陷識(shí)別方法無(wú)論對(duì)條紋質(zhì)量較好包裹相位圖還是對(duì)條紋質(zhì)量較差的包裹相位圖，都能較好識(shí)別缺陷區(qū)域的位置、大小，達(dá)到了較好的缺陷識(shí)別效果，有助于提高輪胎缺陷檢測(cè)速度、效率，實(shí)現(xiàn)自動(dòng)化輪胎缺陷檢測(cè)。

[1]馮家亞，王永紅，王鑫，等.基于4f的大視角剪切散斑干涉系統(tǒng)設(shè)計(jì)[J].應(yīng)用光學(xué)，2015（2）：188-193.

[2]蔡長(zhǎng)青，張永山，汪大洋，等.新型剪切散斑干涉系統(tǒng)研究[J].激光與光電子學(xué)進(jìn)展，2014（11）：141-145.

[3]WERNER J，THOMAS K，UHIKE M，et al.Application of neural network and knowledge based systems for automatic identification of fault indicating fringe patterns[C]∥Proceedings of SPIE，1994（2342）：16-26.

[4]王永紅，馮家亞，王鑫，等.基于狹縫光闌的剪切散斑干涉動(dòng)態(tài)測(cè)量[J].光學(xué)精密工程，2015（3）：645-651.

[5]郭媛，毛琦，陳小天，等.雙波長(zhǎng)剪切散斑干涉法在復(fù)合材料缺陷檢測(cè)中的應(yīng)用[J].光子學(xué)報(bào)，2015（3）：188-192.

[6]侯園園，徐建.基于主元分析的隨機(jī)相移散斑圖分析算法[J].中國(guó)激光，2016（12）：1-13.

[7]王永紅，李駿睿.散斑干涉相位條紋圖的頻域?yàn)V波處理[J].中國(guó)光學(xué)，2014，7（3）：389-295.

[8]陳冬雪，劉桂雄.輪胎激光散斑干涉相位條紋圖多方向頻域?yàn)V波方法[J].中國(guó)測(cè)試，2015，41（11）：88-92.

[9]鐘浩，劉桂雄，陳冬雪，等.輪胎激光散斑干涉相位條紋圖局域多方向頻域?yàn)V波方法[J].中國(guó)測(cè)試，2016，42（6）：100-103.

[10]LIU G X，CHEN D X，PENG Y H，et al.Adaptive multidirectional frequency domain filterfor noise removal in wrapped phase patterns[J].Applied Optics，2016，55（22）：5953-5959.

[11]MOREVEC H.Towards automatic visual obstacle avoida nce[C]∥International Joint Conference on Artificial Intelligence，1977：584-584.

[12]HARRIS C，STEPHENS M.A combined corner and edge detection[C]∥Alvey Vision Conference，1988：189-192.

[13]孔小麗，金永，王召巴.一種光柵條紋圖像非線性矯正算法的 DSP 實(shí)現(xiàn)[J].中國(guó)測(cè)試，2015，41（4）：66-69.

（編輯：劉楊）

Defect recognition method in wrapped phase patterns of speckle shearing interferometry for tire

NAN Ruiting1，CHEN Dongxue2
（1.Guangzhou Communications Technician Institute，Guangzhou 510540，China；2.School of Mechanical and Automotive Engineering，South China University of Technology，Guangzhou 510640，China）

The current artificial auxiliary recognition for speckle shearing interferometry for tire could not meet the need of mass industrial production detection.This paper introduces a tire defect recognition method based on the corner characters of speckle shearing patterns so as to realize automatic defect recognition for tire.It analyzes the defect characteristics of wrapped phase patterns of laser speckle interferometry and its denoising method，proposes a defect recognition method of wrapped phase patterns according to and based on corner characters of laser speckle interference.Resultsshow thatin thetwodefectrecognition experimentsofwrapped phase patterns， the method proposed demonstratesaccurate effectsand high positioning accuracy，regardless of the fringe quality of wrapped phase patterns.It is easy to operate and effective as well，which helps improving the speed and efficiency of tire defect recognition，and also able to achieve automatic detection.

tire；shear speckle interferometer；wrapped phase patterns；defect recognition

A

1674-5124（2017）04-0114-04

10.11857/j.issn.1674-5124.2017.04.024

2016-12-21；

2017-01-10

廣州市科技計(jì)劃項(xiàng)目（201509010008）；粵港共性技術(shù)招標(biāo)項(xiàng)目（2013B010134008）

南瑞亭（1981-），女，陜西西安市人，講師，主要從事計(jì)量檢測(cè)設(shè)備研發(fā)及相關(guān)專(zhuān)業(yè)教學(xué)工作。