魏劍新

摘 要： 自動(dòng)檢測(cè)壓力容器數(shù)量是壓力容器氣密性視覺(jué)檢測(cè)應(yīng)用中的重要環(huán)節(jié)。為此，提出了基于邊緣聚類與篩選的壓力容器數(shù)量視覺(jué)檢測(cè)方法：首先，針對(duì)氣密性試驗(yàn)場(chǎng)地多樣性和環(huán)境光變化大等干擾導(dǎo)致圖像難以二值化的問(wèn)題，提出基于直方圖波峰數(shù)量的動(dòng)態(tài)閾值方法；其次，提出8鄰域卷積算子以檢測(cè)壓力容器的輪廓；然后，采用Hough直線算法檢測(cè)出壓力容器邊緣，并通過(guò)邊緣聚類與篩選得到壓力容器輪廓上下邊緣進(jìn)而實(shí)現(xiàn)壓力容器數(shù)量的檢測(cè)。經(jīng)實(shí)驗(yàn)驗(yàn)證，該方法簡(jiǎn)單高效，可滿足壓力容器氣密性視覺(jué)檢測(cè)的實(shí)際應(yīng)用。

關(guān)鍵詞： 壓力容器； 圖像識(shí)別； 灰度直方圖； 邊緣檢測(cè)； 直線檢測(cè)

中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1006-8228（2017）11-08-05

A method of counting pressure vessels based on edge clustering and filtering

Wei Jianxin

（Traffic police detachment of Lishui Public Security Bureau， Lishui， Zhejiang 310030， China）

Abstract： The automatic detection of the number of pressure vessels is an important part of the visual inspection of pressure vessel air tightness. For this purpose， a visual inspection method of pressure vessel number based on edge clustering and filtering is put forward： First， a novel binarization method is proposed according to the number of peaks of the gray histogram， which overcomes the diversity of the air tightness test site and the change of the ambient light； Second， the 8-neighborhood convolution operator is proposed to extract the outline of the pressure vessel； Then the edges of the pressure vessel is obtained by using Hough straight line algorithm， and the upper and lower edges of the pressure vessel are measured by edge clustering and filtering to realize the detection of the number of pressure vessels. The experimental results show that the method is simple and efficient， and can meet the practical application of visual inspection of pressure vessel air tightness.

Key words： pressure vessel； image recognition； histogram； edge detection； line detection

0 引言

近年來(lái)，隨著計(jì)算機(jī)視覺(jué)的自動(dòng)檢測(cè)技術(shù)在工業(yè)中的廣泛應(yīng)用，壓力容器生產(chǎn)廠家也開(kāi)始采用計(jì)算機(jī)視覺(jué)方式實(shí)現(xiàn)浸水法氣密性檢測(cè)的自動(dòng)化，如Johnsson F等[1]利用圖像處理技術(shù)對(duì)二維流化床中氣泡的大小、速率、空隙率進(jìn)行研究分析；Hubers JL等[2]對(duì)三相流化床中氣泡拍攝后從氣泡隊(duì)列中計(jì)算得出氣相含率；唐遠(yuǎn)河等[3]提出了基于片光源二維平面的氣泡測(cè)速方法，能夠?qū)Υ怪庇谄庠捶较蜻\(yùn)動(dòng)的氣泡進(jìn)行有效地測(cè)速；Busciglio A等[4]在研究氣固兩相流體中氣泡行為時(shí)，結(jié)合圖像處理技術(shù)，對(duì)氣泡的大小、速率進(jìn)行了檢測(cè)；閆麗等[5]提針對(duì)氣液兩相流場(chǎng)中氣泡行為的三維測(cè)量算法，實(shí)現(xiàn)了對(duì)單個(gè)氣泡的行為測(cè)量，并具有較高的測(cè)量精度；O.Zielinski等[6]將光流法應(yīng)用于水中氣泡的檢測(cè)，并通過(guò)實(shí)驗(yàn)分析了可行性；吳春龍等[7]提出了一套基于PLC控制的氣密性自動(dòng)檢測(cè)系統(tǒng)，并將基于光流理論的Hom-Schunck圖像處理算法應(yīng)用于氣液兩相流場(chǎng)中氣泡的識(shí)別與跟蹤，實(shí)現(xiàn)了對(duì)鋼瓶漏氣點(diǎn)氣泡的檢測(cè)與識(shí)別；甘建偉等[8]提出一種基于FPGA的氣泡邊緣檢測(cè)圖像處理系統(tǒng)，等等。

目標(biāo)數(shù)量的自動(dòng)識(shí)別通常是視覺(jué)檢測(cè)應(yīng)用中不可或缺的環(huán)節(jié)之一，如管接頭上密封圈數(shù)量的自動(dòng)檢測(cè)[9]、儲(chǔ)備糧倉(cāng)袋裝糧數(shù)量智能測(cè)算[10]、疊層紙張數(shù)量檢測(cè)[11-12]、儲(chǔ)備生豬統(tǒng)計(jì)[13]、高黏著度棒材的精確檢測(cè)計(jì)數(shù)[14]等。在壓力容器氣密性視覺(jué)檢測(cè)中，存在同樣的問(wèn)題，而在現(xiàn)有壓力容器氣密性試驗(yàn)視覺(jué)檢測(cè)應(yīng)用中，大多數(shù)[7-8]采用交互方式直接輸入鋼瓶數(shù)量的數(shù)據(jù)，為此，本文提出基于邊緣聚類與篩選的壓力容器數(shù)量視覺(jué)檢測(cè)方法。

1 檢測(cè)方法框架

針對(duì)計(jì)算機(jī)視覺(jué)在壓力容器氣密性檢測(cè)中的實(shí)際應(yīng)用，提出一種基于邊緣聚類與篩選的壓力容器數(shù)量視覺(jué)檢測(cè)方法。如圖1所示，首先根據(jù)壓力圖像灰度直方圖波峰數(shù)采用不同的二值化方法分割出壓力容器；然后，采用8鄰域卷積算子提取壓力容器的輪廓；最后，結(jié)合Hough直線檢測(cè)和先驗(yàn)知識(shí)篩選出壓力容器特征輪廓并進(jìn)行計(jì)數(shù)，從而檢測(cè)出壓力容器數(shù)量。endprint

圖1 壓力容器數(shù)量視覺(jué)檢測(cè)方法流程

2 壓力容器輪廓識(shí)別

考慮壓力容器氣密性試驗(yàn)場(chǎng)地背景的復(fù)雜性和多樣性，對(duì)壓力容器圖像進(jìn)行二值化時(shí)將無(wú)法使用固定的閾值，下面提出一種基于直方圖波峰數(shù)的動(dòng)態(tài)閾值二值化方法。

2.1 壓力容器圖像二值化

獲得壓力容器圖像的灰度分布直方圖后，以每5個(gè)像素值為一個(gè)灰度級(jí)，將灰度范圍劃分為51個(gè)灰度級(jí).統(tǒng)計(jì)各個(gè)灰度級(jí)中像素點(diǎn)數(shù)量的分布情況，令，其中i表示灰度級(jí)序號(hào)。根據(jù)式⑴對(duì)集合P進(jìn)行標(biāo)記，得到集合，pi計(jì)算如式⑴所示：

其中，若pi=1，則認(rèn)為灰度級(jí)ni處于灰度直方圖波峰處，若pi=0，則認(rèn)為灰度級(jí)ni處于灰度直方圖非波峰處，K表示波峰總個(gè)數(shù)，計(jì)算如式⑵所示。

當(dāng)K=2時(shí)，使用OTSU進(jìn)行二值化操作；當(dāng)K=3時(shí)，使用雙閾值二值化；當(dāng)K為其他值時(shí)，統(tǒng)一使用灰度均值進(jìn)行二值化；根據(jù)直方圖波峰數(shù)量的二值化過(guò)程如圖2和圖3所示。

2.2 壓力容器輪廓提取

為得到壓力容器邊緣， 通常采用Sobel、Canny等傳統(tǒng)邊緣檢測(cè)算子來(lái)解決，但這些方法需要對(duì)圖像求導(dǎo)計(jì)算梯度。針對(duì)二值化壓力容器圖像的特點(diǎn)，下面提出一種8領(lǐng)域卷積算子，如式⑶所示。利用該算子對(duì)二值圖像進(jìn)行卷積運(yùn)算，統(tǒng)計(jì)每個(gè)像素點(diǎn)的8鄰域值的情況，即可確定該像素點(diǎn)是否為邊緣點(diǎn)，從而實(shí)現(xiàn)壓力容器的輪廓提取。

從二值圖像的左上角第一個(gè)像素開(kāi)始，使用式⑶的算子對(duì)每個(gè)像素點(diǎn)做卷積運(yùn)算。其中，針對(duì)圖像最外層邊緣的像素點(diǎn)，使用復(fù)制邊緣像素的方法，在圖像外圈加一層與邊緣點(diǎn)等值的像素點(diǎn)，用于計(jì)算卷積值。若當(dāng)前像素點(diǎn)與G的卷積結(jié)果不為零，則該像素點(diǎn)為邊緣像素點(diǎn)；若當(dāng)前像素點(diǎn)與G的卷積結(jié)果為零，則該像素點(diǎn)為背景像素點(diǎn)。使用該算法對(duì)檢測(cè)池中待測(cè)壓力容器的二值化圖像進(jìn)行輪廓提取，結(jié)果如圖4所示。

圖4 壓力容器輪廓提取

3 壓力容器數(shù)量檢測(cè)

如圖4所示，壓力容器輪廓圖像較好地反映壓力容器形狀，可利用壓力容器上下邊緣輪廓的數(shù)量計(jì)算出壓力容器的數(shù)量。然而，若直接對(duì)二值邊緣圖像進(jìn)行Hough直線檢測(cè)，圖像中的其他直線的干擾導(dǎo)致無(wú)法正確得到壓力容器上下邊緣。為此，提出一種基于邊緣聚類的壓力容器數(shù)量檢測(cè)方法，首先，通過(guò)斜率對(duì)所有線段進(jìn)行聚類，然后， 對(duì)同一聚類下的線段進(jìn)行合并，最后，根據(jù)壓力容器輪廓斜率范圍和線段長(zhǎng)度等先驗(yàn)知識(shí)排除干擾線段，完成對(duì)壓力容器的數(shù)量識(shí)別。具體步驟如下。

Step 1 壓力容器邊緣檢測(cè)。在壓力容器輪廓圖像的基礎(chǔ)上使用Hough變換對(duì)圖像中的輪廓進(jìn)行直線識(shí)別， 得到線段集合，其中n表示線段數(shù)量。計(jì)算每條線段li的斜率， 利用斜率對(duì)線段進(jìn)行聚類，得到m個(gè)線段子集Li，i=1，2，…，m，使其同時(shí)滿足式⑷、⑸、⑹和⑺：

其中，lij表示子集Li中的第j條線段；mi表示子集Li中的線段數(shù)；sij表示子集Li中第j條線段的斜率，j=1，2，…，mi；siq表示子集Li中第q條段線的斜率，q=1，2，…，mi；max表示取較大值；

Step 2 壓力容器邊緣聚類。對(duì)聚類后的線段進(jìn)行合并，若子集Li中的任意兩條線段Lij與Liq在同一條直線上，Lij∈Li，Liq∈Li，j=1，2，…，mi，q=1，2，…，mi，j≠q，則將這兩條線段合并為一條新的線段，記為lnew，lnew的兩個(gè)端點(diǎn)分別為L(zhǎng)ij和Liq四個(gè)端點(diǎn)中距離最遠(yuǎn)的兩個(gè)端點(diǎn)；將lnew歸入集合Li中，同時(shí)將Lij與Liq從子集Li中移除；重復(fù)以上步驟直至無(wú)線段可以合并，將所有新的Li進(jìn)行并集操作，得到新的線段集合L；

Step 3 基于斜率的壓力容器邊緣篩選。由以上述步驟可得到聚類合并后的線段集合L，為了精確計(jì)算壓力容器上下邊緣的線段數(shù)量，需先排除干擾線段。此時(shí)，可根據(jù)斜率和線段長(zhǎng)度對(duì)線段集合做進(jìn)一步篩選，具體地，根據(jù)式⑻和⑼對(duì)上述線段集合進(jìn)行過(guò)濾，將不滿足式⑻和⑼的線段從L中剃除：

其中，ki表示線段集合L中的線段li對(duì)應(yīng)的斜率，k0表示事先根據(jù)攝像頭的位置標(biāo)定出的待檢驗(yàn)壓力容器的上下邊緣在圖像中的斜率，如圖5所示，從左往右依次為Hough直線檢測(cè)結(jié)果圖（a）和邊緣聚類合并后的示意圖（b）。

Step 4 基于長(zhǎng)度標(biāo)定的壓力容器邊緣篩選。根據(jù)式⑽對(duì)最終集合L中的線段進(jìn)行篩選，只保留滿足式⑽的線段，其中Leni表示線段集合L中的線段li對(duì)應(yīng)的像素長(zhǎng)度，Len0表示事先根據(jù)攝像頭的位置標(biāo)定出的待檢測(cè)壓力容器的上下邊緣在圖像中的像素長(zhǎng)度最小值。

Step 5 壓力容器數(shù)量計(jì)算。根據(jù)式⑾計(jì)算壓力容器數(shù)量，其中M表示壓力容器輪廓的上下邊緣數(shù)量，n表示集合L中最終剩下的線段數(shù)量。

4 實(shí)驗(yàn)結(jié)果與分析

在浙江省某廠家實(shí)施的壓力容器氣密性視覺(jué)檢測(cè)中，采用上述算法對(duì)300張浸水池中的壓力容器圖像進(jìn)行數(shù)量檢測(cè)，其中檢測(cè)結(jié)果正確的為278號(hào)，正確率為92.7%。

實(shí)驗(yàn)結(jié)果表明，壓力容器數(shù)量檢測(cè)算法效果較好，正確率較高。在實(shí)際應(yīng)用中，由于光照影響，檢測(cè)池水面存在廠房頂部天窗的倒影，導(dǎo)致算法檢測(cè)失準(zhǔn)，如圖6所示，其中圖6（a）表示采集的原始圖像，圖6（b）是壓力容器輪廓提取結(jié)果，圖6（c）是Hough直線檢測(cè)結(jié)果，圖6（d）是邊緣聚類與篩選之后的結(jié)果。根據(jù)現(xiàn)有算法，得到的數(shù)量將為M=3/2=1.5只，這是由于檢測(cè)池水面存在廠房頂部天窗的倒影，導(dǎo)致在輪廓提取時(shí)兩壓力容器之間的輪廓合并。為此，將式⑾修正為式⑿可解決該問(wèn)題，其中Round表示取整，采用相同的樣本，正確率提高到了98.3%。其余檢測(cè)錯(cuò)誤的，是由于反光導(dǎo)致兩三只壓力容器連成一片，這可通過(guò)增加合適的工業(yè)光源來(lái)提高成像質(zhì)量，由此解決這一問(wèn)題。

5 結(jié)束語(yǔ)

針對(duì)壓力容器氣密性視覺(jué)檢測(cè)應(yīng)用中如何自動(dòng)識(shí)別壓力容器數(shù)量的問(wèn)題，提出了基于邊緣聚類與篩選的壓力容器數(shù)量視覺(jué)檢測(cè)方法。首先，提出基于直方圖波峰數(shù)的動(dòng)態(tài)閾值方法實(shí)現(xiàn)圖像的二值化方法；其次，利用提出的8鄰域卷積算子檢測(cè)出壓力容器輪廓；然后，采用Hough直線算法檢測(cè)出壓力容器邊緣，并通過(guò)邊緣聚類與篩選得到壓力容器輪廓上下邊緣進(jìn)而實(shí)現(xiàn)壓力容器數(shù)量的檢測(cè)；最后，以浙江省某廠家的壓力容器氣密性視覺(jué)檢測(cè)為例，對(duì)上述算法進(jìn)行了實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)結(jié)果初步表明，方法簡(jiǎn)單有效。

本方法的核心思想是通過(guò)圖像識(shí)別的方法檢測(cè)出壓力容器上下邊緣的總數(shù)從而計(jì)算出壓力容器的數(shù)量，其立足點(diǎn)在于每只壓力容器上下邊緣成對(duì)出現(xiàn)。實(shí)驗(yàn)結(jié)果說(shuō)明，本方法可部分地克服氣密性試驗(yàn)場(chǎng)地多樣性和光照不均等所帶來(lái)的影響，同時(shí)克服傳統(tǒng)Sobel、Canny及Hough等邊緣檢測(cè)算法導(dǎo)致邊界線冗余的等問(wèn)題，但在實(shí)際應(yīng)用過(guò)程中，仍會(huì)存在部分因光照問(wèn)題導(dǎo)致檢測(cè)錯(cuò)誤的情況，為此，通過(guò)增加合適的工業(yè)光源可克服這一不足。

參考文獻(xiàn)（References）：

[1] Johnsson F， Shen L， Bo L. Digital image analysis of

hydrodynamics two-dimensional bubbling fluidized beds[J].Chemical Engineering Science，2004.59（13）：2607-2617

[2] Hubers J L， Striegel A C， Heindel T J， et al. X-ray

computed tomography in large bubble columns[J].Chemical Engineering Science，2005.60（22）：6124-6133

[3] 唐遠(yuǎn)河，解光勇，劉漢臣等.基于粒子成像測(cè)速技術(shù)的水中氣

泡界面的光學(xué)性質(zhì)研究[J].物理學(xué)報(bào)，2006.55（5）：2257-2262

[4] Busciglio A， Vella G， Micale G， et al. Analysis of the

bubbling behaviour of 2D gas solid fluidized beds： Part II. Comparison between experiments and numerical simulations via Digital Image Analysis Technique[J]. Chemical Engineering Journal，2009.148（1）：145-163

[5] Zielinski O， Saworski B， Schulz J. Marine bubble detection

using optical-flow techniques[J].Journal of the European Optical Society Rapid Publications，2010.5（1）：138-138

[6] 閆麗.氣液兩相流場(chǎng)中氣泡行為3D測(cè)量關(guān)鍵技術(shù)研究[D].天

津大學(xué)碩士學(xué)位論文，2006.

[7] 吳春龍，潘海鵬，夏永明.基于光流法的氣密性檢測(cè)裝置研究[J].

機(jī)電工程，2013.30（8）：947-951

[8] 甘建偉，秦付軍，曹波.氣泡邊緣檢測(cè)的FPGA圖像處理系統(tǒng)的

設(shè)計(jì)[J].中國(guó)農(nóng)機(jī)化學(xué)報(bào)，2015.36（2）：293-296

[9] 周律，蔡錦達(dá)，劉平，錢煒.管接頭上密封圈數(shù)量在線視覺(jué)檢測(cè)

方法[J].計(jì)算機(jī)應(yīng)用，2009.29（3）：174-176

[10] 林鷹，劉永，孫越恒.基于圖像處理的儲(chǔ)備糧倉(cāng)袋裝糧數(shù)量

智能測(cè)算的研究[J].計(jì)算機(jī)應(yīng)用研究，2009.26（6）：2393-2395

[11] 陳飛，朱海斌，賈康成，肖昌炎.基于相機(jī)陣列的疊層紙張數(shù)

量檢測(cè)[J].計(jì)算機(jī)工程與應(yīng)用，2015.51（13）：168-171

[12] 楊碩，彭雙，肖昌炎.用于疊層紙張圖像分析計(jì)數(shù)的快速直

線增長(zhǎng)算法[J].計(jì)算機(jī)應(yīng)用與軟件，2015.9：188-191

[13] 張?zhí)礻?，梁炎森，何志?圖像識(shí)別計(jì)數(shù)在儲(chǔ)備生豬統(tǒng)計(jì)的

應(yīng)用[J].計(jì)算機(jī)應(yīng)用與軟件，2016.12：173-178

[14] 徐源，方康玲，劉新海.基于凸殼式剝離的高黏著度棒材檢

測(cè)計(jì)數(shù)方法[J].計(jì)算機(jī)應(yīng)用與軟件，2015.3：220-223endprint