李悠，王暄

（1.哈爾濱理工大學電氣與電子工程學院，哈爾濱150080；2.哈爾濱電工儀表研究所，哈爾濱150028）

0 引 言

電線電纜是電力系統(tǒng)的關鍵組成部分，承擔著電能分配及電力傳輸?shù)戎匾蝿?。隨著社會經(jīng)濟的迅猛發(fā)展及城鄉(xiāng)電網(wǎng)工程的加速建設，電線電纜已成為現(xiàn)代經(jīng)濟及國家建設正常運轉(zhuǎn)的基礎保障，同時也是與人們?nèi)粘Ｉ钕⑾⑾嚓P的產(chǎn)品［1-4］。我國是電線電纜生產(chǎn)和使用大國，行業(yè)產(chǎn)值早在2012年就已超過美國，躍居全球第一，近年來始終保持著穩(wěn)定增長的態(tài)勢。有專家預測，到2020年，我國的電線電纜產(chǎn)能有望突破1.1億千米，總產(chǎn)值將突破1.6萬億元。在規(guī)模及產(chǎn)量不斷取得飛躍的同時，電線電纜的質(zhì)量及安全性也受到了極大的關注［5-6］。在電應力、機械應力、化學及環(huán)境等各種因素的作用下，電纜絕緣材料會發(fā)生老化，直接影響絕緣性能，并最終導致電氣設備的運行效率降低、運行可靠性減弱。以聚乙烯為代表的聚烯烴是電纜絕緣層的典型材料，主要分為顆粒狀及薄膜狀物料兩大類。對于聚乙烯顆粒物料，雜質(zhì)顆粒是導致電纜絕緣早期破壞的原因。對于聚乙烯屏蔽膜，表面的微小凸起是引起電纜局部放電的主要因素。因此，及時準確地檢測及控制聚烯烴電纜料的缺陷，對電力安全至關重要［7-8］。

機器視覺技術的出現(xiàn)為電纜料缺陷檢測提供了準確便捷的手段，該技術的核心為圖像處理。所謂機器視覺，就是用計算機代替人眼，對獲得的圖像信息進行分析處理［9-11］?；驹硎?，在一定技術手段的支持下，利用圖像傳感器準確獲取被研究對象的圖像并同時轉(zhuǎn)化為數(shù)字圖像，然后運用計算機圖像處理技術分析被研究對象，從而獲得相關特征信息［12-18］。本文以聚乙烯半導電屏蔽膜為研究對象，基于形態(tài)學相關原理，設計并實現(xiàn)了一種適用于表面凸起的模糊檢測方法。采用射燈低角度照射薄膜材料樣品，通過面陣CCD圖像傳感器攝取帶有微小凸起的數(shù)字圖像，運用形態(tài)學中預處理、分割、腐蝕及膨脹等圖形處理方法，得到微小凸起的圓斑圖像，根據(jù)的大小計算微小凸起的尺寸。實驗結(jié)果表明，本文所設計的方案完全可行，基于機器視覺技術能夠?qū)崿F(xiàn)微小凸起的檢測。

1 檢測原理

聚乙烯半導電屏蔽膜置于面陣CCD的正下方，射燈從單側(cè)進行低角度照射，如圖1所示。

圖1 檢測原理圖Fig.1 Schematic diagram ofmeasuring principle

光線照射聚乙烯薄膜，在表面發(fā)生反射。當表面光滑平坦時，反射光線落在鏡頭有效范圍之外，形成灰度值較低區(qū)域，即暗場。當聚乙烯薄膜表面有凸起時，反射光線將落在鏡頭的有效范圍之內(nèi)，形成灰度值較高的區(qū)域，即亮場。對于整幅圖像而言，表面凸起體現(xiàn)為大小形狀不同的亮斑。超凈電纜生產(chǎn)技術已經(jīng)逐漸成熟，因此產(chǎn)品表面凸起的尺寸通常十分微小。實際測量過程中，可以將凸起近似看做半球體，通過對亮斑直徑的測量，就可以估算凸起的高度及體積。

忽略凸起高度對CCD分辨率的影響，若亮斑的直徑為D，那么表面凸起的高度可以表示為：

凸起的體積可以表示為：

2 缺陷圖像處理方法

機器視覺技術的核心為圖像處理，在獲得目標圖像的同時，需要根據(jù)圖像的特點進行分析，明確目標圖像的特征，設計有針對性的處理算法，通常包括如2所示流程。

圖2 缺陷圖像處理流程Fig.2 Flow chart of defect image processing

2.1 圖像預處理

圖像預處理的目的是消除無關信息，抑制不必要的變形，突出目標圖像的特征，通常包括灰度化處理、平滑去噪及圖像增強處理等。為了保留缺陷圖像的最原始信息，本文只對圖像進行灰度化處理，即將彩色圖像轉(zhuǎn)化為灰度圖像。和彩色圖像相比，灰度圖像是像素信息R=G=B的一種特殊情況，其所需存儲空間小，執(zhí)行時間也少。彩色圖像的灰度化處理公式為：

2.2 圖像分割

一幅完整的圖像通常由主體及背景兩方面信息構成，而圖像分割的目的就是要利用主體和背景在灰度值上的差異，將二者分割開來。閾值分割是最有效的圖像分割方法，其主要思想是，選擇一個恰當?shù)拈撝担瑢D像看做兩個部分，灰度值不同。分別確定每個像素點應該屬于哪個區(qū)域，最終獲得完整的二值圖像，因此閾值分割通常也被稱作二值化分割。其基本原理是，圖像原始圖像為f（x，y），輸出圖像為g（x，y），根據(jù)圖像特征設定灰度閾值為 t，灰度值高于閾值t的像素點設置為255（白）或0（黑），灰度值低于閾值t的像素點設置為0（黑）或255（白），則：

或者：

若圖像的灰度值分布相對復雜，有時需要選擇兩個或者多個閾值。假設閾值選擇為灰度區(qū)間［T1，T2］，則輸出圖像可以表示為：

2.3 形態(tài)學濾波

形態(tài)學濾波的目的是，在盡量保持圖像細節(jié)特征的前提下去除二值圖像中的孤立點，彌合圖像間隙，處理效果的好壞直接影響后續(xù)圖像分析的有效性及可靠性。二值圖像的形態(tài)學濾波主要包括腐蝕、膨脹、開閉等等基本運算。

通過圖像表面不斷擴張的手段，去除二值圖像上的小孔，這就是膨脹運算的目的。若A為目標圖像，B為結(jié)構元素，A與B同為二維歐式空間Z2中的集合，則A與B的膨脹運算可以表示為：

腐蝕運算可以獲得去除圖像中的點狀圖形，與膨脹是一組對偶運算，通常也被組合起來進行使用。若先通過腐蝕運算在進行膨脹處理，可以使圖像中的孔基本恢復原形。若先通過膨脹運算再進行腐蝕處理，可以使圖像中的點基本恢復原形。A被B腐蝕的運算可以表示為：

開運算的目的是平滑目標圖像的輪廓，斷開間斷和清除突出物。結(jié)構元素B對目標圖像集合A的開運算其實就是先用B對A進行腐蝕運算，然后再用B對腐蝕運算的結(jié)果進行膨脹處理。因此，開運算可以表示為：

閉運算也可以達到光滑目標圖像的輪廓的目的，但不同于開運算，閉運算可以消除細長鴻溝，填補斷裂的輪廓線。結(jié)構元素B對目標圖像集合A的閉運算其實就是用B對A進行膨脹運算，然后再用B對膨脹運算結(jié)果進行腐蝕處理。因此，閉運算可以表示為：

2.4 缺陷判別及標記

為了獲取目標圖像中缺陷的橫、縱向尺寸，從而計算表面凸起的大小，需要設計相應算法對目標圖像進行掃描檢測，標記并提取缺陷信息，算法流程如圖3所示。

圖3 算法流程圖Fig.3 Flow chart of algorithm

八鄰域連通檢測算法是圖像處理中缺陷判別的常用算法，與其他傳統(tǒng)算法相比較，該算法設計簡單，實現(xiàn)性強，通用性好，只需要一次掃描就可以完成對所有缺陷以及特征信息的標記和提取。假設當前像素點標記為f（i，j），在圖像中預期直接相鄰的八各像素點即為八鄰域連通，可以標記為f（i+1，j）、f（i-1，j）、f（i，j+1）、f（i，j-1）、f（i+1，j+1）、f（i+1，j-1）、f（i-1，j+1）、f（i-1，j-1）。掃描的目的是判斷相鄰這八個像素點與f（i，j）是否滿足連通條件，每一個像素點都要經(jīng)歷相同的掃描過程，以距離作為是否連通的判據(jù)。在八鄰域內(nèi)，所有像素點之間的距離為1或者2。因此，若以L表示像素間距，當L≤2時，該像素滿足連通條件。像素點f（i，j）與g（h，w）之間的距離可以表示為：

3 實驗結(jié)果與分析

基于面陣CCD攝取的帶有微小凸起的典型圖像如圖4所示（引自“半導電聚合物表面突起測量儀的研究”）。圖中的微小亮斑就是薄膜表面的凸起，可見，亮斑的灰度值要明顯高于背景。

圖4 原始圖像Fig.4 Original image

圖5為目標圖像的灰度直方圖。該圖為多波峰圖像，橫坐標為灰度值，縱坐標為灰度值出現(xiàn)的頻數(shù)。由原圖可知，亮斑與背景的灰度值在級別上存在差異，亮斑出現(xiàn)的頻率遠遠低于背景，在圖5（a）中應為數(shù)值最小的部分。為了獲得更清晰的灰度特征，將直方圖限制在0～100之間，結(jié)果如圖5（b）所示。由圖可知，灰度值高于210對應原圖中的亮斑。

圖5 灰度直方圖Fig.5 Gradation histogram

根據(jù)灰度直方圖顯示的目標圖像特點并參照原始圖像，凸起位置即圖中的亮斑與背景在灰度級別上存在明顯差異，而且亮斑的額的數(shù)量相比與整幅圖像而言，其數(shù)量很小。因此在實驗中，本文將背景的灰度值做平均值，然后通過選取平均值的一定比例作為閾值來對圖像進行分割。經(jīng)過反復實驗，確定當閾值選擇為背景灰度平均值的65%時，可以獲得效果最佳的二值圖像，如圖6（a）所示。為了徹底消除圖像采集過程中的孤立點以及閾值分割后二值圖像中的微小空隙，需要對二值圖像進行形態(tài)學處理，這些處理包括腐蝕、膨脹、開運算及閉運算等過程。圖6（b）～圖6（d）為對二值圖像進行膨脹、腐蝕及再膨脹處理后的結(jié)果，由圖可見，形態(tài)學處理后的圖像消除了孤立點及空洞，平滑了邊界的同時消除了微小縫隙，處理效果顯著。隨后只需要按照八鄰域連通檢測的原理編寫算法，并結(jié)合CCD的相關參數(shù)，即可以完成對凸起的檢測和計算。以圖6中的一個凸起為例，本文采用面陣CCD的分辨率為1392×1040，像素尺寸為4.65μm×4.65μm，經(jīng)過、標記及計算，該凸起的亮斑直徑為181μm，帶入式（1）和式（2），可計算得出凸起的高度為128μm，體積約為2.2×10-3mm3。

圖6 形態(tài)學處理結(jié)果Fig.6 Results of morphological processing

4 結(jié)束語

作為人工智能快速發(fā)展的一個分支，機器視覺的應用已經(jīng)深入到各行各業(yè)，涵蓋了工業(yè)、農(nóng)業(yè)、醫(yī)療、軍事、安全、氣象以及交通運輸?shù)雀鱾€領域，機器視覺技術逐步成熟使國民生產(chǎn)中對更高效、更安全、更智能檢測方法的需求成為現(xiàn)實。本文以電纜行業(yè)中聚乙烯半導電屏蔽膜為研究對象，以薄膜上的微小凸起為檢測目標，采用面陣CCD圖像傳感器攝取帶有微小凸起的亮斑圖像，運用形態(tài)學中預處理、分割、腐蝕及膨脹等圖形處理方法獲取微小凸起的特征信息，基于八鄰域連通檢測原理設計合適的算法實現(xiàn)了對亮斑的檢測與標記，并基于三角形原理估算出了凸起的高度及體積。實驗結(jié)果表明，基于形態(tài)學原理可以檢測出薄膜表面的微小凸起，本文所設計的方案是完全有效的。