黃永華， 林振衡， 陳學(xué)軍

( 1.莆田學(xué)院 機(jī)電工程學(xué)院， 福建 莆田 351100; 2.現(xiàn)代精密測量與激光無損檢測福建省高校重點(diǎn)實(shí)驗(yàn)室， 福建 莆田 351100 )

在剎車蹄塊片摩擦塊(后簡稱摩擦塊)和鋁合金鑄件的膠粘、高溫固化生產(chǎn)工序中，因受熱不均等因素，一些摩擦塊產(chǎn)品會(huì)出現(xiàn)裂紋現(xiàn)象，因此在出廠前需對(duì)剎車蹄塊片(后簡稱剎車片)進(jìn)行檢查，以剔除存在裂紋的不合格產(chǎn)品.目前，大多數(shù)企業(yè)主要采用人工目測檢驗(yàn)方式對(duì)剎車片進(jìn)行裂紋檢查，該方法不僅效率低，而且容易發(fā)生漏檢，給鼓剎系統(tǒng)帶來安全隱患.近年來，機(jī)器視覺技術(shù)發(fā)展迅速，已在工業(yè)檢測等方面有了較好的應(yīng)用[1-3].目前，應(yīng)用機(jī)器視覺技術(shù)對(duì)鼓剎系統(tǒng)剎車片進(jìn)行外觀裂紋檢測的方法尚未見到相關(guān)報(bào)道；因此，本文通過構(gòu)建剎車片圖像采集系統(tǒng)，提出一種基于支持向量機(jī)(SVM)的摩擦塊表面裂紋檢測方法，并通過實(shí)驗(yàn)驗(yàn)證本文方法的有效性.

1 剎車片圖像采集系統(tǒng)的構(gòu)建

1.1 剎車片圖像采集方案

剎車片的外形近似半圓形，摩擦塊成半圓環(huán)狀膠粘在鋁合金鑄件外表面.摩擦塊裂紋主要出現(xiàn)在上表面，如圖1所示.本文構(gòu)建的圖像采集系統(tǒng)如圖2所示.該系統(tǒng)主要由CMOS工業(yè)相機(jī)、鏡頭、球積分光源、可調(diào)光源支架等構(gòu)成.當(dāng)剎車片由傳送帶輸送至工業(yè)相機(jī)正下方時(shí)，光電傳感器因遮擋產(chǎn)生變化信號(hào)，由此觸發(fā)工業(yè)相機(jī)采集圖像.

圖1 剎車片圖像

圖2 剎車片圖像采集系統(tǒng)

1.2 圖像采集系統(tǒng)的硬件選擇

為獲取較好的成像質(zhì)量，剎車片圖像采集系統(tǒng)采用如下幾方面措施減少成像干擾：傳送線的傳送皮帶選用黑色啞光皮帶，照明光源選用能產(chǎn)生漫反射光線且光源直徑比剎車片大的球積分光源，以最大限度地減少因鏡面反射而產(chǎn)生的局部反光現(xiàn)象，保障成像均勻.相機(jī)選用500萬像素的高清工業(yè)相機(jī)，鏡頭為焦距16 mm的高清鏡頭.相機(jī)架設(shè)在球積分光源頂部開孔處，架設(shè)高度為30 cm.

2 剎車片的摩擦塊區(qū)域提取

要實(shí)現(xiàn)對(duì)摩擦塊表面缺陷的檢測，首先需要在背景中將摩擦塊所在區(qū)域分離出來.由于黑色啞光皮帶和摩擦塊表面的粗糙度不同，本文利用灰度圖像的梯度和投影法提取摩擦塊所在區(qū)域.

2.1 剎車片圖像的梯度變換

梯度是灰度圖像的重要特征.梯度模值能較好地表征圖像中灰度變化的強(qiáng)度，其計(jì)算公式為：本文采用Sobel算子(如圖3所示)對(duì)剎車片圖像進(jìn)行遍歷，獲取梯度強(qiáng)度，結(jié)果圖4所示.由圖4可看出，摩擦塊區(qū)域內(nèi)梯度強(qiáng)度較大，而黑色啞光皮帶內(nèi)梯度較弱.

(a) ?f/?x (b) ?f/?y圖3 Sobel算子模板

圖4 剎車片梯度模值圖像

2.2 基于投影法的摩擦塊目標(biāo)區(qū)域提取

投影法是將剎車片梯度模值圖像沿X軸、Y軸分別作橫向、縱向的投影累加.由于剎車片在機(jī)器視覺檢測工位前已由機(jī)械裝置和護(hù)欄調(diào)整為橫向姿態(tài)，因此摩擦塊在圖像中成橫向條狀.X軸橫向投影與Y軸縱向投影方式相比，其摩擦塊區(qū)域梯度模值的投影累加值比黑色啞光皮帶區(qū)域梯度模值投影的累加值具有更大的數(shù)量差，邊界也更為陡峭，因此X軸橫向投影相對(duì)更容易定位出兩者的邊界位置，如圖5(a)所示.由于受噪聲等因素的影響，在投影圖中會(huì)局部存在較大的波動(dòng)干擾.為去除波動(dòng)干擾，本文采用一維1×20大小模板對(duì)投影圖進(jìn)行3次均值濾波，其效果如圖5(b)所示.求取均值濾波后，計(jì)算上述梯度模值圖像在X軸橫向上投影累加的大、小極值，然后以二者的平均值作為摩擦塊橫向邊緣分割的閾值，從而提取出摩擦塊橫向區(qū)域，如圖6所示.同理，對(duì)摩擦塊橫向所在區(qū)域的梯度圖進(jìn)行Y軸縱向投影，結(jié)果如圖5(c)所示.濾波(如圖5后(d)所示)，截取出的摩擦塊區(qū)域如圖7所示.

圖5 一維梯度投影和濾波結(jié)果

圖6 摩擦塊橫向所在區(qū)域

圖7 摩擦塊區(qū)域

3 基于SVM的摩擦塊裂紋缺陷檢測

3.1 摩擦塊圖像灰度共生矩陣的描述

摩擦塊表面裂紋缺陷區(qū)域和正常區(qū)域在灰度值和灰度變化上具有不同的特性和規(guī)律.灰度共生矩陣[4]4058能表征圖像中灰度和位置特征，其表達(dá)式為：

p(i,j,d,θ)=[f(x,y)=i,

f(x+Δx,y+Δy)=j],i，j∈L.

(1)

式(1)描述的是在灰度i像素的θ方向上，距其距離為d=(Δx,Δy)的位置所出現(xiàn)灰度j像素的概率.θ以x軸正方向?yàn)槠鹗?，可?°、45°、90°、135°，如圖8所示.

若圖像中灰度級(jí)為L，則灰度共生矩陣的大小為L×L.由于8位灰度圖像數(shù)量級(jí)L=28=256，因此計(jì)算共生矩陣時(shí)其數(shù)據(jù)運(yùn)算量較大.考慮到相鄰像素灰度的分布具有相關(guān)性，為減少計(jì)算量，本文采用灰度壓縮方式進(jìn)行灰度級(jí)降階處理.降階后圖像灰度階數(shù)為k，灰度級(jí)為L=2k.為實(shí)現(xiàn)對(duì)摩擦塊表面裂紋缺陷區(qū)域的檢測和定位，本文以局部N×N大小窗口為單位子圖像進(jìn)行分塊檢測.設(shè)窗口內(nèi)極大灰度值為fw,max，則窗口內(nèi)灰度值fw(x,y)壓縮前后的灰度值映射公式為：

(2)

圖8 灰度共生矩陣的提取方向

3.2 摩擦塊單位子圖像的特征提取

灰度共生矩陣是對(duì)圖像灰度和位置的初級(jí)描述.在細(xì)紋理區(qū)域，較大的數(shù)值集中在灰度共生矩陣的主對(duì)角線附近；在粗紋理區(qū)域，由于相似區(qū)域較大，較大的數(shù)值分布較均勻.灰度共生矩陣可提取非相似性、熵、角二階矩、相關(guān)性、逆差矩等14個(gè)統(tǒng)計(jì)特征[5].本文依據(jù)摩擦塊表面正常區(qū)域和缺陷區(qū)域的特點(diǎn)，采用以下幾個(gè)特征對(duì)單位子圖像進(jìn)行描述：

1)熵.熵是圖像信息的度量，它能夠反映信息的復(fù)雜程度，其表達(dá)式如式(3)所示.圖像紋理越少，熵值越??；紋理越多，熵值越大.

(3)

2)非相似度.非相似度能夠反映區(qū)域灰度的差異性，其表達(dá)式如式(4)所示.圖像局部區(qū)域灰度差別越大，非相似性度值越大.

(4)

3)相關(guān)性.相關(guān)性衡量的是鄰域灰度的線性依賴性，其表達(dá)式如式(5)所示.當(dāng)元素值相差較大時(shí)，相關(guān)性較??；當(dāng)元素值較均勻時(shí)，相關(guān)性較大.

(5)

其中：

4)窗口灰度均值.窗口灰度均值反映的是灰度的平均值，其表達(dá)式如式(6)所示.在裂紋缺陷區(qū)域內(nèi)，窗口灰度均值較?。辉谡^(qū)域內(nèi)，窗口灰度均值較大.

(6)

3.3 基于SVM的摩擦塊裂紋缺陷和正常區(qū)域的分類

SVM是一種監(jiān)督型的機(jī)器學(xué)習(xí)方法，它能較好地處理小樣本、非線性和高維度模式識(shí)別問題[6-8].當(dāng)樣本為線性不可分時(shí)，用核函數(shù)K(x,y)非線性將輸入樣本的特征向量映射到高維空間，然后以結(jié)構(gòu)風(fēng)險(xiǎn)最小化為原則構(gòu)建VC維(vapnik chervonenkis dimension)，并求取盡可能低的廣義最優(yōu)分類面，使類間的隔離邊緣最大化.設(shè)摩擦塊所提取的特征樣本集為(xi,yi),i=1,…,n(xi∈Rd)；裂紋缺陷和正常區(qū)域的類別標(biāo)號(hào)分別為yi∈(+1,-1)，松弛項(xiàng)為ξ， 則d維空間的廣義分類面方程為：yi[(ω·xi)+b]-1+ξi≥0.要使支持向量將分類間隔最大化，需要將裂紋缺陷和正常區(qū)域的分類問題轉(zhuǎn)化為一個(gè)帶約束的非線性規(guī)化問題：

(7)

約束:yi[(ω·xi)+b]-1+ξi≥0,

i=1,…,n.

其中C為對(duì)錯(cuò)分樣本的懲罰因子.核函數(shù)

滿足Mercer條件時(shí)，裂紋缺陷和正常區(qū)域的廣義最優(yōu)分類面的判別函數(shù)為：

(8)

4 實(shí)驗(yàn)與分析

4.1 求取摩擦塊圖像特征值時(shí)的參數(shù)設(shè)定

局部窗口大小N、距離間隔d=(Δx,Δy)、灰度級(jí)k和方向θ是描述共生矩陣的重要參數(shù)[4]4058-4059.窗口過小,單位子圖像難以完整地描述像素的排列規(guī)律；窗口過大，會(huì)包含多余的異類信息.距離間隔指的是兩個(gè)灰度間的距離，粗紋理宜選擇較大的數(shù)值;細(xì)紋理宜選擇較小的數(shù)值.灰度級(jí)k值越大，描述灰度統(tǒng)計(jì)特征的精度越高，但計(jì)算量相應(yīng)增大.考慮到共生矩陣和各特征提取的計(jì)算量，本實(shí)驗(yàn)采用8×8局部窗口大小為單位子圖像(N=8)，灰度級(jí)取L=16(k=4)，距離間隔取d=1，θ取0°、45°、90°、135°.在該參數(shù)條件下，計(jì)算單位子圖像的熵、非相似性、相關(guān)性、窗口灰度均值，并以4個(gè)方向的均值作為描述摩擦塊單位子圖像的特征.

4.2 基于SVM分類模型的訓(xùn)練與裂紋區(qū)域的預(yù)測分類

圖10 參數(shù)C和g網(wǎng)格劃分尋優(yōu)等高線圖

在C、g最優(yōu)參數(shù)下，訓(xùn)練上述兩類圖像的分類模型，然后再以待檢測裂紋的完整摩擦塊圖像為測試集，利用支持向量機(jī)泛化性能對(duì)摩擦塊進(jìn)行檢測，以此實(shí)現(xiàn)摩擦塊中裂紋缺陷區(qū)域和正常區(qū)域的分類，結(jié)果如圖11—圖14中(b)所示.迭代閾值法[11]、分水嶺算法[12]的分類結(jié)果如11—圖14中的(c)、(d)所示.對(duì)比3種方法可知，本文方法的分類效果明顯優(yōu)于迭代閾值法和分水嶺算法，可為后續(xù)判定有無裂紋缺陷提供較好的基礎(chǔ).

4.3 摩擦塊表面有無裂紋缺陷的判定

為了判定摩擦塊表面有無裂紋缺陷，首先對(duì)支持向量機(jī)分類所得的二值圖像取反，然后在垂直方向上做投影并累加求得一維直方圖.例如：摩擦塊1(圖11(a))上含有裂紋，其投影直方圖如圖15(a)所示，圖中最大的峰值(標(biāo)記為×)所處位置即為裂紋所在位置；摩擦塊4(圖14(a))上無裂紋，其投影直方圖如圖15(b)所示.由此可知，通過投影直方圖中有無較大峰值即可判定該摩擦塊表面是否存在裂紋.

圖11 摩擦塊1(含裂紋)的分類結(jié)果

圖12 摩擦塊2(含裂紋)的分類結(jié)果

圖13 摩擦塊3(含裂紋)的分類結(jié)果

圖14 摩擦塊4(不含裂紋)的分類結(jié)果

圖15 摩擦塊的投影值方圖

為驗(yàn)證本文方法的檢測效果，選取60幅剎車片圖像樣本進(jìn)行測試，其中含裂紋11幅，無裂紋49幅.判定摩擦塊表面有無裂紋缺陷的實(shí)驗(yàn)結(jié)果如表1所示.

表1 實(shí)驗(yàn)結(jié)果

采用錯(cuò)檢率、漏檢率和準(zhǔn)確率指標(biāo)分析表1中的實(shí)驗(yàn)數(shù)據(jù).計(jì)算公式及結(jié)果為：

98.33%.

由上述計(jì)算結(jié)果可知：本文方法的錯(cuò)檢率為零，即沒有發(fā)生無裂紋而被檢測為含裂紋的現(xiàn)象；判定有無裂紋缺陷的準(zhǔn)確率較高(98.33%)，但存在一定的漏檢率(9.09%).產(chǎn)生漏檢的原因是：在預(yù)測分類時(shí)，摩擦塊測試樣本中存在含有很細(xì)短的裂紋(裂紋寬度小于單位子圖像寬度N)樣本，由此導(dǎo)致漏檢而發(fā)生誤判.但在一般情況下，摩擦塊表面的裂紋主要是在熱固化過程中產(chǎn)生的，其裂紋寬度都相對(duì)較大，因此本文方法能較準(zhǔn)確地判定摩擦塊表面有無裂紋缺陷.

5 結(jié)論

針對(duì)剎車片的摩擦塊和鋁合金鑄件在膠粘、高溫固化生產(chǎn)工序中出現(xiàn)的摩擦塊裂紋現(xiàn)象，本文利用機(jī)器視覺檢測技術(shù),提出了一種基于梯度模值的剎車片摩擦塊區(qū)域提取和基于支持向量機(jī)的裂紋檢測方法.結(jié)果表明，該方法能較好地檢測出摩擦塊上裂紋區(qū)域，從而可實(shí)現(xiàn)剎車片外觀質(zhì)量的快速、無損檢測.本文對(duì)含有細(xì)短裂紋的摩擦塊存在一定的漏檢，今后我們將對(duì)此進(jìn)行進(jìn)一步研究.