張立新

摘要：質(zhì)量控制是金屬行業(yè)的一個(gè)重要問(wèn)題，同時(shí)保持生產(chǎn)速度也是金屬制造中的主要問(wèn)題。金屬物體的質(zhì)量取決于其質(zhì)地，形狀等。在裸眼生產(chǎn)的早期階段難以檢測(cè)到諸如針孔，劃痕等原始金屬平面上的各種缺陷，為了提升分析所需的時(shí)間和準(zhǔn)確性因人而異。文章提出了使用增強(qiáng)型Gabor濾波器的自動(dòng)缺陷檢測(cè)和分類技術(shù)，以便可以確保制造過(guò)程中的金屬質(zhì)量以及生產(chǎn)率，該方法有助于檢測(cè)人員在很短的時(shí)間內(nèi)獲得有關(guān)缺陷圖像的信息，從而使缺陷金屬不會(huì)與合格金屬混合。

關(guān)鍵詞：質(zhì)量控制;自動(dòng)缺陷監(jiān)測(cè);Gabor濾波器;分類

中圖分類號(hào)：TP393;TQ050.4+1

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1001-5922（2019）08-0121-03

計(jì)算機(jī)圖像識(shí)別技術(shù)的快速發(fā)展，推進(jìn)以圖像檢測(cè)為手段的不同應(yīng)用的出現(xiàn)，如產(chǎn)品表面缺陷檢測(cè)等。當(dāng)前，制造業(yè)的自動(dòng)化水平的發(fā)展，促使生產(chǎn)過(guò)程中缺陷檢測(cè)的自動(dòng)化水平的推進(jìn)，改變由于手動(dòng)檢查過(guò)程造成的結(jié)果不準(zhǔn)確、勞動(dòng)密集且繁瑣的現(xiàn)狀。因此利用現(xiàn)代技術(shù)實(shí)現(xiàn)自動(dòng)化缺陷檢測(cè)及分類是金屬生產(chǎn)廠家提升生產(chǎn)效率的有效手段[1-3]。

常見的機(jī)器故障是由于過(guò)時(shí)、表面劣化和事故三個(gè)原因而發(fā)生問(wèn)題，在這三個(gè)原因中，表面劣化是由于腐蝕和機(jī)械磨損造成的。機(jī)械磨損是由磨損，疲勞和負(fù)荷力引起的。其中表面劣化是導(dǎo)致大多數(shù)機(jī)器故障的主要因素，因此，在生產(chǎn)的早期階段自動(dòng)實(shí)現(xiàn)和分類表面缺陷是很重要的。通常從現(xiàn)有的缺陷檢測(cè)工作中發(fā)現(xiàn)金屬中的以下缺陷，這些類型的缺陷，如表1所示[4]。

文章提出一種有效的缺陷檢測(cè)和分類技術(shù)，該技術(shù)能夠在較短時(shí)間內(nèi)高效發(fā)現(xiàn)圖像缺陷，并在金屬檢測(cè)過(guò)程中進(jìn)行實(shí)際應(yīng)用。

1 Gabor濾波器實(shí)現(xiàn)金屬識(shí)別

1.1 Gabor濾波器原理

Cabor濾波器由諧波函數(shù)定義，即由高斯分布調(diào)制的正弦函數(shù)。Gabor濾波器與傅立葉濾波器有一些相似之處，但僅限于某些頻帶，在Cabor變換的幫助下，可以在處理完信號(hào)之后將信號(hào)轉(zhuǎn)換為時(shí)頻域，并且通過(guò)處理信號(hào)的逆Gabor變換，從而得到所需的結(jié)果信號(hào)，Gabor變換也稱為短時(shí)傅里葉變換（STFT）[5]。

Cabor濾波器還可以將圖像分解成對(duì)應(yīng)于不同比例和方向的分量。在空間域中，Cabor函數(shù)是復(fù)指數(shù)，由高斯函數(shù)調(diào)制，其在二維（2D）平面中的脈沖響應(yīng)具有以下一般形式：

1.2 檢測(cè)方法

文章提出的缺陷檢測(cè)和分類算法的流程，如圖2所示。首先收集從生產(chǎn)過(guò)程中獲得的金屬板圖像，Gabor濾波器組由參考和測(cè)試圖像創(chuàng)建，在通過(guò)比較測(cè)試圖像和統(tǒng)計(jì)值（即參考圖像的平均值和標(biāo)準(zhǔn)偏差）來(lái)提取特征差異之后。然后通過(guò)數(shù)據(jù)融合獲得獨(dú)特的圖像，進(jìn)行閾值處理以評(píng)估是否存在缺陷，如果存在缺陷，則進(jìn)行邊界框計(jì)算以對(duì)缺陷進(jìn)行分類。

文中1.2檢測(cè)方法提出了一種金屬板的缺陷檢測(cè)和分類技術(shù)，以便可以在減少計(jì)算時(shí)間的情況下實(shí)現(xiàn)更高的缺陷檢測(cè)率。所提出的算法的操作序列如下：用于多通道濾波的Gabor濾波器組創(chuàng)建所提出的算法在具有劃痕或斑點(diǎn)或兩者的缺陷的金屬的各種圖像上進(jìn)行實(shí)驗(yàn)。Cabor濾波器由各種參數(shù)組成，例如波長(zhǎng)、帶寬、方向、相位偏移和縱橫比等。為了過(guò)濾目的，必須決定Cabor濾波器的比例和方向，根據(jù)圖像的比例、波長(zhǎng)和帶寬影響濾波器響應(yīng)。過(guò)濾器的響應(yīng)也受到金屬部件取向的影響。因此，我們考慮比例，S=3和方向，L=6并獲得18個(gè)不對(duì)稱Gabor濾波器，然后使用這18個(gè)Cabor濾波器過(guò)濾每個(gè)采集的圖像。

2 數(shù)據(jù)融合與閾值處理

2.1 數(shù)據(jù)融合

在該步驟中，組合來(lái)自上述方法中獲得的差異圖像的像素，步驟如下：1）添加具有相同比例和不同取向的圖像像素，從而產(chǎn)生三個(gè)圖像;2）取相鄰方向的合成像素的平均值，得到兩個(gè)圖像。然后計(jì)算這兩個(gè)圖像的平均值以獲得唯一圖像H=（x，y）。在該圖像之后，通過(guò)重復(fù)上述兩個(gè)步驟獲得具有相同取向的H'=（x，y）。并將圖像H=（x，y）和h'=（x，y）組合以獲得單個(gè)唯一圖像。

如圖3 （a）是通過(guò)首先添加具有相同尺度的圖像的像素而獲得的圖像，而3 （b）表示通過(guò)首先添加具有相同取向的圖像的像素而獲得的圖像。

2.2 閾值處理

通過(guò)閾值處理來(lái)完成圖像的分割，融合圖像具有低能量點(diǎn)和高能量點(diǎn)，其中缺陷部分由高能量點(diǎn)表示。因此，為了抑制不屬于缺陷的這些低能量點(diǎn)，對(duì)圖像進(jìn)行閾值處理，這產(chǎn)生二進(jìn)制圖像，其中白色像素表示金屬板中的缺陷部分。

如圖4表示閾值化后獲得的圖像，通過(guò)分析該閾值圖像來(lái)確定是否存在缺陷。

3 缺陷分類與結(jié)果分析

3.1 缺陷分類

在第一步驟中，從閾值圖像中丟棄低于極限值的白色像素的數(shù)量，之后檢查組件連接。然后通過(guò)考慮行和列來(lái)計(jì)算所有連接對(duì)象的邊界框，評(píng)估邊界框的百分比密度，并通過(guò)考慮密度是否大于或小于閾值限制來(lái)做出決定，如果密度≥T，缺陷是斑點(diǎn)，如圖4中，有三個(gè)斑點(diǎn)，并且檢測(cè)到兩個(gè)劃痕。

3.2 結(jié)果分析

顯示點(diǎn)檢測(cè)的準(zhǔn)確度大于金屬中的劃痕檢測(cè)，如圖5所示該方法成功地檢測(cè)出不同尺寸，分辨率和方向的缺陷，因此證明是穩(wěn)健的。

4 結(jié)語(yǔ)

利用圖像檢測(cè)技術(shù)實(shí)現(xiàn)金屬產(chǎn)品缺陷檢測(cè)是工業(yè)生產(chǎn)過(guò)程中的重要手段，上述文中提出了一種檢測(cè)斑點(diǎn)和劃痕金屬缺陷的無(wú)監(jiān)督缺陷檢測(cè)方法，并通過(guò)實(shí)驗(yàn)證明該方法對(duì)斑點(diǎn)缺陷檢測(cè)的準(zhǔn)確性大于劃痕缺陷。該算法具有在各種類型的圖像中使用的能力，通過(guò)使用所提出的方法，提高了檢測(cè)速度并保持了準(zhǔn)確性。

參考文獻(xiàn)

[1]王妲，卜燕，張華，等，基于分形維數(shù)的磁痕圖像缺陷檢測(cè)[J].計(jì)算機(jī)應(yīng)用研究，2015，32（02）：603-605+612.

[2]王健榮，王妲，基于空頻域的金屬缺陷特征提取算法[J].輕工科技，2017，33（01）：67-68+123.

[3]蔣文波，羅秋容，張曉華，基于數(shù)字圖像的混凝土道路裂縫檢測(cè)方法綜述[J].西華大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，37（01）：75-84.

[4]李志鋒冷軋鍍鋅線帶鋼表面質(zhì)量檢測(cè)系統(tǒng)開發(fā)與應(yīng)用[A].中國(guó)金屬學(xué)會(huì)涕十一屆中國(guó)鋼鐵年會(huì)論文集——S16.分析檢測(cè)[C].北京：中國(guó)金屬學(xué)會(huì)，2017：4.

[5]常青，圖像識(shí)別在工件缺陷檢測(cè)中的應(yīng)用研究[D].大連：大連理工大學(xué)，2017.