摘要：以具有典型鏡面反光特性的拋光瓷磚作為研究對象，探討了瓷磚表面平整度的評價指標，提出了表面平整度檢測方法，構(gòu)建了基于機器視覺的平整度檢測系統(tǒng)，在試驗盒內(nèi)完成圖像采集與預(yù)處理后，利用算子圖像不平整缺陷區(qū)域的分割識別，可呈現(xiàn)清晰的瓷磚產(chǎn)品表面圖像變形缺陷區(qū)域，為檢測產(chǎn)品表面平整度的機器視覺檢測技術(shù)的應(yīng)用提供了參考。

關(guān)鍵詞：平整度檢測;機器視覺;圖像采集;預(yù)處理

0 引言

隨著科技不斷發(fā)展，機器視覺作為前沿學(xué)科，可高效解決人類不便直接觀測技術(shù)的應(yīng)用問題，且不會因直接接觸而損傷被觀測體，因此在產(chǎn)品表面平整度檢測中具備明顯的應(yīng)用優(yōu)勢。瓷磚是具有鏡面反光特性的代表性產(chǎn)品，其生產(chǎn)制造工藝水平可通過表面平整度指標來評價。針對人工檢測手段無法滿足現(xiàn)代瓷磚工業(yè)生產(chǎn)需求的問題，機器視覺檢測技術(shù)成為首選。

1 瓷磚產(chǎn)品表面平整度評價指標

我國陶瓷瓷磚產(chǎn)品的尺寸外觀和表面質(zhì)量的檢驗檢測以專項國家標準《陶瓷磚試驗方法（第2部分）：尺寸和表面質(zhì)量的檢驗》（GB/T 3810.2—2006）作為指南。該標準指出，瓷磚產(chǎn)品的表面平整度主要包括翹曲度、中心彎曲度、邊部彎曲度3個指標，如圖1所示[1]。其中，翹曲度指標定義為瓷磚產(chǎn)品的任三個角組成平面后與第四個角產(chǎn)生的偏離量;邊部彎曲度指標定義為瓷磚產(chǎn)品的任三個角組成平面后與某一邊中點產(chǎn)生的偏離量;中心彎曲度指標定義為瓷磚產(chǎn)品的任三個角組成平面后與產(chǎn)品中心點產(chǎn)生的偏離量。這3個指標常用的計算公式分別表示為：

在實際工業(yè)生產(chǎn)中，瓷磚的這3個指標會接受同步測量計算，并將計算結(jié)果的最大值作為瓷磚平整度值。

2 鏡面瓷磚產(chǎn)品表面平整度檢測系統(tǒng)設(shè)計

2.1? ? 設(shè)計思路

人們可以從湖面對岸邊景物的倒影變化現(xiàn)象中得到啟發(fā)：若湖面平靜，岸邊景物的倒影將與原物的規(guī)格與形態(tài)一致;若湖面因風出現(xiàn)波紋，岸邊景物的倒影將會變形，不會與原物輪廓形態(tài)一致，波紋越大，倒影的扭曲程度越大。因此，以湖面作為鏡面，景物在其上的倒影扭曲變化的程度，就可表達出其表面平整的程度。同理，瓷磚作為鏡面產(chǎn)品，亦可通過投影方式在瓷磚表面呈現(xiàn)規(guī)則物體的外觀輪廓，以已知表面平整的瓷磚投影位置作為參照，分析計算判斷待檢瓷磚投影位置出現(xiàn)的位置偏移程度，若后者表面越不平，則偏移程度將越發(fā)明顯，可知待檢瓷磚的表面平整度越發(fā)不理想。

2.2? ? 檢測系統(tǒng)的硬件結(jié)構(gòu)設(shè)計

本文將現(xiàn)階段已經(jīng)不斷發(fā)展成熟的機器視覺技術(shù)引入到對瓷磚產(chǎn)品表面平整度的檢測中，設(shè)計一個瓷磚產(chǎn)品表面不平整缺陷的檢測系統(tǒng)。其主要硬件結(jié)構(gòu)如圖2所示。

圖2中，整個檢測實驗空間是在一個相對安靜且封閉的試驗盒內(nèi)。NO.1指的是條形的LED光源，可持續(xù)供電，沿試驗盒內(nèi)頂面四邊進行布置，呈對稱型。光源表面經(jīng)過必要的漫反射板裝飾處理，可降低對待檢測瓷磚在光源直射后出現(xiàn)的反光概率。NO.2指的是帶有光學(xué)鏡頭的電子相機，相機產(chǎn)自佳能公司，擁有500萬像素，分辨率2 592 dpi×2 048 dpi，像素尺寸4.8 μm×4.8 μm，鏡頭產(chǎn)自華谷動力公司，擁有1 000萬像素，畸變比<1%。NO.3指的是待檢測表面不平整缺陷的鏡面陶瓷瓷磚產(chǎn)品，整體呈銀白色，為降低在受光照射后出現(xiàn)的明顯反射現(xiàn)象，在試驗盒底面放置了NO.4黑色面板，面板用于充當背景，其表面粗糙可盡可能減弱反光效果，且可強化光源照射下的NO.3與NO.4的明暗對比，便于在采集影像資料后可對其背景進行分割處理。

整個檢測系統(tǒng)的使用流程，即先調(diào)整好相機與陶瓷瓷磚的相對位置，并控制好頂面四邊的光源照射角度與強度，使用相機采集到瓷磚清晰照后，對瓷磚圖像進行預(yù)處理，利用算法完成瓷磚表面圖像中的缺陷區(qū)域分割，并計算出瓷磚缺陷的實際尺寸。

3 鏡面瓷磚產(chǎn)品表面不平整缺陷區(qū)域分割

3.1? ? 瓷磚產(chǎn)品表面圖像預(yù)處理

圖像預(yù)處理即要求借助合理的手段，不斷剔除圖像內(nèi)部的無關(guān)聯(lián)信息，便于更為清晰準確地檢測出表面不平整缺陷。

3.1.1? ? 消除圖像畸變

受到相機以及鏡頭工藝的影響，一些拍攝圖像可能存在畸變，因此要利用合理手段進行消除。本文使用機器視覺軟件HALCON完成畸變校正[2]。先標定相機，后取得相機拍攝成像的邏輯模式，進而對采集后的產(chǎn)品表面圖像進行校正。

3.1.2? ? 分割無關(guān)背景

在試驗盒中對瓷磚產(chǎn)品表面進行圖像拍攝采集時，由于底面設(shè)置有黑色面板充當背景，事實上在圖像采集時易構(gòu)成圖像視野中的無用目標區(qū)域，這樣會增加所采集圖像的實際大小，對于后期的運算而言負擔增加，還會拖慢運算速度。本文將分割這部分黑色無關(guān)背景。由于瓷磚與黑色背景的明暗對比明顯，因此，本文利用全局閾值法來完成對瓷磚圖像區(qū)域的提取，分割黑色無關(guān)背景。全局閾值法所用公式為：

式中，G（i，j）是分割剔除無關(guān)背景后的剩余圖像;P（i，j）是相機所采集到的原始圖像;K是全局閾值設(shè)定值。

3.1.3? ? 去除圖像噪聲

相機對陶瓷產(chǎn)品表面的圖像采集，會因目標區(qū)域受到的光照存在不均勻問題而使得圖像上會出現(xiàn)不同程度的明暗區(qū)域交替，存在噪聲的比例較高，這樣就影響到對瓷磚表面不平整缺陷的檢測，應(yīng)做去噪處理。本文將使用高斯濾波算法去除噪聲。此算法作為典型的線性濾波邏輯算法，與中值濾波、均值濾波等算法相比，能在去除圖像噪聲的同時，更好地保持圖像邊緣信息完整性，實現(xiàn)平滑去噪。

3.2? ? 瓷磚產(chǎn)品表面圖像變形缺陷區(qū)域分割

完成圖像預(yù)處理之后，為了提取瓷磚圖像存在缺陷的區(qū)域，并完成后期的缺陷區(qū)域尺寸的精確計算，需要采取科學(xué)手段進行缺陷區(qū)域的分割。

本文在高斯濾波算法的基礎(chǔ)上，對高斯函數(shù)作一階微分得到Canny算子，從而將瓷磚的邊緣變形缺陷等待檢測問題轉(zhuǎn)化為求解檢測基準函數(shù)極大值的問題[3]。高斯濾波完成后，即進行圖像梯度大小和方向的運算，并通過求解極大值并抑制非極大值，確定真實變形缺陷的邊緣。通過像素點所設(shè)置的不同梯度進行大小比較，用選定像素點的梯度值與鄰近正負梯度方向上的兩個不同像素點梯度值進行比較，將非極大值所對應(yīng)的像素點灰度值設(shè)定為0，進一步對比確定局部梯度的最大值對應(yīng)點并保留，后續(xù)有效設(shè)定高低閾值指標再行檢測。設(shè)高閾值為G，低閾值為D，則若瓷磚圖像變形缺陷的邊緣像素梯度取值大于G，則定義此像素為強邊緣像素并保留;若瓷磚圖像變形缺陷的邊緣像素梯度取值低于G且高于D，則定義此像素為弱邊緣像素，需要進一步評價周圍八方位的相鄰像素與G的對比大小情況，若存在高于G的像素梯度，則對應(yīng)的像素點需要保留，若未出現(xiàn)高于G的像素梯度，則對應(yīng)的像素點接受抑制;若瓷磚圖像變形缺陷的邊緣像素梯度在D以下，則定義次像素直接接受抑制。當然，Canny算子檢測方法的應(yīng)用中，由于算法使用G、D雙閾值檢測，在抑制動作中只是完成對存在可能被誤分割區(qū)域的識別，而容易遺漏對變形缺陷邊緣間斷區(qū)域的處理，使得可能將不需抑制的邊緣進行了抑制，因此需要對Canny算子的檢測方法進行必要的修正和補充。

本文同時選用Sobel算子和Close_edges算子檢測方法，第一步是先以Sobel算子對圖像求導(dǎo)后獲得二值化圖像，因新圖像邊緣尚存在缺口和有間斷，或者有新的噪聲出現(xiàn)，需要使用Close_edges算子完成第二步操作。將算子引入瓷磚二值化圖像邊緣點相鄰區(qū)域，評判不同相鄰點梯度值，設(shè)定對比閾值為H，若某點梯度≥H，則此點可判斷為真實邊緣內(nèi)含點，若某點梯度

通過Canny算子與Close_edges算子檢測方法的結(jié)合應(yīng)用，前一方法可對瓷磚圖像變形缺陷的邊緣誤分割后的假性邊緣實施合理抑制，然而在辨識和處理變形缺陷邊緣中存在的間斷問題上存在不足;后一方法則能夠有效針對變形缺陷邊緣存在的間斷點進行連接，然而在邊緣誤分割的假性邊緣抑制處理方面存在不足，一定情況下還會出現(xiàn)假性邊緣異常延伸，干擾分割識別的情況。因此，將兩種方法結(jié)合后，對瓷磚圖像變形缺陷邊緣進行檢測，一方面對誤分割的假性邊緣進行了合理抑制，另一方面能較為穩(wěn)定地處理好缺陷邊緣存在的間隙、噪點等問題，最終可以分割出明確的瓷磚圖像變形缺陷，證實瓷磚產(chǎn)品的表面不平整度。

4 結(jié)語

本文將機器視覺檢測技術(shù)應(yīng)用在鏡面瓷磚產(chǎn)品的表面平整度檢測工作中，主要憑借圖像處理技術(shù)以及必要的算法完成檢測，在圖像采集中設(shè)計了試驗盒，對瓷磚表面進行拍攝圖像的穩(wěn)定采集，經(jīng)過消除圖像畸變、分割無關(guān)背景、去除圖像噪聲等預(yù)處理后，利用Canny算子與Close_edges算子檢測方法相結(jié)合，實施瓷磚產(chǎn)品表面圖像變形缺陷區(qū)域的分割，可呈現(xiàn)清晰的瓷磚產(chǎn)品表面圖像變形缺陷區(qū)域，有效掌握產(chǎn)品表面平整度情況。

[參考文獻]

[1] 謝劍.基于機器視覺的表面平整度檢測方法研究[D].長沙：中南大學(xué)，2014.

[2] 程翔，王美玲，王廣偉.基于機器視覺的汽車非標零部產(chǎn)品檢測技術(shù)研究[J].經(jīng)濟技術(shù)協(xié)作信息，2019（14）：90.

[3] 吳園.基于機器視覺技術(shù)的產(chǎn)品外觀質(zhì)量檢測研究[J].電子元器件與信息技術(shù)，2018（6）：35-38.

收稿日期：2020-06-04

作者簡介：黃燕（1989—），女，四川資中人，碩士研究生，研究方向：機械檢測。