李 奎， 陳曼龍,2*， 燕立志,2， 楊 帆,2， 汪 杰

(1.陜西理工大學(xué) 機(jī)械工程學(xué)院，陜西 漢中 723000；2.陜西省工業(yè)自動化重點實驗室，陜西 漢中 723000)

石墨密封圈是保障管道、閥門等部件密封性能的關(guān)鍵部件，其表面缺陷和尺寸精度影響機(jī)械設(shè)備運行的可靠性。如果石墨密封圈存在表面缺陷，就會使得其與設(shè)備的連接不緊密，從而無法滿足設(shè)備密封性能的要求[1]。同時，石墨密封圈尺寸超標(biāo)時也會影響密封圈與孔軸的裝配性[2]。傳統(tǒng)的人工檢測效率低、誤差大、費時費力，并且容易受到外界各種環(huán)境因素的影響，檢測精度無法得到保障[3]。隨著工業(yè)技術(shù)的進(jìn)步，人工檢測已經(jīng)難以滿足穩(wěn)定性和實時性的要求，而機(jī)器視覺檢測技術(shù)具有檢測精度高、速度快、非接觸式檢測等特點[4-5]，所以采用機(jī)器視覺技術(shù)與數(shù)字圖像處理技術(shù)相結(jié)合的方法是必要且可行的。該方法代替了傳統(tǒng)密封圈的人工檢測，克服了石墨密封圈表面缺陷檢測效率低和尺寸測量精度低的弊端。

石墨密封圈的表面質(zhì)量檢測包括尺寸檢測和缺陷檢測。近年來，基于機(jī)器視覺的密封圈表面質(zhì)量檢測方法憑借其檢測速度快、精度高、穩(wěn)定性好等特點而受到廣泛關(guān)注。張洪等[6]提出了一種基于改進(jìn)的Canny邊緣檢測來提高輪廓檢測精度和一種基于切線傾斜角的異常輪廓點搜索定位算法來判定密封圈表面毛刺缺陷，但并未對尺寸測量進(jìn)行研究。陳里里等[7]運用機(jī)器視覺檢測技術(shù)對密封圈視覺檢測系統(tǒng)的軟件關(guān)鍵設(shè)計技術(shù)進(jìn)行了研究。亓信同等[8]提出了使用萬工顯、CCD相機(jī)、光柵和計算機(jī)搭建自動測量系統(tǒng)，實現(xiàn)了密封圈幾何尺寸的檢測，然而并未涉及密封圈表面缺陷的問題。Neogi N等[9]基于機(jī)器視覺技術(shù)完成了對鋼材表面的缺陷檢測和應(yīng)用分級。黎少輝等[10]采用基于均值向量和標(biāo)準(zhǔn)差向量的分級篩選，判斷密封圈表面缺陷是否存在并獲取缺陷位置。劉春等[11]提出了一種基于機(jī)器視覺的密封橡膠圈產(chǎn)品缺陷檢測方法。然而，上述研究都存在單一檢測的問題，即只檢測幾何尺寸或表面缺陷。

針對當(dāng)前人工檢測及現(xiàn)有檢測手段的不足，本文提出利用機(jī)器視覺對密封圈表面質(zhì)量進(jìn)行檢測的方法，利用最小二乘法圓擬合算法進(jìn)行邊緣擬合，從而計算出密封圈的內(nèi)外徑尺寸，并通過模板匹配算法識別出密封圈的表面缺陷，最終達(dá)到提高檢測效率與準(zhǔn)確率的目的。

1 檢測系統(tǒng)組成

基于機(jī)器視覺的石墨密封圈表面缺陷和尺寸檢測系統(tǒng)主要包括工業(yè)相機(jī)CCD、LED環(huán)形光源、石墨密封圈和工作臺等部分組成。系統(tǒng)組成如圖1(a)所示。圖像采集卡將CCD相機(jī)采集到的信號轉(zhuǎn)化為電信號，并傳輸?shù)杰浖糠?，軟件部分對采集圖像進(jìn)行預(yù)處理、邊緣提取、缺陷檢測、尺寸測量等過程，具體檢測流程圖如圖1(b)所示。

2 圖像處理

2.1 圖像預(yù)處理

預(yù)處理階段主要包括圖像增強(qiáng)和降噪處理，而目前主要采用鄰域平均、頻域濾波以及中值濾波等方法對圖像進(jìn)行降噪處理。其中中值濾波能夠平滑圖像，濾去孤立的點目標(biāo)，對消除脈沖干擾十分有效[12]?？紤]到密封圈圖像的質(zhì)量問題，本文采用中值濾波對經(jīng)過增強(qiáng)處理的密封圈圖像進(jìn)行降噪處理。圖2為石墨密封圈圖像濾波前后對比圖。

2.2 基于Canny算子邊緣檢測

選擇恰當(dāng)?shù)妮喞吘壧崛∷惴▽τ诤罄m(xù)密封圈缺陷檢測和尺寸測量都具有十分重要的作用。相比其他邊緣檢測算法，Canny算法具有檢測邊緣單一性好和邊緣定位準(zhǔn)確性較高的特點[13]。本文采用Canny算法進(jìn)行密封圈的邊緣提取，檢測結(jié)果如圖3所示。

圖3 邊緣檢測圖

3 石墨密封圈尺寸檢測

3.1 最小二乘法圓擬合

尺寸檢測主要是對石墨密封圈內(nèi)外徑參數(shù)進(jìn)行測量。其中，圓心定位及內(nèi)外徑的計算是密封圈邊緣擬合的基礎(chǔ)。常用的圓心定位方法有Hough變換、三點定圓法、最小二乘法[14]。由于最小二乘法可以得到高精度的圓心坐標(biāo)和半徑值，并且計算量較少，占用的內(nèi)存和消耗的時間也少。同時，因為最小二乘法擬合出的平方項對離散點非常敏感，所以通過比較就可以直接剔除存在較大缺陷的密封圈。因此，本文采用最小二乘法圓擬合進(jìn)行參數(shù)測量。

(1)

式中

所以，圓心(x0,y0)和待擬合圓半徑R的表達(dá)式為

據(jù)此，采用最小二乘法擬合出密封圈的內(nèi)外圓如圖4所示。

圖4 擬合效果圖

密封圈通常作為孔和軸的裝配而使用，但對于本文的石墨密封圈而言，由于石墨自身塑性小的特點決定了它不能像其他材料一樣被拉伸彎曲。所以在實際的裝配過程中，對于孔類零件來說，為使密封圈能裝配成功，在檢測時應(yīng)選擇最小內(nèi)徑rmin，如圖5(a)所示。反之，對于軸類零件來說，在檢測時應(yīng)選擇最大外徑Rmax，如圖5(b)所示。

(a)內(nèi)徑尺寸 (b)外徑尺寸

3.2 內(nèi)外徑尺寸檢測

由前面所介紹的最小二乘法圓擬合，可將圓心坐標(biāo)(x0,y0)和半徑R確定，將像素值轉(zhuǎn)化為距離值，與給定的標(biāo)準(zhǔn)值進(jìn)行對比，如果內(nèi)外徑值有一個不在正常范圍內(nèi)，則說明不合格，否則繼續(xù)檢測表面是否存在缺陷。

4 表面缺陷檢測

表面缺陷主要是檢測密封圈表面是否存在磨損、凹槽等缺陷問題。石墨密封圈表面缺陷主要可分為凹槽缺陷、劃痕缺陷、磨損缺陷等，如圖6所示。缺陷特征一般具有幾何特性，如面積、位置等。因此本文通過分離出缺陷特征，并對缺陷面積大小和位置進(jìn)行判斷，以識別出是否存在缺陷。

(a)劃痕 (b)凹槽 (c)磨損

在上述尺寸檢測正常的基礎(chǔ)上，本文采用模板匹配法[15]檢測石墨密封圈的缺陷特征。利用種子填充算法可以得到?jīng)]有缺陷的二值化模板圖像。種子填充算法是區(qū)域填充的一種基本方法，能有效剔除圖像中不規(guī)則的形狀。該方法通過比較區(qū)域內(nèi)點(x,y)的像素值和給定閾值的大小，從而判斷該點是否被填充過，如果是，則改變其像素值，然后向其他方向繼續(xù)擴(kuò)展，通過反復(fù)測試，最終實現(xiàn)區(qū)域的填充。

本文利用種子填充算法得到標(biāo)準(zhǔn)密封圈的二值化圖像模板，然后將該圖像與被測圖像按照公式(2)進(jìn)行差影得到缺陷輪廓,并求得差影后圖像的像素總和，即sum值：

(2)

式中f(xi,yk)是密封圈的模板圖像素值，單位pixel；f1(xi,yk)為待檢測的密封圈圖像像素值，單位pixel；m和n為圖像的行列數(shù)；sum為兩幅圖像相減后所有像素的和，單位pixel。

最后判斷sum值是否在給定閾值的范圍內(nèi)，若大于閾值則認(rèn)為所檢測的密封圈不合格，反之則認(rèn)為合格。在實驗中對同種型號的石墨密封圈進(jìn)行檢測時，標(biāo)記密封圈邊緣在工作臺上的位置，使得每次檢測時密封圈放置的位置相同，確保使用模板相減法得到理想中的效果。

表面缺陷檢測效果如圖7所示。

(a)模板圖 (b)待檢測圖 (c)缺陷圖

5 實驗結(jié)果

為了評估本文檢測方法的可靠性，共采集了14種不同型號的石墨密封圈各5個的圖像作為實驗對象，其中測量的內(nèi)外徑均值結(jié)果如表1所示。實驗前首先通過人工檢測判斷密封圈表面是否存在缺陷，并與本文算法檢測結(jié)果進(jìn)行對比，缺陷檢測結(jié)果如表2所示。分析表1的實驗數(shù)據(jù)可以發(fā)現(xiàn)，內(nèi)、外徑均值的檢測結(jié)果與標(biāo)準(zhǔn)值相比，檢測結(jié)果在誤差允許的范圍內(nèi)。從表2中缺陷檢測結(jié)果可得到本文算法缺陷識別率比人工檢測提高了69.4%。

表1 不同石墨密封圈內(nèi)外徑檢測結(jié)果 mm

表2 缺陷檢測結(jié)果

6 結(jié)論

文中提出了密封圈圖像處理和密封圈表面質(zhì)量檢測的方法，利用最小二乘圓擬合算法實現(xiàn)密封圈內(nèi)外徑尺寸的測量和采用模板差減算法檢測密封圈表面缺陷的方法。從實驗分析可以看出，采用最小二乘圓擬合得到了相對真實的密封圈輪廓信息，而且相比人工檢測而言，采用模板差減法進(jìn)行缺陷檢測具有效率高、檢測精度高的特點。

另外，在對密封圈表面質(zhì)量進(jìn)行檢測時，密封圈表面接收的光照不同和缺陷檢測算法的不完善性都會造成漏檢情況的發(fā)生，后續(xù)可以調(diào)節(jié)光照強(qiáng)度和優(yōu)化檢測算法以提高檢測精度。