肖慶陽，方建儒，張效民，李金鐘，叢 明

(1.大連亞明汽車部件股份有限公司，遼寧 大連 116041；2.大連理工大學機械工程學院，遼寧 大連 116024)

0 引言

隨著汽車輕量化的發(fā)展，鋁合金缸體以其優(yōu)異的性能，收到了越來越多的車企的青睞，但其表面在鑄造過程中出現(xiàn)缺陷也會引起許多不良后果。比如裂紋和暗孔會影響鑄件的強度，多肉、缺肉等問題會使零件連接出現(xiàn)問題，甚至埋下安全隱患，并且此類缺陷在人工檢測過程中經(jīng)常發(fā)生漏檢。因此許多汽車主機廠都要求零部件供應商在檢測環(huán)節(jié)設(shè)置自動檢測設(shè)備來避免缺陷件的漏檢。

鋁合金鑄件表面多肉類缺陷常用接觸式檢測的方法，但此類方法對檢具磨損大，并且時常發(fā)生檢具卡在被檢鑄件上的情況。近年來，無損檢測技術(shù)的發(fā)展為鑄件外觀檢測提供了新的思路[1]。其中，機器視覺檢測技術(shù)以其非接觸、無須人工判定結(jié)果的特點較好地彌補了傳統(tǒng)檢測方式的缺陷，在檢測的速度和精度上也能夠勝任大部分人工目測的任務(wù)[2-6]。

針對某品牌汽車鑄鋁缸體油槽中多肉缺陷檢測的問題，本文提出了一種基于標準相關(guān)匹配的鑄件外觀缺陷檢測算法，準確地提取出ROI區(qū)域，通過與標準圖樣進行對比，逐步提取出外觀缺陷。

1 鑄件缺陷檢測算法

傳統(tǒng)缺陷檢測算法對預處理后的圖像直接進行缺陷輪廓檢測識別率低下，并且針對特定環(huán)境調(diào)參后的檢測系統(tǒng)對于不同光照情況適應性差，因此在產(chǎn)品生產(chǎn)及檢測中難以大規(guī)模應用。本文的鑄件缺陷檢測算法針對這一問題采用了結(jié)合標準相關(guān)匹配和形態(tài)學運算等方法的圖像處理算法。首先通過工業(yè)相機采集待測鑄件表面圖像，通過標準相關(guān)匹配截取出與比對模板相對應的ROI區(qū)域，再用圖像線性混合算法將ROI圖像與模板做差，對得到的圖像進行中值濾波、閾值分割、形態(tài)學閉運算等處理，最后采用文獻[7]中的輪廓提取算法將所得圖像中的缺陷識別并定位，得到檢測結(jié)果。

1.1 標準相關(guān)匹配

標準相關(guān)匹配是使用歸一化相關(guān)系數(shù)作為相似度度量的模板匹配方法。模板匹配(Match Template)是指在一副圖像中尋找和模板圖像最相似的區(qū)域，工作原理是使用和模板尺寸相同的滑動框在原圖像中滑動，將滑動框在各個位置與模板的相似度保存在結(jié)果矩陣中，該矩陣每個元素的絕對值則代表該處的滑動框與模板的匹配程度，最后定位矩陣極大值元素所在位置即可尋找到與模板圖像相似度最高的滑動框的位置[8-9]。

歸一化相關(guān)系數(shù)計算公式如下：

其中，(x,y)表示滑動框左上角的角點坐標，(x′,y′)是滑動框內(nèi)像素點相對角點的坐標，T(x,y)和I(x,y)分別表示模板和原圖像中的像素值?？梢钥闯觯谟嬎鉚′(x,y)和I′(x,y)時首先減去各自的平均值，然后除以各自的方差，這兩步操作使得待檢測圖像和模板都被標準化，保證圖像不受光照變化的影響。

1.2 形態(tài)學閉運算

數(shù)學形態(tài)學是一門建立在集合理論、積分幾何與網(wǎng)格代數(shù)基礎(chǔ)上的學科[10]，基本思想是利用帶有一定形態(tài)結(jié)構(gòu)的元素去度量和提取圖像中的對應形狀，以達到圖像分析和識別的目的。

膨脹與腐蝕是形態(tài)學的兩種基本運算，膨脹操作可以使圖像的前景色面積得到擴展，腐蝕則使背景色面積擴展，對前景色空間進行侵蝕[11-12]。對Z2上的元素的集合A和E，用E對A進行膨脹，記作A?E,定義為：

AΘE={z|(E)z?A}

對一副圖像依次進行膨脹和腐蝕的操作成為形態(tài)學閉運算，通過閉運算能夠濾除圖像中細小的深色噪點，并聯(lián)通大片像素值相似的區(qū)域。閉運算表達式如下：

A·E=(A?E)ΘE

2 檢測方法及實驗流程

2.1 檢測系統(tǒng)架構(gòu)

鑄件外觀缺陷檢測系統(tǒng)如圖1所示。在工件進行檢測時，首先由工人將待檢測工件正確放置到輔具上，光電開關(guān)檢測到工件放置到位，輸出高電平至掃碼器，掃碼器經(jīng)過2 s延時后進行工件側(cè)面二維碼的采集，以保證采集二維碼時工件已放置到位。二維碼信息采集完成后被發(fā)送到視覺控制器，當視覺控制器檢測到二維碼信息時，調(diào)用工業(yè)相機進行圖像采集并發(fā)送回視覺控制器，在視覺控制器對采集到的圖像完成檢測后，工件的檢測結(jié)果和二維碼信息一同保存到本地，方便日后對產(chǎn)品質(zhì)量溯源，同時在顯示器上進行顯示，并標注出相應缺陷所在位置，指導工人對鑄件復查。如圖1所示，在設(shè)備頂端設(shè)有平行光源，用來給鑄件表面進行打光，以減輕不同外界光照條件下對檢測效果的影響，同時避免強光直射對操作者造成傷害。

1.待檢鑄件 2.光電傳感器 3.掃碼器 4.工業(yè)相機 5.顯示器 6.平行光源

2.2 實驗環(huán)境

硬件配置：2000萬像素工業(yè)相機、i7-6700處理器。軟件配置：Windows7 Embedded操作系統(tǒng)、opencv2.4.11。

3 實驗結(jié)果及分析

待測鑄件原圖像及ROI模板如圖2所示。鑄件待檢測區(qū)域為油槽位置，待測件中有人工加入的缺陷。

(a) 待檢鑄件原圖

經(jīng)過標準相關(guān)匹配得到的相似度圖像如圖3所示，圖中可以看到灰度值最低的像素點坐標即為ROI區(qū)域角點所在坐標，由此計算出的原圖像ROI區(qū)域如圖4a所示。對ROI圖像與模板進行灰度做差運算，并先后進行二值化、中值濾波及形態(tài)學閉運算、輪廓提取處理后的局部圖像如圖4b～圖4e所示。

圖3 相似度圖像 圖4 處理過程圖(左半部分)

實驗表明，通過標準相關(guān)匹配得到的ROI區(qū)域相對其他模板匹配方法具有顯著提高，中值濾波、形態(tài)學閉運算對于鋁合金鑄造表面在進行拋丸處理后有很好的適應性。通過以上方法對于2×2 mm的多肉缺陷，能夠在5 s內(nèi)完成對分辨率為5472×3648的鑄件圖像的檢測，基本滿足工廠檢測線的檢測節(jié)拍要求。

4 結(jié)論

針對鑄鋁發(fā)動機缸體多肉缺陷檢測的問題，本文提出了基于標準相關(guān)匹配的鑄件外觀檢測算法，對鑄件外觀圖像提取ROI區(qū)域并逐步提取缺陷特征。實驗表明，該方法能夠快速的提取出缺陷并定位出缺陷位置，具有較高的檢測精度。通過使用搭載該算法的設(shè)備能夠?qū)﹁T鋁缸體實時監(jiān)測并將缺陷信息保存至本地或云端，為產(chǎn)品的質(zhì)量溯源提供了保障。