劉毅川,陳明堅(jiān),歐敏飛

(1.廣州南方投資集團(tuán)有限公司,廣東 廣州 510260;2.廣州南方電力技術(shù)工程有限公司,廣東 廣州 510600)

0 引言

鋁護(hù)套切割裝置的質(zhì)量與切割產(chǎn)品的質(zhì)量、性能均存在一定聯(lián)系。鋁護(hù)套切割裝置在加工時(shí)，常常因?yàn)樵O(shè)備的原因，出現(xiàn)凹陷、氣泡、裂縫、麻點(diǎn)、壓痕等缺陷。若未能及時(shí)檢測(cè)此類缺陷情況，直接使用鋁護(hù)套切割裝置對(duì)鋁護(hù)套產(chǎn)品進(jìn)行切割，將導(dǎo)致鋁護(hù)套產(chǎn)品出現(xiàn)瑕疵，影響產(chǎn)品質(zhì)量[1]。為此，鋁護(hù)套切割裝置缺陷檢測(cè)存在一定研究?jī)r(jià)值。

文獻(xiàn)[2]提出基于機(jī)器視覺的工件表面缺陷識(shí)別技術(shù)，設(shè)定被測(cè)對(duì)象為軸承零件，運(yùn)用視覺系統(tǒng)，成像、濾波、圖像增強(qiáng)零件，對(duì)比圖像差值算法與標(biāo)準(zhǔn)圖樣，以提取零件表面缺陷，完成工件表面缺陷識(shí)別。該方法能夠檢測(cè)零件多種瑕疵，但檢測(cè)效果較差。文獻(xiàn)[3]提出基于改進(jìn)Niblack算法的軸承滾子表面缺陷檢測(cè)方法：利用背光源在軸承滾子側(cè)面打光，得到缺陷區(qū)域圖像；采用閾值分割方法，提取軸承滾子區(qū)域；依據(jù)軸承滾子圖像灰度值不變的特點(diǎn)，運(yùn)用改進(jìn)Niblack算法，處理軸承滾子表面圖像，獲取分割后缺陷區(qū)域。該方法能夠有效檢測(cè)軸承滾子各類缺陷，但檢測(cè)效率較低。

針對(duì)上述問題，本文提出基于模糊模式識(shí)別的鋁護(hù)套切割裝置缺陷自動(dòng)檢測(cè)方法。模式識(shí)別是將需要識(shí)別的目標(biāo)屬性信息與參考特征信息進(jìn)行對(duì)比，分辨目標(biāo)類型，通過計(jì)算機(jī)判斷數(shù)據(jù)結(jié)構(gòu)的過程。模糊模式識(shí)別使用計(jì)算機(jī)模擬人腦的形象思維與模糊邏輯思維實(shí)現(xiàn)目標(biāo)屬性識(shí)別，是一種模糊問題識(shí)別的有效方法[4]。本文以模糊模式識(shí)別方法為應(yīng)用核心，通過模糊聚類鋁護(hù)套切割裝置缺陷特征，采用模糊神經(jīng)網(wǎng)絡(luò)判斷鋁護(hù)套切割裝置缺陷類型，實(shí)現(xiàn)了鋁護(hù)套切割裝置缺陷的自動(dòng)檢測(cè)。

1 鋁護(hù)套切割裝置缺陷檢測(cè)方法

1.1 鋁護(hù)套切割裝置缺陷特征聚類

由于鋁護(hù)套切割裝置缺陷的形態(tài)和屬性多樣，會(huì)影響裝置缺陷檢測(cè)效果。因此，為了分辨鋁護(hù)套切割裝置缺陷形態(tài)和屬性的相似水平[5]，對(duì)鋁護(hù)套切割裝置缺陷特征進(jìn)行聚類處理。通過獲取裝置樣本數(shù)據(jù)間相似水平的相似系數(shù)，計(jì)算每個(gè)裝置樣本數(shù)據(jù)的相似性統(tǒng)計(jì)量，構(gòu)建分類目標(biāo)集合中的模糊相似關(guān)系，獲取裝置樣本數(shù)據(jù)中的缺陷數(shù)據(jù)，實(shí)現(xiàn)鋁護(hù)套切割裝置缺陷特征聚類。

一般情況下，特征之間的相似水平可通過歐式距離法或絕對(duì)值減數(shù)法作判斷。對(duì)鋁護(hù)套切割裝置樣本數(shù)據(jù)，使用距離法判斷鋁護(hù)套切割裝置樣本特征的相似性較為合適，可使用夾角余弦法將較為相似的鋁護(hù)套切割裝置樣本數(shù)據(jù)劃成一種類型[6]。

設(shè)鋁護(hù)套切割裝置樣本數(shù)據(jù)集為{y1,y2,...,yn},屬于需要進(jìn)行缺陷特征聚類操作的對(duì)象集。鋁護(hù)套裝置樣本數(shù)據(jù)yj(1≤j≤n)的屬性數(shù)量是n個(gè)，則yj={yj1,yj2,...,yjn}，鋁護(hù)套裝置樣本數(shù)據(jù)yj的第h維屬性值是yjh。

鋁護(hù)套裝置樣本中，2種數(shù)據(jù)間的夾角余弦是：

(1)

式中：sij為鋁護(hù)套裝置樣本中yi、yj兩種數(shù)據(jù)的相似度。

h維度中，鋁護(hù)套裝置兩種數(shù)據(jù)yih、yjh的相似水平越高，相似度sij的值越顯著。通過sij能夠獲取模糊相似關(guān)系矩陣為S=[sij]n×n。

但是上述所獲取的模糊相似關(guān)系矩陣S雖具有自反性、對(duì)稱性，但不具有傳遞性。此矩陣不存在模糊等價(jià)關(guān)系，需要將其進(jìn)行優(yōu)化[7-8]?；谀：嗨凭仃嘢，分別計(jì)算其平方值：

S→S2→S4→...→S2h=S*

(2)

式中：S2=S×S；S*為模糊等價(jià)矩陣。

(3)

參照專家經(jīng)驗(yàn)設(shè)置合理的閾值為ξ，以此實(shí)現(xiàn)鋁護(hù)套切割裝置樣本數(shù)據(jù)的缺陷特征聚類，獲取鋁護(hù)套切割裝置樣本的缺陷特征向量為Yn×m。

Yn×m=ξ[S*]n×n

(4)

式中：n、m為缺陷特征數(shù)量。

若S*的值大于閾值，Yn×m的值為1，此特征屬于缺陷特征向量；若S*的值小于閾值，Yn×m的值為0，此特征不屬于缺陷特征向量。按照此規(guī)則，便可實(shí)現(xiàn)鋁護(hù)套切割裝置缺陷特征聚類。鋁護(hù)套切割裝置缺陷特征聚類屬于一種無監(jiān)督的學(xué)習(xí)過程。因?yàn)椴淮嬖谔崆霸O(shè)置的分類實(shí)例，很多聚類算法按照專家經(jīng)驗(yàn)設(shè)計(jì)。模糊聚類法中的閾值大多是參照經(jīng)驗(yàn)設(shè)置的，未能對(duì)其實(shí)施充分解釋，則不能保障聚類結(jié)果的精準(zhǔn)度[9]。本文基于鋁護(hù)套切割裝置樣本間緊致度與分離度角度分析，構(gòu)建聚類有效性評(píng)估模型，對(duì)上文所設(shè)置的閾值進(jìn)行有效性評(píng)估，以此實(shí)現(xiàn)鋁護(hù)套切割裝置缺陷特征最優(yōu)分類，并準(zhǔn)確獲取鋁護(hù)套切割裝置缺陷特征。

緊致度為：

(5)

式中：mj為鋁護(hù)套切割裝置缺陷樣本數(shù)量；yn、ym為存在缺陷特征的不同鋁護(hù)套切割裝置樣本數(shù)據(jù)。

ynm為存在缺陷特征的鋁護(hù)套切割裝置樣本中心：

(6)

緊致度可作為樣本方差。緊致度數(shù)值較小，方差較小，則類內(nèi)間的特征緊密水平顯著。

分離度為：

(7)

(8)

分離度能夠體現(xiàn)鋁護(hù)套切割裝置特征的差異性。

依次把緊致度與分離度和權(quán)值Dξ實(shí)施運(yùn)算，可減少類數(shù)對(duì)有效性評(píng)估的干擾。然后，通過分離度與緊致度實(shí)施對(duì)比，得到最高評(píng)估值，構(gòu)建聚類有效性評(píng)估模型：

(9)

式中：G為各個(gè)變量的類內(nèi)緊密水平和類間分散水平；ξ為G值最高閾值。

G值較大，表示類和類之間距離顯著，則類和類的差異顯著，特征分類效果較好。ξ屬于最優(yōu)閾值，此條件下的分類結(jié)果就是特征最優(yōu)聚類結(jié)果。

1.2 鋁護(hù)套切割裝置缺陷類型檢測(cè)方法

模糊模式識(shí)別在缺陷類型識(shí)別問題中較為常用。本文以模糊模式識(shí)別技術(shù)中模糊神經(jīng)網(wǎng)絡(luò)方法為核心，提出基于模糊神經(jīng)網(wǎng)絡(luò)的鋁護(hù)套切割裝置缺陷類型檢測(cè)方法。在檢測(cè)鋁護(hù)套切割裝置缺陷類型時(shí)，檢測(cè)流程如下。

①樣本數(shù)據(jù)。

此部分檢測(cè)數(shù)據(jù)是通過2.1節(jié)所獲取的特征向量，可將2.1節(jié)所獲取的鋁護(hù)套切割裝置缺陷特征數(shù)據(jù)描述為Yn×m。

②數(shù)據(jù)標(biāo)準(zhǔn)化操作。

將Yn×m使用最小化原則對(duì)缺陷特征實(shí)施模糊標(biāo)準(zhǔn)化操作。操作方法是：

(10)

③設(shè)置隸屬度函數(shù)。

(11)

使用類比擬合的方法選取最優(yōu)的隸屬度函數(shù)：

(12)

式中：f(x)為隸屬度；b、c為缺陷特征模糊項(xiàng)。

使用MATLAB對(duì)缺陷特征值的分布實(shí)施研究，依次判斷參數(shù)b、c在每個(gè)隸屬函數(shù)里的取值，如表1所示。

④運(yùn)算綜合隸屬度矩陣。

將標(biāo)準(zhǔn)化數(shù)據(jù)、隸屬度函數(shù)導(dǎo)入模擬專家意見陣，以此表達(dá)每個(gè)缺陷特征變量與缺陷類型的關(guān)系[10]。對(duì)標(biāo)準(zhǔn)化后數(shù)據(jù)Yij實(shí)施多次測(cè)試，獲取模擬專家矩陣：

(13)

通過計(jì)算，獲取每個(gè)缺陷特征所屬類型的綜合隸屬度矩陣FN×L：

FN×L=Yij·CL×M

(14)

以此能夠按照最大隸屬度原則判斷缺陷特征的缺陷類型αDk(yi)，則：

(15)

上述所獲取的標(biāo)準(zhǔn)化數(shù)據(jù)、隸屬度函數(shù)以及專家評(píng)價(jià)矩陣實(shí)施模糊模式識(shí)別，完成鋁護(hù)套切割裝置缺陷類型判斷，實(shí)現(xiàn)鋁護(hù)套切割裝置缺陷自動(dòng)檢測(cè)。

2 試驗(yàn)分析

為了驗(yàn)證基于模糊模式識(shí)別的鋁護(hù)套切割裝置缺陷自動(dòng)檢測(cè)方法的有效性，在NASA Metrics Data Program項(xiàng)目數(shù)據(jù)集里，選取機(jī)械加工類的8種鋁護(hù)套切割裝置樣本數(shù)據(jù)集，作為測(cè)試所提方法有效性的缺陷數(shù)據(jù)集。

缺陷數(shù)據(jù)集信息如表2所示。

表2 缺陷數(shù)據(jù)集信息

使用所提方法對(duì)表2中8種鋁護(hù)套切割裝置樣本數(shù)據(jù)集進(jìn)行缺陷檢測(cè)，分析所提方法的檢測(cè)結(jié)果與表2中實(shí)際情況的差異。

本文所提方法的檢測(cè)結(jié)果如表3所示。

表3 所提方法的檢測(cè)結(jié)果

根據(jù)表3中的數(shù)據(jù)可知，所提方法對(duì)8種鋁護(hù)套切割裝置樣本數(shù)據(jù)集的缺陷特征檢測(cè)結(jié)果與實(shí)際缺陷情況相比，差值最大值為1組，且只有1組。由此可知，所提方法能夠有效檢測(cè)出鋁護(hù)套切割裝置缺陷類型，以及缺陷樣本數(shù)據(jù)集的缺陷特征。

為了進(jìn)一步驗(yàn)證所提方法的檢測(cè)效果，分別采用所提方法、文獻(xiàn)[2]方法和文獻(xiàn)[3]方法對(duì)表2中8種鋁護(hù)套切割裝置樣本數(shù)據(jù)集類型進(jìn)行檢測(cè)，并對(duì)比3種方法的檢測(cè)效果。檢測(cè)效果主要通過F值(F-Score)描述體現(xiàn)。F值是信息檢測(cè)領(lǐng)域里常用的評(píng)價(jià)指標(biāo)。F值判斷指標(biāo)中較為常見的是查全率與正確率。試驗(yàn)中，計(jì)算查全率與正確率，得到單個(gè)鋁護(hù)套切割裝置樣本數(shù)據(jù)集中缺陷特征聚類、8種鋁護(hù)套切割裝置樣本數(shù)據(jù)集中缺陷特征聚類的F值。按照此F值判斷所提方法對(duì)鋁護(hù)套切割裝置缺陷類型檢測(cè)的質(zhì)量。查全率與正確率的運(yùn)算方法為：

(16)

(17)

式中：v為真實(shí)缺陷類型；u為與v不同的缺陷類型；n(u,v)為檢測(cè)的缺陷類型中與實(shí)際相符的數(shù)目。

F值是所提方法檢測(cè)結(jié)果與實(shí)際情況的值：

(18)

分別采用3種方法，對(duì)8種鋁護(hù)套切割裝置樣本數(shù)據(jù)集缺陷類型的查全率、正確率以及F值進(jìn)行測(cè)試。不同方法的缺陷檢測(cè)查全率如圖1所示。

圖1 不同方法的缺陷檢測(cè)查全率Fig.1 Recall rates of defect detection by different methods

不同方法的缺陷檢測(cè)正確率如圖2所示。

圖2 不同方法的缺陷檢測(cè)正確率Fig.2 Accuracies of defect detection by different methods

不同方法的缺陷檢測(cè)F值結(jié)果如圖3所示。

圖3 不同方法的缺陷檢測(cè)F值結(jié)果Fig.3 Defect detection F value results of different methods

根據(jù)圖1～圖3可知。所提方法在檢測(cè)8種鋁護(hù)套切割裝置樣本數(shù)據(jù)集缺陷類型時(shí)，查全率、正確率以及F值均大于文獻(xiàn)[2]方法、文獻(xiàn)[3]方法；所提方法的查全率、正確率以及F值均大于0.95。由此驗(yàn)證，所提方法在檢測(cè)鋁護(hù)套切割裝置樣本數(shù)據(jù)集缺陷時(shí)，能夠精準(zhǔn)識(shí)別鋁護(hù)套切割裝置缺陷類型，檢測(cè)效果較好。因?yàn)樗岱椒ɡ媚：窠?jīng)網(wǎng)絡(luò)模糊標(biāo)準(zhǔn)化缺陷特征，根據(jù)最大隸屬度原則判斷缺陷特征的缺陷類型，所以能夠精準(zhǔn)識(shí)別鋁護(hù)套切割裝置缺陷類型。

以氣孔、裂縫、麻點(diǎn)3種缺陷類型為例，測(cè)試3種方法在檢測(cè)8種鋁護(hù)套切割裝置樣本數(shù)據(jù)集缺陷類型時(shí)的檢測(cè)耗時(shí)，以此判斷3種方法是否可在最短時(shí)間內(nèi)實(shí)現(xiàn)鋁護(hù)套切割裝置缺陷自動(dòng)檢測(cè)。

不同方法氣孔缺陷檢測(cè)耗時(shí)如圖4所示。

圖4 不同方法氣孔缺陷檢測(cè)耗時(shí)Fig.4 Detection time of stomatal defects by different methods

不同方法裂縫缺陷檢測(cè)耗時(shí)如圖5所示。

圖5 不同方法裂縫缺陷檢測(cè)耗時(shí)Fig.5 Detection time of fracture defectby different methods

不同方法麻點(diǎn)缺陷檢測(cè)耗時(shí)如圖6所示。

圖6 不同方法麻點(diǎn)缺陷檢測(cè)耗時(shí)Fig.6 Detection time of pitting defects by different methods

根據(jù)圖4～圖6可知，氣孔、裂縫、麻點(diǎn)3種缺陷類型檢測(cè)中，所提方法的檢測(cè)耗時(shí)低于0.2 s，文獻(xiàn)[2]方法、文獻(xiàn)[3]方法氣孔、裂縫、麻點(diǎn)這3種缺陷類型的檢測(cè)耗時(shí)明顯比所提方法長(zhǎng)。所提方法可在最短時(shí)間內(nèi)檢測(cè)不同類型鋁護(hù)套切割裝置缺陷。這是因?yàn)樗岱椒ú捎媚：垲惙椒ň垲愪X護(hù)套切割裝置缺陷特征，可根據(jù)分類目標(biāo)集合中模糊相似關(guān)系獲取鋁護(hù)套切割裝置缺陷特征數(shù)據(jù)，從而有效縮短缺陷檢測(cè)時(shí)間。

3 結(jié)論

基于模糊模式識(shí)別的鋁護(hù)套切割裝置缺陷自動(dòng)檢測(cè)方法，可以較好地處理鋁護(hù)套切割裝置缺陷自動(dòng)檢測(cè)問題。該方法借鑒反向傳播神經(jīng)網(wǎng)絡(luò)(back propagation,BP)非線性識(shí)別方法，可以精準(zhǔn)地檢測(cè)鋁護(hù)套切割裝置缺陷類型、縮短鋁護(hù)套切割裝置缺陷的檢測(cè)時(shí)間，對(duì)不同的鋁護(hù)套切割裝置缺陷類型均存在較好的識(shí)別性能，檢測(cè)結(jié)果與實(shí)際狀況間差值極小，可滿足鋁護(hù)套切割裝置缺陷自動(dòng)檢測(cè)的使用需求。在后續(xù)的研究中，將引入小波變換理論，對(duì)鋁護(hù)套切割裝置樣本數(shù)據(jù)進(jìn)行預(yù)處理，以此進(jìn)一步優(yōu)化所提方法的檢測(cè)性能。