盧勇波

（浙江鋸力煌工業(yè)科技股份有限公司 浙江麗水 321404）

1 引言

精準(zhǔn)的鋸切技術(shù)決定了金屬加工企業(yè)在生產(chǎn)中的效率，隨著國內(nèi)金屬加工技術(shù)的進(jìn)步，國內(nèi)金屬帶鋸床需求也隨之增加。但金屬帶鋸床內(nèi)部的元件復(fù)雜，出現(xiàn)故障的比例也比金屬砂輪切割機(jī)、金屬激光切割機(jī)發(fā)生故障的比例大。針對(duì)金屬帶鋸床進(jìn)行完整的檢測(cè)與故障診斷是當(dāng)下金屬加工工業(yè)生產(chǎn)的關(guān)鍵點(diǎn)[1]。在早期，由于技術(shù)手段的限制，檢測(cè)只能通過肉眼探測(cè)，定時(shí)查驗(yàn)設(shè)備，以一個(gè)月為周期進(jìn)行故障檢測(cè)。這種故障診斷的效果并不理想，這是因?yàn)閭鹘y(tǒng)的檢測(cè)方法效率低，而損耗的時(shí)間成本和人力成本均超出標(biāo)準(zhǔn)值。圖像處理技術(shù)能保存圖像的細(xì)節(jié)，即使是細(xì)微的鏈條破損也能及時(shí)檢測(cè)出來。不僅加強(qiáng)了檢測(cè)的解決速率，還能降低設(shè)備維護(hù)成本。運(yùn)用圖像處理技術(shù)，能有針對(duì)性地操作，科學(xué)合理地對(duì)金屬帶鋸床進(jìn)行故障診斷。圖像處理技術(shù)主要是對(duì)采集的高精度圖像進(jìn)行整合，消除背景以及其他噪點(diǎn)影響的冗余區(qū)域，讓故障點(diǎn)能夠更好地顯示[2]?；趫D像處理技術(shù)的故障診斷可以對(duì)要檢測(cè)的元件或者部件進(jìn)行圖像采集、數(shù)據(jù)預(yù)處理和目標(biāo)提取等技術(shù)操作，保證金屬帶鋸床平穩(wěn)運(yùn)行。

2 金屬帶鋸床故障診斷檢測(cè)方法

2.1 基于圖像處理的圖像采集及預(yù)處理

圖像采集是圖像處理技術(shù)的第一步，也是最關(guān)鍵的步驟。這決定后續(xù)針對(duì)金屬帶鋸床的檢測(cè)效果和最后故障判斷的正確率[3]。圖像采集根據(jù)工程實(shí)際需求，判斷光源位置，這樣才能將光信號(hào)轉(zhuǎn)換為電信號(hào)。攝像頭與被測(cè)金屬帶鋸床的底面之間需要有一定的距離，要根據(jù)測(cè)量要求達(dá)到的精度和攝像頭的精度來確定，金屬帶鋸床圖像采集設(shè)置如圖1所示。

圖1 金屬帶鋸床圖像采集示意圖

考慮到采集的金屬帶鋸床圖像的分辨率和圖像的質(zhì)量問題，設(shè)置攝像頭的鏡頭垂直于被測(cè)金屬帶鋸床元件的底面，測(cè)量距離大約在200 ～500 mm范圍內(nèi)。圖像采集完畢后開始對(duì)圖像進(jìn)行灰度化處理，圖像灰度化操作一般選擇最大值法測(cè)定，其中，采集的金屬帶鋸床圖像為(r,g) ，(r,g) 為R ，綠色分量為 G，藍(lán)色分量為B ，則(r,g) 的灰度值I(r,g)的具體計(jì)算式如下：

采集的金屬帶鋸床圖像三種分量的最大值為采集圖像的灰度值[4]。采集的金屬帶鋸床僅僅進(jìn)行灰度處理是不夠的，由于拍攝現(xiàn)場(chǎng)環(huán)境及光影角度的影響，灰度處理后的圖像質(zhì)量達(dá)不到標(biāo)準(zhǔn)。采集的金屬帶鋸床的表面存在嚴(yán)重的模糊，造成無法識(shí)別的問題。因此，在對(duì)金屬帶鋸床的故障進(jìn)行診斷時(shí)，需要對(duì)采集的圖像進(jìn)行增強(qiáng)的預(yù)處理操作。

圖像增強(qiáng)的預(yù)處理操作主要為圖像灰度修正。圖像灰度修正將圖像動(dòng)態(tài)擴(kuò)大化，滿足更清晰的圖像對(duì)比度，捕捉了圖像亮度的關(guān)鍵性特征?？紤]圖像的像素位置進(jìn)行處理，再加強(qiáng)采集的金屬帶鋸床圖像的空間區(qū)域。灰度圖像f(x,y) 修正前的灰度值范圍為(a,b) ，那么圖像更改后q(x,y)的灰度值范圍為(c,d) ，其表達(dá)式為：

如果圖像中只有很小部分像素的灰度值超出了修正前的灰度值范圍(a,b) ，而其他像素的灰度值就分布在此區(qū)間內(nèi)，那么就可以用下列的表達(dá)式來改善式（2）的效果：

在式（3）中，f(x,y) 要滿足三種限制條件，才能完成對(duì)金屬帶鋸床灰度圖像的變換。具體如下：

其中，F(xiàn)max表示金屬帶鋸床圖像最大灰度值。圖像經(jīng)過灰度處理后提高了整體的對(duì)比度，這樣識(shí)別的金屬帶鋸床的故障就能更突出，更直接判斷裂縫、斷面的位置和特征。經(jīng)過預(yù)處理的圖像能夠更好地實(shí)現(xiàn)后續(xù)對(duì)故障的識(shí)別提取以及分類。

2.2 金屬帶鋸床圖像目標(biāo)分割及故障特征提取

金屬帶鋸床圖像進(jìn)行預(yù)處理后，還需要對(duì)金屬帶鋸床進(jìn)行分割操作。這是因?yàn)椴杉膮^(qū)域需要再度精進(jìn)分類識(shí)別，這樣才能讓采集到的金屬帶鋸床的圖像數(shù)據(jù)直接應(yīng)用到故障診斷中。傳輸?shù)慕饘賻т彺矆D像控制在構(gòu)建可視化的界面，目標(biāo)分割采用最大類間方差法，這種方法能夠適用于全局的金屬帶鋸床圖像處理，使用最大類間方差方法可以減少分割出錯(cuò)的概率[5]。具體計(jì)算公式如式(5)。

其中，f 代表分割圖像的焦距，v 代表目標(biāo)在可視化圖層上的成像寬度，D代表圖像長度，V代表分割圖像的寬度。如果金屬帶鋸床故障目標(biāo)與圖像背景受到干擾不能進(jìn)行分割處理的操作，那么必須對(duì)原始圖像進(jìn)行降除操作，以目標(biāo)圖像中被分割的背景和缺陷目標(biāo)為主，若相鄰目標(biāo)的灰度差值在計(jì)算的范圍內(nèi)，則視為相同屬性，可以進(jìn)行分割處理。若超過計(jì)算范圍，則需要重新對(duì)目標(biāo)進(jìn)行分割。

目標(biāo)分割完畢后開始準(zhǔn)備對(duì)金屬帶鋸床目標(biāo)圖像進(jìn)行故障點(diǎn)特征提取。故障點(diǎn)進(jìn)行特征提取前需要對(duì)其進(jìn)行邊緣檢測(cè)，邊緣檢測(cè)的目的是讓采集的金屬帶鋸床圖像在故障診斷中保持更低的錯(cuò)誤率，所有的邊緣都被檢測(cè)到[6]。圖像邊緣點(diǎn)定位距離與真實(shí)邊緣點(diǎn)距離差越小越精確，將圖像的邊緣點(diǎn)一一對(duì)應(yīng)，邊緣點(diǎn)處灰度值為極限值，對(duì)像素臨近點(diǎn)區(qū)域的灰度值進(jìn)行加權(quán)后再檢測(cè)。在實(shí)際應(yīng)用中，輸出圖像的邊緣點(diǎn)應(yīng)該是那些待測(cè)邊緣大于某一閾值的像素交叉點(diǎn)，這樣就能避免檢測(cè)出并非顯著的邊緣。邊緣檢測(cè)的基本流程如圖2所示。

圖2 邊緣檢測(cè)流程圖

根據(jù)圖2所示，首先，提取待測(cè)金屬帶鋸床圖像的邊緣，通過分析此邊緣圖像的像素點(diǎn)進(jìn)行對(duì)比判斷，在判斷中保留邊緣金屬帶鋸床圖像數(shù)據(jù)；最后，顯示符合條件的目標(biāo)圖像，分析此金屬帶鋸床圖像目標(biāo)得到匹配標(biāo)準(zhǔn)，從而達(dá)到目標(biāo)的邊緣檢測(cè)。

邊緣檢測(cè)完畢后開始對(duì)故障特征進(jìn)行提取，但若金屬帶鋸床目標(biāo)圖像的噪點(diǎn)較大，沒辦法正常提取，需要對(duì)金屬帶鋸床進(jìn)行圖像處理，去除最小閾值面積的連通區(qū)域。設(shè)邊緣檢測(cè)后的圖像為I，定義域區(qū)間為(m,n)∈Z2，其中L∈[I,R] 為圖像的整數(shù)空間，得到：

設(shè)L是圖像灰度的閾值水平，L∈[1,R] ，則

BL為連通區(qū)域圖像，{bL(m,n)} 是連通區(qū)域的最小外接空間位置的坐標(biāo)系。確定金屬帶鋸床連通區(qū)域圖像后，將其剔除，達(dá)成消除噪點(diǎn)的目標(biāo)[7]。金屬帶鋸床目標(biāo)經(jīng)過上述操作，已經(jīng)可以完整表達(dá)出金屬帶鋸床的故障點(diǎn)信息。根據(jù)不同區(qū)域的特征將完整的金屬帶鋸床的故障進(jìn)行連接，實(shí)現(xiàn)故障特征的提取。

2.3 基于圖像特征的故障診斷

如上文所述，分割采集的金屬帶鋸床圖像的目標(biāo)區(qū)域，再根據(jù)金屬帶鋸床圖像分割結(jié)果，對(duì)特征向量進(jìn)行提取，從而完成對(duì)故障特征的提取。最后根據(jù)提取的特征以圖像形式進(jìn)行故障診斷。診斷節(jié)點(diǎn)利用SVM分類器，訓(xùn)練不同的SVM樣本，然后對(duì)向量進(jìn)行統(tǒng)一化處理?？紤]到不同金屬帶鋸床圖像的完整性和冗余性，在分析金屬帶鋸床圖像基礎(chǔ)上，針對(duì)特征向量進(jìn)行幾何分類。在特征提取區(qū)域進(jìn)行連接，連接形成的軸心軌跡反映了故障的原因，具體情況如表1所示。

表1 軸心軌跡形狀特征及潛在故障原因?qū)?yīng)關(guān)系

圖像處理對(duì)故障診斷是基于已建立的特征提取區(qū)域的走向狀態(tài)，通過特征分析檢測(cè)出不同特征向量的故障原因，最后達(dá)到對(duì)金屬帶鋸床故障診斷的要求。

3 對(duì)比實(shí)驗(yàn)

為了驗(yàn)證引入圖像處理技術(shù)，針對(duì)金屬帶鋸床故障檢測(cè)新設(shè)計(jì)的方法的有效性，以同批次的金屬帶鋸床為樣本，將傳統(tǒng)方法與新設(shè)計(jì)的方法進(jìn)行對(duì)比，測(cè)試檢測(cè)的故障點(diǎn)的數(shù)量，哪種方法檢測(cè)到故障點(diǎn)的數(shù)量越多，哪種方法越好。

3.1 實(shí)驗(yàn)準(zhǔn)備

所測(cè)物體的直徑約Φ300 mm。影像采集與工業(yè)相機(jī)配套應(yīng)用，并在存放物料、檢測(cè)設(shè)備，處理廢棄物的應(yīng)用內(nèi)容中，保持整個(gè)過程的完好狀態(tài)。設(shè)計(jì)參數(shù)時(shí)應(yīng)把工作視距范圍確定在 250～1500 mm范圍內(nèi)，并在工作人員站立或操作的情況下，在操作臺(tái)之間保持合理的間距。但這種工作視距累計(jì)誤差，又會(huì)在不同的工作條件環(huán)境中，體現(xiàn)為明顯的不同情況。因此在控制操作與參數(shù)的瞄準(zhǔn)線設(shè)計(jì)中，對(duì)視距與視野上限進(jìn)行控制。應(yīng)將材料視角直徑限制在 400～600 mm之間，并將視距要求維持在250～350 mm之間。但為了防止材料的視野直徑變化，也就必須穩(wěn)定在800 mm以上，并將500 mm作為最大視距累積差準(zhǔn)則，使之用作實(shí)操視距累積差的最大限制。此外，在對(duì)監(jiān)視機(jī)器和搬運(yùn)廢料過程的監(jiān)控中，也相對(duì)地比較寬松，可以在確定了最低距離要求的基礎(chǔ)上，按照作業(yè)人員的實(shí)際狀況，對(duì)視距范圍和視線距離上限加以控制。軸心軌跡測(cè)定采用 10mm×10mm、15mm×15mm、20mm×20mm這3種型號(hào)的尺寸規(guī)格，完成對(duì)不同分屬目標(biāo)區(qū)域的測(cè)定。金屬帶鋸床的缺陷統(tǒng)計(jì)樣本識(shí)別結(jié)果如表2所示。

表2 金屬帶鋸床樣本數(shù)據(jù)表

準(zhǔn)備就緒后，開始對(duì)金屬帶鋸床進(jìn)行對(duì)比實(shí)驗(yàn)。

3.2 實(shí)驗(yàn)結(jié)果

測(cè)試5組不同批次的金屬帶鋸床，將本文設(shè)計(jì)圖像處理技術(shù)的故障診斷方法得出的數(shù)據(jù)，與傳統(tǒng)的方法相比較，故障檢測(cè)最終結(jié)果如表3所示。

表3 故障檢測(cè)結(jié)果（個(gè)）

本文設(shè)計(jì)的結(jié)合圖像處理技術(shù)的金屬帶鋸床故障檢測(cè)方法檢測(cè)的各批次的故障點(diǎn)數(shù)值都大于傳統(tǒng)的金屬帶鋸床故障檢測(cè)方法，因此可以得出結(jié)論，本文設(shè)計(jì)的方法，在故障檢測(cè)上的效果更好，檢測(cè)的故障點(diǎn)數(shù)量更多，能更好應(yīng)用于金屬切割工藝中。

4 結(jié)語

本文結(jié)合圖像處理技術(shù)，針對(duì)金屬帶鋸床的故障進(jìn)行了系統(tǒng)地檢測(cè)。圖像處理技術(shù)能提升金屬帶鋸床故障點(diǎn)位置采集的效率，增強(qiáng)對(duì)目標(biāo)的提取和檢測(cè)效果。本文所使用的根據(jù)圖像分析金屬帶鋸床故障點(diǎn)的檢測(cè)方法經(jīng)過對(duì)比實(shí)驗(yàn)的數(shù)據(jù)，得出結(jié)論，結(jié)合圖像處理技術(shù)的金屬帶鋸床故障檢測(cè)方法在精確度上取得的效果更好，更能夠滿足工程對(duì)金屬帶鋸床故障檢測(cè)的要求。