沈光輝，楊龍興

（江蘇理工學(xué)院機(jī)械工程學(xué)院，江蘇常州 213001）

0 引言

散熱銅管是計(jì)算機(jī)散熱模組的重要組成部分，其加工的質(zhì)量極大地影響著計(jì)算機(jī)的散熱性能。彎管作為熱管加工的重要一步，實(shí)現(xiàn)其自動(dòng)化作業(yè)有著很大的意義。目前采用的較多的仍然是人工彎管，依靠人工識(shí)別進(jìn)行檢測(cè)效率低下，誤判率高，長(zhǎng)時(shí)間操作容易疲勞。除此之外，也使用自動(dòng)彎管機(jī)進(jìn)行輔助作業(yè)，但是由于缺乏穩(wěn)定有效的熱管焊頭缺口檢測(cè)手段，自動(dòng)化折彎熱管的型號(hào)也受到極大的限制。本文設(shè)計(jì)一種基于視覺的彎管檢測(cè)加工一體化裝置，能夠識(shí)別熱管焊頭缺口位置，在折彎前將熱管位置調(diào)整到位，從而實(shí)現(xiàn)上料、檢測(cè)、彎管和下料過程的自動(dòng)化。實(shí)現(xiàn)彎管檢測(cè)與加工的自動(dòng)化，不僅省時(shí)省力，而且對(duì)于推進(jìn)檢測(cè)加工一體化技術(shù)的發(fā)展具有深遠(yuǎn)意義。

為了實(shí)現(xiàn)上述裝置的功能，熱管焊頭缺口輪廓邊緣的采集是重中之重。目前，在常用圖像邊緣檢測(cè)技術(shù)當(dāng)中，較為常用的算子有Sobel算子、Roberts算子、Prewitt算子、Laplacian算子以及Canny算子等。在這些算子當(dāng)中，Canny算子有著檢測(cè)精度高、抗干擾性強(qiáng)、計(jì)算復(fù)雜度低等優(yōu)點(diǎn)[1-2]，所以本文使用Canny算法來進(jìn)行熱管缺口邊緣提取。但使用傳統(tǒng)的Canny算法來檢測(cè)熱管邊緣缺口，有以下兩點(diǎn)問題需要解決：一是傳統(tǒng)Canny算法使用高斯濾波來對(duì)圖像平滑消噪的同時(shí)，不可避免地會(huì)對(duì)原始熱管缺口邊緣產(chǎn)生一定的模糊作用，從而降低后期的檢測(cè)精度；二是Canny算法中最后一步使用到了雙閾值處理，而傳統(tǒng)Canny算法中雙閾值需要人為設(shè)定，一旦光照等外部環(huán)境發(fā)生變化，高低閾值可能就需要重新調(diào)整，不僅費(fèi)時(shí)費(fèi)力，且容易導(dǎo)致提取得到的熱管缺口出現(xiàn)邊緣缺失斷裂或者是偽邊緣的情況[3-4]。

針對(duì)傳統(tǒng)Canny算法中存在的濾波去噪問題，趙子潤(rùn)等[5]通過構(gòu)建自適應(yīng)高斯濾波器改進(jìn)了曲度算子，使圖像的局部平滑效果達(dá)到最佳；李恒帥等[6]對(duì)刀具圖像采用自適應(yīng)中值濾波進(jìn)行平滑去噪，再采用Canny檢測(cè)刀具輪廓；石坤泉、Routray等[7-8]采用或改進(jìn)雙邊濾波來對(duì)圖像去噪；李慶忠等[9]利用改進(jìn)梯度倒數(shù)加權(quán)法對(duì)圖像進(jìn)行濾波處理。

針對(duì)傳統(tǒng)Canny算法中存在的雙閾值難以自適應(yīng)確定問題，王暾[10]利用梯度直方圖選取Canny算法的高低閾值，于海川等[11]利用原始圖像的平均方差與灰度值之間的比例自適應(yīng)確定高低閾值；張晶晶等[12]將非極大值抑制圖像的“谷”兩端灰度值作為最佳雙閾值；張升等[13-15]采用OTSU法求出圖像的最佳閾值代替人工選擇閾值；禹素萍等[16]通過統(tǒng)計(jì)并分析各個(gè)被處理棉纖維截面圖像的局部極大值點(diǎn)導(dǎo)數(shù)幅值的分布曲線，自適應(yīng)地計(jì)算出了高低閾值。

本文提出一種改進(jìn)Canny算法，使用雙邊濾波代替高斯濾波，采用遺傳算法優(yōu)化OTSU法對(duì)雙閾值實(shí)現(xiàn)自適應(yīng)求取，旨在提高熱管焊頭缺口輪廓邊緣的采集質(zhì)量，從而提高熱管周向定位精度，保證加工需求。

1 系統(tǒng)硬件設(shè)計(jì)

1.1 運(yùn)動(dòng)精度分析和系統(tǒng)結(jié)構(gòu)

該檢測(cè)加工一體化裝置由送料裝置、旋轉(zhuǎn)檢測(cè)裝置、壓管裝置與彎管裝置組成。總裝如圖1所示。

圖1 彎管檢測(cè)加工一體化裝置三維結(jié)構(gòu)圖

送料裝置安裝在一跨設(shè)于整個(gè)機(jī)構(gòu)的支撐架上，根據(jù)送料裝置夾爪的工作位置來設(shè)置光電傳感器。旋轉(zhuǎn)檢測(cè)裝置可以分為兩部分，一是旋轉(zhuǎn)部分，二是視覺檢測(cè)部分。旋轉(zhuǎn)部分由伺服電機(jī)控制整個(gè)旋轉(zhuǎn)夾爪的旋轉(zhuǎn)，夾取功能則通過氣動(dòng)夾爪來完成；視覺檢測(cè)部分通過通訊線與上位機(jī)連接，以便對(duì)采集到的圖像進(jìn)行邊緣檢測(cè)。壓管裝置由3個(gè)連接有氣缸的壓管頭組成，3個(gè)壓管頭又設(shè)于線性滑軌上，方便調(diào)節(jié)位置，以便于與彎管裝置配合。在開始彎管作業(yè)前，壓頭下端氣缸動(dòng)作，壓頭頂住熱管，起到彎管時(shí)的固定作用。

彎管裝置由一電機(jī)帶動(dòng)擺桿旋轉(zhuǎn)，擺桿另一端連接有一連桿，連桿上安裝有3個(gè)彎管頭。當(dāng)裝置開始工作，電機(jī)軸旋轉(zhuǎn)，帶動(dòng)連桿，連桿帶動(dòng)彎管頭。彎管頭還安裝在氣缸上，工作時(shí)氣缸動(dòng)作，彎管頭動(dòng)作到位。于是，電機(jī)的正反轉(zhuǎn)便實(shí)現(xiàn)了彎管動(dòng)作與彎管頭的復(fù)位。

在實(shí)際生產(chǎn)中，熱管具有單邊填粉，多邊填粉以及無粉等多種型號(hào)。對(duì)于單邊粉和雙邊粉等熱管種類，折彎時(shí)對(duì)熱管具有周向定位要求。本裝置對(duì)送料模組運(yùn)送熱管進(jìn)行視覺檢測(cè)，識(shí)別焊頭缺口邊緣，根據(jù)識(shí)別結(jié)果旋轉(zhuǎn)調(diào)整熱管周向位置，確保缺口朝上。

1.2 電氣控制

本文所設(shè)計(jì)的彎管檢測(cè)加工一體化裝置的電氣控制部分所用主要硬件有工控機(jī)、伺服電機(jī)若干、伺服電機(jī)驅(qū)動(dòng)器若干、三菱PLC以及工業(yè)相機(jī)模組。在這其中，工控機(jī)是整個(gè)裝置電控部分的核心，承載著圖像數(shù)據(jù)處理并根據(jù)處理結(jié)果與PLC通訊的任務(wù)；在送料裝置、旋轉(zhuǎn)裝置以及彎管裝置中都使用伺服電機(jī)作為動(dòng)力源，PLC控制伺服驅(qū)動(dòng)器來控制伺服電機(jī)的動(dòng)作，確保了熱管周向定位的精度。整個(gè)裝置電氣硬件布置如圖2所示。

圖2 電氣硬件布置

2 傳統(tǒng)Canny邊緣檢測(cè)算法

本文采用Canny算法進(jìn)行邊緣檢測(cè)。一般來說，利用傳統(tǒng)的Canny邊緣檢測(cè)算法進(jìn)行邊緣檢測(cè)的步驟應(yīng)如下。

（1）將二維高斯濾波模板與原始圖像數(shù)據(jù)進(jìn)行卷積，以實(shí)現(xiàn)對(duì)灰度化后輸入圖像的濾波處理，從而去除噪聲，降低錯(cuò)誤率。其二維高斯函數(shù)G（x，y）為:

（2）計(jì)算梯度幅值與方向。通過差分近似代替偏導(dǎo)，常用3×3大小的Sobel算子作為梯度模板與圖像進(jìn)行卷積運(yùn)算，從而估算出圖像像素點(diǎn)（x，y）處沿x和y兩個(gè)方向梯度Gx和Gy：

根據(jù)上式可以求出像素點(diǎn)（x，y）處的梯度幅值與方向：

為了防止丟失邊緣梯度信息，可以增加45°和135°兩個(gè)方向的模板進(jìn)行計(jì)算，這時(shí)像素點(diǎn)（x，y）處的梯度幅值計(jì)算公式變化為：

圖3所示為4個(gè)不同方向的梯度計(jì)算模板以及原圖像中與模板卷積的3×3窗口。

圖3 Sobel梯度計(jì)算模板與原圖像3×3卷積窗口（從左至右依次為x、y、45°、135°、3×3窗口）

（3）根據(jù)梯度方向，對(duì)梯度幅值進(jìn)行非極大值抑制，旨在抑制干擾值，保留圖像中灰度梯度幅值變化最大的像素點(diǎn)，提高邊緣定位的準(zhǔn)確度。

（4）采用雙閾值處理并且連接邊緣。當(dāng)梯度值大于設(shè)定的高閾值Th，則得到的是邊緣點(diǎn)是真實(shí)的邊緣點(diǎn)，予以保留；當(dāng)梯度值介于高閾值與低閾值之間，檢查當(dāng)前點(diǎn)領(lǐng)域內(nèi)是否有梯度值大于高閾值的點(diǎn)，如果有則保留連有高閾值像素邊緣點(diǎn)，否則舍棄邊緣點(diǎn)；當(dāng)梯度值低于低閾值Tl時(shí)，舍棄所有邊緣點(diǎn)。最后，連接所有保留的邊緣點(diǎn)，即為最終輪廓。

3 改進(jìn)的Canny邊緣檢測(cè)算法

根據(jù)上述傳統(tǒng)邊緣檢測(cè)流程，結(jié)合熱管焊頭缺口邊緣檢測(cè)的實(shí)際需求，對(duì)傳統(tǒng)Canny算法作出如下改進(jìn)。

3.1 雙邊濾波處理

首先，傳統(tǒng)的Canny算法采用高斯濾波。高斯濾波廣泛應(yīng)用于圖像的減噪平滑。在濾波結(jié)果中，每一個(gè)像素點(diǎn)的值，都由其本身和鄰域內(nèi)的其他像素值經(jīng)過高斯加權(quán)平均后得到，故其對(duì)服從高斯分布的噪聲抑制效果十分顯著。但是，高斯濾波在濾波降噪的同時(shí)，也不可避免地對(duì)邊緣產(chǎn)生一定的模糊作用。針對(duì)高斯濾波存在的問題，在傳統(tǒng)Canny算法濾波這一步驟中，采用雙邊濾波代替高斯濾波。雙邊濾波定義如下：

式中：f（x，y）為去噪后圖像；ωs為空間相似度權(quán)重；ωr為灰度相似度權(quán)重；ωp為歸一化權(quán)重；I（i，j）為含噪原圖像；Ω為像素點(diǎn)（x，y）處的鄰域范圍。

和高斯濾波原理一樣，雙邊濾波同樣采用加權(quán)平均的方法，用像素點(diǎn)領(lǐng)域灰度值的高斯加權(quán)平均代替像素點(diǎn)的灰度值。不同的是，雙邊濾波不僅考慮了像素范圍域下的灰度差異，還考慮到了空間域下像素的歐式距離。為了在計(jì)算時(shí)同時(shí)考慮到這兩個(gè)不同域的影響，分別引入兩個(gè)不同域權(quán)重ωs和ωr。在空間域中，σs為權(quán)重ωs的參數(shù)，決定空間權(quán)重分布，其值越大，空間權(quán)重越分散，去噪效果越好，但是圖像也會(huì)越模糊；反之，空間權(quán)重越集中，濾波后圖像越清晰，但是去噪效果越差。在像素范圍域中，與中心像素點(diǎn)的灰度相似度越大的像素點(diǎn)分配的權(quán)重ωr越大，參數(shù)σr決定對(duì)灰度相似度的要求高低[17]。由于雙邊濾波引入了空間域權(quán)重，所以離邊緣較近的像素對(duì)邊緣像素值影響較大，反之，離邊緣較遠(yuǎn)的像素對(duì)邊緣像素值影響較小，因此能夠?qū)Υ龣z測(cè)邊緣起到保護(hù)作用。

3.2 遺傳算法優(yōu)化OTSU法求取閾值

在傳統(tǒng)Canny算法中，檢測(cè)邊緣與連接邊緣所依據(jù)的高低雙閾值是人工設(shè)定的，閾值區(qū)間設(shè)定的合適與否對(duì)邊緣檢測(cè)的效果有著很大的影響。為了得出相對(duì)合適的閾值，常常需要憑借經(jīng)驗(yàn)或者多次嘗試，費(fèi)時(shí)費(fèi)力，且效果往往不是很理想。

OTSU（最大類間方差法）是一種較為常用的全局閾值分割方法，其基本思想是根據(jù)圖像灰度特性，將圖像像素分為前景與背景兩部分，使得它們的類間方差最大，從而得到閾值分割的最佳閾值。對(duì)于一幅待分割的圖像，將其圖像的灰度范圍定義為{0,1,2,…,L-1}，定義一閾值t將圖像中像素劃分為前景C0={0,1,2,…,t}和背景C1={t+1,t+2,…,L-1}。當(dāng)像素點(diǎn)的灰度值小于t時(shí)，屬于背景；當(dāng)灰度值大于t時(shí)，屬于前景。

計(jì)算每個(gè)灰度級(jí)i的概率為:

式中：ni為灰度值為i的像素個(gè)數(shù)；N為圖像中像素點(diǎn)總個(gè)數(shù)。

C0與C1出現(xiàn)的概率和均值分別為：

式中：ω0、ω1為C0和C1的概率；μ0、μ1為C0和C1的均值。

故總平均灰度為：

由此可得:

當(dāng)σ2取得最大值時(shí)，對(duì)應(yīng)的閾值t便是最佳閾值。實(shí)際上，OTSU法是以錯(cuò)分概率最小作為分割閾值的選取準(zhǔn)則[18]。

在Canny邊緣檢測(cè)的過程中，對(duì)經(jīng)歷過非極大值抑制的梯度圖像運(yùn)用OTSU法，便可得到其最佳分割閾值，將得到的最佳閾值作為Canny雙閾值中的高閾值。在通常情況下，將高閾值設(shè)定為低閾值的兩倍或者三倍[5]，本文將低閾值取為高閾值的一半。這樣，便實(shí)現(xiàn)了Canny算法閾值選取的自適應(yīng)。但是，當(dāng)圖像前景與背景相差不大，或者目標(biāo)像素點(diǎn)數(shù)與總像素點(diǎn)數(shù)之比過小時(shí)，傳統(tǒng)的OTSU法閾值分割結(jié)果可能就會(huì)偏向背景區(qū)域，從而導(dǎo)致結(jié)果不準(zhǔn)確。

OTSU法是基于整幅圖像進(jìn)行閾值分割的，其本質(zhì)可以看作搜尋全局范圍內(nèi)最優(yōu)解的過程，而遺傳算法是模擬著名生物學(xué)家達(dá)爾文進(jìn)化論的數(shù)學(xué)模型，反映了物競(jìng)天擇、適者生存[19]的基本思想。其從種群編碼開始，經(jīng)過初始化、適應(yīng)度函數(shù)、輪盤賭選擇、交叉運(yùn)算、變異運(yùn)算和終止條件判斷，最后輸出在進(jìn)化過程中的具有最大適應(yīng)度個(gè)體的最優(yōu)解[20]。為了保證利用OTSU法求得的閾值是適用于Canny算法的最優(yōu)閾值，本文在利用OTSU法求取Canny閾值的基礎(chǔ)上，引入遺傳算法，利用遺傳算法來優(yōu)化OTSU求取最佳閾值。同樣，將低閾值設(shè)置為高閾值的一半。其具體過程如下。

（1）產(chǎn)生初始種群并編碼，設(shè)定種群以及進(jìn)化相關(guān)參數(shù)。本文設(shè)定種群大小為100，二進(jìn)制編碼長(zhǎng)度為8，交叉概率為0.6，變異概率為0.001。

（2）選用OTSU法的類間方差計(jì)算公式σ2=ω0ω1(μ0-μ1)2作為遺傳算法的計(jì)算公式，從而計(jì)算個(gè)體適應(yīng)度值。對(duì)于本文研究焊頭缺口圖像而言，遍歷梯度圖像像素點(diǎn)，分別計(jì)算前景部分與后景部分的概率與均值，得到一個(gè)與種群大小相等的類間方差矩陣，即為求得的個(gè)體適應(yīng)度值。

（3）進(jìn)行遺傳操作，根據(jù)步驟（2）計(jì)算得到的適應(yīng)度對(duì)父代種群進(jìn)行選擇和交叉操作，從而得到子代種群。接下來，再對(duì)生成的子代種群進(jìn)行變異操作。這樣，經(jīng)過一輪遺傳操作的新種群將成為下一輪遺傳操作的父代種群。

（4）終止條件判斷。當(dāng)達(dá)到設(shè)定的遺傳迭代次數(shù)或者個(gè)體適應(yīng)度值滿足某一性能指標(biāo)時(shí)，停止計(jì)算，否則從步驟（2）開始重復(fù)進(jìn)行計(jì)算。

（5）繪制每代種群最佳位置（即OTSU法最佳閾值）的變化曲線圖，當(dāng)變化曲線基本收斂時(shí)，得到最優(yōu)解，此最優(yōu)解即為OTSU最佳閾值。將此閾值作為高閾值，高閾值的一半作為低閾值。

4 實(shí)驗(yàn)結(jié)果與分析

圖4（a）所示為原始熱管焊頭缺口區(qū)域局部放大灰度化后的圖像，在采用了本文所提的雙邊濾波代替高斯濾波后，結(jié)果如圖4（b）所示。

圖4 雙邊濾波結(jié)果

圖5所示為Canny算法運(yùn)行過程中非極大值抑制后的結(jié)果，為了在黑色背景下能夠清晰觀察此子結(jié)果，對(duì)圖像進(jìn)行取反操作，如圖5（b）所示。從中可以看出經(jīng)過非極大值抑制后的梯度圖像仍然存在少量的非邊緣區(qū)域，因此需要進(jìn)行下一步雙閾值處理。將此圖作為OT?SU法與遺傳算法優(yōu)化后的OTSU法求取閾值的對(duì)象。

圖5 非極大值抑制結(jié)果

對(duì)上一步圖像利用遺傳算法優(yōu)化后的OTSU法計(jì)算閾值最優(yōu)解，設(shè)置種群大小為100，交叉概率為0.6，變異概率為0.001，得到每一次迭代最佳閾值的變化曲線如圖6所示。從圖中可以看出，當(dāng)?shù)螖?shù)達(dá)到200次后，變化曲線基本收斂，得到最佳閾值為44，歸一化后為0.17。

圖6 利用遺傳算法每代閾值變化曲線

圖7所示為不同Canny算法提取熱管焊頭缺口的結(jié)果對(duì)比。其中，圖7（a）采用的是傳統(tǒng)Canny算法，其高低閾值需人工根據(jù)經(jīng)驗(yàn)或多次實(shí)驗(yàn)選取，由于選取了不合適的高低閾值，導(dǎo)致了邊緣輪廓的缺失；圖7（b）在傳統(tǒng)Canny算法的基礎(chǔ)上，使用了OTSU法求取了Canny的高低閾值，實(shí)現(xiàn)了閾值選取的自適應(yīng)，效果較好；圖7（c）則使用遺傳算法優(yōu)化OTSU閾值的求取，提高了全局搜索最佳閾值的能力，得到結(jié)果與基本OTSU法相比較為接近，且提取效果較好，較完整地保留了邊緣輪廓。

圖7 不同閾值選取方法檢測(cè)結(jié)果對(duì)比圖

宋人杰等[21]使用了一種新的基于連通成分的邊緣檢測(cè)算法性能評(píng)價(jià)方法。通過該方法，對(duì)傳統(tǒng)Canny算法、Canny+OTSU方法和Canny+遺傳算法OTSU方法后的二值圖像分別統(tǒng)計(jì)其邊緣像素點(diǎn)總數(shù)（A），四連通成分?jǐn)?shù)（B），八連通成分?jǐn)?shù)（C），再計(jì)算比值C/A與C/B，兩個(gè)比值越小則表明邊緣提取效果越好。原理是：如果C/A的值越小，則說明提取到的焊頭缺口邊緣連續(xù)性越強(qiáng)，間斷越少；如果C/B的值越小，則說明單像素邊緣所占比例越大，算法的單邊響應(yīng)效果越好。表1分別計(jì)算了3種方法的C/A與C/B，對(duì)邊緣檢測(cè)效果進(jìn)行了統(tǒng)計(jì)對(duì)比。可以看出，利用OTSU自適應(yīng)求得的閾值能顯著提高邊緣檢測(cè)效果，在此基礎(chǔ)上，利用遺傳算法，能進(jìn)一步改善邊緣檢測(cè)效果。

表1 邊緣檢測(cè)效果對(duì)比

5 結(jié)束語

（1）本文為了解決傳統(tǒng)熱管折彎作業(yè)模式存在的弊端，提高熱管折彎精度，實(shí)現(xiàn)熱管折彎工序的自動(dòng)化，設(shè)計(jì)了一套熱管折彎?rùn)z測(cè)加工一體化裝置，通過檢測(cè)焊頭缺口位置并旋轉(zhuǎn)調(diào)整，改善了熱管的周向定位精度。

（2）利用雙邊濾波代替?zhèn)鹘y(tǒng)Canny算法中的高斯濾波，使得在濾除噪聲的同時(shí)，也能夠更好地保護(hù)熱管缺口邊緣。

（3）利用遺傳算法優(yōu)化OTSU法求取Canny高低閾值，實(shí)現(xiàn)了邊緣提取的自適應(yīng)。實(shí)驗(yàn)結(jié)果表明，該方法能夠較好地改善邊緣檢測(cè)效果，滿足檢測(cè)與加工的需求。