張娟飛

(陜西國(guó)防工業(yè)職業(yè)技術(shù)學(xué)院，陜西 西安 710300)

0 引言

近年來隨著工業(yè)技術(shù)的迅速發(fā)展，大尺寸薄壁機(jī)械在各個(gè)領(lǐng)域得到了廣泛應(yīng)用[1]。在薄壁機(jī)械的使用過程中，由于沖壓產(chǎn)生的微小裂紋雖然不能導(dǎo)致機(jī)械的斷裂，但有時(shí)會(huì)導(dǎo)致機(jī)械的泄漏或滲出。所以在使用過程中對(duì)大尺寸薄壁機(jī)械零件進(jìn)行微裂紋檢測(cè)是尤為重要的[2]。

國(guó)內(nèi)外對(duì)該問題的研究已經(jīng)取得了一定的進(jìn)展。國(guó)外主要是利用先進(jìn)的分析儀器進(jìn)行大尺寸薄壁機(jī)械零件微裂紋檢測(cè)，而國(guó)內(nèi)學(xué)者于麗波等[3]提出基于條件隨機(jī)場(chǎng)的大尺寸零件微裂紋檢測(cè)方法。該方法利用單個(gè)像素的表現(xiàn)特征對(duì)零件裂紋進(jìn)行判別，同時(shí)考慮像素的標(biāo)注值影響，以此抑制零件微裂紋圖像的離散噪聲點(diǎn)，再通過機(jī)器的自動(dòng)學(xué)習(xí)方式自動(dòng)分辨零件的微裂紋特征，以完成大尺寸薄壁機(jī)械零件的微裂紋檢測(cè)。該方法由于對(duì)大尺度薄壁機(jī)械零件的微裂紋圖像進(jìn)行了平滑處理，所以在對(duì)大尺寸薄壁機(jī)械零件微裂紋進(jìn)行檢測(cè)時(shí)，無法有效檢測(cè)到裂紋的長(zhǎng)度，從而導(dǎo)致檢測(cè)精度下降。魏勤等[4]提出一種非線性Lamb波混頻法的大尺寸機(jī)械零件微裂紋檢測(cè)方法。該方法首先利用壓電晶片在零件中激勵(lì)Lamb波，使零件的微裂紋與Lamb波之間產(chǎn)生相互作用，并利用損傷指數(shù)評(píng)估二者之間的作用關(guān)系，最后通過對(duì)獲取關(guān)系的分析完成大尺寸薄壁機(jī)械零件的微裂紋檢測(cè)。該方法由于不能有效獲取鄰域均值濾波的模板窗口，所以在對(duì)零件的微裂紋進(jìn)行檢測(cè)時(shí)，無法有效檢測(cè)到微裂紋的圓度，從而導(dǎo)致該方法的檢測(cè)精度下降。

為解決上述問題，本文提出基于機(jī)器視覺的大尺寸薄壁機(jī)械零件微裂紋檢測(cè)方法。

1 零件微裂紋圖像預(yù)處理

1.1 灰度拉伸

由于設(shè)備及外界光照影響，零件的微裂紋圖像會(huì)出現(xiàn)過暗或曝光的情況，使整個(gè)圖像的灰度都集中在圖像的某一區(qū)域中，從而導(dǎo)致圖像的對(duì)比度下降，視覺效果差[5-6]。所以要對(duì)零件微裂紋圖像進(jìn)行灰度拉伸，增加微裂紋圖像的灰度取值區(qū)域，提高圖像像素[7]。

利用灰度的線性拉伸方法構(gòu)建零件微裂紋圖像的灰度映射關(guān)系。依據(jù)線性拉伸的線性函數(shù)，設(shè)定零件微裂紋圖像的任意像素點(diǎn)x,y灰度值為f(x,y)，變換后的零件微裂紋圖像輸出灰度為p(x,y)，則存在下述關(guān)系式：

p(x,y)=k·f(x,y)+d

(1)

式中：d為圖像的灰度調(diào)整值；k為圖像的拉伸系數(shù)。圖像拉伸系數(shù)與調(diào)整值可根據(jù)實(shí)際情況進(jìn)行設(shè)定。

由于圖像在灰度拉伸時(shí)不需要對(duì)整個(gè)零件微裂紋圖像進(jìn)行拉伸，所以在對(duì)零件微裂紋圖像進(jìn)行處理時(shí)，選定一個(gè)灰度區(qū)域范圍并對(duì)這一部分進(jìn)行拉伸即可?；叶葏^(qū)域范圍外的其他灰度可以直接忽略不計(jì)。

設(shè)定零件微裂紋圖像的線性拉伸變換公式如下：

(2)

大尺寸薄壁機(jī)械零件微裂紋圖像的變換關(guān)系曲線如圖1所示。

圖1 大尺寸薄壁機(jī)械零件微裂紋圖像的變換關(guān)系曲線

根據(jù)圖1可知，零件微裂紋圖像進(jìn)行灰度拉伸時(shí)要利用兩個(gè)像素點(diǎn)來對(duì)圖像進(jìn)行變換。當(dāng)曲線中間段的斜率>1時(shí)，可直接運(yùn)用該方法對(duì)圖像中低像素的灰度區(qū)域進(jìn)行灰度拉伸，以此增加圖像的對(duì)比度，提升圖像的清晰度。反之，當(dāng)圖像的中間段斜率<1時(shí)，則要對(duì)其進(jìn)行反向操作，降低圖像的對(duì)比度，以完成大尺寸薄壁機(jī)械零件微裂紋圖像的灰度拉伸[8]。

1.2 圖像平滑

在對(duì)大尺寸薄壁機(jī)械零件微裂紋圖像進(jìn)行圖像平滑處理之前，要利用鄰域均值濾波方法將圖像中的噪聲進(jìn)行濾除，以此來改善圖像的質(zhì)量[9]。鄰域均值濾波的常見形式如式(3)所示。

(3)

式中3個(gè)參數(shù)分別為3×3、5×5、3×3模式的高斯模板。

設(shè)定大尺寸薄壁機(jī)械零件微裂紋圖像中的像素點(diǎn)(x,y)灰度值為g(x,y)，以大尺寸薄壁機(jī)械零件微裂紋圖像的像素點(diǎn)(x,y)為中心，鄰域均值濾波的過程如下：

(4)

式中：(i,j)為鄰域均值濾波的模板窗口坐標(biāo)點(diǎn)；f(i,j)為圖像的對(duì)應(yīng)灰度值；N為鄰域均值濾波的模板窗口像素點(diǎn)總數(shù)；A為像素坐標(biāo)集合。

在大尺寸薄壁機(jī)械零件微裂紋圖像中添加一組加性噪聲信號(hào)，該噪聲與圖像中各像素點(diǎn)無任何相關(guān)。設(shè)大尺寸薄壁機(jī)械零件微裂紋圖像中的期望為0，圖像方差為σ2，利用鄰域均值濾波對(duì)其進(jìn)行處理，輸出的圖像處理結(jié)果中噪聲均值未發(fā)生變化，像素點(diǎn)的灰度值卻發(fā)生了改變，這時(shí)的圖像方差為σ2/N，噪聲點(diǎn)強(qiáng)度縮減為1/N，以此實(shí)現(xiàn)大尺寸薄壁機(jī)械零件微裂紋圖像噪聲濾除的目標(biāo)。

2 零件微裂紋檢測(cè)

2.1 提取候選缺陷

利用Canny算子粗提取經(jīng)過圖像預(yù)處理的大尺寸薄壁機(jī)械零件微裂紋圖像中的微裂紋。Canny算子為一階導(dǎo)數(shù)邊緣檢測(cè)算子，可以在抑制噪聲的同時(shí)完成對(duì)圖像邊緣的檢測(cè)[10]。

為了規(guī)避大尺寸薄壁機(jī)械零件微裂紋圖像由于結(jié)構(gòu)的變化而帶來過多的虛假邊緣，要將Canny算子限定在經(jīng)過圖像預(yù)處理的灰度區(qū)域范圍內(nèi)，并與大尺寸薄壁機(jī)械零件微裂紋的原始圖像進(jìn)行乘積的運(yùn)算，以利用Canny算子檢測(cè)大尺寸薄壁機(jī)械零件微裂紋待處理圖像邊緣。

Canny算子在對(duì)大尺寸薄壁機(jī)械零件微裂紋圖像的邊緣檢測(cè)中會(huì)夾雜一些虛假邊緣，利用長(zhǎng)度信息對(duì)圖像中由于噪聲引起的虛假邊緣進(jìn)行濾除，獲取最終的候選微裂紋邊緣。

2.2 圖像特征約束

基于特征約束的方法對(duì)大尺寸薄壁機(jī)械零件微裂紋圖像的微裂紋缺陷特征進(jìn)行精準(zhǔn)提取[11]。

分析大尺寸薄壁機(jī)械零件的機(jī)械結(jié)構(gòu)和沖壓受力可知，微裂紋一般出現(xiàn)在零件的頂面(平行于頂面，垂直于零件的斜面)。所以要依據(jù)大尺寸薄壁機(jī)械零件的候選邊緣和頂面、斜面的候選邊緣分別設(shè)置距離的約束條件以及方向的約束條件。

1)距離約束條件

設(shè)定距離約束條件為S1，且S1∶Dd

由于獲取的大尺寸薄壁機(jī)械零件微裂紋圖像缺陷候選邊緣是由若干個(gè)像素點(diǎn)組成的，假設(shè)圖像缺陷的候選邊緣的質(zhì)心到零件頂面的最小距離用Dd表示，計(jì)算過程如下：

(5)

(6)

式中：Te為邊緣像素集合；m為邊緣像素個(gè)數(shù)。

式中：是包含構(gòu)件i的模塊，如果mi=mj，則δmi,mj=1，反之則為0。Q的最大值為1，Q值越大，表示系統(tǒng)劃分后的模塊化程度越高。采用Q作為優(yōu)化目標(biāo)的優(yōu)點(diǎn)在于，設(shè)計(jì)人員可以直接判斷一個(gè)系統(tǒng)劃分之后是否表現(xiàn)出模塊化的結(jié)構(gòu)，例如當(dāng)Q>0.3時(shí)，便可認(rèn)為系統(tǒng)具有模塊化的組織結(jié)構(gòu)[15]。

2)方向約束條件

設(shè)定方向的約束條件為S2，且S2∶Dk

邊緣與斜面的夾角為圖像中的一個(gè)相對(duì)角度，求解公式如式(7)所示。

(7)

式中：M11、M20、M02分別表示不同的圖像角點(diǎn)，則大尺寸薄壁機(jī)械零件微裂紋圖像中的待計(jì)算區(qū)域R的質(zhì)心為(r0,c0)；(r,c)為圖像斜面與邊緣交點(diǎn)坐標(biāo)。

依據(jù)上述公式對(duì)微裂紋圖像中的候選邊緣與邊緣斜面所處的夾角進(jìn)行計(jì)算，過程如式(8)所示。

(8)

將上述計(jì)算結(jié)果進(jìn)行整合，獲取大尺寸薄壁機(jī)械零件微裂紋圖像的空間位置特征。

2.3 特征約束

因?yàn)樯鲜霁@取的微裂紋圖像空間位置特征無法完全實(shí)現(xiàn)微裂紋檢測(cè)，會(huì)造成誤檢率上升，所以利用局部灰度特征約束對(duì)無法檢測(cè)到的誤檢結(jié)果進(jìn)行剔除。

首先采用二階微分來反映微裂紋圖像的灰度波動(dòng)，以此獲取圖像的二階微分絕對(duì)值，并將該絕對(duì)值設(shè)定為微裂紋圖像的均值約束條件S3，且S3∶Ml>Tl。其中，Ml為二階微分絕對(duì)均值。利用該約束條件對(duì)大尺寸薄壁機(jī)械零件的微裂紋進(jìn)行閾值分割，將誤檢部分分割出一片較為完整的區(qū)域，而微裂紋區(qū)域則是隨機(jī)分布的，由此可以精確地完成大尺寸薄壁機(jī)械零件的微裂紋檢測(cè)。

3 實(shí)驗(yàn)

3.1 實(shí)驗(yàn)環(huán)境

采用的運(yùn)行內(nèi)存為32 G、操作系統(tǒng)為Windows10、120 G硬盤、CPU為Intel i7-7700HQ、內(nèi)存為8 G的計(jì)算機(jī)。

微裂紋檢測(cè)工作臺(tái)由激光器、攝像機(jī)及其支架等多個(gè)部件組成。在該工作臺(tái)投入使用過程中，線結(jié)構(gòu)光軸與攝像機(jī)光軸夾角為45°，使二者在水平面上的投影可以基本不再發(fā)生變化，以保證數(shù)據(jù)采集工作的穩(wěn)定性。不僅如此，攝像機(jī)可以沿其光軸前后移動(dòng)一定距離，能夠保證大尺寸薄壁機(jī)械零件與攝像機(jī)之間的距離滿足實(shí)驗(yàn)要求。

利用上述工作臺(tái)采集大尺寸薄壁機(jī)械零件微裂紋數(shù)據(jù)，其中一幅真實(shí)的大尺寸薄壁機(jī)械零件的微裂紋圖像如圖2所示。

圖2 真實(shí)圖像

3.2 實(shí)驗(yàn)結(jié)果及分析

分別采用基于機(jī)器視覺的大尺寸薄壁機(jī)械零件微裂紋檢測(cè)方法(方法1)、基于條件隨機(jī)場(chǎng)的大尺寸零件微裂紋檢測(cè)方法(方法2)、一種非線性Lamb波混頻法的大尺寸機(jī)械零件微裂紋檢測(cè)方法(方法3)進(jìn)行測(cè)試，不同方法的大尺寸薄壁機(jī)械零件微裂紋檢測(cè)結(jié)果如圖3所示。

圖3 微裂紋檢測(cè)結(jié)果

分析圖3中的數(shù)據(jù)可知，與方法2和方法3相比，方法1的檢測(cè)結(jié)果與真實(shí)圖像更為接近，說明該方法具有較好的檢測(cè)效果。

利用3種方法進(jìn)行大尺寸薄壁機(jī)械零件的微裂紋長(zhǎng)度檢測(cè)，檢測(cè)結(jié)果如表1所示。

依據(jù)表1可知，方法1的檢測(cè)精準(zhǔn)度要高于方法2和方法3，且方法1測(cè)試的微裂紋長(zhǎng)度與實(shí)際微裂紋長(zhǎng)度較為一致。這主要是因?yàn)榉椒?利用了鄰域均值濾波對(duì)獲取的大尺度薄壁機(jī)械零件的微裂紋圖像進(jìn)行平滑處理，從而提高了大尺寸薄壁機(jī)械零件微裂紋檢測(cè)精準(zhǔn)度。

表1 微裂紋長(zhǎng)度檢測(cè)結(jié)果 單位：mm

利用3種方法進(jìn)行大尺寸薄壁機(jī)械零件微裂紋面積檢測(cè)，檢測(cè)結(jié)果如表2所示。

表2 微裂紋面積檢測(cè)結(jié)果 單位：mm2

依據(jù)表2可知，方法1的面積檢測(cè)精準(zhǔn)度優(yōu)于方法2和方法3，且方法1的檢測(cè)結(jié)果與實(shí)際面積的誤差維持在2%以內(nèi)。這主要是因?yàn)榉椒?利用鄰域均值濾波中的線性平滑算法來獲取濾波模板窗口并覆蓋整個(gè)圖像中的像素點(diǎn)灰度平均值，并以此替代大尺寸薄壁機(jī)械零件微裂紋圖像的中心像素灰度值，所以在對(duì)大尺寸薄壁機(jī)械零件微裂紋面積進(jìn)行檢測(cè)時(shí)精度較高。

利用3種方法進(jìn)行大尺寸薄壁機(jī)械零件微裂紋圓度檢測(cè)，檢測(cè)結(jié)果如表3所示。

表3 微裂紋圓度檢測(cè)結(jié)果 單位：μm

依據(jù)表3可知，方法1的圓度檢測(cè)精準(zhǔn)度結(jié)果優(yōu)于方法2及方法3，且方法1的圓度檢測(cè)結(jié)果可以和測(cè)量的實(shí)際圓度無限接近，誤差≤1%。這主要是因?yàn)榉椒?利用大尺寸薄壁機(jī)械零件微裂紋的圖像像素點(diǎn)灰度值獲取了鄰域均值濾波的模板窗口，并利用該窗口對(duì)大尺寸薄壁機(jī)械零件微裂紋的圖像進(jìn)行平滑處理，以此來提高大尺寸薄壁機(jī)械零件微裂紋的檢測(cè)精度。

在上述方法基礎(chǔ)上，為進(jìn)一步驗(yàn)證不同方法的應(yīng)用效果，進(jìn)行大尺寸薄壁機(jī)械零件微裂紋檢測(cè)耗時(shí)比較，結(jié)果如圖4所示。

分析圖4中的數(shù)據(jù)可知，方法1的檢測(cè)耗時(shí)始終在0.5 s以下，方法2的檢測(cè)耗時(shí)在1.1 s～3.1 s之間變化，方法3的檢測(cè)耗時(shí)在0.9 s～3.3 s之間變化。與方法2、方法3相比，方法1的紋檢測(cè)耗時(shí)是最短的，說明方法1的檢測(cè)效率更高，實(shí)際應(yīng)用效果更好。

圖4 檢測(cè)耗時(shí)比較結(jié)果

4 結(jié)語

針對(duì)傳統(tǒng)的大尺寸機(jī)械薄壁機(jī)械零件微裂紋檢測(cè)方法中存在的問題，提出基于機(jī)器視覺的大尺寸薄壁機(jī)械零件微裂紋的檢測(cè)方法。測(cè)試結(jié)果表明：利用該方法對(duì)大尺寸薄壁機(jī)械零件微裂紋進(jìn)行檢測(cè)后，可以有效檢測(cè)到零件微裂紋的長(zhǎng)度、面積以及圓度，檢測(cè)精準(zhǔn)度更高，檢測(cè)耗時(shí)更短。該方法由于在提取缺陷特征時(shí)還存在一定問題，今后會(huì)針對(duì)這一問題對(duì)該方法進(jìn)行優(yōu)化。