柴進(jìn)平，羅敏，孫國浩，謝石磊

（1.湖北汽車工業(yè)學(xué)院，湖北 十堰 442002；2.河南諾米智能科技有限公司，河南 鄭州 450000）

在貼片電阻的生產(chǎn)過程中，底片—陶瓷基片的質(zhì)量檢測極為重要，質(zhì)量過關(guān)與否直接影響后面工序能否正常進(jìn)行以及最終產(chǎn)品的精度。目前陶瓷基片表面質(zhì)量的檢測工作主要通過人工目檢完成，不僅效率低下，而且容易受到主觀意識(shí)和人體疲勞等因素的影響。利用機(jī)器視覺進(jìn)行檢測能解決這些問題。在機(jī)器視覺系統(tǒng)采集時(shí)，由于受陶瓷基片表面光滑等因素的影響，常常出現(xiàn)光照不均勻現(xiàn)象，增加檢測難度。針對此現(xiàn)象，提出的校正方法有同態(tài)濾波方法、直方圖均衡化方法、基于模糊理論的方法、Retinex方法、伽馬校正方法等。同態(tài)濾波方法可以使圖像過暗區(qū)域的光照得到增強(qiáng)，同時(shí)又可以保護(hù)圖像的細(xì)節(jié)［1-2］，但因?yàn)槭侵苯臃蛛x出屬于高頻部分的反射信息進(jìn)行相應(yīng)處理，無法對輸入圖像中屬于低頻部分的高亮區(qū)域進(jìn)行校正。直方圖均衡化方法具有簡單、快速的優(yōu)點(diǎn)，但主要作用是將集中在某個(gè)較小灰度區(qū)間的直方圖轉(zhuǎn)換為在整個(gè)灰度區(qū)間均勻分布的直方圖［3］，對光照不均勻這種高對比度圖像的整體校正效果并不理想?；谀：碚摰男Ｕ椒芘卸ǔ龈吡炼群偷土炼葏^(qū)域并分別處理，但參數(shù)選取困難且計(jì)算復(fù)雜［4］。Retinex方法具有色彩恒常性，但在亮度突變區(qū)域會(huì)出現(xiàn)光暈現(xiàn)象［5］，有學(xué)者結(jié)合具體應(yīng)用場景提出了改進(jìn)措施［6-7］，處理效果顯著，但算法復(fù)雜，速度較慢。伽馬校正方法能提升圖像的對比度，但存在欠飽和或者過飽和的問題，改進(jìn)伽馬校正方法雖然解決了上述問題，但算法所需時(shí)間較長［8］。文中在頻域中進(jìn)行光照分量提取，提高處理速度；針對灰度細(xì)節(jié)較少的特點(diǎn)，采用伽馬變換（全局伽馬修正系數(shù)）增強(qiáng)提取到的光照分量，使光照不均勻的校正效果更明顯；對校正后的圖像再進(jìn)行缺陷檢測。

1 檢測對象及算法

貼片電阻因耐潮濕、耐高溫、體積小、可靠性高、外觀尺寸均勻、精確以及溫度系數(shù)與阻值公差小等優(yōu)點(diǎn)，被廣泛使用［9］。陶瓷基片是生產(chǎn)貼片電阻的基礎(chǔ)材料，易出現(xiàn)氣泡、無刻痕、缺損、裂紋等缺陷，裂紋缺陷的影響最嚴(yán)重。針對0402 貼片電阻陶瓷基片的質(zhì)量檢測，提出機(jī)器視覺檢測算法。

檢測的陶瓷基片尺寸為50 mm×50 mm×0.5 mm，檢測精度為0.1 mm。為避免電機(jī)工作給采集圖像帶來干擾，選擇500萬像素的面陣相機(jī)。經(jīng)過實(shí)際效果的比較，考慮現(xiàn)場架設(shè)，采用照明角度為60°的環(huán)形光源，接光源控制器。采集系統(tǒng)架設(shè)見圖1。

圖1 圖像采集系統(tǒng)圖

采集的陶瓷基片圖像見圖2。光照強(qiáng)度較低時(shí)，裂痕缺陷不明顯，即使后續(xù)進(jìn)行圖像增強(qiáng)，但由于原始圖像中缺陷的對比度較低，實(shí)際檢測效果不理想，準(zhǔn)確度較低，平均為86.7%左右。隨著光照強(qiáng)度的增強(qiáng)，雖采用了環(huán)形光源提供光照，但陶瓷基片是高反光材料，且每次放置的位置略有波動(dòng)，所以依然會(huì)出現(xiàn)光照不均勻現(xiàn)象。從圖2可看出：要檢測的缺陷形狀為線型，且與周圍的像素值具有一定的對比度，故先通過帶通濾波器進(jìn)行濾波處理，然后通過自適應(yīng)全局閾值分割及形態(tài)學(xué)處理將缺陷區(qū)域找出，利用高斯線性函數(shù)進(jìn)行亞像素精度的XLD（extended line descriptions）輪廓提取。

圖2 不同光照強(qiáng)度下采集的陶瓷基片圖像

帶通濾波器是通過指定頻率段的信息，攔截其他頻率段的信息，示意圖如圖3所示。創(chuàng)建合適的頻域帶通濾波器，利用傅里葉變換將輸入圖像轉(zhuǎn)換至頻域并進(jìn)行濾波，得到指定頻率段信息。將濾波后的圖像轉(zhuǎn)換回空間域進(jìn)行自適應(yīng)全局閾值分割、形態(tài)學(xué)處理，疑似缺陷區(qū)域便都被分割出來。設(shè)置適當(dāng)?shù)膮?shù)，利用高斯線性檢測算法便可準(zhǔn)確地將裂痕缺陷提取出來。圖像采集過程中，往往會(huì)出現(xiàn)光照不均的現(xiàn)象，使得缺陷信息被遮蓋或者誤把明暗相接處當(dāng)作裂痕缺陷，導(dǎo)致漏判或者錯(cuò)判。因此，在進(jìn)行缺陷檢測前先進(jìn)行圖像校正。Retinex理論指出：在某個(gè)指定的波段內(nèi)，反射能力是物體的固有屬性，如果能提取到光照分量和反射分量，在顏色恒定的約束下，便可去除光照分量對輸入圖像的影響，只留下物體本身的反射特性［10］，達(dá)到校正圖像的目的。檢測算法流程見圖4。

圖3 帶通濾波器

圖4 檢測算法流程圖

2 圖像增強(qiáng)算法

2.1 頻域提取光照分量

依據(jù)Retinex 理論，設(shè)輸入圖像為I（x,y），光照分量為L（x,y），反射分量為R（x,y），則有如下關(guān)系：

式中：Lg（x,y）為光照分量的估計(jì)值；*為卷積運(yùn)算符；G（x,y）為低通濾波的高斯函數(shù)；（μx,μy）為高斯濾波掩膜中心點(diǎn)的坐標(biāo)；σ為高斯分布函數(shù)的標(biāo)準(zhǔn)差。式（2）是單尺度高斯函數(shù)提取出光照分量。

為了增強(qiáng)提取效果，采用多尺度高斯函數(shù)進(jìn)行提取。多尺度高斯函數(shù)提取光照分量即多個(gè)單尺度高斯函數(shù)提取結(jié)果進(jìn)行加權(quán)求和：

式中：wi為第i個(gè)高斯函數(shù)的權(quán)重；n取1，即單尺度；n大于1表示多尺度。如n取3時(shí)，權(quán)重w1～w3均取1/3，σ1取3，σ2取4，σ3取5。

式（3）是在空間域?qū)斎雸D像進(jìn)行光照分量提取，會(huì)嵌套多層循環(huán)結(jié)構(gòu)，導(dǎo)致運(yùn)算量較大、運(yùn)行時(shí)間較長。卷積定理表明，空間域中的卷積相當(dāng)于頻域中的乘積［1］，所以在頻域中進(jìn)行光照分量的提取，可一定程度上加快運(yùn)算速度。實(shí)際計(jì)算時(shí)，先對式（3）兩邊進(jìn)行傅里葉變換，將空間域中的卷積運(yùn)算轉(zhuǎn)換為頻域中的乘積運(yùn)算，得到頻域中的光照分量估計(jì)值F（Lg）：

再對F（Lg）進(jìn)行傅里葉逆變換，得到空間域光照分量Lg（x,y）。

2.2 求取反射信息圖像

依據(jù)Retinex 模型，求出反射分量以去除光照分量的影響。為了使反射分量更加清晰，裂痕缺陷更加明顯，先對光照分量進(jìn)行非線性全局γ變換：

式中：γ為全局修正參數(shù)，取值范圍為0.1～10。γ小于1時(shí)，變換后的圖像更亮；值越小，變換后的圖像越亮。γ＞1時(shí)，變換后的圖像變得更暗；值越大，變換后的圖像越暗。不同的值，對應(yīng)的變換關(guān)系也不同，根據(jù)陶瓷基片的實(shí)際修正效果，文中γ取0.76。

得到修正后的L（x,y）后，依據(jù)式（1）對R（x,y）進(jìn)行求取，得到清晰的反射信息圖像。為了運(yùn)算方便，對式（1）進(jìn)行變換：

式中：k為避免L（x,y）出現(xiàn)零值導(dǎo)致R（x,y）出現(xiàn)過飽和現(xiàn)象而引入的常數(shù)，根據(jù)實(shí)際效果取值，一般取光照分量均值的1%。

2.3 效果圖

校正前后的圖像效果如圖5 所示，可以發(fā)現(xiàn)：校正后的陶瓷基片圖像光照明顯變得均勻，且缺陷的對比度較好地保留了下來。

圖5 校正前后的陶瓷基片圖像

3 缺陷定位與分割

根據(jù)缺陷與工件本身的對比度設(shè)計(jì)合適的頻域帶通濾波器，生成正弦形狀的帶通濾波器B，如圖6b 所示。對待處理圖像R（x,y）進(jìn)行取反，如圖6c所示。將取反后圖像Rf（x,y）轉(zhuǎn)換至頻域。

圖6 缺陷檢測過程圖

針對定位到的區(qū)域，利用高斯線性函數(shù)進(jìn)行亞像素精度的XLD 輪廓提取，若存在缺陷，用紅色線圈出，效果如圖6d所示。

4 實(shí)驗(yàn)結(jié)果與分析

通過對比米粒圖像和陶瓷基片圖像的不同方法處理效果來驗(yàn)證文中方法的有效性，見圖7～8。用3 個(gè)重要指標(biāo)來衡量算法對原始圖像的增強(qiáng)性能及有效性，分別是圖像平均灰度、圖像熵以及算法運(yùn)行時(shí)間。圖像平均灰度反映的是圖像的亮度信息，通過比較原始圖像與處理效果圖的平均灰度，可判斷圖像亮度是否得到了提升。對于光照不均勻的圖像，校正后的圖像是否變得更亮是判斷校正算法是否有效的重要標(biāo)準(zhǔn)之一，即校正后圖像的平均灰度越高，圖像的校正效果越好［11］。圖像熵反映的是圖像的灰度分布，圖像熵的值越小，表示圖像的灰度分布越均勻，也表明校正的效果越好；相反，圖像熵的值越大，則表明校正效果越差。算法運(yùn)行時(shí)間是衡量算法優(yōu)劣的重要指標(biāo)，尤其在工業(yè)項(xiàng)目的應(yīng)用中，檢測速度是最受重視的參數(shù)之一。

圖7 米粒圖像與不同方法處理結(jié)果的比較

圖8 陶瓷基片圖像與不同方法處理結(jié)果的比較

表1～2列出了2組圖像3項(xiàng)指標(biāo)的值。1）在校正效果方面，文中方法的校正效果更為理想。由表1 可看出：直方圖均衡化處理的圖像熵是較高的，在米粒圖像的處理中甚至比原始圖像的圖像熵還要高出32 左右，所以直方圖均衡化方法的校正效果較差；改進(jìn)伽馬校正處理的圖像平均灰度和圖像熵較文中方法分別相差18.192、39.527 和4.1838、2.2056，與校正效果圖的直觀效果相符，此外，改進(jìn)伽馬校正處理的圖像平均灰度小及圖像熵大，校正后的圖像在進(jìn)行缺陷檢測時(shí)用時(shí)較長，且檢測準(zhǔn)確度較文中方法低5.3%左右，所以文中方法的處理效果較好。2）算法運(yùn)行時(shí)間由多到少依次為直方圖均衡化方法、文中方法、改進(jìn)伽馬校正方法。改進(jìn)伽馬校正方法的用時(shí)較文中方法多耗時(shí)140 ms左右，這是單獨(dú)對算法運(yùn)行時(shí)間進(jìn)行的統(tǒng)計(jì)。運(yùn)用到實(shí)際系統(tǒng)中時(shí)，每個(gè)相機(jī)都擁有一個(gè)處理線程，加上運(yùn)行時(shí)間、檢測數(shù)據(jù)的實(shí)時(shí)顯示等線程，多線程并行時(shí)，相互有一定的競爭，再加上運(yùn)行環(huán)境等因素影響，改進(jìn)伽馬校正方法耗時(shí)525 ms左右，文中方法耗時(shí)315 ms 左右。根據(jù)檢測要求，只有在400 ms內(nèi)完成才能保證檢測效率達(dá)標(biāo)，所以采用改進(jìn)伽馬校正方法無法達(dá)到檢測效率要求。

表1 圖像平均灰度與圖像熵評價(jià)指標(biāo)

表2 不同方法所用時(shí)間

5 結(jié)論

針對高反光陶瓷基片缺陷檢測，文中基于顏色恒常性理論的亮度感知Retinex 模型，利用多尺度高斯函數(shù)在頻域?qū)斎雸D像的光照分量進(jìn)行提取并利用全局伽馬修正系數(shù)進(jìn)行增強(qiáng)，基于增強(qiáng)后的光照分量將反射分量從輸入圖像中提取出來，實(shí)現(xiàn)了對輸入圖像的校正。最后利用頻域帶通濾波器、形態(tài)學(xué)處理、高斯線性檢測等方法對缺陷進(jìn)行了檢測。通過實(shí)際測試，文中方法的檢測準(zhǔn)確度約為98.6%，檢測速度較直接在空間域進(jìn)行校正和檢測提高了20%，具有較高的可行性。