顧 鳴，苑瑋琦

（1.沈陽(yáng)工業(yè)大學(xué)視覺(jué)檢測(cè)技術(shù)研究所，沈陽(yáng) 110870；2.遼寧省機(jī)器視覺(jué)重點(diǎn)實(shí)驗(yàn)室，沈陽(yáng) 110870）

1 引 言

冰勺是一種用于食用冰激凌等冷飲的工具，主要由樺木制成。冰勺在制作過(guò)程中受到機(jī)器切割磨損可能會(huì)出現(xiàn)劈裂。冰勺的劈裂可能會(huì)造成使用者口、舌的劃傷，嚴(yán)重威脅人身健康。目前很多廠家對(duì)冰勺缺陷檢測(cè)以人工為主，檢測(cè)效率和準(zhǔn)確率已經(jīng)無(wú)法達(dá)到現(xiàn)代工業(yè)化的需求。在工業(yè)上，基于機(jī)器視覺(jué)對(duì)缺陷的檢測(cè)可在一定程度上提高生產(chǎn)檢測(cè)效率[1]。該項(xiàng)技術(shù)對(duì)冰勺檢測(cè)也同樣適用。目前針對(duì)木材劈裂這類缺陷的檢測(cè)算法主要包括裂紋提取和裂紋分類兩種[2]，而對(duì)于裂紋提取的方法相對(duì)較少。李德健[3]提出通過(guò)投影與局部閾值分割相結(jié)合的方法檢測(cè)劈裂缺陷。李紹麗[4]運(yùn)用Canny 算子提取出雪糕棒正面劈裂、紋理以及礦物線的邊緣。上述方法在提取寬劈裂的效果較好，但對(duì)相對(duì)較窄的劈裂容易出現(xiàn)漏檢。曹心寧等人[5]針對(duì)裂縫目標(biāo)與背景的灰度對(duì)比度不明顯、小裂縫無(wú)法識(shí)別等問(wèn)題，提出了連通域長(zhǎng)、短軸比值的裂縫檢測(cè)方法，但該方法漏檢率較高。由于裂紋呈現(xiàn)出線狀特征，對(duì)此有學(xué)者提出運(yùn)用線檢測(cè)方式來(lái)檢測(cè)裂縫，如采用Hough 變換[6]、高斯線檢測(cè)[7]等，但冰勺頭部圖像光照不均勻、背景復(fù)雜，在運(yùn)用線檢測(cè)時(shí)會(huì)造成大量誤檢。綜上所述，對(duì)于裂口閉合緊實(shí)、光照不均勻、背景復(fù)雜的情況，現(xiàn)有的檢測(cè)方法會(huì)造成誤檢甚至漏檢。

2 冰勺頭部劈裂檢測(cè)算法原理

冰勺示意圖如圖1 所示。冰勺劈裂從冰勺的正面和側(cè)面頭部都能觀測(cè)到。由于冰勺正面存在與劈裂特征相似的礦物線，所以在進(jìn)行檢測(cè)時(shí)會(huì)造成一定的誤檢。通過(guò)對(duì)冰勺頭部圖像的大量觀察發(fā)現(xiàn)，冰勺頭部只存在劈裂這一種缺陷，所以針對(duì)頭部圖像進(jìn)行劈裂檢測(cè)會(huì)大大提高檢測(cè)準(zhǔn)確性。

圖1 冰勺示意圖

灰度分布曲線是由多個(gè)凹線段和凸線段交替組成。凹線段是由一個(gè)灰度極小值點(diǎn)和兩側(cè)相鄰的灰度極大值組成的曲線，線段中極小值點(diǎn)及附近的像素代表圖像中的暗區(qū)域；凸線段是由一個(gè)灰度極大值和兩側(cè)相鄰的灰度極小值組成的曲線，線段中的極大值點(diǎn)及附近的像素代表圖像中的亮區(qū)域。

灰度極值點(diǎn)被定義為：如果當(dāng)前像素點(diǎn)的灰度值大于其前一個(gè)像素點(diǎn)的灰度值和后一個(gè)像素點(diǎn)的灰度值，那么當(dāng)前的像素點(diǎn)為灰度極大值點(diǎn)；如果當(dāng)前像素點(diǎn)的灰度值小于其前一個(gè)像素點(diǎn)的灰度值和后一個(gè)像素點(diǎn)的灰度值，那么當(dāng)前的像素點(diǎn)為灰度極小值點(diǎn)。

如圖2 所示為某個(gè)冰勺的側(cè)面頭部區(qū)域的灰度分布曲線。圖2(a)為橫穿這一冰勺頭部的灰度分布曲線，其中方框內(nèi)為劈裂所在位置。圖2(b)為劈裂位置凹線段示意圖，其中，f(a)為凹線段的極小值，f(b)、f(c)為凹線段的極大值。

圖2 冰勺頭部橫向灰度分布曲線

定義當(dāng)中幅值大的為相對(duì)幅值fr(a)，幅值小的為絕對(duì)幅值fa(a)，如下式所示：

當(dāng)一條線段的相對(duì)幅值遠(yuǎn)大于絕對(duì)幅值時(shí)，該線段反映了目標(biāo)的邊界特征；當(dāng)一條線段的相對(duì)幅值與絕對(duì)幅值接近時(shí)，該線段反映了目標(biāo)或者干擾的完整特征。按照定義，劈裂位置有較大的絕對(duì)幅值特征，所以可以通過(guò)提取劈裂位置凹線段的絕對(duì)幅值來(lái)實(shí)現(xiàn)對(duì)劈裂的檢測(cè)。

3 冰勺頭部劈裂缺陷檢測(cè)算法

3.1 冰勺頭部圖像噪聲去除

由于冰勺頭部背景復(fù)雜，灰度分布曲線上疊加了高頻噪聲。首先需將高頻噪聲平滑掉，將劈裂位置的幅值特征與正常位置的幅值差異最大化。在對(duì)圖庫(kù)中圖像進(jìn)行分析時(shí)發(fā)現(xiàn)，劈裂位置是暗區(qū)域，整列的灰度值都較低，而正常位置由于是明暗交替的情況，整列灰度值有高有低。根據(jù)高頻噪聲在灰度分布曲線上的特點(diǎn)，可采用垂直方向計(jì)算出的一列灰度值的平均值來(lái)代替此列灰度值，如下式：

其中，f(xi)代表冰勺側(cè)面區(qū)域某列中每行的灰度值，n代表冰勺側(cè)面頭部區(qū)域此列灰度值個(gè)數(shù)代表每列的灰度均值，a 為列數(shù)。

利用該方法既平滑了高頻噪聲，又保留了曲線原來(lái)的變化趨勢(shì)和劈裂位置的幅值特征。如圖3 所示為計(jì)算均值前后的灰度分布曲線?？梢钥闯雠盐恢茫ň匦慰騼?nèi)）的灰度波動(dòng)依然比較明顯，但是背景正常位置的波動(dòng)相對(duì)于計(jì)算均值之前明顯減弱。

圖3 垂直方向計(jì)算均值前后灰度分布曲線

3.2 冰勺頭部灰度校正

冰勺側(cè)面呈彎曲狀，生產(chǎn)流水線的條形光源平行于側(cè)面并與水平面呈一定角度打光，中間部分光照強(qiáng)度比兩側(cè)強(qiáng)，使冰勺頭部中間灰度值高，兩側(cè)灰度值低，中間位置對(duì)比度通常高于兩側(cè)位置。為消除光照影響，設(shè)計(jì)一種方法對(duì)冰勺側(cè)面頭部灰度進(jìn)行校正，對(duì)冰勺頭部各位置的灰度做線性變換，消除光照對(duì)冰勺頭部的影響。由于冰勺兩側(cè)的光照強(qiáng)度不同，所以需要將冰勺頭部從中間分為兩部分進(jìn)行灰度校正。以冰勺側(cè)面頭部某行左半部分為例，使用灰度校正方法，示意圖如圖4 所示。

圖4 冰勺頭部左半邊灰度校正示意圖

如圖4(a)可見，灰度值整體呈波動(dòng)上升趨勢(shì)。如果將冰勺側(cè)面橫向灰度分布曲線看成一個(gè)直角三角形的斜邊，如圖4(b)所示，根據(jù)直角三角形銳角的正切值，通過(guò)線性變換將冰勺側(cè)面頭部的橫向灰度分布曲線上的灰度值修正為直角三角形斜邊在水平方向的投影值，這樣在改變灰度分布曲線整體趨勢(shì)時(shí)不影響其局部的變化趨勢(shì)，即避免了由于光照影響導(dǎo)致的兩邊灰度值低、中間灰度值高的情況?；叶刃Ｕ墓饺缦拢?/p>

為了確定公式(4)中的正切值，將圖4(a)的灰度分布曲線運(yùn)用最小二乘法按行擬合成一條直線，即方程y=kx+b。具體操作方法為：將冰勺頭部圖像的每行像素的坐標(biāo)看作xi，對(duì)應(yīng)坐標(biāo)的灰度值看作yi，擬合直線如圖5 所示。擬合直線的斜率即為正切值。

圖5 擬合直線

灰度校正后的灰度分布曲線如圖6 所示。曲線整體校正到一條水平線上，局部趨勢(shì)并沒(méi)有改變，從而消除了光照分布不均勻?qū)е碌幕叶确植记€中間高、兩邊低的情況。右半邊灰度校正方法同理。

圖6 校正后灰度分布曲線

3.3 冰勺頭部劈裂特征提取

通過(guò)對(duì)凹線段絕對(duì)幅值的計(jì)算，獲得了灰度分布曲線所有凹線段的幅值。冰勺頭部劈裂位置具有較大的絕對(duì)幅值，因此，可以在絕對(duì)幅值序列中通過(guò)一定分類方法選擇較大的絕對(duì)幅值，從而實(shí)現(xiàn)劈裂特征提取。將絕對(duì)幅值序列按照幅值大小和出現(xiàn)的頻數(shù)描繪在直方圖上，如圖7 所示，即為冰勺頭部某行的絕對(duì)幅值直方圖。圖中橫坐標(biāo)代表絕對(duì)幅值，縱坐標(biāo)代表絕對(duì)幅值出現(xiàn)的頻數(shù)。方框內(nèi)為背景位置的絕對(duì)幅值。箭頭位置代表劈裂位置的絕對(duì)幅值。

圖7 絕對(duì)幅值直方圖

在統(tǒng)計(jì)學(xué)中，如果一組樣本數(shù)據(jù)符合正態(tài)分布或近似正態(tài)分布，樣本的均值為，標(biāo)準(zhǔn)偏差為σ，一般情況下，正常數(shù)據(jù)會(huì)出現(xiàn)在概率區(qū)間內(nèi)，超出此區(qū)域則為異常值，予以剔除[8]。但在檢測(cè)缺陷時(shí)，如果一組數(shù)據(jù)中存在異常值，那么在圖像上顯示的一般為缺陷區(qū)域。由于劈裂位置凹線段的絕對(duì)幅值相對(duì)于正常位置的絕對(duì)幅值屬于異常值，對(duì)此，可利用3σ 準(zhǔn)則提取劈裂位置的絕對(duì)幅值。

4 算法測(cè)試與結(jié)果分析

為了驗(yàn)證算法對(duì)冰勺頭部劈裂檢測(cè)的有效性，使用冰勺在線檢測(cè)系統(tǒng)采集冰勺頭部劈裂圖像建立圖庫(kù)，共采集150 張，其中能正確檢出148 張，2 張出現(xiàn)漏檢。檢測(cè)結(jié)果如圖8 所示，包括正確檢出與漏檢兩種情況。其中，漏檢1 中劈裂位置與背景差異太小，從而造成漏檢；漏檢2 中劈裂分為兩段，中間位置沒(méi)有劈開，計(jì)算均值后沒(méi)有突顯出劈裂位置的幅值差異性，從而造成漏檢。

圖8 劈裂正確檢出示例

上述測(cè)試結(jié)果表明，本算法對(duì)冰勺頭部劈裂檢測(cè)準(zhǔn)確率較高，適用性較強(qiáng)，能夠有效降低劈裂檢測(cè)的漏檢率，適合用于冰勺生產(chǎn)線上的在線檢測(cè)。

5 結(jié)束語(yǔ)

研究針對(duì)冰勺頭部劈裂特征進(jìn)行分析，并設(shè)計(jì)出一種冰勺頭部劈裂檢測(cè)方法。經(jīng)實(shí)際測(cè)試，結(jié)果表明本研究的方法能夠有效避免冰勺頭部由于光照因素導(dǎo)致的兩側(cè)位置對(duì)比度低以及背景復(fù)雜導(dǎo)致的劈裂特征不明顯等問(wèn)題，并運(yùn)用自動(dòng)閾值對(duì)劈裂特征進(jìn)行提取，對(duì)冰勺劈裂檢測(cè)有一定的實(shí)用價(jià)值。在后續(xù)研究中，還有待對(duì)冰勺頭部開口特別小的劈裂情況做出進(jìn)一步的研究。