基于CCD與紅外的導(dǎo)爆管檢測中的信息融合方法

李九靈，高全杰，馮 維，代 新，彭 磊

（1. 武漢科技大學(xué)，武漢 430081；2. 湖北工業(yè)大學(xué)， 武漢 430068）

0 引言

導(dǎo)爆管[1]是導(dǎo)爆管雷管的重要組成部分，其在爆破工程中應(yīng)用廣泛，而爆破工程對爆破器材的質(zhì)量要求很高，因此，提高爆破器材的檢測質(zhì)量非常重要。傳統(tǒng)的導(dǎo)爆管檢測手段僅僅依靠落后的人工方式以及精度有限的紅外方式[2]，不僅勞動強(qiáng)度大、精度低，而且檢測項(xiàng)目有限。機(jī)器視覺的快速發(fā)展和信息融合技術(shù)的逐漸興起為導(dǎo)爆管的高速高精度檢測創(chuàng)造了條件，研究多傳感器的信息融合技術(shù)，對于促進(jìn)導(dǎo)爆管的自動化檢測具有重要的意義。

當(dāng)前，信息融合技術(shù)主要應(yīng)用于軍事領(lǐng)域，民用還比較少。美國是信息融合技術(shù)起步最早、發(fā)展最快的國家，它開發(fā)了一系列的C4ISR系統(tǒng)及IW系統(tǒng)[3]。在國內(nèi)，趙龍等[4]使用Matlab 6.1中的模糊邏輯工具箱編輯模糊推理系統(tǒng)，提出了一種基于模糊邏輯的像素級多傳感器圖像融合算法，通過與其他融合算法的比較，性能評估結(jié)果顯示該算法具有更好的效果。王明輝等[5]提出了一種通過優(yōu)化跟蹤門的方法提高多目標(biāo)多傳感器跟蹤系統(tǒng)實(shí)時(shí)性，實(shí)驗(yàn)表明在強(qiáng)雜波或者虛警的環(huán)境中，該方法的效果尤為明顯。

為了實(shí)現(xiàn)高速和高精度檢測導(dǎo)爆管的藥量、黑點(diǎn)以及管徑，本文設(shè)計(jì)了一種基于CCD與紅外的導(dǎo)爆管自動檢測系統(tǒng)，填補(bǔ)了圖像處理在導(dǎo)爆管檢測領(lǐng)域的空白，并提出了一種基于決策層的導(dǎo)爆管缺陷信息融合方案，實(shí)現(xiàn)了CCD與紅外雙傳感器的信息融合，促進(jìn)了導(dǎo)爆管檢測的自動化。

1 導(dǎo)爆管自動檢測系統(tǒng)總體方案設(shè)計(jì)

1.1 感器的選擇方案

在導(dǎo)爆管檢測中，常用的傳感器有CCD、紅外等。由于導(dǎo)爆管需要檢測黑點(diǎn)缺陷，單獨(dú)使用一個(gè)傳感器檢測可能會出現(xiàn)盲區(qū)（如圖1所示），因此，本檢測系統(tǒng)采用雙傳感器同步檢測。傳感器選擇方案如表1所示。

表1 傳感器組合方案

表1中，紅外檢測的精確較低，面陣CCD檢測的速度較慢，因此放棄方案一和方案二。單線陣CCD檢測速度雖快，但其檢測中存在的盲區(qū)會導(dǎo)致較高的黑點(diǎn)漏檢率。方案四檢測精度最高、檢測速度也最快，但其價(jià)格昂貴；方案五在保證檢測精度較高的前提下，檢測速度也是最快的，價(jià)格也并不昂貴。因此，在保證精度兼顧成本的前提下，方案五是最優(yōu)的。鑒于此，本系統(tǒng)采用CCD與紅外同步檢測的方式，其空間位置如圖1所示。

圖1 CCD與紅外的空間位置示意圖

1.2 系統(tǒng)總體方案設(shè)計(jì)

導(dǎo)爆管自動缺陷檢測以CCD為主，紅外為輔，并且需標(biāo)示不合格產(chǎn)品。整個(gè)系統(tǒng)的工作流程如圖2所示。

圖2 導(dǎo)爆管檢測系統(tǒng)的工作流程圖

變頻器控制電動機(jī)啟停，電動機(jī)控制導(dǎo)爆管運(yùn)動，CCD傳感器和紅外傳感器采集導(dǎo)爆管表面信息，并將這些信息傳遞給圖像采集卡和工控機(jī)，圖像處理軟件對這些信息進(jìn)行分析處理，工控機(jī)控制噴碼器根據(jù)分析結(jié)果進(jìn)行噴碼處理。

2 多任務(wù)下的信息融合技術(shù)

如前所述，本系統(tǒng)的運(yùn)行任務(wù)繁多，應(yīng)采用多線程編程技術(shù)創(chuàng)建各種任務(wù)，而在多線程管理多任務(wù)的過程中，實(shí)現(xiàn)多傳感器的信息融合是其難點(diǎn)，本文為此提出了一種基于決策層的導(dǎo)爆管缺陷信息融合方案，實(shí)現(xiàn)了CCD與紅外雙傳感器的信息融合。

2.1 多傳感器決策層信息融合模型

由于采用了CCD與紅外配合進(jìn)行導(dǎo)爆管質(zhì)量檢測，產(chǎn)品出現(xiàn)缺陷的時(shí)候，雙傳感器可能都檢測到此缺陷。對于多傳感器的信息融合，主要有三種研究方法：數(shù)據(jù)層融合、特征層融合和決策層融合。由于紅外傳感器可以很容易的輸出開關(guān)信號，因此本系統(tǒng)選擇方法3進(jìn)行信息融合。

2.2 CCD與紅外信息融合過程

圖3 CCD與紅外信息融合過程

如圖3所示，CCD與紅外所采集的圖像均以圖像幀來度量，X1～Xn代表紅外傳感器檢測到的缺陷圖像幀號，Y1～Yn代表CCD檢測到的缺陷圖像幀號，Z1～Zn代表信息融合后存放缺陷圖像幀號的隊(duì)列，Dt代表圖像傳感器到噴碼器的距離。

系統(tǒng)創(chuàng)建線程1管理紅外傳感器采集到的缺陷信息，并將紅外傳感器采集到的缺陷信息按圖像幀號Xn存儲到雙向缺陷鏈1中；創(chuàng)建線程2管理CCD檢測到的缺陷信息，并將CCD檢測到的缺陷信息按圖像幀號Yn存儲到單向缺陷鏈2中；創(chuàng)建線程3融合線程1和線程2的缺陷信息。

管理信息融合的線程3需要不斷的訪問線程2中的數(shù)據(jù)Yn，對于數(shù)據(jù)鏈2的訪問采用的是互斥體方式。通過鎖定和取消鎖定資源控制對缺陷鏈2的訪問。線程3對數(shù)據(jù)Xn的訪問也采取同樣通信方式。

缺陷鏈1和缺陷鏈2的缺陷經(jīng)過融合以后，線程3要求占用臨界區(qū)，然后將缺陷數(shù)據(jù)寫入臨界區(qū)的隊(duì)列Zn中，最后釋放對臨界區(qū)對象的占用。隊(duì)列Zn被修改完畢后，線程4和線程5就可以同時(shí)讀取Zn。線程4讀取Zn后，引入修正值Dt，當(dāng)軟件檢測到第(Zn+Dt)幀圖像時(shí)，通過PCI發(fā)送信號給噴碼器進(jìn)行噴碼動作。線程5讀取到Zn以后，將Zn所包含的信息全部都存儲到數(shù)據(jù)庫中。

通過使用互斥體和臨界區(qū)編程，實(shí)現(xiàn)了基于CCD和紅外檢測的決策層融合，保證了多任務(wù)的協(xié)調(diào)高效運(yùn)行。

2.3 數(shù)據(jù)遍歷比較算法設(shè)計(jì)

當(dāng)CCD檢測到的缺陷圖像幀幀號Yi時(shí)，在CCD檢測缺陷鏈2中單向查找，如果缺陷鏈2中存在缺陷幀號Yj=Yi時(shí)，則需舍棄Yj，以保證當(dāng)同一幀圖上有多個(gè)缺陷時(shí)，只標(biāo)定和記錄一個(gè)幀號；如果經(jīng)查找后，沒有找到有與Yi相同的幀號時(shí)，則將Yi依次放入檢測缺陷鏈2中，如此循環(huán)，即可得到CCD檢測缺陷鏈2。紅外檢測缺陷鏈1亦是如此。如圖4所示。

線程3訪問線程2中缺陷鏈的鏈尾CY1，并提取Y1，將Y1與缺陷鏈1中的幀號Xn進(jìn)行雙向遍歷比較，遍歷的過程如下：如果X1＜Y1＜Xn，說明短時(shí)間內(nèi)紅外先檢測到了部分缺陷，而CCD只檢測到了其中的一個(gè)，在雙向鏈1中進(jìn)行雙向查找，如果能找到數(shù)據(jù)值等于Y1的元素Xk，取X1～Xk依次壓入隊(duì)列Z中，Y1不再重復(fù)壓入；如果不能找到數(shù)據(jù)值等于Y1的元素Xk，則在在缺陷鏈1中單向逐一查找，直到能滿足Xi＜Y1＜Xj條件的兩幀號Xi和Xj，此時(shí)將X1～Xi和Y1依次放入隊(duì)列Z中；如果Y1≤X1，說明短時(shí)間內(nèi)只有CCD檢測到了缺陷，紅外沒有檢測到缺陷，因此，只要將Y1壓入隊(duì)列Z即可；如果Xn≤Y1，說明短時(shí)間內(nèi)紅外檢測到了導(dǎo)爆管前面的缺陷，CCD檢測到的是導(dǎo)爆管后面的缺陷，因此要將X1～Xn和Y1依次放入隊(duì)列Z中。

3 實(shí)驗(yàn)結(jié)果

取XY兩種不同的導(dǎo)爆管，長度均為50米，在X管上標(biāo)記黑點(diǎn)35個(gè)，在Y管上標(biāo)記黑點(diǎn)32個(gè)。啟動導(dǎo)爆管自動檢測系統(tǒng)對XY進(jìn)行5次重復(fù)性檢測實(shí)驗(yàn)，每次的檢測結(jié)果如表2所示。對兩根缺陷導(dǎo)爆管進(jìn)行人工復(fù)檢，檢查結(jié)果如表3所示。

表2 疵點(diǎn)檢測數(shù)據(jù)

表3 人工復(fù)檢結(jié)果

圖4 數(shù)據(jù)遍歷比較的流程圖

表2中，可以計(jì)算出兩組的疵點(diǎn)識別率分別為：Rca=96%，Rcb=98%；導(dǎo)爆管自動檢測系統(tǒng)的平均識別率為 Rc=97%。表3中，人工復(fù)檢的識別率為：Rea=88.6%，Reb=88.5%；復(fù)檢的平均識別率為 Re=88.55%。隨著對同一導(dǎo)爆管復(fù)檢次數(shù)的增加，X管人工識別率從80%上升到了100%，Y管的識別率從78%上升到了100%。人眼復(fù)查的識別率遠(yuǎn)不及導(dǎo)爆管自動檢測系統(tǒng)的識別率，雖然經(jīng)過訓(xùn)練以后，人眼的復(fù)查率能提高到接近100%，但是人工在線識別的要求遠(yuǎn)遠(yuǎn)高于人工復(fù)查的要求，由此可見，基于CCD與紅外的導(dǎo)爆管檢測中的信息融合方法保證了檢測的實(shí)時(shí)性，提高了黑點(diǎn)缺陷識別率。

4 結(jié)論

傳統(tǒng)的對導(dǎo)爆管外觀質(zhì)量的檢測采用的是人工方式和紅外方式，本文設(shè)計(jì)了基于CCD和紅外的導(dǎo)爆管自動檢測系統(tǒng)，采用CCD和紅外結(jié)合檢測的方式極大地提高了黑點(diǎn)的識別率，同時(shí)，基于決策層的CCD與紅外信息融合方法的應(yīng)用徹底消除了重復(fù)計(jì)數(shù)。本系統(tǒng)實(shí)現(xiàn)了對導(dǎo)爆管外觀質(zhì)量的自動、實(shí)時(shí)監(jiān)控，響應(yīng)了工信部制定的民爆行業(yè)“十二五”規(guī)劃要求，對于提高國內(nèi)民爆行業(yè)的整體競爭力具有重要意義。

[1] 張正宇.塑料導(dǎo)爆管起爆系統(tǒng)理論與實(shí)踐[M].中國水利水電出版社,2009.

[2] 王志剛,李國新.塑料導(dǎo)爆管紅外無損檢測技術(shù)研究[J].火工品,1996,23-25.

[3] [美]David. Hall, James Llinas.多傳感器數(shù)據(jù)融合手冊[M].電子工業(yè)出版社,2008.

[4] Zhao Long,Xu Baochang, Tang Weilong, Chen Zhe. A pixel-level multisensor image fusion algorithm based on fuzzy logic[J]. Lecture Notes in Artificial Intelligence(Subseries of Lecture Notes in Computer Science). 2005,3631(1): 717-720.

[5] Wang MingHui,Peng YingNing,You ZhiSheng,Tie Jun.A novel method for improving the real-time of multitargetmultisensor[J]. IEEE Nat Radar Conf Proc.2003,223-227.