基于機(jī)器視覺(jué)的電容器鋁殼端面缺陷檢測(cè)

陳向偉 肖 冰 高 強(qiáng)

(東北電力大學(xué)機(jī)械學(xué)院，吉林吉林 132012)

機(jī)器視覺(jué)是研究用計(jì)算機(jī)來(lái)模擬生物視覺(jué)的科學(xué)技術(shù)，機(jī)器視覺(jué)系統(tǒng)的首要目標(biāo)是用圖像創(chuàng)建或恢復(fù)現(xiàn)實(shí)世界模型，然后認(rèn)識(shí)現(xiàn)實(shí)世界。近年來(lái)機(jī)器視覺(jué)檢測(cè)以其高效、智能、非接觸等特點(diǎn)，逐漸代替了人工檢測(cè)，在工業(yè)上得到了廣泛的應(yīng)用。

電容器作為需求量很大的產(chǎn)品，其外表面質(zhì)量直接影響了它的質(zhì)量和壽命。其生產(chǎn)過(guò)程由于限于人力限制不能對(duì)其外殼進(jìn)行逐個(gè)質(zhì)量檢測(cè)。本文以電解電容器鋁殼的生產(chǎn)為例，引入機(jī)器視覺(jué)對(duì)其進(jìn)行端面缺陷檢測(cè)，用以提高生產(chǎn)效率，降低勞動(dòng)強(qiáng)度，保證產(chǎn)品的質(zhì)量［1］。

1 待測(cè)零件特征

電容器鋁殼的生產(chǎn)一般在沖壓機(jī)床上進(jìn)行，其形狀以圓柱形居多，端面有防爆槽，其目的是防止電容器由于品質(zhì)不良或其他原因瞬間爆炸之前，內(nèi)部積蓄的能量能夠從防爆槽處得到壓力釋放。由于生產(chǎn)工藝不足或者其他因素，端面會(huì)產(chǎn)生一些缺陷，如端面破損、有凹坑，防爆槽爆裂，無(wú)防爆槽等，如圖1所示。

另外由于沖床上的檢測(cè)條件很苛刻:(1)油污嚴(yán)重，產(chǎn)品表面不干凈;(2)振動(dòng);(3)空間狹小;(4)機(jī)臺(tái)數(shù)量眾多。因此要求測(cè)量系統(tǒng)的單臺(tái)成本投入要小，速度要快。作者根據(jù)實(shí)際情況，設(shè)計(jì)出一套檢測(cè)方案，采用分布式多點(diǎn)模式，以滿足檢測(cè)要求。

2 測(cè)量原理以及系統(tǒng)結(jié)構(gòu)

測(cè)量系統(tǒng)由光學(xué)照明系統(tǒng)、CCD攝像機(jī)、圖像采集系統(tǒng)、計(jì)算機(jī)及相應(yīng)的軟件組成，具體結(jié)構(gòu)如圖2所示。工作原理為:在合理的照明系統(tǒng)中，CCD相機(jī)捕捉電容鋁殼的端面信息，經(jīng)透鏡系統(tǒng)聚焦后成像于CCD面陣上。CCD將圖像信號(hào)變?yōu)殡姾尚盘?hào)，通過(guò)圖像采集卡存入計(jì)算機(jī)內(nèi)存，然后由軟件對(duì)所采集到的圖像進(jìn)行分析處理，并判斷是否合格，若不合格，則由剔除機(jī)構(gòu)剔除。

由于鋁殼的端面相對(duì)光亮，反射較強(qiáng)。系統(tǒng)將多臺(tái)CCD相機(jī)并聯(lián)，利用暗箱隔絕外部光，使用同軸LED光源［2］進(jìn)行照射，以突顯鋁殼表面的瑕疵。采集到的圖像信號(hào)將傳送到計(jì)算機(jī)系統(tǒng)進(jìn)行圖像預(yù)處理、二值化、邊緣檢測(cè)、位置以及角度校正、輪廓提取、差影等一系列運(yùn)算。

3 圖像處理

圖像處理部分主要在計(jì)算機(jī)上完成，通過(guò)Visual C++平臺(tái)編程，對(duì)圖像進(jìn)行預(yù)處理，二值化，邊緣檢測(cè)，位置和角度校正以及差影運(yùn)算。

3.1 圖像預(yù)處理

圖像預(yù)處理是在保證算法穩(wěn)定性前提下實(shí)現(xiàn)特征定位分析，消除對(duì)特征提取敏感的噪聲數(shù)據(jù)，取出冗雜信息，為后續(xù)的精密處理做好準(zhǔn)備。為了得到清晰的圖像邊緣，同時(shí)不會(huì)模糊圖像中的顯著點(diǎn)，本系統(tǒng)采用邊緣保持濾波器［3］進(jìn)行濾波。算法如下:

對(duì)灰度圖像的每一個(gè)象素點(diǎn)［i，j］取適當(dāng)大小的一個(gè)鄰域(如3×3鄰域)，分別計(jì)算［i，j］的左上角鄰域、左下角鄰域、右上角鄰域和右下角鄰域的灰度分布均勻度V，然后取最小均勻?qū)?yīng)區(qū)域的均值作為該象素點(diǎn)的新的灰度值。

計(jì)算灰度均勻度的公式為:

實(shí)驗(yàn)證明，邊緣保持濾波器可以很好地抑制圖像的噪聲，達(dá)到降噪效果。

3.2 圖像二值化

二值化是簡(jiǎn)單的分割處理，很多物體和圖像區(qū)域表征為不變的反射率或其表面光的吸收率，可以確定一個(gè)亮度常量為閾值來(lái)分割物體和背景。閾值化是輸入圖像f到輸出圖像g的如下變換:

其中T是閾值，是根據(jù)圖像的灰度直方圖選取的。對(duì)于圖像中僅包含背景和目標(biāo)物，且都具有較均勻的灰度分布的圖像來(lái)說(shuō)，則直方圖的形狀呈現(xiàn)雙峰特性。圖3為一個(gè)標(biāo)準(zhǔn)鋁殼零件的灰度直方圖。這時(shí)，閾值取雙峰之間的最小值。

圖3可直觀地看到直方圖有明顯的雙峰，通常情況將選擇兩峰之間的谷點(diǎn)作為門限值(俗稱峰谷法)，但由于峰值相差較大，有寬且平的谷底，故峰谷法不適用。系統(tǒng)使用迭代式閾值選擇算法，步驟如下:

(1)求出圖像中最小和最大灰度值Zmax和Zmin，令閾值初值

(2)根據(jù)閾值Tk將圖像分割為目標(biāo)和背景兩個(gè)部分，求出兩部分的平均灰度值Z0和ZB:

式中:Z(i，j)是圖像上點(diǎn)(i，j)上的灰度值，N(i，j)是點(diǎn)(i，j)上的權(quán)重系數(shù)，一般N(i，j)=1.0。

(3)求出新的閾值:

(4)如果Tk=Tk+1，則結(jié)束，否則k+1→k。

3.3 邊緣檢測(cè)

物體的邊緣是圖像的基本特征。所謂邊緣是指圖像中灰度有階躍或尖頂狀變化的那些像素的集合。邊緣廣泛存在于物體與物體、物體與背景之間，是圖像分割、紋理特征提取和形狀特征提取等圖像分析所依賴的重要基礎(chǔ)［4－6］。

邊緣檢測(cè)有很多算法，如:梯度算子、Roberts算子、Sobel算子、Prewitt算子、Canny算子、Kirsch算子、Laplacian算子，以及LoG邊緣檢測(cè)算子等。

圖4為Y型標(biāo)準(zhǔn)電容器鋁殼源圖像(a)經(jīng)過(guò)邊緣保持器濾波(b)、二值化(c)，以及分別使用Roberts算子(d)、Sobel算子(e)、Prewitt算子(f)、Canny算子(g)、Kirsch算子(h)進(jìn)行邊緣檢測(cè)后的圖像對(duì)比。圖中可以直觀看到，Kirsch算子處理后的圖像連續(xù)性較好，線條細(xì)且均勻，適用于本檢測(cè)系統(tǒng)。

3.4 位置及角度校正

受現(xiàn)場(chǎng)工況的限制，每次到達(dá)被檢工位的鋁殼零件位置會(huì)在一定范圍內(nèi)有所變動(dòng)，因此每次檢測(cè)前必須確定圖像中鋁殼的準(zhǔn)確位置。考慮到端面的特點(diǎn)，在此首先采用多邊界點(diǎn)的最小二乘擬合圓對(duì)鋁殼進(jìn)行位置校正。

如圖5所示，盡管每次檢測(cè)時(shí)鋁殼的位置有所不同，但是整幅圖像的中心均位于鋁殼圓形內(nèi)。過(guò)濾掉除圓形外所有線條后，從圖像中心O出發(fā)，分別向上、下、左、右尋找得到鋁殼端面圖像上的4個(gè)邊界點(diǎn)A、B、C和D，并記錄下這4 個(gè)點(diǎn)的坐標(biāo)值(xA，yA)，(xB，yB)，(xC，yC)，(xD，yD)。

圓的方程:

式中:(x0，y0)為圖像的圓心;r為圖像的半徑。

將4個(gè)邊界點(diǎn)A、B、C和D的坐標(biāo)值代入上式，得到方程組:

由上式可計(jì)算出圖像中的圓心(xD，yD)和半徑r，從而實(shí)現(xiàn)鋁殼的位置校正。

接下來(lái)進(jìn)行圖像的角度校正，以“十”型鋁殼零件為例，具體過(guò)程如下:

(1)過(guò)濾掉除防爆槽之外所有線條。

(2)應(yīng)用 Hough［7－9］變換擬合直線，檢測(cè)第一象限直線，并計(jì)算其方程，直線公式為:

則其直線與水平線夾角α:

(3)在Visual C++中對(duì)零件圖像進(jìn)行順時(shí)針旋轉(zhuǎn)?角度操作，將得到圖像進(jìn)行保存。

(4)由于同一型號(hào)的零件其半徑完全相同，檢測(cè)系統(tǒng)所使用的固定支架和固定焦距保證了采集圖像的大小一致，因此將待測(cè)圖像圓心與標(biāo)準(zhǔn)圖像圓心對(duì)準(zhǔn)，整幅圖像的位置對(duì)齊工作就自動(dòng)完成(如圖6所示)。

3.5 圖像的差影與圖像判斷

差影法［10－11］也叫減影技術(shù)，是對(duì)兩個(gè)以上的圖像進(jìn)行相減運(yùn)算，得到的差值圖像用來(lái)辨別兩個(gè)圖像之間的差異。差影技術(shù)常用在動(dòng)態(tài)目標(biāo)檢測(cè)跟蹤、目標(biāo)識(shí)別以及背景圖像消除等方面。

設(shè)兩個(gè)輸入圖像為A(x，y)和B(x，y)，輸出圖像為C(x，y)，其數(shù)學(xué)表達(dá)式如下:

將其校正后的零件圖像與標(biāo)準(zhǔn)圖像進(jìn)行差影運(yùn)算，實(shí)驗(yàn)所得圖像如表1所示。

表1分別為端面凹坑零件(a)、防爆槽開裂零件(b)、無(wú)防爆槽零件(c)源圖像經(jīng)過(guò)校正后進(jìn)行差影運(yùn)算所得圖像。從中可以直觀的看到差影后的缺陷圖像，由軟件統(tǒng)計(jì)差影圖像像素，判斷圖像是否為不合格零件，若是，則由剔除機(jī)構(gòu)剔除。

4 結(jié)語(yǔ)

本文針對(duì)電容器鋁殼生產(chǎn)時(shí)端面常出現(xiàn)的缺陷，根據(jù)機(jī)器視覺(jué)的特性和優(yōu)勢(shì)，制定了有效的缺陷檢測(cè)方案。經(jīng)過(guò)圖像采集、二值化處理、邊緣檢測(cè)、位置及角度校正、差影等一系列運(yùn)算，最終達(dá)到準(zhǔn)確檢測(cè)零件缺陷的目的。結(jié)合了計(jì)算機(jī)強(qiáng)大的計(jì)算能力，縮短了檢測(cè)時(shí)間，提高了生產(chǎn)效率。

［1］田原嫄，潘敏凱，劉思陽(yáng).電容器鋁殼表面缺陷檢測(cè)的CCD圖像處理［J］.組合機(jī)床與自動(dòng)化加工技術(shù)，2013(5):1－3.

［2］王磊，梅濤，孔令成.基于基于視覺(jué)技術(shù)的扣式電池自動(dòng)檢測(cè)系統(tǒng)設(shè)計(jì)［J］.儀表技術(shù)，2011(8):5－8.

［3］賈云得.機(jī)器視覺(jué)［M］.北京:科學(xué)出版社，2000.

［4］章毓晉.圖像分割［M］.北京:科學(xué)出版社，2001.

［5］何斌，馬天與，王運(yùn)堅(jiān).Visual C++數(shù)字圖像處理［M］.北京:人民郵電出版社，2001.

［6］韓芳芳.表面缺陷視覺(jué)在線檢測(cè)關(guān)鍵技術(shù)研究［D］.天津:天津大學(xué)，2011.

［7］李本伍，王小華，謝君廷.一種圖像中檢測(cè)直線的快速算法［J］.杭州電子科技大學(xué)學(xué)報(bào)，2007(27):67－70.

［8］王化楠.Hough變換在視覺(jué)檢測(cè)系統(tǒng)中的應(yīng)用研究［D］.大連:大連理工大學(xué)，2006.

［9］朱芳芳，顧宏斌，孫瑾.一種改進(jìn)的Hough變換直線檢測(cè)算法［J］.計(jì)算機(jī)技術(shù)與發(fā)展，2009(19):19－21.

［10］Shih M Y，Shishido A，Khoo I C.All－optical image processing by means of a photosensitive non－linear liquid－crystal film:edge enhancement and image addition subtraction［J］.Optics Letters.2001，26(15):1140－1142.

［11］陳廉清，崔治，王龍山.基于差影和模板匹配的微小軸承表面缺陷檢測(cè)［J］.中國(guó)機(jī)械工程，2006(17):1019 －1022.