小尺寸圓柱端面缺陷在線視覺檢測系統(tǒng)

劉 斌 高雅妮

(天津理工大學(xué)自動(dòng)化學(xué)院1，天津 300384；武警指揮學(xué)院軍事教育培訓(xùn)系2，天津 300250)

小尺寸圓柱端面缺陷在線視覺檢測系統(tǒng)

劉 斌1高雅妮2

(天津理工大學(xué)自動(dòng)化學(xué)院1，天津 300384；武警指揮學(xué)院軍事教育培訓(xùn)系2，天津 300250)

基于視覺測量技術(shù)，研究開發(fā)了一套小尺寸圓柱工件的端面缺陷在線檢測系統(tǒng)。利用CCD攝像機(jī)和普通LED光源形成傳感器，結(jié)合自主開發(fā)的應(yīng)用軟件，實(shí)現(xiàn)缺陷的自動(dòng)檢測。研究了適用的圖像處理算法，以準(zhǔn)確可靠地獲得端面的外輪廓數(shù)據(jù)；提出了利用輪廓數(shù)據(jù)和其擬合的橢圓計(jì)算特征數(shù)值的方法，并制定了缺陷判定準(zhǔn)則。試驗(yàn)結(jié)果表明，該系統(tǒng)具有較高的檢測速度與判定準(zhǔn)確度，提高了現(xiàn)有的生產(chǎn)線效率。

缺陷檢測 視覺檢測 圖像處理 圓柱端面 輪廓提取 橢圓擬合

0 引言

隨著經(jīng)濟(jì)的發(fā)展，工業(yè)生產(chǎn)線對(duì)產(chǎn)品質(zhì)量控制的要求越來越高，產(chǎn)品尺寸向小尺度發(fā)展，計(jì)量方式從抽檢向在線全檢過渡，對(duì)產(chǎn)品測量和檢測的要求越來越高。隨著視覺檢測技術(shù)的不斷發(fā)展，其越來越多地取代人工檢測，在工業(yè)現(xiàn)場得到了廣泛的應(yīng)用，其中表面缺陷檢測是重要應(yīng)用之一，涉及到越來越多的工業(yè)產(chǎn)品檢測[1-8]。

小尺寸圓柱作為典型工件[9]，是圓柱滾子軸承的主要組成部分之一，其端面品質(zhì)對(duì)于軸承的正常工作有著重要的影響。本文基于視覺檢測技術(shù)，研制開發(fā)了適用的在線缺陷檢測系統(tǒng)，系統(tǒng)使用簡單的光源照明方式。同時(shí)，為適應(yīng)工業(yè)現(xiàn)場環(huán)境造成的圖像灰度不均勻等影響因素，對(duì)于快速準(zhǔn)確地提取缺陷的圖像處理方法和可靠的缺陷判定準(zhǔn)則進(jìn)行了研究。

1 系統(tǒng)組成

研究開發(fā)的小尺寸圓柱端面缺陷在線視覺檢測系統(tǒng)的基本結(jié)構(gòu)如圖1所示。

圖1 系統(tǒng)結(jié)構(gòu)圖Fig.1 Structure of the system

系統(tǒng)主要由硬件系統(tǒng)和軟件系統(tǒng)組成。

硬件系統(tǒng)主要由兩套端面缺陷檢測傳感器(分別由1臺(tái)1394總線的CCD攝像機(jī)和1個(gè)普通LED光源組成)、計(jì)算機(jī)、PLC、機(jī)械執(zhí)行機(jī)構(gòu)等組成。硬件系統(tǒng)具體完成的功能為：①LED光源將被測的小尺寸圓柱端面照亮，CCD攝像機(jī)采集端面圖像，并將采集到的圖像傳入計(jì)算機(jī)；②計(jì)算機(jī)根據(jù)自主開發(fā)的軟件進(jìn)行缺陷檢測和判定，并向PLC發(fā)送控制指令，操控機(jī)械執(zhí)行機(jī)構(gòu)完成篩選動(dòng)作。

軟件系統(tǒng)完成的功能有：①對(duì)計(jì)算機(jī)采集的圖像進(jìn)行圖像處理，獲取端面的外輪廓像素點(diǎn)集；②利用獲取的像素點(diǎn)集進(jìn)行運(yùn)算處理，得到可表征端面質(zhì)量的特征數(shù)值，并根據(jù)本文研究制定的準(zhǔn)則進(jìn)行判定，快速有效地判別缺陷；③根據(jù)判別結(jié)果，軟件通過計(jì)算機(jī)串口與PLC通信，發(fā)送控制指令。

2 檢測方法及判定準(zhǔn)則

在加工制造過程中，工件端面可能會(huì)出現(xiàn)缺口、殘損等缺陷，缺陷處在光照下會(huì)產(chǎn)生局部陰影，使得在圖像上對(duì)應(yīng)區(qū)域的像素灰度值下降。為了完成在線檢測的任務(wù)，系統(tǒng)需要采用穩(wěn)定且速率較高的圖像處理算法，得到可有效表征端面質(zhì)量的量化特征數(shù)值，并依據(jù)合理的判定準(zhǔn)則對(duì)工件缺陷進(jìn)行可靠的判別。下面將針對(duì)本文采用的圖像處理算法和制定的缺陷判定準(zhǔn)則進(jìn)行詳細(xì)闡述。

2.1 圖像處理算法

本系統(tǒng)進(jìn)行圖像處理的目的是為了突出圖像中的有用信息，即提取端面的外輪廓信息。實(shí)際采集到的直徑為5 mm的圓柱工件的端面圖像如圖2所示。

圖2 采集的端面圖像Fig.2 Captured image of the end surface

由于光照不均勻等因素影響，在端面內(nèi)部存在部分灰度數(shù)值低的區(qū)域，易造成外輪廓提取過程中輪廓點(diǎn)內(nèi)連入端面內(nèi)部的情況，而造成無法準(zhǔn)確地提取外輪廓點(diǎn)集。因此，本文擬定了如圖3所示的圖像預(yù)處理流程。

圖3 圖像預(yù)處理流程圖Fig.3 Flowchart of image pre-processing

圖像預(yù)處理具體流程為：首先，利用高斯濾波器對(duì)圖像進(jìn)行平滑處理；隨后，采用“先膨脹，后腐蝕”的閉運(yùn)算填充端面內(nèi)灰度值小的空洞區(qū)域；之后，利用最大類間方差(OTSU)算法，自適應(yīng)閾值分割，完成圖像二值化；最后，利用Canny算子進(jìn)行邊緣檢測[9-10]，獲得端面的外輪廓點(diǎn)集數(shù)據(jù)。

按照上述流程處理的圖像效果如圖4所示。

圖4 圖像預(yù)處理結(jié)果Fig.4 Results of the image pre-processing

2.2 輪廓數(shù)據(jù)處理

為了能夠形成表征端面質(zhì)量的量化特征數(shù)值，本文對(duì)圖像預(yù)處理得到的圓柱端面外輪廓點(diǎn)集進(jìn)行橢圓擬合[10-12]。依據(jù)的思路為：如果是品質(zhì)良好的圓柱端面，則輪廓點(diǎn)集和擬合的橢圓應(yīng)基本重合；反之，則兩者會(huì)相差較大。

試驗(yàn)效果如圖5所示。

圖5 端面數(shù)據(jù)處理結(jié)果Fig.5 Processing result of the end surface data

如圖5所示，人工判定無缺陷的圓柱零件端面的輪廓和擬合橢圓基本重合，而對(duì)于斷面缺陷和滾邊缺陷的圓柱零件端面則有明顯的差別。

2.3 缺陷判定準(zhǔn)則

針對(duì)輪廓數(shù)據(jù)及其擬合的橢圓之間的差別，需研究適用的計(jì)算方法，形成量化的特征數(shù)值，并通過試驗(yàn)尋找合適的區(qū)分閾值，進(jìn)行缺陷的判定，從而使系統(tǒng)能夠完成自動(dòng)在線檢測的功能目標(biāo)。本文制定了如下計(jì)算方法。

(1)

式中:D為輪廓數(shù)據(jù)及其擬合橢圓之間的相似度；Rfit為擬合橢圓的半長軸數(shù)值；Rcal為利用提取的輪廓所包絡(luò)的面積S和輪廓線長度C計(jì)算得到的理想正圓半徑數(shù)值，即Rcal=2S/C。

制定該計(jì)算方法的思路為：針對(duì)人工判定無缺陷的圓柱端面，其輪廓接近理想正圓，擬合橢圓與此正圓差別很小，則D數(shù)值小；而針對(duì)有缺陷的端面，利用輪廓數(shù)據(jù)按照理想圓半徑計(jì)算得出的Rcal會(huì)與擬合橢圓的Rfit數(shù)值有較大差別，即D數(shù)值大。利用該方法對(duì)圖5中的3個(gè)端面進(jìn)行量化計(jì)算，得到圖5(a)所示無缺陷端面D=0.11，圖5(b)所示斷面端面D=1.02，圖5(c)所示滾邊缺陷端面D=0.35。

3 試驗(yàn)與分析

本文研制開發(fā)系統(tǒng)中的CCD攝像機(jī)選用型號(hào)為DH-HV1310FM的1394總線工業(yè)相機(jī)，分辨率為1 280×1 024，像元尺寸為5.2 μm×5.2 μm，幀率為18 f/s。鏡頭選用了70 mm鏡頭。直徑為5 mm的圓柱端面占據(jù)圖像中約720×720個(gè)像素面積，光源則采用普通的白光LED陣列。

為了驗(yàn)證本文方法對(duì)圓柱端面缺陷的提取能夠取得較好的效果以及本文算法的優(yōu)越性，采用實(shí)際生產(chǎn)線上獲取的圓柱端面圖像進(jìn)行缺陷檢測，與文獻(xiàn)[4]提出的非下采樣Contourlet變換(NSCT)域的自適應(yīng)閾值系數(shù)圖像重構(gòu)算法、文獻(xiàn)[9]提出的利用梯度差分直方圖結(jié)合圖像自適應(yīng)分類的改進(jìn)自適應(yīng)閾值Canny邊緣檢測算法進(jìn)行比較，結(jié)果如圖6所示。

圖6 3種算法的處理效果Fig.6 Processing effects by using three kinds of algorithms

由圖6可以看出，由于圓柱端面整體灰度不均、邊緣區(qū)域?qū)Ρ榷嚷缘?，文獻(xiàn)[4]算法雖然能較好地提取到外輪廓，也提取到了存在缺陷區(qū)域，但無法消除原始圖像中由于灰度不均產(chǎn)生的噪聲點(diǎn)，在端面內(nèi)部提取到了很多無效輪廓，增加了后續(xù)數(shù)據(jù)處理的難度。文獻(xiàn)[9]算法能夠連接斷續(xù)的邊緣，但不能準(zhǔn)確地提取出端面的外輪廓。而本文算法有效地克服了噪聲點(diǎn)的影響，能夠較好地完成缺陷提取。

針對(duì)試驗(yàn)圖像，在同一臺(tái)計(jì)算機(jī)上對(duì)3種算法的運(yùn)行性能進(jìn)行比較，性能數(shù)據(jù)如表1所示。

表1 3種算法運(yùn)行性能比較Tab.1 Comparison of the operating performance of the three algorithms

由表1可以看出，文獻(xiàn)[9]算法耗時(shí)最少，但檢測效果不好；文獻(xiàn)[4]算法耗時(shí)較長，但缺陷提取效果不理想，易將孤立噪聲點(diǎn)檢測成缺陷；本文算法雖然比文獻(xiàn)[9]算法的速度慢，但準(zhǔn)確度較高，能夠滿足在線檢測需求。

通過試驗(yàn)，設(shè)定D的區(qū)分閾值為0.2。經(jīng)過在線測試試驗(yàn)驗(yàn)證，本系統(tǒng)的平均檢測速度小于300 ms/件，無漏檢情況，誤判率小于0.8%。

4 結(jié)束語

本文詳細(xì)介紹了研制開發(fā)的小尺寸圓柱端面缺陷在線視覺檢測系統(tǒng)，闡述了系統(tǒng)的組成及相應(yīng)的結(jié)構(gòu)設(shè)計(jì)。

針對(duì)被檢測的圓柱端面整體灰度不均、邊緣區(qū)域?qū)Ρ榷嚷缘偷那闆r，研究了有效的圖像處理流程，即通過圖像平滑、去除噪點(diǎn)、自適應(yīng)閾值分割，準(zhǔn)確地獲取圓柱端面的邊緣輪廓數(shù)據(jù)；提出了缺陷判定準(zhǔn)則及對(duì)應(yīng)缺陷程度的特征數(shù)值的計(jì)算方法。該方法具體是利用輪廓數(shù)據(jù)信息進(jìn)行理想圓幾何半徑計(jì)算和橢圓擬合半長軸數(shù)值計(jì)算，利用兩者差別程度對(duì)缺陷進(jìn)行評(píng)價(jià)判定。

試驗(yàn)數(shù)據(jù)表明，該系統(tǒng)具有較高的檢測速度和缺陷判定準(zhǔn)確度，為圓柱端面缺陷的快速檢測提供了有效的途徑。

[1] 王宣銀，梁冬泰.基于多元圖像分析的表面缺陷檢測算法[J].浙江大學(xué)學(xué)報(bào)：工學(xué)版，2010,44(3):448-452.

[2] 宋樂,林玉池,何冬,等.空心圓柱端面缺陷的快速視覺檢測[J].中國圖象圖形學(xué)報(bào),2009,14(10):2137-2140.

[3] 李雪琴,蔣紅海,劉培勇,等.非下采樣Contourlet域自適應(yīng)閾值面的磁瓦表面缺陷檢測[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2014,26(4):553-558.

[4] Kims Y,Song Y C,Jung C D,et al.Effective defect detection in thin film transistor liquid crystal display images using adaptive multi-level defect detection and probability density function[J].Optical Review,2011,18(2):191-196.

[5] Li Di,Liang L Q,Zhang W J.Defect inspection and extraction of the mobile phone cover glass based on the principal components analysis[J].International Journal of Advanced Manufacturing Technology,2014,73:1605-1614.

[6] 方乃偉,呂學(xué)強(qiáng),張丹,等.機(jī)械設(shè)計(jì)圖像主輪廓提取算法研究[J].計(jì)算機(jī)工程與設(shè)計(jì),2013,34(8):2778-2782.

[7] 張志強(qiáng),宋海生.應(yīng)用Otsu改進(jìn)Canny算子的圖像邊緣檢測方法[J].計(jì)算機(jī)與數(shù)字工程,2014,42(1):122-128.

[8] 蘇俊宏,劉勝利.圓柱型高精密零件表面缺陷檢測及形貌分析[J].激光與光電子學(xué)進(jìn)展,2014,51(4):150-154.

[9] 雒濤,鄭喜鳳,丁鐵夫.改進(jìn)的自適應(yīng)閾值Canny邊緣檢測[J].光電工程,2009,36(11):106-111.

[10]陳海峰,雷華,孔燕波,等.基于最小二乘法的改進(jìn)的隨機(jī)橢圓檢測算法[J].浙江大學(xué)學(xué)報(bào):工學(xué)版,2008,42(8):1360-1364.

[11]周勇亮,金燕,何萍,等.隨機(jī)Hough變換圓檢測累計(jì)加速算法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2014,26(4):574-580.

[12]葛偉華,陳優(yōu)廣.基于邊界跟蹤的區(qū)域面積計(jì)算[J].計(jì)算機(jī)應(yīng)用與軟件,2008,25(6):239-240.

Online Visual Defects Inspection System for Small Sized Cylindrical End Surface

Based on vision measurement technology, an online visual inspection system for defects of small sized cylindrical end surface has been researched and developed. By adopting CCD camera and the sensor formed by ordinary LED light source, and combining with the self-developed application software, automatic inspection of the defects is achieved. The applicable image processing algorithm is researched to precisely and reliably obtain the data of outer contour of the end surface; the calculation method for the characteristic value using contour data and fitted ellipse is proposed, and the criteria of identifying defects is worked out. The experimental results indicate that this system possesses higher inspecting speed and determining accuracy, thus it can enhance existing efficiency of production line.

Defect inspection Vision inspection Image processing Cylindrical end surface Contour extraction Ellipse fitting

天津市教委科研計(jì)劃基金資助項(xiàng)目(編號(hào)：20140701)。

劉斌(1983-)，男，2010年畢業(yè)于天津大學(xué)測試計(jì)量技術(shù)及儀器專業(yè)，獲博士學(xué)位，講師；主要從事激光及光電測試技術(shù)的研究。

TP274

A

10.16086/j.cnki.issn1000-0380.201506004

修改稿收到日期：2014-11-25。