激光散射式技術(shù)在鋼球表面缺陷檢測(cè)中的應(yīng)用

馬賢淑,華云松,楊海馬,2,王光斌

(1.上海理工大學(xué)光電信息與計(jì)算機(jī)工程學(xué)院,上海 200093；2.中國(guó)科學(xué)院上海技術(shù)物理研究所,上海 200083)

?

·激光應(yīng)用技術(shù)·

激光散射式技術(shù)在鋼球表面缺陷檢測(cè)中的應(yīng)用

馬賢淑1,華云松1,楊海馬1,2,王光斌1

(1.上海理工大學(xué)光電信息與計(jì)算機(jī)工程學(xué)院,上海 200093；2.中國(guó)科學(xué)院上海技術(shù)物理研究所,上海 200083)

針對(duì)目前鋼球表面反射率高、缺陷特征難以提取等問題,提出了一種基于機(jī)器視覺技術(shù),利用鋼球表面激光散射圖片快速檢測(cè)表面缺陷的方法。介紹了系統(tǒng)的結(jié)構(gòu)和檢測(cè)原理,搭建了系統(tǒng)檢測(cè)平臺(tái)。分析了利用形態(tài)學(xué)、邊緣連接等圖像處理算法提取缺陷散斑,利用圓度因子和延長(zhǎng)因子判別缺陷類型的處理過程,并基于LabVIEW軟件平臺(tái),選取不同缺陷的鋼球樣本進(jìn)行了試驗(yàn)測(cè)試。實(shí)際試驗(yàn)表明,利用鋼球表面激光散射圖可以有效提取表面凹坑、麻點(diǎn)、刻痕等缺陷信息,系統(tǒng)可以快速準(zhǔn)確地識(shí)別鋼球的表面缺陷,可用于鋼球表面缺陷的在線檢測(cè),具有很好的實(shí)用價(jià)值和應(yīng)用前景。

激光散斑；機(jī)器視覺；鋼球；缺陷檢測(cè)

1 引 言

根據(jù)相關(guān)資料顯示,鋼球表面、內(nèi)圈滾道表面及外圈滾道表面對(duì)軸承產(chǎn)生振動(dòng)、噪聲等不良情況的影響比率為10∶3∶1?？梢婁撉虮砻尜|(zhì)量是影響軸承的主要因素[1],使得鋼球表面缺陷的檢測(cè)非常重要。目前用于鋼球表面缺陷檢測(cè)的技術(shù)有：渦流探傷法、光電檢測(cè)法、超聲波探傷法、聲發(fā)射法、地磁場(chǎng)檢測(cè)法以及人工檢測(cè)法。其中渦流探傷法利用電磁感應(yīng)原理進(jìn)行缺陷的檢測(cè),該方法對(duì)裂紋、燒傷及針孔等鋼球加工及材料缺陷具有較高的分選能力,對(duì)表面缺陷識(shí)別較差，檢測(cè)成本極高,一般只能用于航空高精密鋼球抽檢,不能對(duì)所生產(chǎn)的鋼球進(jìn)行全部檢測(cè)；另外，光電檢測(cè)法一種是通過照在光敏電阻上的光強(qiáng)度的變化來判斷鋼球是否有缺陷,另一種則是通過機(jī)器視覺技術(shù)利用面陣CCD直接采集鋼球表面圖片,利用邊緣檢測(cè)、模式匹配等方法識(shí)別鋼球表面缺陷。由于鋼球表面近似于鏡面球體,表面反射率較高接近于鏡面反射,裸露鋼球表面不僅會(huì)映射四周的景象,而且在法線方向上會(huì)出現(xiàn)大片光暈[2-5](如圖1(a)),采集的畫面嚴(yán)重失真難以提取缺陷信息,導(dǎo)致檢測(cè)精度不高,處理程序復(fù)雜,檢測(cè)速度較慢。

根據(jù)以上特點(diǎn),本文以機(jī)器視覺技術(shù)為基礎(chǔ),設(shè)計(jì)了一種利用面陣CCD采集激光束在鋼球表面的散射圖像(如圖1(b)),并在LabVIEW軟件中利用圖像處理算法識(shí)別缺陷鋼球的檢測(cè)裝置,避免了由于鋼球反射率高導(dǎo)致難以提取鋼球表面缺陷信息的問題,以提高檢測(cè)精度和檢測(cè)效率[6-8]。

2 系統(tǒng)原理及裝置設(shè)計(jì)

2.1 工作原理

(1) 激光散斑技術(shù)

當(dāng)激光照射在相對(duì)粗糙(與光的波長(zhǎng)相比)物體表面上,經(jīng)過不同光程的散射光之間相互干涉,在物體表面或附近的光場(chǎng)中可以觀察到一種無規(guī)則分布的亮暗斑點(diǎn),稱為激光散斑(Laser Speckles)或斑紋 。這種散斑包含了反射物體的表面信息、反射粒子的運(yùn)動(dòng)信息等,通過對(duì)散斑圖像進(jìn)行統(tǒng)計(jì)分析,以提取所需要信息,這種技術(shù)就叫做激光散斑技術(shù)[9]。

(2) 檢測(cè)裝置原理

平行激光束照射在鋼球表面時(shí)會(huì)向空間各個(gè)方向反射,在鋼球的上方放置一張透光性較好的薄幕便可接收由鋼球表面散射形成的散斑圖像。如果鋼球表面無缺陷,則散斑很均勻,若鋼球表面存在凹坑、劃痕、麻點(diǎn)、平頂?shù)热毕?則在缺陷處的亮斑或者暗斑較大,使得整個(gè)散斑不均勻。例如對(duì)一個(gè)表面有劃痕的鋼球進(jìn)行檢測(cè)時(shí),利用面陣CCD采集的激光束在劃痕處的原始散射圖像存在明顯條形亮斑,如圖2所示(圖2(a)為無缺陷散斑圖,圖2(b)為有劃痕的散斑圖)。在計(jì)算機(jī)中對(duì)采集的原始散射圖像通過軟件算法進(jìn)一步處理,便能較為準(zhǔn)確的提取鋼球表面缺陷特征。

圖2 散斑圖像

2.2 系統(tǒng)裝置

該檢測(cè)裝置主要由鋼球展開機(jī)構(gòu)、激光器、散射圖像采集部分和計(jì)算機(jī)處理部分組成。由于散斑形成的實(shí)質(zhì)是相干光源經(jīng)過不同的光程差后產(chǎn)生的干涉圖樣,因此要求光源必須具有相干性,一般采用激光作為光源,本文選用輸出功率為100 mW,光束直徑為5 mm的紅光點(diǎn)激光器。同時(shí)為了得到效果比較好的散斑圖樣,要求光源對(duì)被測(cè)樣品進(jìn)行均勻照射,這就需要對(duì)激光光源進(jìn)行衰減處理。由于是對(duì)采集的激光散斑圖像進(jìn)行分析,需使用透光性較好的薄幕接收激光束在待測(cè)球體表面的散射圖像。圖像采集采用了高幀頻面陣CCD將圖像信號(hào)轉(zhuǎn)化為數(shù)字信號(hào),傳輸至PC機(jī),以供后續(xù)圖像處理系統(tǒng)進(jìn)行處理。

在計(jì)算機(jī)中基于LabVIEW軟件平臺(tái),利用LabVIEW軟件中“視覺與運(yùn)動(dòng)”模塊函數(shù)進(jìn)行編程,通過圖像處理算法識(shí)別缺陷鋼球并對(duì)缺陷鋼球進(jìn)行分類,檢測(cè)裝置結(jié)構(gòu)如圖3所示。

圖3 檢測(cè)裝置結(jié)構(gòu)圖

3 缺陷識(shí)別及分類

檢測(cè)時(shí)利用計(jì)算機(jī)對(duì)CCD采集的圖片進(jìn)行處理,包括圖像濾波、灰度變換、二值化、形態(tài)學(xué)處理等操作以提取缺陷處的亮斑或暗斑。根據(jù)處理后的圖像是否存在亮斑或暗斑粒子來判斷鋼球表面是否存在缺陷,若存在斑點(diǎn)粒子,則再根據(jù)提取斑的特征判別缺陷的種類,若無斑點(diǎn)粒子,則不存在缺陷。

3.1 圖像處理

由于CCD采集的原始圖像在獲取和傳輸過程中易受到各種干擾,如光照不均勻或CCD感光元件產(chǎn)生的隨機(jī)噪聲等,使得獲取的圖像質(zhì)量下降,因此需要對(duì)圖像進(jìn)行預(yù)處理,本文采用高斯平滑濾波器對(duì)圖像進(jìn)行降噪處理,利用圖像平方方法進(jìn)行灰度增強(qiáng)從而抑制噪聲并突出缺陷特征,并通過局部自適應(yīng)方法對(duì)圖像進(jìn)行二值化,提取缺陷區(qū)域。

3.1.1 高斯平滑濾波簡(jiǎn)介

激光散斑是激光照射在散射體上,在附近光場(chǎng)中形成的一種無規(guī)律的亮暗斑點(diǎn),散斑中存在許多孤立的亮點(diǎn),而缺陷部分在散斑中表現(xiàn)為亮斑,因此散斑中的孤立亮點(diǎn)對(duì)于目標(biāo)圖像為噪聲點(diǎn),需要濾掉這些孤立點(diǎn)。高斯平滑濾波的算法類似于平滑濾波,但是高斯平滑濾波適當(dāng)加大了模板中心點(diǎn)的權(quán)重,隨著遠(yuǎn)離中心點(diǎn),權(quán)重迅速減小從而減小了平滑處理中的模糊,得到更自然的平滑效果,在濾除高頻部分的同時(shí)使得圖像中的細(xì)節(jié)被很好的保留。高斯濾波器是根據(jù)高斯函數(shù)的形狀來選擇權(quán)值的線性平滑濾波器,利用高斯濾波器能很好地去除孤立亮點(diǎn)。

實(shí)驗(yàn)中選擇3×3高斯模板,如式(1)所示：

(1)

3.1.2 局部自適應(yīng)二值化

局部閾值法通過定義考察點(diǎn)的領(lǐng)域,比較參考點(diǎn)與其領(lǐng)域的灰度值來確定當(dāng)前考察點(diǎn)的閾值。非均勻光照條件等雖然影響整體圖像的灰度分布卻不影響局部的圖像性質(zhì),使得局部閾值法得到廣泛使用[10]。而激光散斑由鋼球表面散射的光形成,散射形成的圖像光照不均勻,因此采用局部自適應(yīng)方法更為適用。本文采用Niblack法,根據(jù)圖像中局部均值和局部標(biāo)準(zhǔn)差,計(jì)算不同的閾值。在像素點(diǎn)(x,y)處閾值的計(jì)算如式(2)所示：

T(x,y)=m(x,y)+k·s(x,y)

(2)

其中,T(x,y)為閾值;m(x,y)為樣本均值;s(x,y)為標(biāo)準(zhǔn)差;k為參數(shù)。對(duì)于領(lǐng)域的選擇需要滿足能保存局部細(xì)節(jié)同時(shí)抑制噪聲的產(chǎn)生。

3.1.3 形態(tài)學(xué)處理

1)填充孔洞

由于圖像采集產(chǎn)生干擾或者缺陷內(nèi)部不光滑,二值化后的圖片亮斑里面存在一個(gè)個(gè)很小的孔洞,需采用形態(tài)學(xué)填充孔洞以消除這些干擾。

利用形態(tài)學(xué)處理時(shí)需選擇一幅標(biāo)記圖像fm,該圖像邊緣部分的值為1-f,其余部分的值為0,其表達(dá)式如式(3)所示：

(3)

圖像f中的孔洞填充表達(dá)式如式(4)所示：

(4)

2)消除邊界

針對(duì)后續(xù)形狀分析的圖像物體提取是非常重要的一個(gè)環(huán)節(jié),刪除接觸邊界的物體的算法是一個(gè)很有用的工具,即可以用于屏蔽圖像,以便對(duì)進(jìn)一步處理只保留完整的物體,也可用做在視野中存在部分物體的一個(gè)信號(hào)[11-12]。在本實(shí)驗(yàn)中,當(dāng)接收散斑的區(qū)域邊界被相機(jī)拍下時(shí),邊界在處理時(shí)會(huì)成為干擾,通過消除邊界對(duì)象來消除此干擾。

本文選用原圖像作為模板,且標(biāo)記圖像fm定義如式(5)所示：

(5)

利用邊界清除算法時(shí)需首先計(jì)算形態(tài)學(xué)重構(gòu)Rf(fm)(只包含與邊界接觸的對(duì)象),然后計(jì)算差,如式(6)所示：

X=1-Rf(fm)

(6)

通過式(6)差集得到一幅只包含原圖像中不與邊界接觸的對(duì)象。

3.1.4 邊緣連接

經(jīng)過上述一系列操作之后,得到的缺陷裂痕可能會(huì)出現(xiàn)斷裂,需要將斷裂部分連接起來。首先計(jì)算出二值圖像每個(gè)區(qū)域中包含該區(qū)域的最小凸多邊形的頂點(diǎn),在求解凸包時(shí)需在LabVIEW軟件中調(diào)用MATLAB函數(shù),其調(diào)用格式為“s=regionprops(BW,′ConvexHull′)”,然后計(jì)算任意兩個(gè)區(qū)域的凸邊形的頂點(diǎn)歐式距離,如果距離小于規(guī)定值,說明這兩個(gè)區(qū)域?yàn)橥粋€(gè)缺陷,將兩點(diǎn)連接起來。兩個(gè)點(diǎn)之間的歐式距離公式如式(7)所示：

d=sqrt((x1-x2)2+(y1-y2)2)

(7)

其中,d為距離;(x1,y1)為一個(gè)點(diǎn)的坐標(biāo);(x2,y2)為另外一個(gè)點(diǎn)的坐標(biāo)。

邊緣連接前與邊緣連接后的圖片如圖4所示。

圖4 邊緣連接

3.2 缺陷識(shí)別及分類

激光散斑圖中,如果鋼球表面無缺陷則亮暗斑均勻,亮暗斑粒子面積較小,光斑主要是由于鋼球表面存在一定粗糙度造成(如圖2(a)所示)。因此,固定好整個(gè)裝置后,可通過大量實(shí)驗(yàn)統(tǒng)計(jì)得到一個(gè)合理亮暗斑點(diǎn)面積閾值,利用LabVIEW中“IMAQ Particle Filter 3 ”函數(shù)將由于表面粗糙而形成的面積小于閾值的光斑點(diǎn)濾除,提取鋼球表面的缺陷信息。經(jīng)過上述處理后,如果最后得到圖片中沒有任何斑點(diǎn)粒子,則待測(cè)鋼球表面無缺陷,反之則存在缺陷。

檢測(cè)得到具體的缺陷目標(biāo)后,利用LabVIEW中“IMAQ Particle Analysis”函數(shù)測(cè)量相應(yīng)的缺陷參數(shù)。并利用圓度因子、延長(zhǎng)因子、缺陷數(shù)量等結(jié)合起來判斷缺陷類型[13]。

4 系統(tǒng)分析與測(cè)試結(jié)果

該系統(tǒng)通過采集散斑圖片進(jìn)行處理,由于散斑圖能反映鋼球表面的微小信息,所以鋼球表面上肉眼不能觀察到的微小裂痕缺陷,都能通過散射圖很好地反映出來。該系統(tǒng)適用于近似鏡面反射的球體表面缺陷檢測(cè)。如圖1中,(a)為鋼球,(b)為鋼球表面散射圖,圖1(a)中由于反射率高肉眼無法觀察到微小裂縫,在圖1(b)中微小裂縫被很好地反映出來。該系統(tǒng)裝置結(jié)構(gòu)簡(jiǎn)單,由于缺陷清晰,處理程序相對(duì)簡(jiǎn)單,速度快。

選擇直徑為6 mm,分別含有凹坑、麻點(diǎn)、細(xì)縫、擦痕、平頂?shù)匿撉蜻M(jìn)行測(cè)試。由于散斑尺寸大小受散斑接收屏與鋼球表面的距離影響較大,可根據(jù)散射圖像特征,選擇合適的散斑接收屏到鋼球表面的距離。由于測(cè)試時(shí)需要通過多次試驗(yàn)統(tǒng)計(jì)確定圓度因子、延長(zhǎng)因子、面積等閾值。因此需要固定鋼球到散斑接收屏的距離、散斑接收屏到鏡頭的距離 、激光到鋼球的距離。選擇合適的激光功率,且要保證激光光強(qiáng)不會(huì)因?yàn)殚L(zhǎng)時(shí)間使用而發(fā)生變化,否則會(huì)影響整個(gè)測(cè)試。如圖5中(a)～(e)為一部分缺陷的測(cè)試,圖中左列為散斑灰度圖,右邊為處理后結(jié)果圖。

圖5 缺陷檢測(cè)效果

5 結(jié)束語(yǔ)

本文鋼球表面缺陷檢測(cè)系統(tǒng)基于激光散斑原理,通過搭建的檢測(cè)平臺(tái)獲取散斑圖片,在LabVIEW軟件平臺(tái)中經(jīng)過一系列圖像處理算法獲取光斑粒子圖片,根據(jù)結(jié)果圖中有無粒子來判斷待測(cè)球體有無缺陷,并利用圓度因子、延長(zhǎng)因子、缺陷數(shù)量等因素識(shí)別缺陷類型,該系統(tǒng)不僅適合反射率高的球體,也適合微小球體,可用于檢測(cè)微型球體中肉眼難以觀察到的微小缺陷，具有很好的實(shí)用價(jià)值和使用前景。

[1] LIU Qing,ZHANG Jinhua,HUANG Junqin.Detection and classification for surface defects of steel balls based on machine vision[J].Bearing,2013,(10):44-48.(in Chinese)

劉青,張進(jìn)華,黃軍勤.基于機(jī)器視覺的鋼球表面缺陷檢測(cè)和分類[J].軸承,2013,(10)：44-48.

[2] LI Chunying.Application of machine vision in steel ball surface fault inspection[J].Computer and Moder-nization,2005(10)：63-65.(in Chinese)

李春穎.機(jī)器視覺在鋼球表面缺陷檢測(cè)中的應(yīng)用[J].計(jì)算機(jī)與現(xiàn)代化,2005(10)：63-65.

[3] LE Jing,GUO Junjie,et al.A fast d-efect-detecting method for smooth hemispherical shell surface[J].Opto-Electronic Engineering,2004,31(10)：32-36.(in Chinese)

樂靜,郭俊杰,等.一種快速檢測(cè)光滑半球表面缺陷的方法[J].光電工程,2004,31(10)：32-36.

[4] ZHAO Yanling.Analysis and Identification for surfa-ce defects of steel ball based on image technology[D].Harbin:Harbin University of Science and Technology,2008.(in Chinese)

趙彥玲.基于圖像技術(shù)的鋼球表面缺陷分析與識(shí)別[D].哈爾濱：哈爾濱理工大學(xué),2008.

[5] JB/T 10861-2008.Rolling bearings-Atlas and the assess-ment methods for surface imperfection of steel balls[S].(in Chinese)

JB/T 10861-2008.滾動(dòng)軸承鋼球表面缺陷圖冊(cè)及評(píng)定辦法[S].

[6] WANG Peng,WU Chunya,LIU Deli,et al.Image tex-ture analysis and detection of steel ball surface defectbased on LabVIEW[J].Chinese Journal of Scientific In-strument,2007,28(4)：208-211.(in Chinese)

王鵬,吳春亞,劉德利,等.基于LabVIEW 的鋼球表面缺陷圖像紋理分析與檢測(cè)[J].儀器儀表學(xué)報(bào),2007,28(4)：208-211.

[7] Haralickrm.Performance characterization incom-puter vision[J].CVGIP-IU,1994,60：245-249.

[8] ZHOU Wei,Kenzo Watanabe.Technology development of instrumentation and measurement abroad in recent years[J].Chinese Journal of Scientific Instrument,2005,26(7)：764-770.(in Chinese)

周渭,渡邊健藏.近年來國(guó)外儀器與測(cè)量技術(shù)發(fā)展趨勢(shì)[J].儀器儀表學(xué)報(bào),2005,26 (7)：764-770.

[9] SHI Benyi,BI Kun,CHEN Sihai,et al.Application of La-ser speckle technology on the detection of agricultural products[J].Chinese Agricultural Science Bulletin,2011,27(02)：410-415.(in Chinese)

石本義,畢昆,陳四海,等.激光散斑技術(shù)在農(nóng)產(chǎn)品檢測(cè)中的應(yīng)用[J].中國(guó)農(nóng)學(xué)通報(bào),2011,27(02)：410-415.

[10]YUAN Chunlan,XIONG Zonglong,ZHOU Xuehua,et al.Study of infrared image edge detection based on sobel operator[J].Laser & Infrared,2009,39(1)：85-87.(in Chinese)

袁春蘭,熊宗龍,周雪花,等.基于Sobel算子的圖像邊緣檢測(cè)研究[J].激光與紅外,2009,39(1)：85-87.

[11]DONG Yi,JIN Weiqi,ZHANG Miao.Research on Noise removal with morphological filter[J].Laser & Infrared,2007,37(8)：795-798.(in Chinese)

董怡,金偉其,張淼.數(shù)學(xué)形態(tài)學(xué)濾波在紅外圖像去噪中的應(yīng)用研究[J].激光與紅外,2007,37(8)：795-798.

[12]Rafael C Gonzalez,Richard E Woods,Steven L Eddins.Digital image processing(MATLAB)[M].Beijing:Publishing House of Electronics Industry,2005：275-276.

[13]JIANG Xinmiao,LIU Xianli,WANG Peng,et al.The study of detecting the steel ball surface objection based on the technology of image[J].Harbin University of Science and Technology,2006,11(2)：108-111.(in Chinese)

蔣新苗,劉獻(xiàn)禮,王鵬,等.基于圖像技術(shù)的鋼球表面缺陷檢測(cè)研究[J].哈爾濱理工大學(xué)學(xué)報(bào),2006,11(2)：108-111.

Application of laser scattering technology in the steel ball flaw detection

MA Xian-shu1,HUA Yun-song1,YANG Hai-ma1,2,WANG Guang-bin1

(1.School of Optical-Electrical and Computer Engineering,University of Shanghai for Science and Technology,Shanghai 200093,China;2.Shanghai Institute of Technical Physics of The Chinese Academy of Sciences,Shanghai 200083,China)

As the surface of steel ball has high reflectivity and defect feature is difficult to extract,a rapid surface defect detection method is proposed which is based on the laser scattering image of steel ball surface and machine vision technology.The detecting system is designed,and the structure and principle of the detecting system are introduced.The image processing algorithms of morphology and edge connecting are used to extract laser speckles of the defects,and Heywood circularity factor and elongation factor are used to judge the defect type.Based on the LabVIEW software platform,steel ball samples of different defects are tested.Test results show that the defects which include pits,hard spots and scratches can be effectively extracted by using laser scattering images of steel ball surface.Based on the integrated system,the defects on the steel ball surface can be recognized rapidly and exactly.The system has practical value and application prospect for on-line testing of steel ball surface defects.

laser speckle;machine vision;steel ball;defect detection

1001-5078(2015)11-1304-05

國(guó)家自然科學(xué)基金青年基金項(xiàng)目(No.61302181);閔行區(qū)產(chǎn)學(xué)研項(xiàng)目(No.3714302006);上海市教委科研創(chuàng)新項(xiàng)目(No.13YZ111);上海市自然科學(xué)基金(No.14ZR1418400)資助。

馬賢淑，碩士研究生，主要研究方向?yàn)榧す獾入x子技術(shù)研究。E-mail：xianshuma@126.com

楊海馬(1979-)，男，博士，主要研究方向?yàn)榍度胧街悄軆x器光電設(shè)計(jì)。E-mail：7456400@qq.com

2015-03-17

TP751.2

A

10.3969/j.issn.1001-5078.2015.11.004