采棉機(jī)摘錠磨損的自動(dòng)檢測及摘錠壽命預(yù)測

吳天松，胡蓉，魯彥志

?

采棉機(jī)摘錠磨損的自動(dòng)檢測及摘錠壽命預(yù)測

吳天松，胡蓉，魯彥志

（石河子大學(xué) 機(jī)械電氣工程學(xué)院，農(nóng)業(yè)部西北農(nóng)業(yè)裝備重點(diǎn)實(shí)驗(yàn)室，新疆 石河子 832003）

摘錠作為采棉機(jī)采摘棉花的重要工作部件，數(shù)量多、服役條件復(fù)雜。工作狀態(tài)中的摘錠和籽棉、棉花秸稈發(fā)生直接接觸，長時(shí)間的摩擦造成摘錠鉤齒表面磨損。目前，摘錠磨損程度主要依靠人工判定，這種方法不僅效率低、易漏檢，而且沒有統(tǒng)一的標(biāo)準(zhǔn)，影響了摘錠正常的維護(hù)維修。因此，研究一套摘錠磨損程度的自動(dòng)檢測系統(tǒng)，通過數(shù)字圖像處理來獲取摘錠鉤齒輪廓的特征信息，利用SPSS軟件進(jìn)行統(tǒng)計(jì)分析得到磨損時(shí)間與磨損程度的曲線，實(shí)現(xiàn)了摘錠磨損程度的自動(dòng)檢測，并確定了摘錠預(yù)防性維護(hù)的范圍，為以后摘錠維護(hù)維修及更換提供了理論研究依據(jù)。

采棉機(jī)；摘錠；數(shù)字圖像處理；自動(dòng)檢測

摘錠作為采棉機(jī)采棉頭的關(guān)鍵部件之一，數(shù)量多并且工作環(huán)境復(fù)雜，工作過程中一旦出現(xiàn)磨損失效現(xiàn)象，就會(huì)影響采棉機(jī)采凈率，甚至導(dǎo)致采棉機(jī)嚴(yán)重故障。所以有必要定期對(duì)摘錠進(jìn)行維護(hù)和更換。隨著處理算法技術(shù)的成熟以及硬件能力的提升，實(shí)現(xiàn)摘錠的磨損自動(dòng)檢測成為可能[1]。

傳統(tǒng)的摘錠維護(hù)方法屬于接觸式檢測，通過技術(shù)人員目測、觸摸和經(jīng)驗(yàn)對(duì)摘錠鉤齒表面缺陷類型的劃分和磨損程度的檢測。這種接觸式檢測方法具有主觀性強(qiáng)、效率低、易漏檢、難溯源、普及差等缺點(diǎn)。針對(duì)摘錠的檢測及維修中存在的多種不利因素，本文根據(jù)采棉機(jī)摘錠磨損的特點(diǎn)，提出了一種摘錠磨損程度的自動(dòng)檢測方法，該方法能夠準(zhǔn)確快速的檢測摘錠磨損程度，減少了技術(shù)人員的工作量，并確定了摘錠預(yù)防性維護(hù)的范圍，為摘錠及時(shí)更換和磨損等級(jí)劃分提供理論研究。從而減少采棉機(jī)運(yùn)行的故障率，保證采棉機(jī)正常運(yùn)行，進(jìn)而提升采棉機(jī)用戶的經(jīng)濟(jì)效益。

1 摘錠磨損程度檢測系統(tǒng)的搭建

摘錠磨損程度檢測系統(tǒng)硬件部分主要包括CMOS相機(jī)、光源、支撐平臺(tái)和光照箱組成的圖像采集系統(tǒng)；采集系統(tǒng)光照對(duì)摘錠鉤齒磨損圖像質(zhì)量影響很大。根據(jù)實(shí)驗(yàn)需要選用國產(chǎn)Gsou品牌的A20型號(hào)攝像頭作為采集圖像的相機(jī)，選用LED環(huán)形光源作為照明光源，采用選用前向式照明技術(shù)作為摘錠最佳的采集光照方式來獲取摘錠鉤齒的磨損圖像。

軟件部分主要是基于數(shù)字圖像處理系統(tǒng)的摘錠磨損檢測方法，利用中值濾波的方法去除噪聲，利用灰度變換技術(shù)和CLAHE技術(shù)對(duì)摘錠數(shù)字圖像增強(qiáng)處理，增強(qiáng)摘錠磨損區(qū)與未磨損區(qū)、磨損區(qū)與背景區(qū)之間的對(duì)比度，通過邊緣檢測法分割出磨損區(qū)，然后采用Canny算子提取摘錠邊緣特征信息并進(jìn)行圖像填充，結(jié)合光學(xué)的放大倍率和摘錠的像素值統(tǒng)計(jì)分析，計(jì)算出磨損摘錠和未磨損摘錠的面積差，即定量化表達(dá)摘錠磨損程度。最后設(shè)計(jì)出能自定檢測摘錠磨損程度的GUI平臺(tái)，這是實(shí)現(xiàn)摘錠磨損程度自動(dòng)檢測的關(guān)鍵[2]。

圖1 摘錠磨損程度檢測系統(tǒng)

2 摘錠磨損特征信息提取

2.1 中值濾波去噪聲

本文的圖像處理檢測系統(tǒng)的檢測內(nèi)容為摘錠鉤齒部位的輪廓，圖2為中值濾波原理圖，摘錠數(shù)字圖像的平滑處理可以減少圖像的噪聲，將摘錠邊界輪廓、線條等表現(xiàn)的更加明顯。

圖2 中值濾波原理圖

2.2 灰度變換技術(shù)

直方圖均衡化[3]是最基礎(chǔ)的灰度直方圖增強(qiáng)方法，它將初始圖像中比較集中的灰度直方圖均勻的分布到整個(gè)灰度范圍內(nèi)，重新分配圖像像素值，使一定灰度范圍內(nèi)的像素?cái)?shù)量大致相同，從而凸顯摘錠圖像和背景之間的灰度差別，實(shí)現(xiàn)增強(qiáng)對(duì)比度的目的。如圖3所示。

2.3 圖像分割

提取圖像中感興趣的區(qū)域。利用被分割目標(biāo)和背景之間的灰度差，把摘錠磨損區(qū)域從背景圖像中分割出來。傳統(tǒng)的邊緣檢測算子一般有Roberts邊緣檢測算子、Sobel邊緣檢測算子、LOG邊緣檢測算子、Canny邊緣檢測算子。圖4所示為幾種邊緣檢測對(duì)比。

圖3 均衡化前后直方圖的對(duì)比圖

圖4 Roberts、Sobel、LOG、Canny邊緣檢測算子的圖像對(duì)比

從邊緣檢測算子對(duì)比表和圖4算子圖像對(duì)比可看出Canny算子可在處理圖像更明顯、邊緣更細(xì)致[4]。綜合考慮后，為能夠精確、完整地提取的摘錠鉤齒邊緣信息完整，選用Canny算子作為摘錠鉤齒數(shù)字圖像的邊緣檢測算子。

2.4 試驗(yàn)結(jié)果與分析

在圖像處理過程中，直方圖的增強(qiáng)處理是為了使邊緣檢測能夠檢測到更多的邊緣目標(biāo)和更多完整的閉合輪廓。如圖5所示。對(duì)比圖（a）、圖（b）可知，經(jīng)過圖像增強(qiáng)獲得的邊緣圖像連接性更強(qiáng)，檢測到的邊緣更多。對(duì)比圖（c）、圖（d）可知，由于圖像增強(qiáng)處理過所檢測到的閉合輪廓要優(yōu)于傳統(tǒng)邊緣檢測到的輪廓，所以區(qū)域填充的面積大。

圖5 試驗(yàn)結(jié)果對(duì)比圖

摘錠的數(shù)字圖像經(jīng)過圖像增強(qiáng)、圖像分割、區(qū)域填充后得到的圖，如圖6所示，得到摘錠完整輪廓的區(qū)域填充圖，以便求得摘錠數(shù)字圖像的像素值，等同于獲得了摘錠數(shù)字圖像的真實(shí)面積。

圖6 完整填充的摘錠數(shù)字圖像

2.5 摘錠磨損的像素值統(tǒng)計(jì)

將摘錠的數(shù)字圖像進(jìn)行二值化處理，目標(biāo)區(qū)域（摘錠輪廓）的面積就是圖像處理的邊緣區(qū)域所占的像素點(diǎn)數(shù)目，即邊緣區(qū)域的邊界及邊界內(nèi)包含的像素點(diǎn)數(shù)[5]。設(shè)圖像(,)的大小為×，目標(biāo)區(qū)域(,)＝1，背景為0，則目標(biāo)區(qū)域的面積為：

若有個(gè)目標(biāo)，則上式表示所有目標(biāo)區(qū)域的總面積，設(shè)A表示個(gè)目標(biāo)區(qū)域中任一目標(biāo)的面積，則：

對(duì)接觸式檢測分級(jí)后的摘錠進(jìn)行標(biāo)號(hào)之后，可以分別統(tǒng)計(jì)出不同標(biāo)號(hào)在圖像中所占的數(shù)目，代表著不同磨損程度的摘錠所占的像素?cái)?shù)，也就可以得到所對(duì)應(yīng)磨損摘錠的面積大小。A為標(biāo)號(hào)為的磨損摘錠所占的像素?cái)?shù)。

邊緣檢測完成后，分別獲得只含鉤齒部位的數(shù)字圖像特征信息。像素在數(shù)字圖像中呈現(xiàn)點(diǎn)陣排列，每個(gè)像素點(diǎn)和真實(shí)面積在一定比例下成正比，所以摘錠圖像鉤齒部位的實(shí)際面積值可以用該區(qū)域的總像素?cái)?shù)表達(dá)，可以通過計(jì)算圖像中目標(biāo)區(qū)域總的像素?cái)?shù)來求出其實(shí)際面積[6]。利用計(jì)算機(jī)圖像處理技術(shù)分別統(tǒng)計(jì)出各磨損摘錠的圖像總像素?cái)?shù)S、嶄新摘錠像素?cái)?shù)，從而可知它們的像素?cái)?shù)差，也即面積差值為：

求取的Δ是摘錠磨損程度的定量化表達(dá)數(shù)據(jù)。

3 摘錠磨損程度的平臺(tái)設(shè)計(jì)

分析了摘錠磨損圖像像素灰度值的分布特點(diǎn)，并結(jié)合實(shí)驗(yàn)驗(yàn)證，選取了摘錠磨損程度自動(dòng)檢測的最佳算法，并將這些算法步驟集成為一個(gè)GUI界面[7]，利用MATLAB軟件開發(fā)摘錠磨損程度的自動(dòng)化檢測系統(tǒng)。如圖7所示。

圖7 摘錠磨損檢測的GUI界面

摘錠磨損檢測系統(tǒng)運(yùn)行分為以下過程：

（1）載入圖片：將嶄新摘錠圖片和磨損摘錠的圖片載入到相應(yīng)的對(duì)話框中，如圖8所示。

圖8 原始圖像導(dǎo)入圖

（2）圖像強(qiáng)化：運(yùn)用數(shù)字圖像處理過程的直方圖均衡化對(duì)上一步的兩張圖片進(jìn)行處理，這種算法強(qiáng)化處理能夠凸顯出摘錠鉤齒部位，如圖9所示。

圖9 直方圖強(qiáng)化導(dǎo)入圖

（3）邊緣檢測。函數(shù)的算法主要包括Canny算法和形態(tài)學(xué)優(yōu)化，最終獲得前面步驟中得到的邊緣輪廓信息，為下面進(jìn)行面積求差做前期準(zhǔn)備[8]，如圖10所示。

（4）磨損檢測。對(duì)比的兩幅圖片進(jìn)行區(qū)域面積的求差，差值作為定量化分析的參考數(shù)據(jù)，同時(shí)通過－軸表示相應(yīng)的等級(jí)，如圖11所示。

圖10 邊緣檢測導(dǎo)入圖

圖11 求的面積差的顯示圖

試驗(yàn)結(jié)果標(biāo)明，摘錠檢測系統(tǒng)的運(yùn)行性能良好，能夠滿足摘錠磨損程度定量化分析的要求，并達(dá)到預(yù)期的效果。

4 摘錠磨損壽命預(yù)測

4.1 磨損摘錠樣本的選擇

磨損摘錠通過人工主觀檢測的方法可以劃分為三個(gè)等級(jí)：輕度磨損摘錠、中度磨損摘錠和重度磨損摘錠。

圖12 部分摘錠樣本

對(duì)摘錠的三排鉤齒分別進(jìn)行圖像采集，求取三排摘錠鉤齒面積差值的平均值作為每個(gè)單獨(dú)摘錠的磨損數(shù)據(jù)。根據(jù)取樣時(shí)間及技術(shù)人員的接觸式檢測，對(duì)120組磨損摘錠數(shù)據(jù)進(jìn)行序號(hào)標(biāo)記。根據(jù)數(shù)字圖像處理技術(shù)磨損摘錠和嶄新摘錠像素差值，用像素差值表達(dá)磨損程度[9]，磨損程度能體現(xiàn)出摘錠的壽命變化，所以面積差值統(tǒng)計(jì)數(shù)據(jù)如表1所示。

表1 摘錠面積差值統(tǒng)計(jì)表

表中：X、Y、Z為每個(gè)摘錠三排鉤齒求取的面積差值；S為三排鉤齒面積差值的平均值；序號(hào)1～30為上下排更換前期采集的摘錠樣本，序號(hào)31～100為上下排更換后到淘汰、報(bào)廢期間的摘錠樣本，序號(hào)101～120為達(dá)到淘汰、報(bào)廢的摘錠樣本。

各個(gè)等級(jí)中磨損摘錠樣本所占的比例如圖13所示。

圖13 磨損的摘錠所占比例

4.2 摘錠磨損的等級(jí)劃分

摘錠壽命預(yù)測分析需要以下幾個(gè)步驟[10]：

（1）通過觸摸式檢測方法即由工作經(jīng)驗(yàn)豐富的技術(shù)人員對(duì)不同磨損程度的摘錠進(jìn)行觸摸式檢測。根據(jù)摘錠的不同磨損程度人工的進(jìn)行分級(jí)和分類。

（2）結(jié)合摘錠磨損程度的圖像處理結(jié)果，將磨損摘錠計(jì)算得出的差值面積和人工判定的磨損等級(jí)建立相關(guān)的數(shù)學(xué)模型。該模型標(biāo)明不同磨損程度的分布規(guī)律，并標(biāo)定不同磨損程度等級(jí)。

（3）隨機(jī)取樣，進(jìn)行摘錠磨損程度鑒定。

經(jīng)過統(tǒng)計(jì)分析得到120組磨損摘錠像素差值的曲線對(duì)比圖，如圖14所示。

圖14 摘錠磨損對(duì)數(shù)曲線

SPSS軟件中對(duì)數(shù)模型所對(duì)應(yīng)的公式：

結(jié)合模型匯總和參數(shù)估計(jì)值可以得到摘錠磨損程度的函數(shù)表達(dá)式：

式中：為摘錠像素差值；為每十小時(shí)采集到的摘錠順序號(hào)[11]。

摘錠磨損隨時(shí)間變化呈現(xiàn)出由增至緩的故障規(guī)律，結(jié)合人工主觀判定對(duì)摘錠的磨損程度劃分成初級(jí)磨損、中級(jí)磨損和嚴(yán)重磨損（即需報(bào)廢程度）三個(gè)等級(jí)。三個(gè)等級(jí)劃分的像素差值界限分別在8000和11750的位置。像素差值在8000之前的位置磨損的程度并不明顯，隨著時(shí)間的推移，磨損逐漸明顯，所以像素差值在8000左右的位置是摘錠磨損的預(yù)警線[12]。而當(dāng)磨損達(dá)到一定程度摘錠無法實(shí)現(xiàn)應(yīng)有的工作效率和采凈率，這時(shí)需要淘汰、更換掉此批次的摘錠，這個(gè)磨損程度最低限為像素差值為11750，由圖14可以看出像素差值在8000～11750兩數(shù)值之間時(shí)摘錠磨損逐漸明顯，因此在此期間需要對(duì)這批摘錠進(jìn)行部分更換。

5 結(jié)論

本文根據(jù)采棉機(jī)摘錠溝齒磨損圖像像素分布的特點(diǎn)，采用Canny邊檢檢測算子將摘錠邊緣輪廓提取，再對(duì)提取的摘錠特征信息進(jìn)行區(qū)域填充，最終求取未磨損摘錠和已磨損摘錠的像素面積差值Δ最終所得到的像素面積差值Δ，即摘錠磨損程度；研發(fā)了GUI摘錠磨損檢測系統(tǒng)，該系統(tǒng)可以快速、準(zhǔn)確地實(shí)現(xiàn)所有摘錠磨損數(shù)字圖像處理的算法步驟，并且通過實(shí)驗(yàn)證明該系統(tǒng)能夠滿足摘錠磨損程度定量化分析的要求，最后進(jìn)行摘錠磨損壽命預(yù)測，可為摘錠磨損程度檢測及摘錠的維護(hù)維修及更換提供重要參考。

[1]遲輝，張偉，陳穎，李志偉. 圖像處理技術(shù)在刀具磨損檢測中的應(yīng)用[J]. 工具技術(shù)，2007，41（8）：100-102.

[2]何翔，任小洪. 基于數(shù)字圖像的刀具磨損狀態(tài)檢測技術(shù)[J]. 機(jī)床與液壓，2016，44（3）：125-128.

[3]高嵐，占健強(qiáng)，盧凌. 基于小波變換的氣缸內(nèi)表面磨損檢測的研究[J]. 武漢理工大學(xué)學(xué)報(bào)（交通科學(xué)與工程版），2003，27（3）：330-332，336.

[4]石桂名，魏慶濤，孟繁盛. 基于Canny算子的圖像邊緣檢測算法[J]. 現(xiàn)代電子技術(shù)，2015，38（12）：92-93，97.

[5]黃先北，楊碩，劉竹青，等. 基于顆粒軌道模型的離心泵葉輪泥沙磨損數(shù)值預(yù)測[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2016，47（8）：35-41.

[6]于勁松，時(shí)祎瑜，梁爽，等. 基于狄利克雷混合模型的刀具磨損量在線估計(jì)[J]. 儀器儀表學(xué)報(bào)，2017，38（3）：689-69

[7]丁大尉，紀(jì)淑波，王立志. 光電式鋼軌磨損實(shí)時(shí)檢測系統(tǒng)[J]. 中國鐵道科學(xué)，2006，27（1）：64-67.

[8]倪潔，王俊平，楊國鈺，等. 一種柔性形態(tài)學(xué)參數(shù)對(duì)稱對(duì)數(shù)圖像處理新算法[J]. 西安電子科技大學(xué)學(xué)報(bào)，2017，44（5）：26-32.

[9]王正直，辜萍，楊翀，等. 基于MATLAB圖像處理技術(shù)計(jì)算微納米級(jí)磨損量[J]. 實(shí)驗(yàn)力學(xué)，2009，24（5）：389-394.

[10]張自超，王福軍，陳鑫，等. 基于改進(jìn)歐拉算法的雙吸離心泵泥沙磨損特性研究[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2017，48（3）：124-133，147.

[11]魯彥志，胡蓉，趙家偉. 采棉機(jī)摘錠錐齒輪副疲勞壽命預(yù)測仿真分析[J]. 機(jī)械，2017，44（2）：5-9.

[12]徐濤，祁學(xué)潮，張六泉. 超音速火焰噴涂WC-10Co-4Cr和CoCrW涂層的微動(dòng)磨損特性研究[J]. 機(jī)械，2016，43（9）：39-44.

Automatic Inspection of Cotton Picking Spindle and Its Life Prediction

WU Tiansong，HU Rong，LU Yanzhi

(College of Mechanical and Electronic Engineering, Shihezi University, Key Laboratory of Northwest Agricultural Equipment, Ministry of Agriculture, Shihezi 832003, China )

Picking spindleis an important part of cotton picker. With large number and complicated working conditions, the maintenance of spindle is difficult. The spindle directly contacts with cotton seed and straw, which cause the wear of the spindle hook tooth. The degree of spindle wear mainly relies on manual work, which is not only of low efficiency and frequent missed detection, but also of no unified standard, affecting the normal maintenance of the spindle. Based on digital image processing technology, this paper studies the spindle wear degree determination method, with the extraction of characteristic information of spindle hook contour by digital image processing technology. Through statistical analysis of wear time and the wear degree by using the SPSS software, the automatic detection of the wear degree of spindle is realized, and the range of preventive maintenance of ingot is determined, which provides a theoretical basis for the maintenance, repair and replacement of ingot.

cotton picker；picking spindle；digital image processing；automatic detection

TP216

A

1006－0316 (2018) 04－0032－06

10.3969/j.issn.1006-0316.2018.04.008

2017－10－09

石河子大學(xué)校級(jí)應(yīng)用基礎(chǔ)研究項(xiàng)目——采棉機(jī)MRO系統(tǒng)的摘錠維護(hù)決策研究（2015ZRKXYQ-LH08）

吳天松（1992－），男，河南周口人，碩士研究生，主要研究方向?yàn)橄冗M(jìn)制造技術(shù)；胡蓉（1981－），女，新疆石河子人，副教授、碩士研究生導(dǎo)師，主要研究方向?yàn)橄冗M(jìn)制造技術(shù)；魯彥志（1982－），男，山東青島人，碩士研究生，主要研究方向?yàn)橄冗M(jìn)制造技術(shù)。