表面缺陷檢測中工件與光源相機位置關系研究

李智慧，華云松

(上海理工大學 光電信息與計算機工程學院，上海 200093)

對于機器視覺檢測系統(tǒng)，圖像采集系統(tǒng)是整個檢測系統(tǒng)的基礎[1-3]。圖像采集系統(tǒng)由光源、光學照明系統(tǒng)、被測物、鏡頭、相機組成[4]。對光源、被測物與相機間擺放位置進行合理設計，可以較好地從整幅圖像中獲得被測物的目標信息，同時降低后續(xù)圖像處理分割識別的難度[5]。

工件在使用過程中會遭到一定的磨損，從而表面會產(chǎn)生缺陷[6-8]。一種是幾何形狀缺陷，如：凹坑、劃痕等；另一種是表面缺陷，如：氧化生銹、污跡等。這些問題一出現(xiàn)將會嚴重影響質(zhì)量，并會使原輔材料的消耗和生產(chǎn)成本大幅增加。在利用機器視覺系統(tǒng)進行表面檢測時，幾何形狀缺陷會使表面反射發(fā)生變化，而表面缺陷會使表面反射和吸收都發(fā)生變化[9]。因此，對于不同種類的表面缺陷，光源、相機與被檢工件的擺放位置也不相同。

本文選取具有凹坑的表面磨損工件，設計正交實驗拍攝圖片進行圖像處理，得到缺陷特征并分析實驗結(jié)果，從而確定出光源、相機與被檢工件在表面缺陷檢測中的最佳擺放位置。

1 硬件裝置設計

對圓形金屬樣件做了3個肉眼可見的深坑傷痕作為研究對象，實驗裝置選取LED光源，其壽命長、光源亮度穩(wěn)定、成本低，且光源亮度10級可調(diào)。選用某公司型號的千兆以太網(wǎng)工業(yè)相機，其像元大小為3.75 μm×3.75 μm，CCD尺寸為1/3”，分辨率為1 288×966，幀率可變。

本實驗選取前向照明方式，通過這種方式，可以獲取到成像清晰、邊緣輪廓明顯的高對比度圖像，適用于表面缺陷檢測，總體硬件裝置設計如圖1所示。

圖1 檢測系統(tǒng)總體硬件裝置設計

2 光源和鏡頭正交實驗設計

因需考察光源角度(A)、光源強度(B)、鏡頭角度(C)以及鏡頭到工件的距離(D)對工件表面缺陷進行圖像處理的影響。每個因素設置3個水平值來進行實驗。對于這種4因素3水平的實驗，各因素的水平之間全部可能組合有34=81種。如果進行全面實驗，工作量大。因此需設計正交實驗，用部分實驗來代替全面實驗。通過分析部分實驗的結(jié)果，從而了解全面實驗的情況。根據(jù)查閱資料以及多次單因素實驗選定各因素的水平值，如表1所示。

表1 因素水平表

本實驗選取4個3水平因素，各因素之間沒有交互作用，宜用L9(34)正交表，設計實驗方案如表2所示。

表2 實驗方案

3 缺陷表面圖像處理

圖像處理算法具體流程圖如圖2所示。

圖2 圖像處理算法流程圖

3.1 圖像預處理與目標區(qū)域分割

中值濾波作為一種常用的非線性濾波方法。其原理是對一個模板窗口內(nèi)的各個像素根據(jù)灰度值的大小來排序，再用排序后的中間值代替窗口中心像素灰度值，它能有效地抑制脈沖干擾和椒鹽噪聲。因為采集到的圖像不可能是整個工件表面占據(jù)一個完整圖像，如果直接進行檢測，可能會由于背景圖像造成檢測精度低、耗時長。所以本文采用ROI區(qū)域提取，從而獲得出有效的檢測區(qū)域，圖3為分割后效果圖。

圖3 目標區(qū)域分割效果圖

3.2 提取缺陷目標

為提取圖像中的缺陷區(qū)域，先對圖像進行二值化處理。設原始圖像為f(x,y)，在f(x,y)中尋找一個合適的閾值t，分割后的圖像g(x,y)可表示為

(1)

或

(2)

在對圖像做二值化后，采用形態(tài)學的膨脹腐蝕處理算法，在去一次孤立點后，再做一次閉運算，可以在消除孤立點和面積很小的孤立區(qū)域的同時又能保留缺陷區(qū)域的基本信息，圖4為提取缺陷后的圖像。

圖4 缺陷提取圖像

3.3 缺陷顯現(xiàn)力

為確定各實驗因素對圖像缺陷檢測的影響，僅觀察圖像處理后的圖片是不夠的，需要一個數(shù)值對它進行描述。缺陷顯現(xiàn)力為缺陷區(qū)域與整幅圖像的平均灰度的差和整幅圖像的平均灰度的比值。整幅圖像的平均灰度為

(3)

缺陷區(qū)域的平均灰度

(4)

缺陷顯現(xiàn)力

(5)

4 實驗結(jié)果及分析

4.1 實驗結(jié)果

經(jīng)過分析計算，實驗結(jié)果如表3所示。

表3 實驗結(jié)果

4.2 實驗結(jié)果分析

4.2.1 確定擺放位置的最優(yōu)水平組合

由表3可以看出，A1的影響在第1、2、3號實驗中反映，A2的影響在第4、5、6號實驗中反映，A3的影響在第7、8、9號實驗中反映。

A因素的1水平所對應的實驗指標平均值為

(6)

同理可知，A因素的2水平與3水平所對應的實驗指標平均值分別為

(7)

(8)

同理，分別計算得出B2、C3、D1分別為因素B、C、D的優(yōu)水平。即各因素的優(yōu)水平組合A3B2C3D1為本實驗的最優(yōu)水平組合。

4.2.2 確定擺放位置各因素的主次順序

各因素對實驗指標的影響主次可以由極差Rj的大小得出。本次實驗極差Rj計算結(jié)果如式(9)所示

RA=0.67,RB=1.01,RC=1.34,RD=2.46

(9)

可見RD>RC>RB>RA，所以各因素對實驗指標影響由主到次的因素為DCBA。即在檢測工件表面缺陷時，檢測裝置的工作距離影響最大，其次是鏡頭角度和光源強度，而光源角度的影響較小。

4.2.3 驗證實驗

從實驗結(jié)果直接來看，效果較好的是第5號實驗，即A2B2C3D1。這個組合里只有因素A不是處在最優(yōu)水平，由極差分析得出因素A對實驗的影響也是最小的。

本次實驗的最優(yōu)水平組合為A3B2C3D1，但這個組合不包含在設計的實驗方案組合里。為確定最優(yōu)方案，進行了驗證比較實驗，表4為驗證實驗結(jié)果。

表4 驗證實驗結(jié)果

圖5為兩種方案分別提取缺陷后圖像。

圖5 兩種方案提取缺陷后圖像

由實驗結(jié)果和提取缺陷后圖像對比，可知較優(yōu)方

案得到的缺陷顯現(xiàn)力較大，且缺陷圖像清晰，邊緣輪廓明顯。即A3B2C3D1為本實驗的最優(yōu)水平組合。當檢測工件表面凹坑缺陷時，光源、相機與被檢工件的最佳擺放位置為光源角度約為40°，光源強度適中，鏡頭角度為垂直，工作距離約為18 cm。

5 結(jié)束語

通過實驗和分析表明，用機器視覺檢測工件表面凹坑缺陷時，可以通過設計正交實驗，快速確定光源、相機與被檢工件的最佳擺放位置。這樣有助于最大限度地獲得缺陷的圖像信息，也減小了后續(xù)對圖像處理的難度，提高了檢測精度，為工件自控修磨技術發(fā)展提供了基礎。本文只對基于深坑缺陷的磨損工件表面進行了圖像處理，對于不同種類的缺陷，在機器視覺系統(tǒng)中光源、相機與被檢工件的位置關系和圖像處理算法也不同，應根據(jù)情況進行設計和分析。

參考文獻

[1] 趙蘭鵬.基于機器視覺的硅鋼鋼帶表面缺陷自動檢測識別研究[D].上海:東華大學, 2017.

[2] Xu L,He X,Li X,et al.A machine-vision inspection system for conveying attitudes of columnar objects in packing processes[J]. Measurement,2016,87(4):255-273.

[3] Choi S,Kim E.Image acquisition system for construction inspection based on small unmanned aerial vehicle[M].Heidelberg,Berlin:Advanced Multimedia and Ubiquitous Engineering, 2015.

[4] 郭靜,羅華,張濤.機器視覺與應用[J].電子科技,2014,27(7):185-188.

[5] 年雷,麥云飛.基于機器視覺的自由曲面輪廓度檢測系統(tǒng)[J].電子科技,2016,29(10):104-106.

[6] 賀廣華.數(shù)控機床加工誤差分析及對策研究[J].電子制作,2012(12):237-238.

[7] 渠文涵.基于三維激光掃描的工件表面損傷識別研究[D].秦皇島:燕山大學,2016.

[8] 劉兆鑫,劉洪偉.常見粗糙度缺陷原因分析與排除[J].安徽科技,2013(6):51-52.

[9] 蘇彩虹.光源在機器視覺設備中的作用[EB/OL].(2014-02-27)[2017-07-20]http://www.bokee.net/bloggermodule/blog_viewblog.do?id=16720850.