基于小波變換的金屬表面缺陷檢測算法

馮國勇

（蘭州資源環(huán)境職業(yè)技術學院，甘肅 蘭州 730021）

小波變換的思想來自于平移與伸縮方法，是八十年代左右發(fā)展起來的一支應用數學分支[1]。小波變換在頻域與時域領域內都表現出了良好的局部化性質，并且由于小波變換能夠實現對高頻分量使用逐步而精細的頻域或時域來對步長進行取樣，因而能夠聚焦到觀察對象的任意細節(jié)，因此小波變換被譽為數學上的顯微鏡[2]。而金屬表面缺陷通常十分細微，因此基于小波變換的原理提出了一種新的金屬表面缺陷算法。金屬表面缺陷是指金屬表面局部化學性質或物理性質不均勻的區(qū)域。通常情況下，金屬表面缺陷是在提煉過程中產生的，包括臺階、表面空位、吸附雜質原子、位錯或晶界露頭、其他第二相顆粒以及非金屬夾雜物等等。金屬表面缺陷由于原子活性相對較高，常常會成為金屬最先被腐蝕的部位。

1 設計新的金屬表面缺陷檢測算法

在金屬提煉過程中，如果電流、電壓、預熱等操作不夠規(guī)范，或溫度設置出現失誤，將影響所形成的熔池的溫度、大小和形狀等，造成金屬表面缺陷?；蛘哂捎诮饘偬釤挷患円踩菀壮霈F金屬表面缺陷。由于通過小波變換原理能夠觀察到觀察對象的任意細節(jié)，因此在分形邊緣檢測方法和形態(tài)學方法的基礎上結合了小波變換，提出了一種新的金屬表面缺陷檢測算法。利用金屬缺陷區(qū)域的一些突出的特征信息，例如紋理信息、邊緣信息、灰度值等，通過閾值分割或邊緣提取等方法從原始圖像中提取該金屬的表面缺陷，其中需要利用小波變換的多尺度特性來實現大尺度下對噪聲的抑制以及小尺度下對缺陷部位的精準定位從而對邊緣進行可靠的識別或提取出該金屬的閾值面缺陷。

當金屬表面局部亮度有差異時，這種表面亮度的差異容易影響金屬缺陷提取的準確程度。這時可以采取如下公式進行計算：

其中I為表面區(qū)域圖像，Mr與Mc分別是該圖像每一行以及每一列的灰度平均值，Mr與 Mc的最大值求出后分別記為MAXr與MAXc，I(x，y)是圖像I上的每一個像素點，利用該公式就可以生成亮度平衡圖像的相應點Ib(x，y)。

2 仿真實驗

2.1 實驗組

小波變換是通過分解將原始信號變成一系列小波，這些小波是由基本小波經平移和縮放之后得到的。不同于傅里葉變換，小波變換既可以通過平移基本小波獲得信號的時間信息，又可以獲取信號的頻率信息。因此使用小波變換來進行圖像增強。對這種新的金屬表面缺陷檢測算法設計仿真實驗。在該實驗種設計實驗組與對比組。實驗組在實驗過程中，以某種稀有金屬為實驗對象，結合小波變換原理對圖像進行增強，當縮放系數逐漸增大時，增強效果沒有仍然保持平穩(wěn)，沒有明顯減弱，仍然可以保障圖像的增強效果。實驗數據如表1. 圖像增強效果得到保障后，可以較為輕易的捕捉到金屬表面缺陷。

表1 實驗組實驗數據

2.2 對比組

對比組也同樣以某種稀有金屬為實驗對象，采用傳統(tǒng)基于圖像處理的缺陷檢測算法進行實驗，在縮放系數逐漸增大時可以清晰的發(fā)現圖像增強效果逐漸減弱，對圖像的識別能力也逐漸減弱，無法保障圖像的增強效果。因此對金屬表面缺陷的捕捉越來越困難。

2.3 實驗結果對比

經過實驗結果的對比可以發(fā)現，結合小波變換原理設計的新的金屬表面缺陷檢測算法與傳統(tǒng)基于圖像處理的缺陷檢測算法相比，在圖像縮放系數逐漸增大時，明顯可以保證圖像增強效果的穩(wěn)定，從而更容易捕捉到金屬表面的微小缺陷。而且新的金屬表面缺陷檢測算法也可以保障金屬表面缺陷的識別效率，區(qū)別于人工檢測與傳統(tǒng)基于圖像處理的缺陷檢測算法，檢測速度快，結果精確客觀。

人工檢測標準是由人去進行主觀判斷，容易受到人的主觀影響，不同工人即使對同樣的缺陷進行判斷出現的結果也不一定相同。并且人工檢測的檢測準確率不夠穩(wěn)定，人眼長期進行金屬表面缺陷觀察很容易就會出現視覺疲勞，從而影響對缺陷判斷的準確程度。而且人工檢測的效率較低，受到工人熟練程度的影響。傳統(tǒng)基于圖像處理的缺陷檢測算法通常存在著參數設置過于繁雜、準確度低與速度慢等不足之處，很難滿足企業(yè)在實際工業(yè)生產中進行金屬表面缺陷在線檢測的實際需求。

而且企業(yè)的生命就在于產品質量能夠得到保障，企業(yè)占領市場的重要手段就是保證效率。當前國內外的金屬制造企業(yè)在金屬缺陷檢測上都在追求更高的檢測效率來實現生產周期的縮減，從而更迅速的占領市場，因此金屬制造企業(yè)對新的金屬表面缺陷檢測算法有著迫切的需求。新的金屬表面缺陷檢測算法可以更加高效的進行金屬缺陷檢測，擁有良好的市場前景，并具有很大的研究意義。

3 結語

基于小波變換提出的新的金屬表面缺陷檢測算法經過實驗對比可以發(fā)現該算法在圖像增強效果方面遠優(yōu)于傳統(tǒng)基于圖像處理的缺陷檢測算法。因此可以基于這個新的金屬表面缺陷檢測算法進行高效的金屬表面缺陷檢測，并預計有一定投入市場的價值。