基于視覺(jué)檢測(cè)算法的浮球密封性檢測(cè)系統(tǒng)

胡益旻，吳瑞明，傅 陽(yáng)，柴亞珂

(浙江科技學(xué)院 機(jī)械與能源工程學(xué)院，杭州 310023)

密封性是密閉容器的重要性能指標(biāo)，常見的檢測(cè)方法有人工檢測(cè)、高壓檢測(cè)[1]、光學(xué)檢測(cè)和超聲檢測(cè)等[2]。人工檢測(cè)僅根據(jù)恒溫水中一定時(shí)間內(nèi)的氣泡產(chǎn)生情況進(jìn)行判斷，因此準(zhǔn)確性低、隨機(jī)性強(qiáng)。高壓檢測(cè)通過(guò)加壓、觀測(cè)壓力變化特征進(jìn)行檢測(cè)[3]，如制動(dòng)鉗氣密性檢測(cè)[4]、發(fā)動(dòng)機(jī)進(jìn)氣門氣密性檢測(cè)、橡膠制品氣密性檢測(cè)等[5-6]，該方法可以迅速找到泄漏點(diǎn)，但不適合檢測(cè)體積大的設(shè)備[7]。光學(xué)檢測(cè)，如采用紅外熱成像法對(duì)氣密性進(jìn)行檢測(cè)，作用距離遠(yuǎn)、抗干擾能力強(qiáng)，但它只能判斷設(shè)備表面的缺陷信息。基于超聲的密封性檢測(cè)[8]，如美國(guó)的Javid Huseynov團(tuán)隊(duì)[9]通過(guò)計(jì)算漏孔聲強(qiáng)和聲壓來(lái)確定漏孔的準(zhǔn)確位置和大小，實(shí)現(xiàn)密封檢測(cè)的量化分析，但該方法抗干擾能力弱，容易造成誤檢。另外，還可采用鹵素檢測(cè)儀[10]等專用設(shè)備檢測(cè)氣體泄漏，專用設(shè)備的檢測(cè)靈敏度高，但成本也較高?？傮w而言，已有檢測(cè)方法操作較為復(fù)雜，數(shù)據(jù)采集受試驗(yàn)環(huán)境和試驗(yàn)設(shè)備影響較大，實(shí)用性一般。視覺(jué)檢測(cè)作為一種新的檢測(cè)方法，可以在恒定的條件下對(duì)檢測(cè)結(jié)果進(jìn)行量化分析，且采用非接觸測(cè)量，不需要固定參考值，對(duì)每種狀態(tài)都可以進(jìn)行分析，避免固定參考值帶來(lái)的誤差，增強(qiáng)了檢測(cè)的可靠性[11]。因此，本文采用機(jī)器視覺(jué)檢測(cè)方式，通過(guò)對(duì)恒定水溫下產(chǎn)生氣泡的運(yùn)動(dòng)特征分析來(lái)檢測(cè)浮球密封性。

1 檢測(cè)系統(tǒng)硬件環(huán)境

機(jī)器視覺(jué)檢測(cè)系統(tǒng)包括采集裝置、照明裝置、圖像處理系統(tǒng)、通信裝置及執(zhí)行裝置[12]。采集裝置根據(jù)視野面積及檢測(cè)精度對(duì)相機(jī)和鏡頭進(jìn)行選擇，由于獲取較好的視野范圍才能有較好的檢測(cè)精度，因此要確保視野范圍內(nèi)均有圖像出現(xiàn)，且無(wú)其他干擾因素。照明裝置根據(jù)現(xiàn)場(chǎng)的檢測(cè)環(huán)境，利用工業(yè)光源減少自然光帶來(lái)的光線干擾。同時(shí)，不同的光源對(duì)成像的質(zhì)量也有較大的影響，高質(zhì)量的打光可以通過(guò)光源角度、大小、種類及顏色等讓檢測(cè)特征更加突出，從而滿足取圖要求。圖像處理系統(tǒng)通過(guò)連續(xù)圖像相減和形狀濾波灰度匹配實(shí)現(xiàn)氣泡有無(wú)的判斷，并建立高斯混合模型以實(shí)現(xiàn)氣泡運(yùn)動(dòng)特征的分析和氣泡數(shù)量的統(tǒng)計(jì)。通信裝置是對(duì)檢測(cè)信息的結(jié)果反饋，根據(jù)判斷條件得到的結(jié)果與上位機(jī)之間進(jìn)行通信，通信傳遞信息包括數(shù)據(jù)、坐標(biāo)及結(jié)果。常用的通信方式包括IO通信、串口通信及TCP/IP通信。IO通信只是對(duì)結(jié)果做出1和0判斷；串口通信和TCP/IP通信都可以對(duì)數(shù)據(jù)信息進(jìn)行傳遞。本文選擇的通信方式是IO通信，是在沒(méi)有坐標(biāo)和數(shù)字信息的情況下，以最簡(jiǎn)單的結(jié)果傳遞每個(gè)浮球的最佳通信方式。執(zhí)行裝置包括旋轉(zhuǎn)電機(jī)、浮球載具、水浴鍋不合格品剔除裝置。檢測(cè)論證過(guò)程是將檢測(cè)物體放入浮球載具，由旋轉(zhuǎn)電機(jī)帶動(dòng)載具和浮球進(jìn)入水浴鍋，待靜置3 s后，相機(jī)開始拍照取圖，對(duì)得到的圖像進(jìn)行軟件分析。采用形狀濾波匹配算法先對(duì)圖像進(jìn)行運(yùn)算，再對(duì)運(yùn)算得到的二值化圖像[13]進(jìn)行圖形的運(yùn)動(dòng)特征查找，在查找過(guò)程中利用高斯混合模型(Gaussian mixture mode，GMM)分類過(guò)濾處理，最后完成過(guò)濾后的各狀態(tài)的特征匹配。

2 基于圖像算法的氣泡運(yùn)動(dòng)分析

2.1 氣泡運(yùn)動(dòng)狀態(tài)

浮球因泄漏在水里產(chǎn)生氣泡，氣泡在不斷上升的過(guò)程中，由于壓強(qiáng)的變化而逐漸膨脹，最后變成固定形態(tài)漂浮在水面。在氣泡檢測(cè)的過(guò)程中，通過(guò)圖像運(yùn)算得到不同階段氣泡的二值化圖像。圖像運(yùn)算時(shí)，依托兩幅圖像或多幅圖像點(diǎn)對(duì)點(diǎn)運(yùn)算，根據(jù)灰度值之間的差異進(jìn)行加、減、乘、除運(yùn)算，得到輸出圖像。

2.2 氣泡判別分析

黑白相機(jī)取圖的灰度值范圍通常為0～255，而在圖像運(yùn)動(dòng)過(guò)程中灰度值只會(huì)在區(qū)域內(nèi)發(fā)生變化，根據(jù)變化的值，給定閾值，進(jìn)行差分圖像相減運(yùn)算，即減去圖像變化過(guò)程中的相似部分，得到差異部分。檢測(cè)選用130萬(wàn)像素的高幀率相機(jī)，相機(jī)分辨率為1 280 pixel×1 024 pixel，針對(duì)視野范圍內(nèi)1 280×1 024個(gè)像素點(diǎn)進(jìn)行逐個(gè)像素點(diǎn)相減。

2.3 氣泡運(yùn)動(dòng)的圖像運(yùn)算

圖1 氣泡檢測(cè)工位圖

氣泡運(yùn)動(dòng)過(guò)程中，由于選擇高幀率相機(jī)，理論幀率150幀/s，在對(duì)圖像繼續(xù)運(yùn)算時(shí)，去除圖像相加減的初幀圖像和終幀圖像，幀率為148幀/s。對(duì)每秒采集到的148幀圖像，采用文獻(xiàn)[14]的方法進(jìn)行差異分析?？紤]到效率，我們把檢測(cè)分為5個(gè)工位，如圖1所示。

在符合設(shè)定的水溫下，將5個(gè)檢測(cè)工位分別浸入水中，靜置3 s后，相機(jī)開始連續(xù)拍照取圖，同時(shí)進(jìn)行連續(xù)處理，分別得到氣泡產(chǎn)生的4種狀態(tài)，如圖2所示。

圖2 氣泡產(chǎn)生的4種狀態(tài)

圖像運(yùn)算定義如下：

I(i,j)=|Ii-Ij|。

(1)

式(1)中：I(i,j)為單個(gè)像素根據(jù)閾值φi進(jìn)行像素點(diǎn)相減得到的像素值。相減后，若I(i,j)小于閾值，則輸出灰度值為0；若I(i,j)大于閾值φi，則輸出灰度值為255。再根據(jù)二值化的像素點(diǎn)個(gè)數(shù)，生成對(duì)應(yīng)的二值化圖像。

由于每幀圖像相減得到的圖像各不一樣，所以再根據(jù)每幀的圖像特征對(duì)相應(yīng)的圖像特征進(jìn)行匹配。完成特定數(shù)量的圖像匹配后即可得到氣泡的檢測(cè)結(jié)果。

3 氣泡運(yùn)動(dòng)特征查找和處理

3.1 運(yùn)動(dòng)特征查找

在氣泡運(yùn)動(dòng)過(guò)程中，經(jīng)過(guò)圖像運(yùn)算后得到二值化灰度圖像，每幀二值化圖像均伴有氣泡依運(yùn)動(dòng)軌跡由產(chǎn)生到變大到穩(wěn)定漂浮的狀態(tài)變化。而在選取特定的狀態(tài)特征圖像時(shí)，根據(jù)運(yùn)動(dòng)狀態(tài)做相似度匹配，若相似度匹配依據(jù)圖像灰度值進(jìn)行，則稱為灰度值模板匹配[15]。

相似度由絕對(duì)誤差和gSAD、誤差平方和gSSD兩個(gè)函數(shù)來(lái)衡量[16]，計(jì)算公式如下：

(2)

(3)

式(2)～(3)中：t(u，v)為模板圖像的u行v列的灰度值；f(r+u,c+v)為待測(cè)圖像的r+u行c+v列的灰度值。

由式(2)～(3)可知，模板圖像的灰度值t(u，v)與待測(cè)圖像的灰度值f(r+u，c+v)越接近，gSAD和gSSD越小，相似度越高。

在視覺(jué)檢測(cè)中發(fā)現(xiàn)，自然光的光照變化對(duì)待測(cè)圖像灰度值有較大的影響，光照越強(qiáng)，圖像越亮，灰度值變大；反之，灰度值變小。待測(cè)圖像灰度值的變化引起相似度函數(shù)值波動(dòng)，造成匹配誤差。為消除檢測(cè)過(guò)程中自然光對(duì)圖像灰度值的影響，采用歸一化處理，以降低圖像灰度值的亮度敏感性，增強(qiáng)魯棒性。歸一化相關(guān)系數(shù)ZNCC表述如下：

(4)

圖3 特征匹配處理

通過(guò)計(jì)算得到-1≤ZNCC≤1。當(dāng)ZNCC(r,c)=1時(shí)，模板與待測(cè)圖像極性相同(如模板為白色對(duì)應(yīng)圖像也為白色)；當(dāng)ZNCC(r,c)=-1時(shí)，模板與待測(cè)圖像極性不相同(如模板為白色對(duì)應(yīng)圖像卻為黑色)。圖3為基于黑色圖像提取白色模板信息的圖片。

3.2 運(yùn)動(dòng)特征分析

由于氣泡運(yùn)動(dòng)特征圖像是由圖像運(yùn)算而得，根據(jù)氣泡產(chǎn)生的速度和大小不相同，需要在基于特征模板的選取上確定真實(shí)的邊緣。通常需要根據(jù)圖像對(duì)應(yīng)的灰度值找到對(duì)應(yīng)黑白圖像亞像素邊緣。在邊緣查找時(shí)，由于邊緣的黑色點(diǎn)或者白色點(diǎn)屬于離散點(diǎn)，因此首先需要對(duì)離散點(diǎn)進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析[18]。若要找到邊緣，則需找到該直線的線性回歸方程進(jìn)行計(jì)算。直線方程如下：

(5)

選取邊緣局部圖像如圖4(a)所示，其灰度值范圍如圖4(b)所示，最小值為1，最大值為40。

圖4 邊緣局部灰度圖及邊緣局部灰度值分布

再選取圖3完整圖像做灰度值范圍分析，如圖5所示，最小值為1，最大值為77。根據(jù)灰度值直方圖分析數(shù)據(jù)，得到邊緣灰度值的變化范圍為1～77，閾值為5的邊緣擬合，如圖6所示。

圖5 灰度值范圍

圖6 邊緣擬合點(diǎn)位置

3.3 氣泡特征處理時(shí)的高斯混合模型

在完成特征匹配后發(fā)現(xiàn)，在5個(gè)浮球的氣泡產(chǎn)生時(shí)，氣泡的特征輪廓有其他干擾條件，導(dǎo)致匹配成功率不高。產(chǎn)生影響的原因是氣泡產(chǎn)生較小，特征不明顯，而且這個(gè)氣泡產(chǎn)生時(shí)是非連貫的，即單位時(shí)間內(nèi)可能只出現(xiàn)1個(gè)氣泡，而非連續(xù)氣泡；氣泡的波動(dòng)也會(huì)在水面波動(dòng)的時(shí)候使得背景特征顯現(xiàn)?？紤]到效率原因，檢測(cè)靜置時(shí)間選取合適范圍，避免過(guò)長(zhǎng)時(shí)間的等待導(dǎo)致較小的氣體泄露時(shí)產(chǎn)生的氣泡趨于飽和。

圖7 處理前氣泡產(chǎn)生狀態(tài)

為解決背景特征的影響，對(duì)氣泡形態(tài)特征進(jìn)行圖像處理，即排除其他無(wú)關(guān)形狀的干擾，在已經(jīng)形成的特征中對(duì)氣泡進(jìn)行選取。對(duì)處理之前的圖像進(jìn)行灰度反轉(zhuǎn)，以突出檢測(cè)顏色的特征，如圖7所示。由圖7可知，左側(cè)的其他條件及背景特征對(duì)檢測(cè)有所干擾，因此需排除明顯不同之處以減小特征匹配時(shí)其他條件造成的干擾。

利用GMM即高斯概率密度函數(shù)精確地量化事物[20]。一維高斯概率密度函數(shù)方程為

(6)

式(6)中：π為權(quán)值因子；δ為標(biāo)準(zhǔn)差，也稱高斯半徑；δ2為方差；μ為均值。μ決定正態(tài)曲線的中心位置，δ決定正態(tài)曲線的陡峭程度。

高斯混合是單高斯混合模型加權(quán)組合(維度一般不超過(guò)15)，GMM能夠平滑地近似任意形狀的密度分布，密度函數(shù)如下：

(7)

經(jīng)過(guò)GMM分類器后，得到的圖像濾出圓形特征外的其他特征，獲得檢測(cè)區(qū)域內(nèi)的圓形特征。處理后的圖像如圖8所示。測(cè)試200組圖像進(jìn)行圖像運(yùn)算及GMM分類器后的暗部像素點(diǎn)，即氣泡輪廓像素點(diǎn)取值范圍，對(duì)處理前后像素點(diǎn)范圍內(nèi)氣泡數(shù)量進(jìn)行統(tǒng)計(jì)，數(shù)據(jù)見表1。

圖8 GMM分類器處理后的圖像

表1處理前后氣泡個(gè)數(shù)變化對(duì)比

Table1Bubble number change before and after processing

像素點(diǎn)范圍處理前氣泡個(gè)數(shù)處理后氣泡個(gè)數(shù)0～1803349181～500 4568501～1 500 48571 501～3 000 7426

3.4 應(yīng)用及分析

在進(jìn)行GMM分類器分類后，再對(duì)圖像進(jìn)行運(yùn)算，抽取運(yùn)算后的特征匹配并應(yīng)用到5個(gè)浮球，對(duì)5個(gè)浮球做檢測(cè)。在對(duì)上百組樣品進(jìn)行測(cè)試后，有氣泡和無(wú)氣泡的狀態(tài)明顯區(qū)分。進(jìn)一步通過(guò)劃分區(qū)域，防止浮球不在的區(qū)域產(chǎn)生瞬間的小氣泡而對(duì)浮球的氣泡檢測(cè)造成干擾，從而影響浮球檢測(cè)。

表2檢測(cè)效率統(tǒng)計(jì)

Table2Detection efficiency statistics(個(gè)·min-1)

批次人工檢測(cè)效率視覺(jué)檢測(cè)效率1122721533317334143351827

浮球密封性檢測(cè)包括放料、靜置、挑選、繼續(xù)靜置、再次挑選等步驟。人工檢測(cè)與視覺(jué)檢測(cè)的效率對(duì)比見表2。在實(shí)驗(yàn)室條件下，采用人工檢測(cè)可同時(shí)檢測(cè)2個(gè)浮球，一個(gè)檢測(cè)周期約11 s(包括放料時(shí)間6 s、靜置時(shí)間3 s和檢測(cè)時(shí)間2 s)，檢測(cè)效率約11個(gè)/min；采用視覺(jué)檢測(cè)可同時(shí)檢測(cè)5個(gè)浮球，一個(gè)檢測(cè)周期約14 s(包括放料時(shí)間9 s、靜置時(shí)間3 s和檢測(cè)時(shí)間2 s)，檢測(cè)效率約21個(gè)/min，采用視覺(jué)檢測(cè)還可避免因疲勞等原因造成的漏檢現(xiàn)象。在生產(chǎn)企業(yè)員工熟練操作之后，視覺(jué)檢測(cè)效率較實(shí)驗(yàn)室情況還有小幅的提升。

視覺(jué)檢測(cè)時(shí)存在人工放料時(shí)間較長(zhǎng)(9 s)的問(wèn)題，因此在后續(xù)改進(jìn)中，可利用機(jī)械手上料，傳感器觸發(fā)，全面替代生產(chǎn)工人，從而實(shí)現(xiàn)全自動(dòng)化生產(chǎn)。

4 結(jié) 語(yǔ)

本檢測(cè)系統(tǒng)對(duì)氣泡產(chǎn)生的整個(gè)過(guò)程進(jìn)行分析，基于不同運(yùn)動(dòng)狀態(tài)的氣泡特征，用形狀濾波匹配算法進(jìn)行分析判斷，按設(shè)定閾值判斷是否合格。視覺(jué)檢測(cè)一次同時(shí)對(duì)5個(gè)浮球進(jìn)行檢測(cè)、剔除和分料，滿足工業(yè)自動(dòng)化要求。當(dāng)具備恒溫下會(huì)產(chǎn)生氣泡的特性時(shí)，檢測(cè)浸入水中的其他產(chǎn)品均可用此方法進(jìn)行判斷，從而提高生產(chǎn)效率。但對(duì)一些水面晃動(dòng)的情況，需要進(jìn)一步通過(guò)過(guò)濾的方式進(jìn)行抽取、檢測(cè)，以達(dá)到最佳提取效果。因此，在圖像濾波算法上還有很大的改善空間。