磨料微粉形狀特征在線視覺檢測技術研究

張浩然，趙鳳霞，朱曉謙，劉一博

（1.鄭州大學機械工程學院，河南 鄭州 450001；2.鄭州天宏自動化技術有限公司，河南 鄭州 450001；3.國防科技大學信息通信學院，湖北 武漢 430014）

1 引言

在磨料磨具行業(yè)，中值粒徑在54μm以下的粉狀物料稱為微粉。隨著技術的進步，制造業(yè)對精度的要求也越來越高[1]。磨料微粉是磨削、研磨等精加工工藝的必要工具，它的質量直接影響到精加工過程的精度。因此，越來越多的人開始關注高質量磨料微粉的檢測技術。

目前，微粉的檢測方法主要有電阻法、沉降管法、激光衍射法、圖像法等[2]。磨料行業(yè)采用的較多的是采用雙檢法，即用激光粒度分析儀得到粒度尺寸分布情況，再用光學顯微鏡檢測微粉形狀的分布情況，根據(jù)微粉分級標準確定產品的等級，從而判斷產品是否合格。采用光學顯微鏡檢測時，目前主要還是靠人工制作切片，調整顯微鏡焦距，再依靠經驗豐富的檢測人員用肉眼識別。這種方法操作繁瑣，效率低下，并且有較大的主觀性，很難使產品的質量保持穩(wěn)定。近年來，國內外學者基于機器視覺對微粉顆粒尺寸形狀的檢測做了大量的研究。文獻[3]提出了一種基于機器視覺的粒度檢測方法[3]，文獻[4]提出了利用分水嶺算法和極限腐蝕算法對黏連顆粒強制分割的方法，文獻[5]提出了一種基于空間自相關算法的數(shù)字圖像粒度分析方法。但這些研究大多數(shù)還是停留在實驗階段，不但需要人工制作切片，而且顯微圖像的調焦問題沒有得到很好解決。

為此，本研究設計了一個可以自動調焦并動態(tài)獲取微粉顆粒尺寸形狀圖像的顯微圖像采集平臺，研究了微粉形狀特征檢測的關鍵技術，為實現(xiàn)磨料微粉的自動化檢測提供了可行的方案。

2 顯微圖像采集平臺的搭建

顯微圖像采集平臺的設計結構，如圖1所示。它包括自動吸料模塊、顯微圖像采集模塊、自動對焦模塊、控制及通訊模塊等。其中，自動吸料模塊是通過一臺小型蠕動泵自動將待測微粉溶液吸至流動視窗，即將微粉溶液送至顯微平臺的測量視野中，然后調整自動對焦系統(tǒng)獲取微粉圖像，避免了繁瑣的制作切片過程。顯微圖像采集模塊包括相機、鏡頭和光源；相機是200 W像素的CMOS相機（分辨率 1920×1080，幀率 60 fps），鏡頭是 40x顯微鏡物鏡，光源是功率為1 W的白色冷光源。自動調焦模塊由微動滑臺和步進電機組成，實現(xiàn)測量系統(tǒng)的自動調焦。控制及通訊模塊采用西門子S7-200 smart作為控制器，用DirectShow開發(fā)包在C#語言環(huán)境自行編寫上位機程序界面，用來獲取相機采集到的實時圖像數(shù)據(jù)。上位機使用MODBUS協(xié)議與控制器實現(xiàn)通訊。

圖1 圖像采集平臺Fig.1 Image Acquisition Platform

3 微粉形狀特征檢測關鍵技術

磨料微粉形狀特征主要包括粒度、圓度、橢圓度。其在線檢測流程，如圖2所示。

圖2 微粉顆粒形狀特征在線檢測流程圖Fig.2 Flow Chart of On-Line Detection of Particle Shape Characteristics

3.1 基于對焦深度法的自動對焦技術

因為待測微粉溶液是流動的物體，為了獲得清晰的圖像，需要不斷進行調焦使物平面對準流動視窗內表面的下壁。采用對焦深度法設計了一個自動對焦模塊進行調焦處理。

對焦深度法一般分為兩個部分即清晰度評價函數(shù)和搜尋算法，常見的清晰度評價函數(shù)有空域函數(shù)法、統(tǒng)計學法、頻譜函數(shù)法、以及熵函數(shù)法。頻譜函數(shù)法主要分析圖像的頻譜成分，并根據(jù)高頻成分的占比進行圖像清晰度評價，這種方法計算量太大，一般很少采用，統(tǒng)計學方法抗干擾能力較強，但是拍攝次數(shù)限制，這種方法的準確率較低，生產實際中很少采用。空域函數(shù)法[6]主要通過計算圖像的灰度梯度差來作為圖像的清晰度，這類方法計算量小、靈敏度高但抗干擾能力低，容易受到光照條件和背景因素的影響。為了解決空域函數(shù)中平方梯度法抗干擾能力低的問題，提出了一種改進的平方梯度法得到清晰度評價函數(shù)。其原理如下：一般地，圖像輪廓邊緣處的對比度達到最大時的狀態(tài)是對焦成功的狀態(tài)[7]。根據(jù)這個原理，改進的平方梯度法為：首先采用邊緣檢測算子（如sobel算子、canny算子等）獲得圖像中的邊緣輪廓，根據(jù)輪廓線連續(xù)這一特點剔除掉“偽邊緣”。然后，把獲得的邊緣輪廓加寬δ個像素，得到邊緣的臨域；最后計算圖像位于邊緣臨域內的灰度值的方差值，并以此值作為清晰度評價函數(shù)值。該過程的數(shù)學表達式，如式（1）所示。

式中：CVL—清晰度函數(shù)值；N—集合中像素點個數(shù)；I（i）—第i個像素點處的灰度值；Iˉ—集合中所有像素點灰度值的平均值。

自動對焦時，采用搜尋算法不同會影響對焦結果和速度，常用的方法為爬山法，但是傳統(tǒng)爬山法在遇到局部極大值時會誤認為找到評價函數(shù)的最大值（峰值）而反向并減小步長，從而導致對焦失敗，為了克服這一問題，提出了一種改進的爬山搜尋法。其原理是驅動電機先向一個方向按照1/8調焦范圍的較大步長L0進行轉動，每轉動一步記錄下該位置處的清晰度函數(shù)值，一直運行到對焦范圍的另一端；然后電機反向運行到最大清晰度函數(shù)值M0之后的一步，并減小步長到L1=1/4L0，運行到M0之前的一步，同時記錄下每一步對應的評價函數(shù)值。當運行到M0之前的一步后，再反向運行至新的最大值M1之前的一步，減小步長到1/4L1，依次類推，直到步長減小至滿足要求的精度，調焦過程結束，此時的位置即為最佳對焦位置，搜索過程示意圖，如圖3所示。本搜尋算法可以高效準確的實現(xiàn)自動對焦，很好的克服了局部極大值問題。

圖3 改進的爬山搜尋算法Fig.3 Improved Hiking Search Algorithm

3.2 圖像預處理

為了增加背景和前景的對比度使微粉顆粒更加利于提取，將CCD相機得到的灰度圖像進行灰度變換，增強圖像的對比度。變換過程的數(shù)學模型，如式（2）所示。

式中：F（x）—變換后的灰度值；I（x）—變換前的灰度值；M—圖像灰度級中灰度值的最大值（8位處理系統(tǒng)為255）；Iˉ—整幅圖像的灰度的均值；A、B—圖像增強系數(shù)。由于圖像中背景所占面積為絕大多數(shù)，Iˉ近似等于背景的灰度值，經過上述過程可以自動濾除背景以及一些與背景相似的干擾，使圖像對比度大幅提高。當A=3，B=3時的圖像增強前后的對比圖，如圖 4（a）所示。

3.3 圖像分割

閾值分割[8]作為圖像分割方法的經典方法被廣泛使用。但由于在線檢測過程中微粉顆粒的灰度值受多方面因素的影響會有一定變化，不宜采用固定閾值分割的方法。而且最大類間方差法[9]（OTSU法）等一些自動尋優(yōu)閾值分割方法則可以根據(jù)圖像的灰度分布自動的找到最佳閾值進行分割。所以本研究采用基于最大類間方差法的自動閾值分割方法。

3.4 基于凸包分析的黏連顆粒剔除

微粉由于表面能很高，極易團聚，在溶液中會有許多微粉團聚在一起，形成黏連顆粒，影響微粉顆粒特征計算的準確性，因此必須將黏連顆粒從圖像中剔除。

從圖4（b）中可以看出，黏連顆粒形成的連通域是凹的，單一顆粒則多為凸的。因此可以對連通域運用簡單多邊形頂點凹凸性判斷算法[10]判斷目標區(qū)域是否為凸包。如果為非凸包就認為是黏連顆粒，將此區(qū)域從目標區(qū)域里排除。

圖4 圖像處理過程Fig.4 Image Processing Process

3.5 特征提取及參數(shù)計算

把經過凸包分析得到的有效連通域通過最小二乘擬合輪廓線，再進一步提取出粒度、圓度、橢圓度等形狀特征參數(shù)。

3.5.1 粒度

粒度是指與顯微鏡視場中微粉顆粒投影面積相同的圓的直徑，因此只需計算每個有效連通域的面積，即可由式（3）計算得其直徑。

式中：A—投影面的面積；

D—等面積圓的直徑即粒度值。

3.5.2 圓度

圓度是指微粉顆粒投影面的周長與等面積圓的周長之比，見式（4），微粉顆粒投影面的周長可以通過計算擬合輪廓線的長度得到。

式中：Rod—圓度；

L—投影面的周長。

Fc值越接近于1表明顆粒的投影越接近圓形，相反的Fc值越大則表明顆粒的投影面有較多的邊角。

3.5.3 橢圓度

微粉顆粒的橢圓度是指微粉顆粒投影面的最小外接圓與最大內接圓半徑之比。因此需要分別擬合各個連通域的最小外接圓和最大內接圓。橢圓度值越大表明形狀越細長。

4 實驗驗證

實驗采用一份由FUNIK激光粒度分析儀檢測過的CBNGM850微粉作為檢測對象，激光粒度分析儀的檢測結果報告，如圖5所示。

從檢測報告上可以看出CBN微粉顆粒的粒度分布情況，其中柱狀圖對應右邊的%channel（區(qū)間百分比），曲線圖對應右邊的%passing（累積百分比），激光粒度分析儀累計分布統(tǒng)計結果的幾個關鍵點，如表1所示。

圖5 激光粒度儀出具的檢測報告Fig.5 Laser Particle Size Analyzer Test Report

表1 激光粒度分析儀累計分布統(tǒng)計結果的關鍵點Tab.1 The Key Points of Statistical Results of Laser Particle Size Analyzer

利用本研究的實驗平臺對上述檢測樣本進行測量，將得到的數(shù)據(jù)繪制成平率分布直方圖和累積分布曲線，如圖6所示。其中粒度累積分布關鍵點的數(shù)據(jù)，如表2所示。

圖6 實驗平臺粒度統(tǒng)計結果Fig.6 Experimental Platform Particle Size Statistics

表2 實驗平臺累計分布統(tǒng)計結果的關鍵點Tab.2 Experimental Platform Cumulative Distribution of Statistical Results of the Key Points

從實驗結果可以發(fā)現(xiàn)實驗平臺檢測結果與激光粒度儀檢測結果基本吻合，驗證了實驗平臺的有效性。

同時本實驗平臺還可以定量的檢測微粉顆粒的圓度和圓柱度等形狀特征參數(shù)。為更加有效的確定微粉品級提供依據(jù)，實驗平臺圓度累計分布的關鍵點，如表3所示。實驗平臺橢圓度累計分布的關鍵點，如表4所示。

表3 實驗平臺圓度累計分布統(tǒng)計結果的關鍵點Tab.3 Experimental Platform Roundness Cumulative Distribution of the Statistical Results of the Key Points

表4 實驗平臺橢圓度累計分布統(tǒng)計結果的關鍵點Tab.4 Experimental Platform Elliptical Cumulative Distribution of the Statistical Results of the Key Points

5 結論

微粉的形狀特征參數(shù)對其使用性能有決定性的影響。研究了微粉顆粒形狀特征參數(shù)的自動提取方法，得到的主要結論如下：

（1）搭建了一個可以自動調焦并動態(tài)獲取微粉顆粒尺寸形狀圖像的顯微圖像采集平臺，該平臺可以實現(xiàn)微粉的自動上下料，避免了繁瑣的制作切片過程；

（2）在自動對焦系統(tǒng)中，提出采用改進的平方梯度法得到清晰度評價函數(shù)，解決了空域函數(shù)中平方梯度法抗干擾能力低的問題；提出采用改進的爬山搜尋法實現(xiàn)了系統(tǒng)高效準確的自動對焦，很好的克服了局部極大值問題；

（3）通過灰度變換增強了圖像背景和前景的對比度使微粉顆粒更加利于提??；根據(jù)黏連顆粒區(qū)域的凸凹性，基于凸包分析進行了黏連顆粒剔除，保證了微粉顆粒形狀尺寸特征計算的準確性；

（4）用這里的研究的技術搭建的實驗平臺與FUNIK激光粒度分析儀進行了實驗對比，驗證了研究的準確性和有效性。研究為微粉形狀特征的定量檢測提供了依據(jù)，也為微粉自動分選系統(tǒng)的搭建提供了技術支撐。