基于機(jī)器視覺(jué)的板式換熱器板片微裂紋檢測(cè)方法研究*

張?chǎng)矽i,魏立峰*,苑瑋琦,丁志博(.沈陽(yáng)化工大學(xué) 信息工程學(xué)院,遼寧 沈陽(yáng) 04;

2.沈陽(yáng)工業(yè)大學(xué) 視覺(jué)檢測(cè)技術(shù)研究所,遼寧 沈陽(yáng) 110870)

0 引 言

隨著現(xiàn)代工業(yè)技術(shù)的迅速發(fā)展，板式換熱器已經(jīng)得到廣泛的應(yīng)用[1-2]。板式換熱器板片(又稱(chēng)作波紋板)是板式換熱器的核心部件，在沖壓生產(chǎn)過(guò)程中可能會(huì)產(chǎn)生非穿透性的表面微裂紋[3]，這些裂紋雖然并沒(méi)有真正的裂開(kāi)，但是會(huì)使板式換熱器在使用過(guò)程中出現(xiàn)泄漏，從而影響工業(yè)生產(chǎn)安全。

目前，板式換熱器板片微裂紋的檢測(cè)主要采用人工目測(cè)法和滲透檢測(cè)法。人工目測(cè)方法效率低且易造成漏檢；滲透檢測(cè)法[4]對(duì)于穿透性裂紋的檢測(cè)具有較好的效果，但是對(duì)于非穿透性的表面微裂紋的檢測(cè)效果不佳，且檢測(cè)成本較高。近些年基于機(jī)器視覺(jué)的裂紋檢測(cè)方法得到了發(fā)展[5-8]，在2017年苑瑋琦等[9]采用機(jī)器視覺(jué)的方法對(duì)板式換熱器板片的質(zhì)量檢測(cè)進(jìn)行了研究，但文中僅針對(duì)規(guī)則的波紋區(qū)進(jìn)行了檢測(cè)，并未提及對(duì)不規(guī)則的非波紋區(qū)的檢測(cè),而在實(shí)際生產(chǎn)中非波紋區(qū)比波紋區(qū)更易產(chǎn)生微裂紋缺陷。

綜上所述，本文以板式換熱器板片為研究對(duì)象提出一種基于機(jī)器視覺(jué)的微裂紋檢測(cè)方法。首先筆者分析板片的結(jié)構(gòu)特點(diǎn)和微裂紋的特征，采用Canny算子進(jìn)行候選區(qū)域提取，然后由空間特征和局部灰度特征制定約束條件，最后根據(jù)約束條件挑選出真正的缺陷區(qū)域，從而完成微裂紋的檢測(cè)。

1 板片結(jié)構(gòu)及缺陷特征分析

板式換熱器板片圖像如圖1所示[10]。

圖1 板式換熱器板片圖像

圖1中展示了板式換熱器板片的主要區(qū)域和結(jié)構(gòu)組成，包括：角孔、波紋區(qū)、密封槽和上凸臺(tái)。其中，上凸臺(tái)和波紋區(qū)的波紋是板式換熱器板片在沖壓過(guò)程中形成的凸起結(jié)構(gòu)。

凸起結(jié)構(gòu)的垂直截面示意圖如圖2所示[11]。

圖2 凸起結(jié)構(gòu)垂直截面示意圖

圖2中，斜面與頂面的交界處是會(huì)出現(xiàn)微裂紋的位置，并且微裂紋是圍繞著頂面結(jié)構(gòu)成條狀結(jié)構(gòu)存在的。

板式換熱器板片結(jié)構(gòu)的復(fù)雜性使得微裂紋在特征表現(xiàn)上具有一定的差異性。

微裂紋缺陷圖例及剖面灰度分布曲線(xiàn)如圖3所示。

圖3 微裂紋缺陷圖例及剖面灰度分布曲線(xiàn)

在圖3(a)中采用橢圓框?qū)ξ⒘鸭y進(jìn)行了標(biāo)注，圖3(b)中的豎直線(xiàn)標(biāo)識(shí)微裂紋的上、下邊界，橫坐標(biāo)差值表示微裂紋的像素寬度。

由圖3可知，缺陷的剖面灰度分布曲線(xiàn)形狀類(lèi)似于正態(tài)分布，適合采用高斯模板匹配[12]的方法進(jìn)行檢測(cè)。然而，由于缺陷線(xiàn)寬和對(duì)比度的差異，需要采用多尺度高斯模板匹配的方法進(jìn)行檢測(cè)。這種多尺度高斯模板匹配的方法將使得計(jì)算量翻倍，影響算法的實(shí)時(shí)性。

基于邊緣檢測(cè)的方法可以忽略線(xiàn)寬帶來(lái)的影響，不需要引入多個(gè)檢測(cè)尺度，從而簡(jiǎn)化算法的復(fù)雜度，增加檢測(cè)的實(shí)時(shí)性。因此，本文采用邊緣檢測(cè)的方法進(jìn)行候選缺陷的提取，以避免由于多尺度操作帶來(lái)的效率問(wèn)題。

2 微裂紋檢測(cè)算法

綜合第1節(jié)的分析可知，板式換熱器板片的結(jié)構(gòu)復(fù)雜，且各結(jié)構(gòu)灰度分布不均勻，給微裂紋缺陷的檢測(cè)造成一定的難度。然而，微裂紋缺陷的存在位置是和特定的結(jié)構(gòu)有關(guān)的，若能首先分割出特定結(jié)構(gòu)所在的區(qū)域，然后在分割出的區(qū)域內(nèi)進(jìn)行缺陷的粗提取，最后通過(guò)特征約束篩選可實(shí)現(xiàn)缺陷的精確檢測(cè)。

根據(jù)上述思路，筆者制定了微裂紋缺陷的檢測(cè)方案：(1)板式換熱器板片圖像預(yù)處理；(2)候選缺陷的提取；(3)通過(guò)特征約束提取真正的缺陷。

具體實(shí)現(xiàn)步驟如下所述。

2.1 板式換熱器板片圖像預(yù)處理

根據(jù)先驗(yàn)知識(shí)可知，微裂紋缺陷出現(xiàn)在頂面和底面之間的斜面上，且靠近上凸臺(tái)，即圖2所示的斜面與頂面的交界處。斜面區(qū)域由于光的反射作用，形成了較暗的區(qū)域，后續(xù)將這部分區(qū)域稱(chēng)為“暗區(qū)域”。

在獲取暗區(qū)域之前，首先將板片分割成3部分，以便于采用并行運(yùn)算的方式加快處理速度。通過(guò)觀察可知暗區(qū)域和其他部分在灰度上具有較為明顯的區(qū)別，因此可通過(guò)閾值分割的方法獲取暗區(qū)域。

其原理如下式所示：

(1)

式中：T1—閾值下限；T2—閾值上限。

閾值分割的結(jié)果中可能存在一些孤立的噪聲點(diǎn)，因此在分割后根據(jù)面積進(jìn)行一次挑選，得到最終的暗區(qū)域。

由于微裂紋缺陷存在于暗區(qū)域內(nèi)且靠近頂面，分割出頂面是有必要的。筆者首先將暗區(qū)域取補(bǔ)集得到頂面的候選區(qū)域，然后根據(jù)面積挑選出期望的頂面。

2.2 候選缺陷提取

據(jù)第1節(jié)得出的結(jié)論，本文采用邊緣檢測(cè)的方法進(jìn)行微裂紋的粗提取。常用的邊緣檢測(cè)算子有很多，其中Canny算子[13-14]是基于一階導(dǎo)數(shù)的邊緣檢測(cè)算子，能夠在抑制噪聲的同時(shí)檢測(cè)出比較完整的邊緣。由于工業(yè)環(huán)境的影響，圖像中的噪聲無(wú)法避免，并且微裂紋的邊緣強(qiáng)弱不一，考慮到Canny算子對(duì)噪聲的相對(duì)不敏感性以及對(duì)弱邊緣檢測(cè)的優(yōu)越性，本文采用Canny算子進(jìn)行候選缺陷的提取。

為了避免由于結(jié)構(gòu)原因引入過(guò)多的虛假邊緣，筆者將Canny邊緣檢測(cè)限定在圖像預(yù)處理得到的暗區(qū)域范圍內(nèi)。將暗區(qū)域圖像與原始圖像進(jìn)行乘積運(yùn)算，即可得到Canny算子的待處理圖像。

Canny邊緣檢測(cè)的結(jié)果存在一定的虛假邊緣，采用長(zhǎng)度信息去除由于噪聲引起的虛假邊緣，得到最終的候選微裂紋邊緣。

2.3 特征約束

經(jīng)過(guò)上節(jié)的處理，已經(jīng)獲到了微裂紋缺陷的候選邊緣。本節(jié)提出了一種基于特征約束的方法進(jìn)行微裂紋缺陷的精確提取。具體地，筆者采用了空間位置特征和局部灰度特征進(jìn)行篩選。

2.3.1 空間位置特征約束

根據(jù)板式換熱器板片機(jī)械結(jié)構(gòu)和沖壓受力可知，微裂紋出現(xiàn)在頂面附近，且平行于頂面，即垂直于斜面。因此，可以根據(jù)候選邊緣與頂面的距離和候選邊緣相對(duì)于斜面的方向分別制定距離約束條件P1和方向約束條件P2。

(1)距離約束

約束條件P1：Ddistance

由于候選邊緣具有多個(gè)像素點(diǎn)組成，Ddistance用候選邊緣質(zhì)心到頂面的最小距離表示，計(jì)算方法如下式所示：

(2)

(3)

式中：m—候選邊緣的像素個(gè)數(shù)；Te—候選邊緣像素集合。

(2)方向約束

約束條件P2：Ddirection

Ddirection是一個(gè)相對(duì)的角度，需要求得斜面的絕對(duì)方向和候選邊緣的絕對(duì)方向，候選邊緣和斜面方向的求解公式為[15]:

(4)

(5)

式中：r0，c0—待計(jì)算區(qū)域R的質(zhì)心。

根據(jù)公式(4)對(duì)候選邊緣和候選邊緣所處的斜面分別求得角度θ1和θ2，則Ddirection可以表示為：

(6)

本研究根據(jù)約束規(guī)則P1和P2對(duì)粗提取結(jié)果進(jìn)行約束處理。

2.3.2 局部灰度特征約束

由于空間位置特征并不能完全將微裂紋和誤檢分割開(kāi)，本研究制定了基于局部灰度特征的約束條件進(jìn)行剩余誤檢的剔除。

二階微分在一定程度上反映了灰度的波動(dòng)情況，因此可根據(jù)局部二階微分絕對(duì)值的均值制定約束條件P3。同時(shí)在微裂紋處進(jìn)行局部閾值分割時(shí)，會(huì)分割出較為完整的連通區(qū)域，而非微裂紋處則是隨機(jī)分布的區(qū)域。因此本文采用Otsu[16]閾值后得到的最大連通域的面積(Amax)制定約束條件P4。根據(jù)約束規(guī)則P3和P4對(duì)2.3.1節(jié)的結(jié)果進(jìn)行約束處理。

約束條件P3：Mlaplance>Tlaplance,其中：Mlaplance—局部二階微分絕對(duì)值的均值；Tlaplance—閾值。

約束條件P4:Amax>Tarea，其中：Tarea—面積閾值。

3 實(shí)驗(yàn)與結(jié)果分析

3.1 實(shí)驗(yàn)數(shù)據(jù)獲取

板式換熱器板片微裂紋檢測(cè)的硬件系統(tǒng)由傳送裝置、光源、鏡頭和相機(jī)等部分構(gòu)成。

圖像采集系統(tǒng)如圖4所示。

圖4 圖像采集系統(tǒng)

圖4(a)為實(shí)驗(yàn)室圖像采集平臺(tái)，圖4(b)為工業(yè)現(xiàn)場(chǎng)圖像采集平臺(tái)。

本研究采用DALSA公司的16K分辨率的線(xiàn)陣相機(jī)和運(yùn)動(dòng)控制器進(jìn)行板式換熱器板片圖像的采集。為保證50 μm的檢測(cè)精度，將視野范圍調(diào)節(jié)至700 mm。目前工廠需要檢測(cè)的板片最大寬度為610 mm，因此700 mm的視野范圍可以滿(mǎn)足檢測(cè)的需求。本文使用的圖像數(shù)據(jù)均由工業(yè)現(xiàn)場(chǎng)的設(shè)備采集得到。

3.2 算法評(píng)價(jià)指標(biāo)

為了量化算法的性能，筆者定義了誤檢率(flase detection rate,FDR)和漏檢率(leak detection rate, LDR)，分別為：

(7)

(8)

式中：TP—真陽(yáng)性(True Positive)；FP—假陽(yáng)性(False Positive)；TN—真陰性(True Negative)；FN—假陰性(False Negative)。

本文定義缺陷區(qū)域?yàn)殛?yáng)性，正常區(qū)域?yàn)殛幮?，F(xiàn)P表示將正常區(qū)域識(shí)別為了缺陷區(qū)域，F(xiàn)N表示將缺陷區(qū)域識(shí)別為了正常區(qū)域。在模式識(shí)別理論中有兩種基本的評(píng)價(jià)指標(biāo)，一個(gè)是錯(cuò)誤率最小化，另一個(gè)是平均風(fēng)險(xiǎn)最小化。錯(cuò)誤率最小化是使FP+FN最小化；而平均風(fēng)險(xiǎn)最小化是考慮到了FP與FN在實(shí)際中產(chǎn)生的危害程度可能不同，對(duì)FP和FN施加不同的權(quán)重以達(dá)到降低風(fēng)險(xiǎn)的目的。

在進(jìn)行板式換熱器板片微裂紋的檢測(cè)時(shí)，顯然FP與FN造成的危害是不同的。為了避免由于缺陷檢測(cè)不全而造成使用中的安全隱患，本文采用在保證LDR=0(FN=0)時(shí)，比較FDR的方法進(jìn)行算法的對(duì)比評(píng)級(jí)。

3.3 結(jié)果分析

為了驗(yàn)證算法的準(zhǔn)確性與實(shí)時(shí)性，本研究對(duì)工廠采集的圖像進(jìn)行了測(cè)試，并與第1節(jié)所提出的基于多尺度高斯模板匹配的方法進(jìn)行了對(duì)比。

實(shí)驗(yàn)采用的硬件環(huán)境是32 G運(yùn)行內(nèi)存，Intel i7-7700HQ CPU,2.8 GHz主頻的處理器；軟件環(huán)境為64位Windows10操作系統(tǒng)以及VS2012編程工具；測(cè)試對(duì)象是長(zhǎng)度為1 000 mm，寬度為405 mm的P10B型號(hào)板片。

基于不同方法的實(shí)驗(yàn)結(jié)果如表1所示。

表1 基于不同方法的實(shí)驗(yàn)結(jié)果

由表1可以看出，基于Canny的方法在保證漏檢率為0的情況下，具有較低的誤檢率和較高的實(shí)時(shí)性，證明了該算法的優(yōu)越性，對(duì)板式換熱器板片微裂紋的檢測(cè)具有實(shí)際的應(yīng)用價(jià)值。相對(duì)于基于Canny的檢測(cè)方法，基于多尺度高斯模板匹配的方法計(jì)算時(shí)間長(zhǎng)，誤檢率略高，這是由多個(gè)尺度檢測(cè)引起的?；诙喑叨雀咚鼓０迤ヅ涞膬?yōu)勢(shì)在于檢測(cè)到的是微裂紋缺陷的中心位置，而Canny的方法檢測(cè)到的是缺陷的一個(gè)或者多個(gè)邊緣，在定位上多尺度高斯模板匹配檢測(cè)具有更高的精度。

然而，目前對(duì)于板式換熱器板片微裂紋的檢測(cè)只是進(jìn)行存在性的判斷，而不是進(jìn)行精確的定位和測(cè)量，所以用漏檢率和誤檢率來(lái)衡量準(zhǔn)確性更有意義。因此在綜合考慮準(zhǔn)確性與實(shí)時(shí)性的情況下基于Canny的算法具有一定的優(yōu)勢(shì)。

不同方法最終檢測(cè)效果圖如圖5所示。

圖5 不同方法最終檢測(cè)效果圖

4 結(jié)束語(yǔ)

板式換熱器板片的微裂紋檢測(cè)是其質(zhì)量檢測(cè)的重要組成部分,為了實(shí)現(xiàn)工業(yè)的自動(dòng)化檢測(cè)，筆者設(shè)計(jì)了基于機(jī)器視覺(jué)的微裂紋檢測(cè)方法。

實(shí)驗(yàn)結(jié)果表明：本文提出的基于機(jī)器視覺(jué)檢測(cè)方法，對(duì)于尺寸為1 000 mm×405 mm的換熱器板片，能夠在1 min內(nèi)完成檢測(cè)，檢測(cè)精度可以達(dá)到50 μm。在保證零漏檢的基礎(chǔ)上，檢測(cè)準(zhǔn)確率為98.74%。

本文所提出的檢測(cè)方法對(duì)降低工業(yè)檢測(cè)成本、提高生產(chǎn)的效益具有一定的意義。