船體焊縫缺陷檢測(cè)的圖像處理算法

何濱昂，劉玉良

（1. 湖南大學(xué) 信息科學(xué)與工程學(xué)院，長(zhǎng)沙 410012；2. 浙江海洋大學(xué) 信息工程學(xué)院，浙江舟山 316022；3. 舟山商文機(jī)器人科技有限公司，浙江舟山 316100）

0 引言

船體焊接缺陷檢測(cè)，目前主要由驗(yàn)船師登上腳手架，手持焊縫檢測(cè)尺、激光測(cè)厚儀等來完成。這種人工方式勞動(dòng)強(qiáng)度很大，檢測(cè)效率低，船上狹窄邊角區(qū)域還存在驗(yàn)船師無法到達(dá)的檢測(cè)盲區(qū)，且龐大笨重的腳手架也會(huì)嚴(yán)重影響船舶運(yùn)行效率。圖像處理具有準(zhǔn)確、高效、便捷等優(yōu)點(diǎn)，是實(shí)現(xiàn)船體焊縫缺陷自動(dòng)檢測(cè)的核心技術(shù)之一，為解決上述問題提供新思路。

目前，應(yīng)用圖像處理技術(shù)檢測(cè)金屬焊縫質(zhì)量的研究已有相關(guān)報(bào)道。文獻(xiàn)[1]為實(shí)現(xiàn)無損焊縫缺陷檢測(cè)，提出基于機(jī)器視覺的殼管焊接質(zhì)量自動(dòng)檢測(cè)系統(tǒng)；文獻(xiàn)[2]根據(jù)X射線數(shù)字圖像的灰度變化特點(diǎn)，對(duì)焊縫區(qū)域采用水平和豎直方向上濾波操作并用布爾代數(shù)方法進(jìn)行整合，得到反映缺陷特征的二值圖像；文獻(xiàn)[3]針對(duì)鋼板焊縫缺陷X射線圖像，采用支持向量機(jī)的方法對(duì)焊縫缺陷進(jìn)行分類識(shí)別。文獻(xiàn)[3]的研究對(duì)象跟船體焊縫相似，但其邊緣提取算法是對(duì)目標(biāo)進(jìn)行搜索后尋找并標(biāo)記黑白交替處，對(duì)于船體邊緣處的焊縫無法提取完整信息，且所采用的4循環(huán)遍歷尋找長(zhǎng)軸與短軸的方法，運(yùn)算較復(fù)雜，程序運(yùn)行時(shí)困難重重。

船體焊縫缺陷與正常焊縫相比，存在位置分布不均、區(qū)域雜質(zhì)多等特征，比其他行業(yè)金屬焊縫復(fù)雜得多。本文在圖像特征提取與識(shí)別算法方面進(jìn)行深入研究，通過算法改進(jìn)等提出針對(duì)性的圖像處理算法。

1 船體焊縫檢測(cè)的圖像處理功能模塊

根據(jù)船體焊縫缺陷檢測(cè)的要求，本文設(shè)計(jì)的圖像處理功能包括焊縫圖像預(yù)處理、輪廓提取、特征計(jì)算、識(shí)別算法以及OpenCV和C++編程等，圖像處理的各功能模塊如圖1所示[4]。船體焊縫圖像的輪廓提取、特征計(jì)算和缺陷類型識(shí)別等算法尤為關(guān)鍵，重點(diǎn)對(duì)這3部分的設(shè)計(jì)過程進(jìn)行論述。

圖1 圖像處理系統(tǒng)的功能模塊

2 船體焊縫圖像的輪廓提取算法

圖像預(yù)處理之后，需要進(jìn)行邊緣檢測(cè)和二值化處理，而后應(yīng)用形態(tài)學(xué)方法去除新增的孔、洞等虛假邊緣，最終得到船體焊縫的正確輪廓。

2.1 邊緣檢測(cè)算法

圖像邊緣檢測(cè)的經(jīng)典算子有Roberts、Sobel、Prewitt、Laplace和Canny等。相比較而言，Roberts算子平滑作用微弱但對(duì)噪聲敏感；Sobel和Prewitt不適合含噪聲的混合復(fù)雜圖像；Laplace不適合對(duì)比度差的圖像[5]。由于船體焊縫圖像存在對(duì)比度不強(qiáng)、灰度分布不均衡、噪聲大且動(dòng)態(tài)模糊等特點(diǎn)，上述4種算子均不適用。Canny邊緣檢測(cè)算子是一種多級(jí)算法[6]，采用基于邊緣梯度方向的非極大值抑制以及雙閾值的滯后閾值處理，不易受噪聲干擾，具有錯(cuò)誤率低、定位準(zhǔn)確等優(yōu)點(diǎn)。因此，本文采用Canny算子檢測(cè)焊縫圖像邊緣。算法流程如圖2所示。

圖2 Canny邊緣檢測(cè)算法流程

其中，最關(guān)鍵的滯后閾值處理如下：Canny算子為保證邊緣信息的準(zhǔn)確性，最后一步將通過滯后閾值處理，進(jìn)一步抑制虛假的弱邊緣，即通過查看弱邊緣像素點(diǎn)及其8個(gè)鄰域來跟蹤弱邊緣。原理是：若鄰域有1個(gè)像素為強(qiáng)邊緣點(diǎn)，則弱邊緣點(diǎn)保留為真實(shí)的邊緣點(diǎn)，否則將被當(dāng)作虛假邊緣點(diǎn)被剔除。

2.2 形態(tài)學(xué)閉運(yùn)算處理

Canny邊緣檢測(cè)的結(jié)果仍存在零星噪聲點(diǎn)或間斷點(diǎn)，如圖3所示。通過連通域檢測(cè)和形態(tài)學(xué)閉運(yùn)算操作，得到圖3的結(jié)果。由此可見：形態(tài)學(xué)閉運(yùn)算可恢復(fù)焊縫外形特征，同時(shí)徹底消除虛假的弱邊緣。

圖3 氣孔類型焊接缺陷邊緣檢測(cè)的閉運(yùn)算效果

2.3 輪廓提取算法

提取船體焊縫輪廓步驟如下：

1）選取3×3模板在黑白2值的圖像內(nèi)游動(dòng)。模板中0～8表示各像素點(diǎn)的位置關(guān)系，0表示中心像素點(diǎn)，1～4表示其4個(gè)鄰域，即與中心像素點(diǎn)距離為1的點(diǎn)，5～8表示相應(yīng)距離為 2的點(diǎn)，如圖4所示。

圖4 提取焊縫輪廓的3×3模板

2）若中心像素點(diǎn)為黑色，則無論鄰域1～8為何值，則中心像素點(diǎn)黑色保持不變；

3）若中心像素點(diǎn)為白色，并且鄰域1～4均不為黑色，則中心像素點(diǎn)白色保持不變；

4）其余情況將中心像素點(diǎn)標(biāo)記為邊緣點(diǎn)。

運(yùn)行上述算法，最終得到以紅色像素點(diǎn)代表輪廓的示意圖，如圖5所示。

圖5 提取焊縫輪廓的算法示意圖

3 船體焊縫圖像的特征參數(shù)計(jì)算

3.1 特征參數(shù)的定義

關(guān)于裂紋、未熔合、氣孔、焊瘤等焊縫缺陷圖像的特征參數(shù)，本文參照文獻(xiàn)[3]選取長(zhǎng)寬比R、周徑比L、圓形度E、矩形度J和等效面積K進(jìn)行表述。特征參數(shù)定義為

式中：L1、L2分別為焊縫圖像長(zhǎng)軸和短軸長(zhǎng)度；C為焊縫周長(zhǎng)；S為焊縫面積。

3.2 特征參數(shù)的計(jì)算

根據(jù)式（1）選取焊縫圖像的短軸、長(zhǎng)軸、周長(zhǎng)和面積作為基準(zhǔn)參數(shù)，得到基準(zhǔn)參數(shù)后計(jì)算特征參數(shù)。為降低復(fù)雜度，在計(jì)算長(zhǎng)軸L1與短軸L2時(shí)采用最小外接矩形的方法，將焊縫缺陷點(diǎn)集放入C＋＋的Vector（point）容器中，用OpenCV函數(shù)minAreaRect求出點(diǎn)集的最小外接矩形，矩形的長(zhǎng)和寬分別代表長(zhǎng)軸和短軸的長(zhǎng)度。外接矩陣如圖6所示，其中黑色陰影區(qū)域代表具有缺陷的焊點(diǎn)集合。

圖6 焊縫缺陷的最小外接矩形示意圖

1）焊縫面積S的計(jì)算

利用圖像內(nèi)白色像素?cái)?shù)來近似表達(dá)，見式（2）

式中：(x,y) ∈A為區(qū)域A中的像素點(diǎn)；f(x,y)為白色像素點(diǎn)。

2）周長(zhǎng)C的計(jì)算

利用焊縫邊緣信息，應(yīng)用Freeman鏈碼公式[7]計(jì)算

式中：ne為鏈碼中偶數(shù)鏈碼的數(shù)目；n0為奇數(shù)鏈碼的數(shù)目。

4 船體焊縫缺陷識(shí)別算法

本文的焊縫缺陷識(shí)別基于計(jì)算所得的焊縫特征參數(shù)，包括訓(xùn)練和識(shí)別2個(gè)階段。訓(xùn)練階段：首先計(jì)算未熔合、裂紋、氣孔和焊瘤4類焊縫缺陷各個(gè)圖像樣本的特征參數(shù)，每類圖像樣本都具有5個(gè)特征參數(shù)，再求取同一類共計(jì)3個(gè)焊縫缺陷的同一個(gè)特征參數(shù)的算術(shù)平均值，作為該類焊縫的子類判據(jù)；識(shí)別階段，每輸入一幅待識(shí)別的焊縫缺陷圖像，計(jì)算其5個(gè)特征參數(shù)值，再分別計(jì)算特征參數(shù)值與相應(yīng)子類判據(jù)的相似度，而后計(jì)算屬于同一焊縫缺陷類型的各個(gè)相似度的乘積，相似度乘積最大的焊縫缺陷類型被認(rèn)定為所求的焊縫缺陷類型。焊縫缺陷類型的識(shí)別原理如圖7所示，其中相似度計(jì)算如式（4）

圖7中的相似度定義為最終相似度，是在式（4）計(jì)算結(jié)果的基礎(chǔ)上求取同一類型焊縫4個(gè)相似度的乘積。

圖7 船體焊縫缺陷識(shí)別的算法流程

5 試驗(yàn)測(cè)試

5.1 試驗(yàn)步驟設(shè)計(jì)

1）焊縫圖像預(yù)處理。運(yùn)行圖像灰度化、圖像增強(qiáng)和高斯濾波等算法。

2）焊縫圖像輪廓提取。運(yùn)行canny邊緣檢測(cè)算子、形態(tài)學(xué)閉運(yùn)算修復(fù)等算法。

3）特征計(jì)算。運(yùn)行長(zhǎng)寬比、周徑比、圓形度、矩形度和等效面積等特征參數(shù)算法。

4）缺陷識(shí)別。以O(shè)penCV和C＋＋為編程工具，運(yùn)行識(shí)別算法，得到焊縫缺陷類型及具體位置。

5.2 試驗(yàn)結(jié)果分析

計(jì)算得到4種焊縫缺陷的特征參數(shù)值見表1。

表1 計(jì)算得到4種焊縫缺陷的特征參數(shù)值

針對(duì)上述4種焊縫缺陷，在訓(xùn)練階段分別選取3個(gè)圖像樣本為對(duì)象，利用式（1）計(jì)算得到的特征參數(shù)見表1。5個(gè)子類判據(jù)分別為7.198、2.263、0.246、0.633、4.219。若輸入1幅待識(shí)別的焊縫缺陷圖像后，計(jì)算得到5個(gè)特征參數(shù)依次為7.108、2.202、0.255、0.641和4.323，與裂紋類型焊縫缺陷的子類相似度分別為：98.75%、98.19%、96.34%、87.36%、99.4%，最終的裂紋相似度為81.12%；若高于任何其他3個(gè)焊縫類型的最終相似度，則該圖像被識(shí)別為具有裂紋類型缺陷的焊縫。

本文對(duì)含有裂紋、未熔合、氣孔、焊瘤4種類型焊縫缺陷各100張進(jìn)行編程測(cè)試，識(shí)別結(jié)果表明：每張圖片的識(shí)別時(shí)間平均小于3 s，正確識(shí)別率均在97.3%以上。

6 結(jié)論

本文針對(duì)人工方式檢測(cè)船體焊縫缺陷的勞動(dòng)強(qiáng)度大、檢測(cè)效率低等問題，提出了適用于船體焊縫檢測(cè)的圖像處理算法。為提高特征參數(shù)的計(jì)算速度，提出焊縫圖像長(zhǎng)軸、短軸的新型計(jì)算方法，并采用＋＋和OpenCV編程驗(yàn)證新型計(jì)算方法的準(zhǔn)確性；最后設(shè)計(jì)了基于有限樣本的焊縫缺陷識(shí)別流程。測(cè)試結(jié)果表明：焊縫缺陷的準(zhǔn)確識(shí)別率大于97.3%，滿足基本要求。本文目前僅對(duì)船體焊縫中易出現(xiàn)的裂紋、未熔合、氣孔、焊瘤4種缺陷的識(shí)別理論與方法進(jìn)行了研究，下一步將針對(duì)更多種船體焊縫缺陷，探索提高焊縫識(shí)別率的改進(jìn)算法和應(yīng)用方法。