基于Halcon的汽車散熱翅片質量檢測系統(tǒng)研究*

黃勤芳

（廣西職業(yè)學院，廣西 南寧 530007）

0 引言

汽車散熱翅片是由薄型板材沖壓成型的，由于其剛度較差，容易在板材裁剪、沖壓成型等工序中造成裂痕以及平面度差等缺陷[1]。人工檢測工件質量的速度慢、勞動強度大、誤檢率高，而基于機器視覺的產(chǎn)品質量檢測方法具有效率高、準確度高等優(yōu)點[2]。

近年來，國內外學者研究出來了一系列基于機器視覺的產(chǎn)品質量檢測方法。石振華等[3]提出一種基于YoloV3的工件缺陷檢測方法，針對工件表面缺陷的特點改進YoloV3網(wǎng)絡的特征融合方式，提升了算法性能，克服了人工提取特征的局限性，檢測精度和速度均滿足實際生產(chǎn)要求。代小紅等[4]提出一種基于改進RCNN的金屬材料缺陷檢測算法，采用非極大值抑制算法和多級ROI池化層結構設計算法，消除系統(tǒng)偏差，利用雙線性插值法克服像素位置偏移和檢測不匹配的問題，缺陷檢測準確率達97.36%。馬建等[5]研究出一種基于改進的分割網(wǎng)絡模型的表面缺陷檢測方法，該方法使用最大池化代替大步長的卷積，改變卷積層和池化層，獲得更多的工件特征，使得工件表面缺陷檢測準確率達99．4%。?，嶽6]研究了基于R-CNN算法的工件尺寸和缺陷檢測方法，實現(xiàn)了對工件尺寸的精準測量和對工件缺陷的目標檢測與識別，并且取得了預想的效果。上述四個方案都是基于深度學習的工件缺陷檢測方案，需要收集大量數(shù)據(jù)集進行訓練，并且所需的硬件成本高，無法適應小型企業(yè)生產(chǎn)要求。

Qin Shujia等[7]提出了一種滑動窗口濾波紋理檢測方法，通過背景估計、背景去除、二值化對圖像進行預處理，然后與圓形紋理檢測結果合成，實現(xiàn)對非同心圓紋理工件的缺陷識別。H.H.Shahabi等[8]研究出了基于機器視覺的工件粗糙度輪廓的側面磨損和機頭半徑磨損的檢測方法，通過機器視覺方法測量刀頭半徑磨損量和工件的粗糙度輪廓，從鼻翼半徑磨損量確定側面磨損寬度，根據(jù)工件的粗糙度輪廓確定了機頭半徑磨損量。劉源等[9]研究了一種基于Sobel算子的帶鋼表面缺陷檢測算法，該算法平均分割正確率達93.5%。張思祥等[10]研究了一種基于圖像分析檢測熱電池裝配缺陷的方法，對無損電池檢測正確率達94%，缺陷電池檢出準確率達96%。孫鴿等[11]研究了一種基于Halcon的螺紋鋼表面缺陷檢測方法，利用仿射變換對圖像中歪斜的螺紋鋼進行校正，然后基于霍夫變換檢測縱肋邊緣直線位置的方法對螺紋鋼正面、側面圖像進行區(qū)分，最后針對正面、側面圖像分別進行缺陷檢測，方法具有較好的穩(wěn)定性和實用性，能有效地解決人工檢測效率低、誤檢率高等問題。眭石軍等[12]針對FPC缺陷檢測設計了一套基于機器視覺的實時檢測系統(tǒng)，通過模板匹配提取ROI，運用圖像自乘與高斯線檢測來提取折痕，設計的系統(tǒng)檢測準確率達90%以上，且每片F(xiàn)PC檢測時間只需0.2 s。黃柳倩[13]提出了一種基于Halcon的沖壓件缺陷檢測系統(tǒng)，運用數(shù)學形態(tài)學及斑點分析方法達到檢測目的，處理速度達到在線檢測要求。

本課題采用Halcon平臺[14]設計了一種基于Halcon的汽車散熱翅片質量檢測系統(tǒng)。首先，將散熱翅片圖片轉化成HSV顏色模式，運用閾值分割、形態(tài)學處理和輪廓擬合算法，檢測沖壓裂痕缺陷；然后，應用亞像素輪廓提取和矩形度檢測算子，對整體外形以及平面度進行檢測；最后，使用基于形狀的模板匹配方法對沖壓間距進行檢測。由此實現(xiàn)對汽車散熱翅片四種缺陷的檢測。

本課題所設計的檢測系統(tǒng)有效解決了目前檢測方法存在的檢測效率低、硬件成本高以及對小型企業(yè)適應性差等問題，大幅度提高了汽車散熱翅片缺陷檢測的準確率。

1 檢測系統(tǒng)流程

本課題搭建了一個汽車散熱翅片缺陷檢測系統(tǒng)，如圖1所示。系統(tǒng)由散熱翅片、平行光源、CDD圖像采集攝像頭[15]、圖像采集卡、計算機以及顯示器組成。系統(tǒng)工作時，經(jīng)過沖壓出來的散熱翅片會順著傳送帶傳送到CDD圖像采集攝像頭下方，此時平行光照明系統(tǒng)打開；同時，CDD攝像頭會采集散熱翅片圖像并將其傳到圖像采集卡進行儲存；最后，經(jīng)過計算機使用本課題的Halcon算法對所采集的圖像進行處理，從而實現(xiàn)散熱翅片的沖壓裂痕、平面度、整體外形和沖壓間距這四類缺陷特征的提取及檢測，并將檢測結果輸出到顯示器。

圖1 汽車散熱翅片缺陷檢測系統(tǒng)

2 算法結構分析

本課題的汽車散熱翅片缺陷檢測系統(tǒng)主要是針對散熱翅片的沖壓裂痕、平面度、整體外形和沖壓間距這四類缺陷進行檢測，該系統(tǒng)算法流程如圖2所示。

圖2 缺陷檢測系統(tǒng)算法流程

將采集的RGB顏色模式的汽車散熱翅片圖像，如圖3所示，使用顏色通道拆分算子decompose3（）和顏色模式轉換算子trans_from_rgb（）轉化為HSV顏色模式，其轉換公式如式（1）～式（6）所示。

圖3 汽車散熱翅片

式中：R表示紅色通道值；G表示綠色通道值；B表示藍色通道值；H表示色調值；S表示飽和度值；V表示明度值。

為了減少圖像噪聲的影響，運用gauss_filter（）算子對HSV圖像進行高斯濾波處理，如式（7）所示。然后使用binary_threshold（）算子與closing_circle（）算子對濾波后的圖像進行處理，獲取ROI區(qū)域，如圖4所示。

圖4 ROI區(qū)域

式（7）中：f(x,y)表示掩膜在點(x,y)處的像素值；μ表示均值；σ表示標準差；f(xμ,yμ)表示掩膜中心點的像素值。

對于沖壓裂痕缺陷的檢測，裂痕區(qū)域與背景的灰度值差異明顯，如圖5所示。將獲取到的ROI區(qū)域使用threshold（）算子進行Blob分析處理，提取出散熱翅片的沖壓裂痕缺陷特征，然后使用select_shape（）算子基于面積特征將提取到的非缺陷特征區(qū)域剔除。最后使用area_center（）算子[16]計算缺陷區(qū)域的中心坐標與面積，根據(jù)計算出的中心坐標與面積應用gen_circle（）算子生成最小外接圓對缺陷部位進行標記，從而實現(xiàn)對散熱翅片沖壓裂痕缺陷的檢測。

圖5 沖壓裂痕缺陷的灰度直方圖

對于沖壓間距缺陷的檢測，本課題使用的是基于形狀的模板匹配方法。首先使用create_shape_model（）算子在獲取的ROI區(qū)域創(chuàng)建匹配模板，然后利用get_shape_model_contours（）算子獲取匹配模板的輪廓，如圖6所示，用于后面的匹配操作，最后使用find_shape_model（）算子將匹配模板與待檢測圖片進行匹配運算，如式（8）、式（9）所示，由此完成對散熱翅片沖壓間距缺陷的檢測。

圖6 匹配模板

式（8）中：D(i,j)表示匹配模板T與被測圖片S在點(i,j)處的相似度；T(m,n)表示匹配模板在點(m,n)處的像素值；S(m,n)表示被測圖片在點(m,n)處的像素值。

將式（8）歸一化，得模板匹配的相關系數(shù)：

式（9）中：T(m,n)表示匹配模板在點(m,n)處的像素值；S(m,n)表示被測圖片在點(m,n)處的像素值；R(i,j)表示匹配模板T與被測圖片S在點(i,j)處的相關系數(shù)。

對于整體外形缺陷的檢測，運用gen_contour_region_xld（）算子和fit_rectangle2_contour_xld（）算子[17]生成ROI區(qū)域的XLD輪廓，如圖7所示，并獲取其最小外接矩形，隨后使用rectangularity（）算子對XLD輪廓矩形度進行計算，由此檢測散熱翅片整體外形的缺陷。

圖7 ROI區(qū)域的XLD輪廓

對于平面度缺陷的檢測，運用area_center（）算子計算散熱翅片XLD輪廓區(qū)域的面積，與合格的散熱翅片面積進行對比，從而實現(xiàn)對散熱翅片平面度缺陷的檢測。

3 試驗結果與分析

為了檢驗本課題的汽車散熱翅片質量檢測系統(tǒng)對散熱翅片的沖壓裂痕、平面度、整體外形和沖壓間距四類缺陷檢測的效果，在Windows 10和Halcon 20.11 Steady平臺上分別對四種缺陷進行檢測試驗，如圖8所示。

圖8 四類缺陷檢測圖

據(jù)試驗結果，該檢測系統(tǒng)能夠準確識別沖壓裂痕缺陷并將其標記出來；能夠基于面積及矩形度特征精確檢測平面度和整體外形缺陷；能夠通過創(chuàng)建的匹配模板對散熱翅片圖像各部分進行逐一檢測，從而判斷沖壓間距是否存在缺陷。

為了測試該汽車散熱翅片質量檢測系統(tǒng)在實際應用中的檢測效率、穩(wěn)定性和準確率[18]，本課題通過CCD圖像采集攝像頭在某企業(yè)采集了100張汽車散熱翅片圖片，其中，包含無缺陷圖片30張、整體外形缺陷圖片20張、平面度缺陷圖片20張、沖壓間距缺陷圖片10張和沖壓裂痕缺陷圖片20張。試驗結果如表1所示。

表1 系統(tǒng)性能試驗

據(jù)表1數(shù)據(jù)，該汽車散熱翅片質量檢測系統(tǒng)在試驗中的總體準確率達98%，對于整體外形缺陷和沖壓裂痕缺陷均能實現(xiàn)零誤檢率，對于平面度缺陷和沖壓間距缺陷的誤檢率分別為5%和1%，對于四類缺陷的檢測總共消耗時長僅為1.657 s，符合實際生產(chǎn)需求，具有較高的檢測效率、穩(wěn)定性和準確率。

4 結論

本課題基于Halcon開發(fā)了汽車散熱翅片質量檢測系統(tǒng)。該系統(tǒng)將散熱翅片圖片轉化成HSV顏色模式，使得ROI區(qū)域與背景的灰度值差異更明顯，運用閾值分割、形態(tài)學處理和輪廓擬合算法[19]，準確識別出沖壓裂痕；應用XLD輪廓提取和矩形度檢測算子，實現(xiàn)整體外形以及平面度的檢測；使用基于形狀的模板匹配方法檢測沖壓間距缺陷。通過對100張汽車散熱翅片圖片進行檢測試驗，證明檢測系統(tǒng)對散熱翅片的沖壓裂痕、平面度、整體外形和沖壓間距四類缺陷檢測的準確率達98%，并且具有較高的檢測效率、穩(wěn)定性和準確率。