基于標(biāo)準(zhǔn)相關(guān)匹配的鑄件外觀缺陷檢測(cè)*

肖慶陽(yáng)，方建儒，張效民，李金鐘，叢 明

(1.大連亞明汽車部件股份有限公司，遼寧 大連 116041；2.大連理工大學(xué)機(jī)械工程學(xué)院，遼寧 大連 116024)

0 引言

隨著汽車輕量化的發(fā)展，鋁合金缸體以其優(yōu)異的性能，收到了越來(lái)越多的車企的青睞，但其表面在鑄造過(guò)程中出現(xiàn)缺陷也會(huì)引起許多不良后果。比如裂紋和暗孔會(huì)影響鑄件的強(qiáng)度，多肉、缺肉等問(wèn)題會(huì)使零件連接出現(xiàn)問(wèn)題，甚至埋下安全隱患，并且此類缺陷在人工檢測(cè)過(guò)程中經(jīng)常發(fā)生漏檢。因此許多汽車主機(jī)廠都要求零部件供應(yīng)商在檢測(cè)環(huán)節(jié)設(shè)置自動(dòng)檢測(cè)設(shè)備來(lái)避免缺陷件的漏檢。

鋁合金鑄件表面多肉類缺陷常用接觸式檢測(cè)的方法，但此類方法對(duì)檢具磨損大，并且時(shí)常發(fā)生檢具卡在被檢鑄件上的情況。近年來(lái)，無(wú)損檢測(cè)技術(shù)的發(fā)展為鑄件外觀檢測(cè)提供了新的思路[1]。其中，機(jī)器視覺(jué)檢測(cè)技術(shù)以其非接觸、無(wú)須人工判定結(jié)果的特點(diǎn)較好地彌補(bǔ)了傳統(tǒng)檢測(cè)方式的缺陷，在檢測(cè)的速度和精度上也能夠勝任大部分人工目測(cè)的任務(wù)[2-6]。

針對(duì)某品牌汽車鑄鋁缸體油槽中多肉缺陷檢測(cè)的問(wèn)題，本文提出了一種基于標(biāo)準(zhǔn)相關(guān)匹配的鑄件外觀缺陷檢測(cè)算法，準(zhǔn)確地提取出ROI區(qū)域，通過(guò)與標(biāo)準(zhǔn)圖樣進(jìn)行對(duì)比，逐步提取出外觀缺陷。

1 鑄件缺陷檢測(cè)算法

傳統(tǒng)缺陷檢測(cè)算法對(duì)預(yù)處理后的圖像直接進(jìn)行缺陷輪廓檢測(cè)識(shí)別率低下，并且針對(duì)特定環(huán)境調(diào)參后的檢測(cè)系統(tǒng)對(duì)于不同光照情況適應(yīng)性差，因此在產(chǎn)品生產(chǎn)及檢測(cè)中難以大規(guī)模應(yīng)用。本文的鑄件缺陷檢測(cè)算法針對(duì)這一問(wèn)題采用了結(jié)合標(biāo)準(zhǔn)相關(guān)匹配和形態(tài)學(xué)運(yùn)算等方法的圖像處理算法。首先通過(guò)工業(yè)相機(jī)采集待測(cè)鑄件表面圖像，通過(guò)標(biāo)準(zhǔn)相關(guān)匹配截取出與比對(duì)模板相對(duì)應(yīng)的ROI區(qū)域，再用圖像線性混合算法將ROI圖像與模板做差，對(duì)得到的圖像進(jìn)行中值濾波、閾值分割、形態(tài)學(xué)閉運(yùn)算等處理，最后采用文獻(xiàn)[7]中的輪廓提取算法將所得圖像中的缺陷識(shí)別并定位，得到檢測(cè)結(jié)果。

1.1 標(biāo)準(zhǔn)相關(guān)匹配

標(biāo)準(zhǔn)相關(guān)匹配是使用歸一化相關(guān)系數(shù)作為相似度度量的模板匹配方法。模板匹配(Match Template)是指在一副圖像中尋找和模板圖像最相似的區(qū)域，工作原理是使用和模板尺寸相同的滑動(dòng)框在原圖像中滑動(dòng)，將滑動(dòng)框在各個(gè)位置與模板的相似度保存在結(jié)果矩陣中，該矩陣每個(gè)元素的絕對(duì)值則代表該處的滑動(dòng)框與模板的匹配程度，最后定位矩陣極大值元素所在位置即可尋找到與模板圖像相似度最高的滑動(dòng)框的位置[8-9]。

歸一化相關(guān)系數(shù)計(jì)算公式如下：

其中，(x,y)表示滑動(dòng)框左上角的角點(diǎn)坐標(biāo)，(x′,y′)是滑動(dòng)框內(nèi)像素點(diǎn)相對(duì)角點(diǎn)的坐標(biāo)，T(x,y)和I(x,y)分別表示模板和原圖像中的像素值?？梢钥闯?，在計(jì)算T′(x,y)和I′(x,y)時(shí)首先減去各自的平均值，然后除以各自的方差，這兩步操作使得待檢測(cè)圖像和模板都被標(biāo)準(zhǔn)化，保證圖像不受光照變化的影響。

1.2 形態(tài)學(xué)閉運(yùn)算

數(shù)學(xué)形態(tài)學(xué)是一門建立在集合理論、積分幾何與網(wǎng)格代數(shù)基礎(chǔ)上的學(xué)科[10]，基本思想是利用帶有一定形態(tài)結(jié)構(gòu)的元素去度量和提取圖像中的對(duì)應(yīng)形狀，以達(dá)到圖像分析和識(shí)別的目的。

膨脹與腐蝕是形態(tài)學(xué)的兩種基本運(yùn)算，膨脹操作可以使圖像的前景色面積得到擴(kuò)展，腐蝕則使背景色面積擴(kuò)展，對(duì)前景色空間進(jìn)行侵蝕[11-12]。對(duì)Z2上的元素的集合A和E，用E對(duì)A進(jìn)行膨脹，記作A?E,定義為：

AΘE={z|(E)z?A}

對(duì)一副圖像依次進(jìn)行膨脹和腐蝕的操作成為形態(tài)學(xué)閉運(yùn)算，通過(guò)閉運(yùn)算能夠?yàn)V除圖像中細(xì)小的深色噪點(diǎn)，并聯(lián)通大片像素值相似的區(qū)域。閉運(yùn)算表達(dá)式如下：

A·E=(A?E)ΘE

2 檢測(cè)方法及實(shí)驗(yàn)流程

2.1 檢測(cè)系統(tǒng)架構(gòu)

鑄件外觀缺陷檢測(cè)系統(tǒng)如圖1所示。在工件進(jìn)行檢測(cè)時(shí)，首先由工人將待檢測(cè)工件正確放置到輔具上，光電開(kāi)關(guān)檢測(cè)到工件放置到位，輸出高電平至掃碼器，掃碼器經(jīng)過(guò)2 s延時(shí)后進(jìn)行工件側(cè)面二維碼的采集，以保證采集二維碼時(shí)工件已放置到位。二維碼信息采集完成后被發(fā)送到視覺(jué)控制器，當(dāng)視覺(jué)控制器檢測(cè)到二維碼信息時(shí)，調(diào)用工業(yè)相機(jī)進(jìn)行圖像采集并發(fā)送回視覺(jué)控制器，在視覺(jué)控制器對(duì)采集到的圖像完成檢測(cè)后，工件的檢測(cè)結(jié)果和二維碼信息一同保存到本地，方便日后對(duì)產(chǎn)品質(zhì)量溯源，同時(shí)在顯示器上進(jìn)行顯示，并標(biāo)注出相應(yīng)缺陷所在位置，指導(dǎo)工人對(duì)鑄件復(fù)查。如圖1所示，在設(shè)備頂端設(shè)有平行光源，用來(lái)給鑄件表面進(jìn)行打光，以減輕不同外界光照條件下對(duì)檢測(cè)效果的影響，同時(shí)避免強(qiáng)光直射對(duì)操作者造成傷害。

1.待檢鑄件 2.光電傳感器 3.掃碼器 4.工業(yè)相機(jī) 5.顯示器 6.平行光源

2.2 實(shí)驗(yàn)環(huán)境

硬件配置：2000萬(wàn)像素工業(yè)相機(jī)、i7-6700處理器。軟件配置：Windows7 Embedded操作系統(tǒng)、opencv2.4.11。

3 實(shí)驗(yàn)結(jié)果及分析

待測(cè)鑄件原圖像及ROI模板如圖2所示。鑄件待檢測(cè)區(qū)域?yàn)橛筒畚恢?，待測(cè)件中有人工加入的缺陷。

(a) 待檢鑄件原圖

經(jīng)過(guò)標(biāo)準(zhǔn)相關(guān)匹配得到的相似度圖像如圖3所示，圖中可以看到灰度值最低的像素點(diǎn)坐標(biāo)即為ROI區(qū)域角點(diǎn)所在坐標(biāo)，由此計(jì)算出的原圖像ROI區(qū)域如圖4a所示。對(duì)ROI圖像與模板進(jìn)行灰度做差運(yùn)算，并先后進(jìn)行二值化、中值濾波及形態(tài)學(xué)閉運(yùn)算、輪廓提取處理后的局部圖像如圖4b～圖4e所示。

圖3 相似度圖像 圖4 處理過(guò)程圖(左半部分)

實(shí)驗(yàn)表明，通過(guò)標(biāo)準(zhǔn)相關(guān)匹配得到的ROI區(qū)域相對(duì)其他模板匹配方法具有顯著提高，中值濾波、形態(tài)學(xué)閉運(yùn)算對(duì)于鋁合金鑄造表面在進(jìn)行拋丸處理后有很好的適應(yīng)性。通過(guò)以上方法對(duì)于2×2 mm的多肉缺陷，能夠在5 s內(nèi)完成對(duì)分辨率為5472×3648的鑄件圖像的檢測(cè)，基本滿足工廠檢測(cè)線的檢測(cè)節(jié)拍要求。

4 結(jié)論

針對(duì)鑄鋁發(fā)動(dòng)機(jī)缸體多肉缺陷檢測(cè)的問(wèn)題，本文提出了基于標(biāo)準(zhǔn)相關(guān)匹配的鑄件外觀檢測(cè)算法，對(duì)鑄件外觀圖像提取ROI區(qū)域并逐步提取缺陷特征。實(shí)驗(yàn)表明，該方法能夠快速的提取出缺陷并定位出缺陷位置，具有較高的檢測(cè)精度。通過(guò)使用搭載該算法的設(shè)備能夠?qū)﹁T鋁缸體實(shí)時(shí)監(jiān)測(cè)并將缺陷信息保存至本地或云端，為產(chǎn)品的質(zhì)量溯源提供了保障。