基于機(jī)器視覺的鋼帶表面劃痕檢測方法研究

郭嘉宇，張世鋼，楊旭杰

（江蘇大學(xué) 機(jī)械工程學(xué)院，江蘇 鎮(zhèn)江 212013）

0 引 言

在國民實(shí)際生活和工業(yè)生產(chǎn)中，鋼帶的應(yīng)用領(lǐng)域不斷擴(kuò)大，鋼帶使用范圍也越來越廣，特別是在航天航空、汽車制造、半導(dǎo)體工業(yè)、生物醫(yī)療、精密加工、新材料制造等行業(yè)，對鋼帶表面的質(zhì)量檢測格外嚴(yán)格，鋼帶表面缺陷越來越受到關(guān)注。只有對鋼帶表面缺陷的特征、不良影響以及產(chǎn)生原因有了正確的認(rèn)識(shí)，才能合理控制產(chǎn)品質(zhì)量，采取有效的控制措施，實(shí)施質(zhì)量攻關(guān)，以達(dá)到改善產(chǎn)品質(zhì)量的目的，最終滿足用戶的使用要求。

鋼帶表面的缺陷會(huì)降低產(chǎn)品的質(zhì)量、影響產(chǎn)品的機(jī)械性能，也影響其外觀。缺陷類型中的線缺陷往往以線條形式在鋼帶表面出現(xiàn)，劃痕屬于縱向線缺陷，是指在工件被加工表面上隨機(jī)分布的長短不一的線狀缺損，是工件在加工過程中由于磨粒壓入工件過深產(chǎn)生的表面缺陷。這些缺陷的出現(xiàn)不僅會(huì)損害產(chǎn)品的性能，影響產(chǎn)品的商業(yè)用途，而且甚至?xí)Ξa(chǎn)品的表觀質(zhì)量造成后續(xù)正常使用的安全隱患。

目前國內(nèi)的鋼材鋼帶加工制造企業(yè)主要通過人工檢測和手工接觸判斷的方法進(jìn)行鋼帶表面劃痕及缺陷的檢測，這種方法速度慢，效率低，并且容易漏檢。因?yàn)槠胀ㄏ鄼C(jī)無法拍攝到表面微觀劃痕，所以需要通過精密微觀缺陷檢測技術(shù)，實(shí)現(xiàn)對鋼帶表面缺陷的監(jiān)測，加強(qiáng)軋制工藝管理，剔除廢品、減少原材料浪費(fèi)、提高成材率。故基于機(jī)器視覺的鋼帶表面劃痕測量方法是研究的內(nèi)容。

1 國內(nèi)外研究現(xiàn)狀

當(dāng)前，圖像識(shí)別和處理技術(shù)已成為機(jī)器視覺應(yīng)用中進(jìn)行物體表面缺陷識(shí)別和檢測的研究熱點(diǎn)。呂宏峰等針對因?yàn)閺?fù)雜的光照條件給電子元器件的表面缺陷檢測問題帶來巨大的挑戰(zhàn)，提出了一種Canny—區(qū)域分裂合并算法。明五一等以透明件表面缺陷為研究對象，探討機(jī)器視覺檢測透明件技術(shù)發(fā)展近狀及現(xiàn)存問題，對未來可能發(fā)展趨勢進(jìn)行預(yù)測。鄭彬等，為了解決傳統(tǒng)型材表面缺陷檢測存在測量精度低、穩(wěn)定性差和費(fèi)時(shí)等問題，提出了型材表面缺陷圖像處理方法。王思琪等檢測MEMS微構(gòu)件表面缺陷，對顯微機(jī)器視覺檢測關(guān)鍵技術(shù)進(jìn)行了探析。彭雨等為提高對細(xì)長產(chǎn)品表面缺陷的檢測效率，運(yùn)用機(jī)器視覺技術(shù)對細(xì)長產(chǎn)品外部輪廓尺寸及表面缺陷狀況進(jìn)行檢測。運(yùn)用機(jī)器視覺技術(shù)，分析圖像傳輸過程中噪聲產(chǎn)生原因及降噪方法；采用Canny算法和SimpleBlobDectorte特征點(diǎn)檢測方法，提取零件輪廓和色斑輪廓，采用系統(tǒng)法對表面缺陷檢測設(shè)備進(jìn)行整體分析。

通過對國內(nèi)外研究現(xiàn)狀分析，發(fā)現(xiàn)機(jī)器視覺廣泛地應(yīng)用于表面類缺陷識(shí)別檢測的各個(gè)領(lǐng)域。缺陷檢測對于提升各類工業(yè)產(chǎn)品的表面平整度，提高產(chǎn)品生產(chǎn)效率，降低質(zhì)量成本，穩(wěn)定產(chǎn)品質(zhì)量，降低維護(hù)損耗，避免人為目視檢測的疏失等方面有重要意義。以鋼帶表面劃痕為研究對象，提出了基于機(jī)器視覺的鋼帶表面劃痕的圖像處理方法，使用圖像處理軟件Halcon，對鋼帶表面的劃痕進(jìn)行識(shí)別、檢測和提取處理，使其應(yīng)用于工業(yè)實(shí)際生產(chǎn)中，提高表面劃痕檢測能力和生產(chǎn)效率。

2 鋼帶表面劃痕檢測原理分析

2.1 表面劃痕檢測系統(tǒng)

選擇硬件系統(tǒng)組成基本的檢測系統(tǒng)，搭建由計(jì)算機(jī)、高分辨率CCD工業(yè)相機(jī)、光學(xué)顯微鏡頭和LED光源等組成的機(jī)器視覺測量系統(tǒng)。表面劃痕檢測系統(tǒng)設(shè)計(jì)如圖1所示。

圖1 表面劃痕檢測系統(tǒng)設(shè)計(jì)

2.2 鋼帶圖像處理

經(jīng)過圖像的采集部分后，應(yīng)用Halcon軟件對其進(jìn)行處理。Halcon的底層功能算法比OpenCV多，運(yùn)算性能快。而Halcon提供的算法要比VisionPro多，更靈活。因此采用Halcon進(jìn)行圖像處理。

2.3 圖像算法設(shè)計(jì)及圖像提取

2.3.1 圖像預(yù)處理

如圖2所示，對工業(yè)相機(jī)獲取到的鋼帶圖像進(jìn)行灰度處理，降低噪聲，抑制無用特征。借助灰度圖像，畫出其原始圖像的灰度直方圖，如圖3所示。從圖中可以看出劃痕部分和周圍正常部分相比要暗，也就是劃痕部分的灰度值偏小，相較于鋼帶表面的其他光滑部分，細(xì)小的劃痕不易識(shí)別，給檢測帶來了難度?；叶戎狈綀D中有兩個(gè)峰值較為明顯，兩峰值分別為劃痕灰度值和背景灰度值。將灰度直方圖均衡化后獲得灰度值均勻分布的直方圖，如圖4所示。

圖2 原始圖像

圖3 灰度直方圖

圖4 灰度值均衡化后的直方圖

采用均值濾波，測量灰度值的平均值，具有很好的平滑降噪效果，且運(yùn)算速度較高斯濾波、中值濾波快。設(shè)待去噪圖像（，）大小為×，經(jīng)均值濾波后用下式（1）表示降噪：

式（1）中：，=0，1，2，…，-1；是像素點(diǎn)（，）鄰域內(nèi)所有像素點(diǎn)的集合；是點(diǎn)集中的總點(diǎn)數(shù)。

2.3.2 圖像分割與劃痕定位

通過圖像分割，產(chǎn)生一個(gè)個(gè)感興趣區(qū)域（Region of Intereset, ROI）。將分立的感興趣區(qū)域精確地分割，使這些感興趣區(qū)域能夠在后續(xù)的操作中達(dá)到所需目標(biāo)。機(jī)器視覺中采用的常規(guī)分割方法為閾值分割，即將圖像ROI內(nèi)灰度值處于某一指定范圍內(nèi)的所有點(diǎn)選到一個(gè)輸出區(qū)域內(nèi)，而動(dòng)態(tài)閾值分割處理能夠?qū)D像所在的局部背景和圖像形成對比，在使用環(huán)形LED的前提下，照明前后劃痕和背景的灰度值發(fā)生變化。由上圖3和4可知，被分割的劃痕和背景之間存在非常明顯的灰度差。在此基礎(chǔ)上，動(dòng)態(tài)閾值分割可以用來檢測鋼帶表面上的缺陷，消除干擾，可以很容易地區(qū)分開劃痕和背景。

式（2）中圖像g代表理想、沒有缺陷物體的圖像，稱為參考圖像。為檢測出和理想物體間的偏差，只需要找出圖像f中太亮或太暗的像素即可。

在鋼材的表面缺陷檢測中應(yīng)用均值濾波和動(dòng)態(tài)閾值分割方法檢測材料表面的大缺陷特征，如劃傷。應(yīng)用高斯濾波和全局閾值分割檢測材料表面的小缺陷特征，再將提取出的缺陷經(jīng)形態(tài)學(xué)分析后組合在一起構(gòu)成完整的缺陷區(qū)域。均值濾波處理后的圖像如圖5所示，動(dòng)態(tài)閾值分割如圖6所示。

圖5 均值濾波后的圖像

圖6 動(dòng)態(tài)閾值分割后的圖像

2.3.3 提取圖像聯(lián)通區(qū)域

為了將所獲得的分立的ROI中的目標(biāo)檢測劃痕不至于因閾值分割而割裂開，應(yīng)用圖像聯(lián)通區(qū)域提取把一些相互聯(lián)通的像素集合成為一個(gè)區(qū)域，計(jì)算出分割后得到的區(qū)域中包含的全部連通區(qū)域。在此使用4鄰域，將同一道劃痕放置入一個(gè)區(qū)域內(nèi)，在一個(gè)矩形像素網(wǎng)絡(luò)里，一個(gè)像素的上側(cè)、下側(cè)、左邊和右邊都分別有一個(gè)像素，它用來描述前景，即物體。連通區(qū)域提取后的圖像如圖7所示。

圖7 連通區(qū)域提取后的圖像

2.3.4 劃痕特征提取與形態(tài)學(xué)操作

因?yàn)閯澓鄢湿M長帶狀，形狀細(xì)長，具有明顯的方向性，長度、粗細(xì)變化明顯。因此在保留ROI，去除上述操作中不需要的部分時(shí)需要確定物體的類型、特征量。根據(jù)劃痕的相關(guān)特點(diǎn)，特征提取操作中使用基于面積的區(qū)域特征提取，提取感興趣的區(qū)域中的劃痕，剔除不感興趣的區(qū)域面積較設(shè)定值小的缺陷。

式（3）中，為區(qū)域的面積即區(qū)域內(nèi)的點(diǎn)數(shù)||。其中第一個(gè)公式用來計(jì)算二值圖像表示的區(qū)域面積，第二個(gè)公式則適用于用行程編碼表示的區(qū)域面積。

通過區(qū)域形態(tài)學(xué)合并經(jīng)過特征提取的劃痕，使用原理為式（4）中針對兩個(gè)區(qū)域和的并集，把兩區(qū)域里的劃痕合成。在對鋼帶表面劃痕等類似的大缺陷特征進(jìn)行形態(tài)學(xué)處理時(shí)，使用閉操作。圓形模板進(jìn)行閉運(yùn)算時(shí)先進(jìn)行膨脹，再進(jìn)行腐蝕。膨脹使區(qū)域增大，腐蝕使面積縮小。應(yīng)用閉操作，合并相互分離的物體，可以填充孔洞、消除缺口，形成平滑區(qū)域的邊界，閉合所有的劃痕區(qū)域。閉操作對應(yīng)公式如式（5），閉操作圖像如圖8所示。

圖8 應(yīng)用閉操作后的圖像

由圖8可知，盡管閉操作已經(jīng)對要識(shí)別檢測劃痕的提取進(jìn)行了很好的處理，它可以有效地提高所需圖像的精準(zhǔn)度。但圖8中仍存在少部分需要被剔除的較小缺陷，所以需要進(jìn)行下一步的操作來剔除明顯不屬于劃痕的表面缺陷。完成上述步驟后，再次提取聯(lián)通區(qū)域，進(jìn)行特征提取，通過合理設(shè)置閾值，最終得到鋼帶表面劃痕檢測后的圖像，檢測結(jié)果圖像如圖9所示。

圖9 表面劃痕檢測結(jié)果圖像

將圖9和圖2的原始圖像進(jìn)行對比，發(fā)現(xiàn)經(jīng)過圖像的一系列處理后所獲得的結(jié)果和實(shí)際肉眼觀察得到的鋼帶表面劃痕的大小和位置分布基本符合。劃痕檢測的結(jié)果達(dá)到了開始設(shè)定的劃痕檢測提取目標(biāo)，提高了鋼帶表面劃痕識(shí)別檢測和提取的準(zhǔn)確度和效率。但如果同一幅圖像中出現(xiàn)了多條形狀不規(guī)則、寬度不一、深度變化的劃痕，分析情況較為復(fù)雜時(shí)，對應(yīng)的檢測精度會(huì)相應(yīng)地下降，需要對識(shí)別提取的算法進(jìn)一步針對性地優(yōu)化。

3 結(jié) 論

根據(jù)基于機(jī)器視覺的鋼帶表面劃痕測量的實(shí)際需要，搭建了合適的檢測平臺(tái)，并選擇Halcon圖像處理軟件，合理運(yùn)用圖像預(yù)處理、圖像閾值分割、提取聯(lián)通區(qū)域、特征提取和形態(tài)學(xué)等圖像處理方法，對鋼帶表面劃痕的識(shí)別測量處理進(jìn)行完善。在研究的基礎(chǔ)上，經(jīng)過更多的試驗(yàn)對比，發(fā)現(xiàn)機(jī)器視覺可減小外界環(huán)境對檢測的影響，提升檢測識(shí)別的效率，消除人為因素造成的誤差，可以將鋼帶表面劃痕測量的精度和準(zhǔn)確度再次提升，使之滿足實(shí)際工程的需要，促進(jìn)提升鋼帶合格生產(chǎn)的自動(dòng)化效率。研究自動(dòng)檢測提取技術(shù)，將推進(jìn)信息化與工業(yè)化深度融合，加快推動(dòng)新一代信息技術(shù)與制造技術(shù)融合發(fā)展，推進(jìn)生產(chǎn)過程智能化，全面提升研發(fā)、生產(chǎn)、管理和服務(wù)的智能化水平。