茍文韜，謝蔚卿

(西南自動(dòng)化研究所，四川 綿陽(yáng)　621000)

?

基于機(jī)器視覺(jué)的彈殼表面缺陷檢測(cè)系統(tǒng)設(shè)計(jì)

茍文韜，謝蔚卿

(西南自動(dòng)化研究所，四川 綿陽(yáng)621000)

摘要：針對(duì)落后的檢測(cè)槍彈外觀(guān)品質(zhì)工藝，利用機(jī)器視覺(jué)技術(shù)，設(shè)計(jì)了包含基于線(xiàn)陣相機(jī)的圖像采集方式、缺陷分割算法以及缺陷分類(lèi)算法的一套完整的解決方案。試驗(yàn)表明，該方案能準(zhǔn)確實(shí)現(xiàn)對(duì)缺陷的分割和分類(lèi)。

關(guān)鍵詞：機(jī)器視覺(jué)；槍彈；表面缺陷；檢測(cè)；分類(lèi)

Citation format:GOU Wen-tao，XIE Wei-qing.Cartridge Case Surface Defect Detection System Design Based on Machine Vision[J].Journal of Ordnance Equipment Engineering,2016(2):105-108.

在彈殼生產(chǎn)過(guò)程中，由于沖壓設(shè)備、加工工藝、原材料及化學(xué)成分等因素的影響，導(dǎo)致彈殼外觀(guān)出現(xiàn)表面線(xiàn)痕、油漬、缺口、尺寸偏差等缺陷。從槍彈誕生到目前為止，槍彈外觀(guān)品質(zhì)檢測(cè)方式基本上還是依靠手工測(cè)量和目視檢測(cè)這種傳統(tǒng)的檢測(cè)方法。采用機(jī)器視覺(jué)技術(shù)對(duì)槍彈缺陷檢測(cè)在國(guó)內(nèi)已經(jīng)開(kāi)始研究[1-3]，這也代表著槍彈外觀(guān)品質(zhì)檢測(cè)的發(fā)展方向。

1圖像采集

本系統(tǒng)采用了基于線(xiàn)陣相機(jī)采集圖像的方式，這種方式采集到的彈殼表面圖像為矩形形狀，對(duì)缺陷的準(zhǔn)確分割更容易，特征數(shù)值的計(jì)算也更方便。由于彈殼的弧形表面和材料的因素，光照射到表面上會(huì)產(chǎn)生強(qiáng)反光，彈殼輕微的擺動(dòng)都會(huì)對(duì)進(jìn)光量產(chǎn)生影響，普通的光源或單一的線(xiàn)光源并不能使彈殼表面亮度均勻。本檢測(cè)系統(tǒng)采用了兩個(gè)白色線(xiàn)光源從左右兩側(cè)對(duì)彈殼進(jìn)行照明，照明方式如圖1所示。其中一個(gè)主光源亮度較低，起主要照明作用，亮度低、彈殼微小擺動(dòng)引起的變化量很??；另一個(gè)副光源亮度較大，作為光源補(bǔ)償，提高圖像的整體灰度。實(shí)際應(yīng)用時(shí)，需要對(duì)光源的安裝角度進(jìn)行各種調(diào)整測(cè)試，才能確定相機(jī)和光源的最佳相對(duì)角度。彈殼被上方壓彈殼機(jī)構(gòu)壓緊，彈殼下方旋轉(zhuǎn)機(jī)構(gòu)帶動(dòng)彈殼旋轉(zhuǎn)，利用線(xiàn)陣相機(jī)對(duì)彈殼表面逐行進(jìn)行連續(xù)掃描形成二維圖像，達(dá)到對(duì)其整個(gè)表面進(jìn)行完整圖像采集的目的。

2缺陷分割

缺陷分割的目的是分割出彈殼表面圖像的缺陷區(qū)域，只有分割出圖像中的缺陷才能進(jìn)一步進(jìn)行分析處理，缺陷分割分為以下步驟。

1.壓彈殼機(jī)構(gòu); 2.成像線(xiàn)區(qū)域; 3.線(xiàn)光源;

2.1ROI區(qū)域檢測(cè)

感興趣區(qū)域(region of interest，ROI)檢測(cè)的目的是在采集到的原始圖像中對(duì)需要的圖像區(qū)域進(jìn)行劃分，減少后續(xù)檢測(cè)算法的計(jì)算量。由于彈殼表面展開(kāi)圖為一張矩形圖像，所以只需要確定這張圖像所占的行數(shù)與列數(shù)。

由于圖像采集的過(guò)程中彈殼一直自轉(zhuǎn)，圖像呈現(xiàn)出首尾相接的現(xiàn)象，所以對(duì)于行的選擇只需要選取連續(xù)固定行數(shù)。由于彈殼的全長(zhǎng)不一，區(qū)域所占列數(shù)并不唯一，可以通過(guò)檢測(cè)圖像左右兩個(gè)邊緣進(jìn)行列區(qū)域劃分。其中一條列為彈殼的口部邊緣，另一條列為彈殼的底槽上邊緣，兩條列之間為彈殼列區(qū)域。彈殼表面成像之后表面區(qū)域左右兩條邊緣都為直線(xiàn)，可以通過(guò)直線(xiàn)擬合[4]或Hough[5]線(xiàn)變換的方法對(duì)直線(xiàn)進(jìn)行檢測(cè)，從而得到列寬。

2.2高斯濾波

彈殼表面圖像的噪聲是隨機(jī)產(chǎn)生的，其特點(diǎn)是噪聲的大小和分布具有不規(guī)則性。高斯濾波是一種空間域?yàn)V波方法，既能去除噪聲又能保護(hù)圖像的邊緣，可以得到很好的處理效果。高斯濾波模型如下

(1)

其中：u為均值(峰值對(duì)應(yīng)位置)；σ代表高斯函數(shù)標(biāo)準(zhǔn)差，單位為像素間距；x和y各有一個(gè)均值和標(biāo)準(zhǔn)差。

2.3圖像分割算法

彈殼表面缺陷呈現(xiàn)特點(diǎn)為亮缺陷與暗缺陷。實(shí)際上一般暗缺陷或缺陷暗區(qū)域的灰度值與背景灰度分布范圍緊緊相連，而亮缺陷或者缺陷亮區(qū)域的灰度級(jí)都非常高，與背景灰度值間斷。針對(duì)這一特性，對(duì)亮暗缺陷可以采用不同的分割方法。由于圖像整體灰度級(jí)都偏低，局部窗口內(nèi)灰度均值也較低，可以采用局域閾值法分割暗缺陷；亮缺陷邊緣梯度值較大，采用基于邊緣檢測(cè)的方法分割亮缺陷，該方法具有較強(qiáng)的自適應(yīng)性。

2.3.1局部閾值法分割暗缺陷

局部閾值操作比較簡(jiǎn)單，通過(guò)計(jì)算像素點(diǎn)周?chē)鷧^(qū)域像素加權(quán)平均，然后減去常數(shù)得到自適應(yīng)閾值，常數(shù)可以根據(jù)實(shí)際需求進(jìn)行設(shè)定。采用對(duì)區(qū)域所有像素平均加權(quán)進(jìn)行計(jì)算。該方法公式如下：size為窗口大小，e為減去的常數(shù)。

(2)

通常情況下窗口寬度應(yīng)該大于被識(shí)別物體的寬度，才能取得較好的效果。由于局部自適應(yīng)二值化是計(jì)算像素領(lǐng)域的平均灰度來(lái)決定二值化的閾值，所以對(duì)于光照不均的物體表面識(shí)別效果比較好。

2.3.2邊緣檢測(cè)法分割亮缺陷

邊緣分割依賴(lài)于由邊緣檢測(cè)算子找到的圖像邊緣，是一種局部圖像處理方法。邊緣是灰度發(fā)生急劇變化的位置，是賦給單個(gè)像素的性質(zhì)。邊緣的幅值是梯度的幅值，所以圖像整體灰度發(fā)生變化并不影響邊緣的檢測(cè)，適合于檢測(cè)彈殼缺陷邊緣。為了能準(zhǔn)確地提取圖像的邊緣，采用最優(yōu)的階梯型邊緣檢測(cè)算子—Canny算子對(duì)圖像進(jìn)行邊緣檢測(cè)，它滿(mǎn)足以下3個(gè)準(zhǔn)則：信噪比準(zhǔn)則、定位精度準(zhǔn)則和單邊響應(yīng)準(zhǔn)則[6,7]。Canny算法實(shí)現(xiàn)步驟如下：

1) 高斯平滑

將圖像與尺度為σ的高斯函數(shù)作卷積，以模糊圖像和消除噪聲。

2) 計(jì)算梯度的幅值和方向

利用導(dǎo)數(shù)算子(如Prewitt算子、Sobel算子)找到圖像灰度沿著兩個(gè)方向的導(dǎo)數(shù)Gx、Gy，并求出梯度的大小和方向。

在實(shí)際操作過(guò)程中采用一階偏導(dǎo)的有限差分來(lái)計(jì)算平滑后的數(shù)據(jù)陣列I(x,y)的梯度幅值和梯度方向。選取3×3的Sobel算子作為導(dǎo)數(shù)算子，其中，x和y兩個(gè)方向偏導(dǎo)數(shù)陣列Gx(i,j)和Gy(i,j)分別為：

Gx(i,j)=[I(i+1,j+1)+2I(i+1,j)+

I(i+1,j-1)]-[I(i-1,j+1)+

2I(i-1,j)+I(i-1,j-1)]

(3)

Gy(i,j)=[I(i+1,j-1)+2I(i,j-1)+

I(i-1,j-1)]-[I(i+1,j+1)+

2I(i,j+1)+I(i-1,j+1)]

(4)

梯度幅值和方向計(jì)算式為：

(5)

(6)

3) 對(duì)梯度幅值進(jìn)行非極大值抑制

為了精確定位邊緣，需要梯度幅值圖像中的“屋脊帶”，只保留幅值局部變化最大的點(diǎn)，這一過(guò)程就是非極大值抑制。根據(jù)8鄰接的模板算子將邊緣方向量化為8個(gè)方向，對(duì)于每個(gè)非0幅值像素，考察由邊緣方向指出的兩個(gè)鄰接像素，如果兩個(gè)鄰接像素的幅值有一個(gè)超過(guò)當(dāng)前考察像素的幅值，則將當(dāng)前考察像素標(biāo)記出來(lái)刪除。當(dāng)所有的像素都考察過(guò)后，遍歷圖像，以0抹去所有標(biāo)記過(guò)的像素。這一過(guò)程把梯度圖像細(xì)化為一個(gè)像素寬。

4) 使用雙閾值法檢測(cè)和連接邊緣

確定合適的兩個(gè)閾值，由高閾值得到的邊緣圖像中的邊緣都是真實(shí)邊緣，但是邊緣有間斷。在真邊緣間斷像素處從由低閾值得到的邊緣圖像中尋找該點(diǎn)8鄰接的邊緣，利用遞歸跟蹤的算法不斷在低閾值得到的邊緣圖像中收集邊緣，直到將邊緣的間隙都連接起來(lái)。

2.4亮暗區(qū)域拼接方法

對(duì)于特殊的缺陷，比如穿孔，該類(lèi)型缺陷完整的區(qū)域既包含亮區(qū)域部分又含有暗區(qū)域部分，需要對(duì)兩部分進(jìn)行區(qū)域拼接，達(dá)到對(duì)缺陷準(zhǔn)確分割的目的。

采用分割算法對(duì)缺陷的暗區(qū)域和亮區(qū)域分別進(jìn)行分割之后得到了各自的二值化圖，然后對(duì)這兩張圖進(jìn)行相加，得到整個(gè)缺陷的完整區(qū)域。將該圖與原圖像進(jìn)行“位與”運(yùn)算，就能得到完整的缺陷灰度圖像。這樣得到的缺陷圖像的灰度信息也被保留了下來(lái)，有利于缺陷灰度特征的提取。

圖3以穿孔缺陷圖像為例，依次給出了各步驟處理之后的實(shí)際效果圖?；谏鲜龈鱾€(gè)環(huán)節(jié)圖像處理算法，本系統(tǒng)中采用的分割缺陷的完整的圖像處理算法如圖2所示，輸入為采集到的彈殼表面圖像，輸出為缺陷圖像。

圖2　缺陷分割算法流程

圖3　穿孔缺陷分割各步驟圖像

3缺陷分類(lèi)

當(dāng)通過(guò)分割算法得到圖像中各個(gè)缺陷目標(biāo)后，就應(yīng)該采用模式識(shí)別算法對(duì)目標(biāo)缺陷進(jìn)行識(shí)別。

3.1缺陷特征提取

缺陷識(shí)別的前提是特征提取，圖像特征提取和選擇的目的是為了保證分類(lèi)的準(zhǔn)確性和快速性，需要選擇在特征向量空間中類(lèi)間距離大而類(lèi)內(nèi)方差小的特征，即不同類(lèi)別的特征值距離較遠(yuǎn)，而同一類(lèi)內(nèi)的特征值致密聚集。彈殼表面缺陷的具有灰度差異，形狀差異，幾何差異等特點(diǎn)，并且缺陷大小是隨機(jī)的，需要特征不隨尺寸大小變化而變化，這里選擇灰度特征、形狀特征、幾何特征來(lái)建立特征數(shù)據(jù)庫(kù)[8-10]，作為模式分類(lèi)系統(tǒng)的輸入特征向量，提取的特征量及計(jì)算公式如表1所示，其中WMER和LMER分別為MER(最小外接矩形)的短邊和長(zhǎng)邊，(x0,y0)和(x1,y1)是一條長(zhǎng)邊上的兩個(gè)點(diǎn)，A0和AMER為缺陷和MER的面積，f(i,j)是缺陷在像素點(diǎn)(i,j)的灰度值。

表1　缺陷特征描述

3.2分類(lèi)器設(shè)計(jì)

模式識(shí)別又常稱(chēng)為模式分類(lèi)，即采用某種處理算法或規(guī)則將模式分為其所屬類(lèi)別的過(guò)程。

支持向量機(jī)(support vector machine，SVM)是在統(tǒng)計(jì)學(xué)理論基礎(chǔ)上發(fā)展起來(lái)的一種統(tǒng)計(jì)學(xué)方法，原本是為線(xiàn)性可分的兩類(lèi)問(wèn)題提出的，后來(lái)通過(guò)引入核函數(shù)的方法解決了非線(xiàn)性分類(lèi)問(wèn)題，結(jié)合多個(gè)二分類(lèi)器得到多類(lèi)問(wèn)題的分類(lèi)[11]。

設(shè)有一組n維特征向量x和其類(lèi)別標(biāo)簽w。通過(guò)定義可區(qū)分的超平面得到兩類(lèi)的判別函數(shù)w·x+b=0。為了最大化間隔，定義兩個(gè)平行的超平面w·x+b=1，w·x+b=-1，經(jīng)過(guò)支持向量，并且它們之間沒(méi)有訓(xùn)練模式。則對(duì)于所有的訓(xùn)練模式xi必須滿(mǎn)足下面的不等式：

(7)

這個(gè)超平面的距離是2/‖w‖。為了最大化間隔，需要最小化‖w‖，運(yùn)用拉格朗日原理表述這個(gè)最小化問(wèn)題，從而簡(jiǎn)化優(yōu)化過(guò)程，最后計(jì)算可得到判別函數(shù)為

(8)

使用核技巧可以把這種方法推廣到非線(xiàn)性可分的問(wèn)題中。線(xiàn)性支持向量分類(lèi)器的點(diǎn)積可以用非線(xiàn)性核函數(shù)來(lái)代替

(9)

產(chǎn)生的判別函數(shù)是

(10)

表2　支持向量機(jī)分類(lèi)結(jié)果

4結(jié)論

采用機(jī)器視覺(jué)技術(shù)檢測(cè)槍彈外觀(guān)缺陷對(duì)于降低人工勞動(dòng)強(qiáng)度、提高檢測(cè)效率和產(chǎn)品品質(zhì)等有重要意義。本研究從圖像采集、圖像分割、模式識(shí)別3個(gè)方面介紹了彈殼缺陷檢測(cè)解決方案。試驗(yàn)表明，該設(shè)計(jì)方案成功實(shí)現(xiàn)了亮、暗缺陷的準(zhǔn)確分割，對(duì)缺陷的分類(lèi)也取得了很好的分類(lèi)效果。

參考文獻(xiàn)：

[1]張亞軍,齊杏林,董成基.機(jī)器視覺(jué)下基于灰度值形態(tài)學(xué)的槍彈鋼芯表面檢測(cè)[J].四川兵工學(xué)報(bào),2012,33(6)：59-61.

[2]茍文韜,諸洪,劉彬,等.一種基于自適應(yīng)閾值的彈殼表面缺陷分割方法[J].四川兵工學(xué)報(bào),2015,36(1):122-123.

[3]孫文緞，葉玉堂.基于線(xiàn)陣相機(jī)采集平臺(tái)的槍彈表面質(zhì)量檢測(cè)技術(shù)[J].兵工自動(dòng)化,2013,32(1)：87-90.

[4]黨興菊,吳文良.最小二乘法擬合直線(xiàn)公式的初等推導(dǎo)[J].重慶科技學(xué)院學(xué)報(bào),2010,12(4):184-187.

[5]CHUTATOPE O,GUO Linfeng.A modified Hough transform for line detection and its performance[J].Pattern Recognition,1999,32(2):181-192.

[6]張德豐.MATLAB數(shù)字圖像處理[M].北京：機(jī)械工業(yè)出版社,2009:223-224.

[7]王植.一種基于Canny理論的自適應(yīng)邊緣檢測(cè)方法[J].中國(guó)圖像圖形學(xué)報(bào)A輯,2004,9(8):957-962.

[8]張洪濤.鋼板表面缺陷在線(xiàn)視覺(jué)檢測(cè)系統(tǒng)關(guān)鍵技術(shù)研究[D].天津:天津大學(xué),2008:62-64.

[9]李曉冬,康戈文.基于數(shù)字濾波器的鍍鋅板缺陷分割[J].電子科技大學(xué)學(xué)報(bào),2005,34(3):389-391.

[10]劉洪江.基于機(jī)器視覺(jué)的毛桿缺陷檢測(cè)技術(shù)的研究[D].廣州:廣東工業(yè)大學(xué),2011:85-90.

[11]THEODORIDIS S,KOUTROUMBAS K.模式識(shí)別 [M].4版.北京:電子工業(yè)出版社,2010:81-97.

(責(zé)任編輯唐定國(guó))

Cartridge Case Surface Defect Detection System Design Based on Machine Vision

GOU Wen-tao，XIE Wei-qing

(Southwest Automation Research Institute, Mianyang 621000, China)

Abstract:In order to improve the bullet defect detection process levels with the machine vision technology, we designed a complete set of solution include image acquisition way based on linear CCD, defects segmentation algorithms and defects classification algorithms. The results of the experiment show that this solution works well in defects segmentation and classification.

Key words：machine vision; bullet; surface defect; detection; classification

文章編號(hào)：1006-0707(2016)02-0105-04

中圖分類(lèi)號(hào)：TP391；TJ2

文獻(xiàn)標(biāo)識(shí)碼：A

doi:10.11809/scbgxb2016.02.026

作者簡(jiǎn)介：茍文韜(1989—)，男，主要從事機(jī)器視覺(jué)及模式識(shí)別研究。

基金項(xiàng)目：863計(jì)劃(2014AA041604)

收稿日期：2015-08-18；修回日期：2015-08-29

本文引用格式：茍文韜，謝蔚卿.基于機(jī)器視覺(jué)的彈殼表面缺陷檢測(cè)系統(tǒng)設(shè)計(jì)[J].兵器裝備工程學(xué)報(bào)，2016(2):105-108.

【機(jī)械制造與檢測(cè)技術(shù)】