朱桂英

摘 要：文章以汽車(chē)電機(jī)中的主要磁性產(chǎn)品表面缺陷檢測(cè)為研究對(duì)象，結(jié)合圖像處理、機(jī)器視覺(jué)、智能計(jì)算等理論知識(shí)，通過(guò)理論分析、數(shù)值模擬和實(shí)驗(yàn)研究磁材表面紋理的抑制、缺陷區(qū)域檢測(cè)、缺陷特征提取及缺陷類(lèi)型的智能識(shí)別，進(jìn)一步開(kāi)發(fā)基于圖像處理的磁材微缺陷可視化在線無(wú)損檢測(cè)系統(tǒng)。

關(guān)鍵詞：圖像處理；磁性產(chǎn)品；缺陷檢測(cè)

中圖分類(lèi)號(hào)：TH134 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：2095-2945（2017）30-0023-02

Abstract：The object is surface defect detection of small magnetic of Motor vehicle. Through image processing， numerical simulation and experimental research， the surface texture suppression of magnetic， the defect region detection based on visual saliency， the defect feature extraction with significant influence and the intelligent recognition of defect types will be studied combined with human visual perception， Further， a visual inspection system of small magnetic based on image processing will be developed.

Keywords：image processing；Magnetic products；Defect detection

1 概述

近年來(lái)，隨著電子技術(shù)的飛速發(fā)展和人們對(duì)自動(dòng)化性能的不斷需求，電機(jī)在汽車(chē)的應(yīng)用不斷深入，汽車(chē)中有很多電機(jī)，比如雨刷器電機(jī)，車(chē)窗的玻璃升降器電機(jī)，后視鏡的調(diào)整電機(jī)，CD機(jī)的驅(qū)動(dòng)電機(jī)，天窗的開(kāi)啟與閉合驅(qū)動(dòng)電機(jī)，汽車(chē)發(fā)電機(jī)等等。為了保證電機(jī)的可靠運(yùn)行，高性能的電機(jī)用磁材的需求就不斷增加。

但是在磁材成型過(guò)程中，原材料攪拌不均勻或混有雜質(zhì)、成型模具的磨損、燒結(jié)工序的溫度控制不當(dāng)或半成品受熱不均勻等均會(huì)使磁材產(chǎn)生尺寸缺陷和表面缺陷，如裂紋、粘連、結(jié)晶及掉角等。表面缺陷會(huì)直接影響磁材后期的品質(zhì)，導(dǎo)致產(chǎn)品導(dǎo)磁率低、氣隙大，降低產(chǎn)品的可靠性和穩(wěn)定性，從而影響汽車(chē)的正常使用。

目前，磁材的類(lèi)型大約有6000多種，而且是小批量定制，一條磁材生產(chǎn)線上生產(chǎn)的磁材類(lèi)型經(jīng)常發(fā)生變化，雖然通過(guò)優(yōu)化配置可以減少同一生產(chǎn)線上磁材的種類(lèi)，但市場(chǎng)上還沒(méi)有可以對(duì)多種類(lèi)型磁材進(jìn)行在線尺寸和表面缺陷檢測(cè)的自動(dòng)化設(shè)備。為保證生產(chǎn)的連續(xù)性，磁材生產(chǎn)企業(yè)仍然采用人工檢測(cè)磁材的表面缺陷。人工檢測(cè)中工人勞動(dòng)強(qiáng)度大，受限于工人的精神狀態(tài)、檢測(cè)熟練水平、經(jīng)驗(yàn)積累水平以及工作環(huán)境等多方面因素，檢測(cè)的效率低、速度慢，器件的一致性標(biāo)準(zhǔn)難以得到保證。檢測(cè)過(guò)程中由于工人疲勞，不可避免的產(chǎn)生錯(cuò)撿、漏檢，不合格產(chǎn)品的流出不僅會(huì)給工廠帶來(lái)經(jīng)濟(jì)損失，更嚴(yán)重的是會(huì)給用戶(hù)帶來(lái)安全隱患。

本文針對(duì)不同類(lèi)型磁材外觀檢測(cè)中存在的主要問(wèn)題，探討基于圖像處理的磁材表面缺陷檢測(cè)方法。該系統(tǒng)完成后，可以節(jié)省人工，從而節(jié)省勞動(dòng)力，減輕勞動(dòng)強(qiáng)度，提高工作效率及工廠經(jīng)濟(jì)效益。

2 軟件設(shè)計(jì)

根據(jù)小型磁材的技術(shù)要求，主要的表面缺陷有：

（1）裂紋（包括裂紋、開(kāi)裂等）

（2）磕邊（包括磕邊、崩邊、料殘等）

（3）麻點(diǎn)（包括麻點(diǎn)、麻面、氣泡、傷痕、渣層、局部過(guò)厚、電鍍瘤等）

（4）砂眼（包括砂眼、氣孔、針孔、粒子等）

（5）劃痕（包括劃痕、線痕、刀痕等）

首先，通過(guò)分析小型磁材表面紋理的產(chǎn)生機(jī)理及其成像特點(diǎn)，研究小型磁材表面復(fù)雜紋理的抑制算法；其次，根據(jù)不同缺陷的產(chǎn)生機(jī)理和成像機(jī)理，研究缺陷的分類(lèi)方法及其相應(yīng)的缺陷提取算法；進(jìn)而，研究缺陷區(qū)域的特征描述方法及其缺陷類(lèi)型的識(shí)別方法；最后，搭建實(shí)驗(yàn)平臺(tái)和開(kāi)發(fā)缺陷檢測(cè)系統(tǒng)，并通過(guò)實(shí)驗(yàn)對(duì)檢測(cè)系統(tǒng)的準(zhǔn)確性、實(shí)時(shí)性和魯棒性進(jìn)行完善。磁材表面缺陷圖像具有對(duì)比度低、紋理背景復(fù)雜、缺陷種類(lèi)多、亮度不均勻等特點(diǎn)。根據(jù)磁材表面缺陷圖像的梯度圖、灰度直方圖以及檢測(cè)功能的需要，可將磁材表面圖像分為正常區(qū)域、背景區(qū)域、缺陷區(qū)域、干擾區(qū)域。

（1）正常區(qū)域：磁材表面正常區(qū)域灰度值較高且與缺陷區(qū)域灰度值差別較大，區(qū)域內(nèi)部灰度值比較平均、梯度值比較??；

（2）背景區(qū)域：磁材圖像中磁材以外的區(qū)域，該區(qū)域內(nèi)部灰度值小，灰度變化平穩(wěn)，與磁材表面灰度平均值差值大易于分割；

（3）缺陷區(qū)域：磁材表面缺陷區(qū)域內(nèi)部灰度值小，區(qū)域內(nèi)部灰度值比較平穩(wěn)；但不同缺陷區(qū)域與正常區(qū)域的灰度值差別不同，交界部分梯度值大小也不同。有的缺陷交界部分梯度值大，如裂紋、掉塊等；有的缺陷交界部分梯度值小，如偏磨等。

（4）干擾區(qū)域：磁材表面圖像干擾區(qū)域主要包含表面紋理干擾和光照不均產(chǎn)生的陰影干擾，磁材表面紋理圖像區(qū)域灰度值小，內(nèi)部區(qū)域面積小，寬度窄，與正常區(qū)域交界處梯度值較大對(duì)磁材表面缺陷檢測(cè)干擾較大。因光照不均產(chǎn)生的陰影干擾區(qū)域內(nèi)部灰度值與正常區(qū)域灰度值差別小，二者交界處的梯度值小；而且陰影內(nèi)部區(qū)域灰度平穩(wěn)，變化小，對(duì)磁材表面缺陷檢測(cè)的干擾小。

本文將CCD相機(jī)通過(guò)千兆網(wǎng)線與電腦相連，搭建實(shí)驗(yàn)室環(huán)境下磁材尺寸和表面缺陷檢測(cè)實(shí)驗(yàn)平臺(tái)，拍攝不同類(lèi)型和不同缺陷的磁材所有表面圖像，并利用opencv開(kāi)發(fā)磁材尺寸與表面缺陷檢測(cè)系統(tǒng)。缺陷檢測(cè)算法主要分為磁材尺寸缺陷檢測(cè)算法和磁材表面缺陷檢測(cè)算法兩大部分，磁材尺寸缺陷檢測(cè)及定位原理如圖1所示，磁材表面缺陷檢測(cè)及合格磁材分級(jí)原理如圖2所示。

合格的磁材也有可能存在尺寸和表面缺陷，但缺陷必須滿(mǎn)足不同磁材的要求，一般廠家都會(huì)提供磁材缺陷的尺寸要求，而且要求對(duì)合格品進(jìn)行分級(jí)。

3 結(jié)束語(yǔ)

本文研究了磁材的各種缺陷以及生成機(jī)理，研究了一套基于圖像處理的檢測(cè)系統(tǒng)，已經(jīng)在matlab上對(duì)一些關(guān)鍵算法進(jìn)行了開(kāi)發(fā)和實(shí)驗(yàn)研究，主要有磁材和磁材尺寸測(cè)量，可以測(cè)量出磁材的內(nèi)徑、外徑和厚度，測(cè)量誤差在20um左右；磁材表面的紋理去除算法，主要提出通過(guò)各向異性濾波器抑制紋理的算法，雖然紋理去除效果比較理想，但程序運(yùn)行時(shí)間比較長(zhǎng)，需要對(duì)算法進(jìn)行優(yōu)化或設(shè)計(jì)其他性能更優(yōu)良的去紋理算法；磁材裂紋、磕邊、砂眼、倒角四種比較容易識(shí)別缺陷的區(qū)域提取算法，以及相應(yīng)面積、周長(zhǎng)、圓形度、寬長(zhǎng)比、區(qū)域復(fù)雜度等特征的提取算法；還需要設(shè)計(jì)出效果更好的預(yù)處理算法，以便于提取劃痕、偏磨、污漬等其它表面缺陷。

參考文獻(xiàn)：

[1]翟弘揚(yáng).數(shù)字圖像識(shí)別及應(yīng)用[J].科技與管理，2016（9）：69.

[2]陳凱.人工“智能”圖像識(shí)別[J].信息技術(shù)課，2017：21-23.

[3]麻興東.計(jì)算機(jī)智能圖像識(shí)別算法研究[J].科技資訊，2015（20）：24-25.

[4]楊成立，殷國(guó)富，蔣紅海，等.基于小波變換的磁瓦表面缺陷檢測(cè)方法研究[J].計(jì)算機(jī)應(yīng)用與軟件，2014（11）：210-213.

[5]劉海，李燁，李妍臻.基于圖像處理的PCB自動(dòng)檢測(cè)系統(tǒng)的設(shè)計(jì)與研究[J].電子世界，2013（2）：115-116.

[6]楊成立，殷國(guó)富，蔣紅海，等.基于改進(jìn)的自適應(yīng)中值濾波的磁瓦表面缺陷檢測(cè)[J].組合機(jī)床與自動(dòng)化加工技術(shù)，2014（2）：79-82.

[7]張兵.高光譜圖像處理與信息提取前沿[J].遙感學(xué)報(bào)，2016（5）：1062-1090.endprint