萬長龍，張 晶，林樟驍，楊曉敏

（珠海市運(yùn)泰利自動(dòng)化設(shè)備有限公司，廣東 珠海 519180）

工業(yè)中的數(shù)據(jù)和信息在很大程度上依賴于圖像，但在數(shù)學(xué)上對(duì)攝影數(shù)據(jù)進(jìn)行估計(jì)和處理具有挑戰(zhàn)性。因此，數(shù)字圖像處理技術(shù)將有助于對(duì)圖像進(jìn)行處理，并嘗試對(duì)其分析進(jìn)行擴(kuò)展，圖像處理在工業(yè)領(lǐng)域廣泛應(yīng)用。

隨著信息科學(xué)的飛速發(fā)展，基于計(jì)算機(jī)視覺的模式識(shí)別和圖像處理技術(shù)已成為成熟的質(zhì)量分析技術(shù)[1]。計(jì)算機(jī)視覺技術(shù)通過對(duì)圖像的電子感知，對(duì)圖像中的細(xì)節(jié)進(jìn)行解釋和識(shí)別，為精密零部件質(zhì)量檢測(cè)提供信息，以適應(yīng)人類視覺在精密零部件質(zhì)量檢測(cè)中的作用。因此，本文旨在利用圖像處理技術(shù)對(duì)精密零部件進(jìn)行質(zhì)量檢測(cè)[2]。主要包括圖像采集、預(yù)處理、圖像分割、特征提取和分類五個(gè)步驟，如圖1所示。圖2展示了每年發(fā)表的研究論文數(shù)量，從圖2中可以很容易地看出這個(gè)研究領(lǐng)域的趨勢(shì)。

圖1 圖像處理中識(shí)別的通用框圖

圖2 每年發(fā)表的研究論文數(shù)量

1 精密零部件質(zhì)量評(píng)估

1.1 圖像采集

在應(yīng)用中，使用的圖像采集工具有照相機(jī)、超聲波、磁共振成像、電子斷層掃描和計(jì)算機(jī)斷層掃描。為了產(chǎn)生數(shù)字圖像，使用了電荷耦合器件和互補(bǔ)金屬氧化物半導(dǎo)體圖像傳感器[1]。

傳統(tǒng)的計(jì)算機(jī)視覺系統(tǒng)始于20世紀(jì)60年代后期，目前廣泛應(yīng)用于航空航天領(lǐng)域、工業(yè)自動(dòng)化、安全檢查、智能交通系統(tǒng)、醫(yī)學(xué)成像、軍事應(yīng)用、機(jī)器人引導(dǎo)、自動(dòng)駕駛汽車、食品質(zhì)量安全檢查等領(lǐng)域。由于傳統(tǒng)的計(jì)算機(jī)視覺系統(tǒng)使用的是紅、綠、藍(lán)（RGB）三原色，所以RGB彩色相機(jī)獲取的圖像都是以RGB波長為中心。利用計(jì)算機(jī)視覺系統(tǒng)，可以對(duì)紋理、形狀、尺寸、缺陷等特征進(jìn)行自動(dòng)分級(jí)和檢測(cè)。但是由于紋理和顏色等原因造成的一些缺陷與皮膚相同，是一個(gè)具有挑戰(zhàn)性的任務(wù)[2-3]。

1.2 預(yù)處理

通過各種技術(shù)獲取的圖像中含有多種噪聲，這些噪聲會(huì)使圖像的面貌變差。因此，需要對(duì)圖像進(jìn)行預(yù)處理。預(yù)處理對(duì)圖像數(shù)據(jù)進(jìn)行了增強(qiáng)，擴(kuò)大了圖像處理所必需的特征，并在特定的應(yīng)用中建立了比原始圖像更相關(guān)的圖像。用于質(zhì)量評(píng)價(jià)的圖像預(yù)處理方法是像素預(yù)處理和局部預(yù)處理。像素預(yù)處理是將輸入圖像轉(zhuǎn)換為輸出圖像，使每個(gè)輸出像素與具有相應(yīng)坐標(biāo)的輸入像素相關(guān)聯(lián)。最常用的像素預(yù)處理方法是用于質(zhì)量評(píng)價(jià)的顏色空間變換（CST）。CST的應(yīng)用大多依賴色相、飽和度和強(qiáng)度（HSI）色彩空間，其中飽和度導(dǎo)致單色圖像，生動(dòng)地賦予肉圖像紋理。局部預(yù)處理（過濾）是在輸入圖像中使用一個(gè)像素的小鄰域在輸出圖像中產(chǎn)生一個(gè)新的亮度值。它使用簡單濾波器（降低噪聲）、中值濾波器（降低峰值噪聲）和改進(jìn)的非銳化濾波器[4]。

1.3 圖像分割

在預(yù)處理之后，需要進(jìn)行圖像分割，將數(shù)字圖像分成不同的區(qū)域。主要特征是在對(duì)象評(píng)估期間分離用于處理重要區(qū)域的背景。正確的分割對(duì)于圖像分析的進(jìn)一步發(fā)展至關(guān)重要，而錯(cuò)誤的分割會(huì)降低分類器的性能。

1.4 特征提取

在圖像分割之后，對(duì)特征進(jìn)行估計(jì)做進(jìn)一步分析。這些特征是計(jì)算機(jī)視覺系統(tǒng)中的基本因素，因?yàn)樗鼈儼糜趫D像感知，解釋和對(duì)象分類的有效數(shù)據(jù)。在此過程中，提取的特征形成了分類的輸入特征向量。這些特征向量唯一且精確地定義了對(duì)象形狀。特征提取的目的是通過提取特征來提高識(shí)別率。

1.5 分類

精密零部件質(zhì)量評(píng)估的基本特征是分類，該分類提供了一種結(jié)構(gòu)，在該結(jié)構(gòu)中，對(duì)人類思維進(jìn)行了人工模擬，以指導(dǎo)人類即時(shí)、正確和持久地形成復(fù)雜的判斷。通過使用圖像處理技術(shù)，可以通過一組特征（例如顏色、大小、形狀和紋理）來描述精密零部件。這些特征用于形成訓(xùn)練集，然后應(yīng)用分類算法提取知識(shí)庫，從而做出未知案例的決策。在計(jì)算機(jī)視覺系統(tǒng)中，已經(jīng)開發(fā)出多種方法：人工神經(jīng)網(wǎng)絡(luò)，深度學(xué)習(xí)/卷積神經(jīng)網(wǎng)絡(luò)用于產(chǎn)品質(zhì)量評(píng)估中的分類[5]。

2 精密零部件的缺陷檢測(cè)

在商業(yè)分類機(jī)中，早期通過傳統(tǒng)計(jì)算機(jī)視覺對(duì)精密零部件的顏色、質(zhì)地、大小和形狀進(jìn)行視覺分析。由于缺陷類型的差異較大，缺陷檢測(cè)仍然是一項(xiàng)艱巨的任務(wù)。當(dāng)精密零部件出現(xiàn)缺陷時(shí)，自動(dòng)檢測(cè)精密零部件缺陷至關(guān)重要。通常，精密零部件的常見問題是開口缺陷和裂紋。隨著對(duì)精密零部件高質(zhì)量期望的提高，對(duì)精密零部件中真實(shí)和客觀質(zhì)量確定的需求不斷發(fā)展。為了滿足這些要求，計(jì)算機(jī)視覺系統(tǒng)提供了自動(dòng)化、經(jīng)濟(jì)高效且無損的技術(shù)。這種基于圖像處理的檢查技術(shù)在產(chǎn)品質(zhì)量評(píng)估中具有多種應(yīng)用。表1展示了不同研究人員采用的不同分類技術(shù)對(duì)產(chǎn)品的質(zhì)量分析。

表1 產(chǎn)品質(zhì)量分析中不同分類技術(shù)對(duì)比

3 挑戰(zhàn)

圖像處理和計(jì)算機(jī)視覺系統(tǒng)以其優(yōu)異的性能、成本的不斷提高、易于使用和算法的魯棒性等優(yōu)點(diǎn)成為工業(yè)領(lǐng)域的科學(xué)機(jī)制。傳統(tǒng)的、多光譜的和高光譜的計(jì)算機(jī)視覺系統(tǒng)目前被廣泛應(yīng)用于精密零部件的質(zhì)量評(píng)價(jià)。尺寸、形狀、紋理和缺陷是傳統(tǒng)計(jì)算機(jī)視覺系統(tǒng)（TCVS）檢測(cè)的常見特征。為了提高TCVS，多光譜和高光譜計(jì)算機(jī)視覺系統(tǒng)提供了動(dòng)態(tài)工具，以較少的缺陷檢測(cè)具有挑戰(zhàn)性的TCVS。因?yàn)楣庾V圖像的優(yōu)勢(shì)，提高缺陷檢測(cè)精度面臨諸多挑戰(zhàn)，包括弓形表面光分布不均勻、不同應(yīng)用需要強(qiáng)大的波長選擇、表面評(píng)價(jià)、光譜圖像的采集和處理耗時(shí)長、不同缺陷的識(shí)別等。除了在分級(jí)中使用大小、形狀、紋理等特定特征外，還應(yīng)該測(cè)試其他特征以提高結(jié)果。此外，對(duì)所有特性使用相同的權(quán)重值，調(diào)優(yōu)權(quán)重值可以提高性能。太赫茲成像技術(shù)、拉曼成像技術(shù)、三維成像技術(shù)等的研究進(jìn)展可用于精密零部件質(zhì)量分析。

4 結(jié)束語

本文重點(diǎn)介紹了圖像處理和計(jì)算機(jī)視覺技術(shù)在精密零部件質(zhì)量評(píng)估領(lǐng)域的應(yīng)用。為了取代對(duì)精密零部件的人工檢查，使用了計(jì)算機(jī)視覺系統(tǒng)，該系統(tǒng)可提供真實(shí)，公平和無損的評(píng)級(jí)。基于計(jì)算機(jī)視覺的質(zhì)量檢查包括四個(gè)主要步驟，即獲取、分割、特征提取和分類。盡管許多研究人員提出了各種精密零部件質(zhì)量檢測(cè)方法，但仍需要構(gòu)建具有改進(jìn)性能基于魯棒計(jì)算機(jī)視覺的系統(tǒng)。