硅膠顆粒中雜質在線識別方法研究及剔除裝置設計

云宏霞 賈天代 劉思杰 梅 寧

（1.中國海洋大學工程學院，青島，266100；2.溫州大學機電工程學院，溫州，325035）

引 言

隨著工業(yè)水平的提高，硅膠因其化學性質穩(wěn)定在工業(yè)生產和科學研究中有廣泛的應用[1]。但是硅膠在生產制備和運輸過程中時常會混入一些雜質，嚴重影響了產品質量。因此剔除硅膠中的雜質成為生產過程中的必要環(huán)節(jié)。目前在硅膠生產行業(yè)中，大部分采用人工除雜的方式，不僅效率和準確性低，而且浪費了大量的人力資源。因此開發(fā)基于機器視覺的自動化雜質檢測與剔除裝置十分必要。

機器視覺檢測技術已經廣泛地運用于各領域，如煙草除雜[2]、玉米品種鑒定[3]、水果分級[4]、大豆檢測[5,6]和醫(yī)學圖像分類[7]等，經過圖像灰度化、濾波和邊緣檢測等過程，達到檢測和識別的目的。利用煙草與異物在顏色和紋理的差異，實現(xiàn)煙草與異物的分離。根據(jù)玉米種子幾何特征和顏色特征參數(shù)建立多目標幾何模型對玉米種子進行分類。通過采集水果的大小、色斑、莖位置及存在瑕疵等特征，實現(xiàn)水果分類和分級。在大豆檢測中以RGB顏色空間各分量色度值為提取特征，擬合正態(tài)分布概率密度函數(shù)作為判別基準識別豆子優(yōu)劣。在醫(yī)學領域中運用圖像邊緣檢測和支持向量機的方法進行醫(yī)學圖像分類。但是硅膠散料與上述物體的顏色屬性和形態(tài)不同，因此上述方法和裝置并不適用于硅膠除雜，需要對現(xiàn)有的方法進行簡化和改進，以達到硅膠與雜質相互分離的目的。

本文將硅膠中的雜質作為研究對象，進行工業(yè)散料雜質在線檢測和剔除裝置的設計。文中主要介紹了圖像預處理過程，闡述了雜質定位方法在系統(tǒng)檢測軟件中的設計與實現(xiàn)，以及樣機的設計制作過程。根據(jù)硅膠和雜質的特征分析，對設計的識別方法及樣機進行實驗，驗證其可行性。

1 硅膠雜質識別與剔除系統(tǒng)設計

工業(yè)硅膠散料分為“塊狀”和“球形”兩種，選取混合雜質的“塊狀”工業(yè)硅膠散料進行實驗，對硅膠散料中的雜質進行識別與剔除。如圖1所示，工業(yè)硅膠散料呈大小不一的白色顆粒（其最大邊長為20 mm,體積約為1 cm3,質量約為0.4 g），混合的雜質主要為黑色鐵屑和運送管道的棕色漆皮，其邊長為3～10 mm。其中，雜質約占硅膠的1%。

由于硅膠顆粒與雜質顏色、物性等屬性不同，經過對顏色的處理，硅膠與雜質的灰度值差異明顯，利用此原理作為硅膠與雜質分選的判別方法，將雜質識別出來。以此設計硅膠雜質檢測識別和剔除系統(tǒng)，達到速度為1 m/s，剔除率（剔除雜質與雜質總數(shù)的比值）為90%的目標。實現(xiàn)硅膠顆粒剔除的自動化，從而提升雜質剔除效率、提高硅膠產品的質量。

圖1 方形硅膠與雜質Fig.1 Square silicon and impurities

PC機采用酷睿i7-8550U的處理器，其主頻為1.8 GHz，配備8 GB的DDR4運行內存。系統(tǒng)選用深圳宏晶公司生產的STC89C52RC單片機，搭配11.0592 MHz的晶振作為時鐘信號源，采用RS-232接口進行串口通信。以傳送機作為雜質剔除系統(tǒng)的輸送系統(tǒng)，傳送帶尺寸為：長1000 mm，寬400 mm；傳送機的運行速度在0～4 m/s范圍內無級可調。采用LED提供光源，利用擋板將硅膠散料平鋪在傳送帶上，盡可能避免硅膠顆粒對雜質的遮擋。

如圖2所示，為了實現(xiàn)硅膠雜質在線識別與剔除雜質的功能，該系統(tǒng)主要由輸送系統(tǒng)、雜質識別系統(tǒng)、執(zhí)行系統(tǒng)組成。利用攝像機對輸送系統(tǒng)傳送帶上的工業(yè)散料進行拍攝，提取圖像信息。將采集到的圖像信息利用圖像采集卡轉換為數(shù)據(jù)格式并傳輸至計算機內存中進行圖像識別處理，處理器根據(jù)硅膠和雜質顏色特征參數(shù)的差異，得出灰度值，識別出硅膠和雜質。對硅膠和雜質進行識別后，將表示雜質位置的信號傳輸至單片機，經單片機處理后控制相應的電磁閥動作，完成對雜質的剔除，其具體工作流程如圖3所示。

圖2 硅膠雜質在線識別與剔除系統(tǒng)結構與樣機實物圖Fig.2 Structure of the system for online identification and removal of silicon impurities and the prototype

2 硅膠的識別原理及定位

硅膠圖像采集使用深圳市金揚世紀科技發(fā)展公司生產的型號為TTQJJ2的CMOS高清攝像機，鏡頭焦距從5～50 mm可調節(jié)，其對焦距離（攝像頭鏡片中心與傳送帶的垂直距離）為400 mm，最大分辨率為1920像素×1080像素,在本文中拍攝分辨率為640像素×480像素的圖像并保存至PC機中，其原始圖像如圖4所示。利用Visual C++結合OpenCV進行圖像處理，將雜質識別出來。為了將硅膠散料中的雜質剔除，攝像機使用之前還需要標定，將圖像坐標系與世界坐標系統(tǒng)一，以便于對雜質精準定位并剔除。

圖3 硅膠雜質識別與剔除系統(tǒng)工作流程圖Fig.3 Flow chart of the system for online identification and removal of silicon impurities

圖4 硅膠散料原始圖像Fig.4 Original image of silicon particles

2.1 硅膠圖像預處理

攝像機獲取的硅膠彩色圖像，包含信息較多，影響計算機的處理速度，難以滿足在線識別和剔除的實時性。因此，在實際應用中，需要將圖像中噪聲和冗余信息去除，提取圖像中的特征信息，提高圖像處理速度。為了能夠突出雜質的物理信息、減少計算量，采用工業(yè)標準灰度化的處理方法[8]，將圖像按照人眼視覺特點進行圖像灰度化。首先將彩色圖像中每個像素點提取出來，由于RGB 3種顏色對灰度的貢獻度不同[9]，按照特定的混合方法，計算出圖像的灰度值Ggray，滿足關系式(1)，其結果如圖5(a)所示。

為了使雜質與硅膠的背景分離出來，在灰度化基礎上采用圖像二值化算法[10]。通過改變閾值T，使整個圖像呈現(xiàn)只有黑和白的視覺效果[11]，其計算原理為

式中：f(x)為二值化后圖像灰度值；Ggray為灰度值；T為設定的閾值。根據(jù)如圖6所示的硅膠和雜質灰度直方圖，可確定閾值T的范圍。分析圖6可得：圖中存在兩個波峰，峰值較低的峰為雜質，峰值較高的峰為硅膠顆粒。因此確定閾值T范圍為72～117，在實驗中以雜質檢出率為目標，手動在閾值范圍內取值，最終確定最佳閾值T=110,得到如圖5（b）所示的二值圖。

圖5 硅膠散料圖像預處理Fig.5 Pretreatment of silicon particles image

圖6 硅膠散料灰度直方圖Fig.6 Grayscale histogram of silicon particles

在圖像采集的過程中，由于光線照射、設備本身振動等原因，致使二值化的圖像中產生較多的散粒噪聲，即圖5(b)邊緣的黑色小斑點，會對后面的計算過程產生干擾。因此在進行濾波時，采用對去散粒噪聲效果好又能保持圖像細節(jié)的中值濾波的方法[11]。其濾波操作表示為

式中：w為濾波器的模板；s和t為窗口；m和n為模板的長和寬。

在中值濾波中，根據(jù)其所選窗口大小的不同則其濾波效果不同，如圖7所示。由圖7(a—c）可以看出，濾波窗口過小，噪聲不能完全剔除；濾波窗口過大，在消除噪聲的同時，雜質信息變得模糊不清。根據(jù)實驗結果可得，3×3窗口的濾波可以有效濾除噪聲，同時可以保持圖像中的細節(jié)邊緣[12,13]。

2.2 雜質識別與定位

為了實現(xiàn)對目標像素點的擴展或消除，達到恢復原貌的目的，通常采用形態(tài)學運算。形態(tài)學運算基本操作包括膨脹和腐蝕[14]，主要對二值圖的邊界添加或者去掉像素點，可以消除大部分的噪聲又可以較好保留細小的運動目標。經過形態(tài)學運算后就可以減少硅膠雜質的誤判[15,16]。其形態(tài)學處理結果如圖8(a)所示。

圖7 硅膠散料圖像去噪Fig.7 Denoised image of silicon particles

圖像在進行形態(tài)學腐蝕操作之后，還需要判斷硅膠和雜質的接觸邊緣，將其與硅膠邊緣分離出來。本文采用Canny邊緣檢測的方法，此方法檢測定位準確，既能減少邊緣點丟失又能避免檢測錯誤，且運算速度較快[17]。其硅膠的檢測結果如圖8(b)所示。

通過邊緣檢測可以提取到雜質的特征，并根據(jù)邊緣線計算出雜質的最大外接矩形，從而計算出雜質的形心，獲得雜質的坐標信息。其計算原理為

圖8 雜質識別與定位Fig.8 Identification and positioning of impurities

式中：g(X,Y)表示像素點(X,Y)的灰度值；第n個目標的形心位置為(xn,yn)。圖8(c)為雜質的外接矩形圖。

3 硅膠雜質剔除

假定攝像機視場的有效面積為S1（32 cm×24 cm），其沿傳送帶運動方向的邊長為X（24 cm），設定傳送帶的運動速度V。為了避免重判和漏判現(xiàn)象，相鄰兩張照片的時間間隔可以表示為T=X/V。然而考慮到傳送機采用皮帶傳送，存在“打滑”的現(xiàn)象，致使兩張照片之間存在一定的重合量ΔX。因此，實際拍攝時間為

當重合量ΔX大于或等于雜質的最小邊長3 mm時，會出現(xiàn)重判的現(xiàn)象。所以，為了避免重判現(xiàn)象，誤差ΔX必須小于雜質最小邊長3 mm。

由于圖像采集區(qū)域與雜質剔除區(qū)域之間存在一定的距離，導致雜質識別與剔除兩個動作之間存在時間差。因此需要增加延時算法，保證雜質剔除的準確性。為了清晰地表述雜質的定位和延時方法，以圖9加以說明。

圖9 雜質定位與延時算法示意圖Fig.9 Schematic diagram of location and delay algorithm of impurity

假設剔除裝置設置i個噴嘴，那么相應地將攝像機視場S1沿y軸方向劃分為i（y0,y1,…,yi）個區(qū)間，使每一個噴嘴“負責”將相應區(qū)域內的雜質剔除。由于剔除裝置所需要的噴嘴數(shù)量與傳送帶的寬度有關（所有噴嘴出氣口寬度總和等于傳送帶寬度），因此本裝置設置7個噴嘴，恰好滿足傳送帶寬度要求。首先根據(jù)圖像識別出雜質的位置縱坐標yn，利用式(6)判斷雜質所屬區(qū)域。

然后根據(jù)圖像識別出雜質的位置縱坐標xn，利用式(6)計算出延時時間t，使相應的噴嘴經過時間t后精準地將雜質剔除。

式中：t為延時時間；L為視場后邊緣到傳送帶末端的距離。

4 剔除實驗與分析

實驗采用壓力為3 kPa的高壓氣體，用于雜質的剔除。硅膠散料是由輸送系統(tǒng)作為動力來源，依次經過擋板勻散、圖像處理識別、定位剔除等過程。當傳送帶以速度V運行，假設硅膠鋪設充滿傳送帶的寬度為D，密度為ρ，那么每秒鐘所處理的硅膠的質量可以表示為M=ρVD。結合工作時間，可以計算處理硅膠散料的產量。

將攝像頭置于硅膠顆粒的上方，當傳送機正常運行時，獲取實時硅膠散料圖像傳遞至上位機軟件。經驗證，處理一張圖片的最大耗時為tmax=67 ms,則傳送帶的理論最大運行速度可以表示為

當整體系統(tǒng)工作時，只要保證傳送帶運行速度V＜Vmax即可。速度過大將影響系統(tǒng)穩(wěn)定性，例如振動使圖像不清晰等。

將混合有300顆雜質的1 kg硅膠散料（其雜質含量遠大于實際）在硅膠識別與剔除裝置上進行雜質剔除實驗，驗證裝置的可靠性。設定傳送機的速度V=0.5,1.0,1.5,2.0,2.5,3.0m/s，使硅膠散料在每一種速度下運行5次，統(tǒng)計未剔除掉的雜質數(shù)量，并計算出剔除率的平均值。

如圖10所示，當硅膠輸送系統(tǒng)的速度V≤1.5 m/s時，硅膠散料中的雜質剔除率大約為95%。此時雜質的剔除率由兩方面決定：（1）在實驗過程中，一些體積較小的雜質被硅膠顆粒覆蓋，導致檢出率降低；（2）由于剔除機構的相鄰噴嘴之間并不能做到無縫連接，沒有形成交叉重合部分，導致雜質不能被分離，導致雜質檢出后的剔除率降低。然而當速度V＞1.5 m/s，硅膠散料中的雜質剔除率與速度呈現(xiàn)負相關性。這是因為目前傳動機從電動機到滾筒采用的是鏈傳動，其緩和沖擊、吸收振動的作用不明顯，導致剔除裝置出現(xiàn)了明顯的振動現(xiàn)象。振動會導致攝像機獲取圖像質量降低，使得圖像中雜質的識別率降低，出現(xiàn)漏判現(xiàn)象。而且振動使得識別出的雜質發(fā)生“移位”，導致剔除精度降低。此外，速度過大還會導致處理器在短時間內處理的數(shù)據(jù)量過多，使處理器處于“超負荷”工作狀態(tài)。因此，為了滿足設計要求、精準剔除雜質，需將輸送系統(tǒng)速度控制在1.0 m/s≤V≤1.8 m/s范圍之內。

圖10 硅膠輸送系統(tǒng)速度對雜質剔除率的影響Fig.10 Influence of speed of silicon conveying system on impurity removal rate

5 結束語

本文通過處理硅膠散料圖像識別硅膠散料中的雜質，并計算其形心坐標，再利用高壓氣體將雜質剔除。經驗證，硅膠雜質剔除裝置能夠有效地對雜質進行剔除，其剔除率達到95%。提出“分區(qū)域剔除算法”能夠降低計算機數(shù)據(jù)處理“負擔”，提高除雜效率。與傳統(tǒng)的機械手精準剔除異物的方法相比，“分區(qū)域剔除算法”結合“高壓氣體除雜”的方式具有更快的響應速度、更低的制造成本、更高的生產效率。但是該方法不可避免地在剔除雜質的同時會帶走正常的硅膠顆粒，需要合理優(yōu)化分區(qū)域數(shù)量，減少對正常硅膠顆粒剔除。同時將鏈傳動改為同步帶傳動可以提高裝置的穩(wěn)定性，降低裝置在高速運行時的振動；采用面光源提供光照，使光線更均勻，提高雜質的剔除率。