鋁合金無縫氣瓶內(nèi)表面缺陷視覺檢測研究

苑瑋琦 矯美娜

摘要：針對鋁合金無縫氣瓶的質(zhì)量檢測問題，設(shè)計(jì)了一套基于Contact Image Sensor（CIS）的氣瓶內(nèi)表面缺陷檢測系統(tǒng)，可實(shí)現(xiàn)氣瓶內(nèi)表面缺陷的自動(dòng)檢測。為實(shí)現(xiàn)氣瓶內(nèi)表面的全部采集，采用平移裝置和旋轉(zhuǎn)裝置協(xié)調(diào)運(yùn)動(dòng)的方式遍歷氣瓶內(nèi)表面，并通過高斯線檢測提取拉伸傷邊緣，以及閡值分割檢測凹坑區(qū)域，再根據(jù)其基本特征進(jìn)行篩選等操作，得到拉伸傷和凹坑缺陷檢測結(jié)果。實(shí)驗(yàn)表明，該系統(tǒng)能夠有效地實(shí)現(xiàn)鋁合金無縫氣瓶內(nèi)表面缺陷檢測，并具有較高的檢測效率和準(zhǔn)確率。

關(guān)鍵詞：機(jī)器視覺;氣瓶內(nèi)表面;接觸式圖像傳感器;高斯線檢測;閾值分割

中圖分類號：TP317.4 文獻(xiàn)標(biāo)識碼：A

文章編號：1009- 3044（2020）05-0227-04

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

1 概述

鋁合金無縫氣瓶在消防、醫(yī)療和汽車等行業(yè)應(yīng)用廣泛，盛裝物質(zhì)一般具有易燃易爆、強(qiáng)腐蝕性等[1]，在出廠前必須進(jìn)行嚴(yán)格的質(zhì)量監(jiān)督。通過在知網(wǎng)和專利數(shù)據(jù)庫檢索，發(fā)現(xiàn)大部分文獻(xiàn)撰寫的是氣瓶的設(shè)計(jì)與制造，而國內(nèi)外對鋁合金無縫氣瓶內(nèi)表面缺陷檢測的研究還處于起步階段，文獻(xiàn)2和3采用攝像模組成像，對于弧形內(nèi)壁存在畸變，導(dǎo)致缺陷尺寸與實(shí)際不符，且攝像模組視場小需多次采集，對多張圖像進(jìn)行處理也需要較長時(shí)間，檢測效率較低。根據(jù)國內(nèi)判定標(biāo)準(zhǔn)《GB11640-2011鋁合金無縫氣瓶》規(guī)定，內(nèi)表面不應(yīng)有肉眼可見的影響強(qiáng)度的局部缺陷，可通過打磨的方法去除且缺陷去除后其壁厚不小于設(shè)計(jì)壁厚[4]。目前，采用無損探傷的方法較多，但無損檢測技術(shù)受環(huán)境影響較大，工廠環(huán)境惡劣，還難以真正投入到生產(chǎn)線[5]。所以大多數(shù)工廠仍采用人工方法，檢查時(shí)不僅受檢查人員的主觀影響，檢測效率和精度也難以滿足工業(yè)自動(dòng)化生產(chǎn)線的需求?；跈C(jī)器視覺的氣瓶內(nèi)表面缺陷檢測具有非接觸、速度快、精度高等優(yōu)點(diǎn)[6l，所以推進(jìn)該技術(shù)應(yīng)用于氣瓶內(nèi)表面缺陷檢測有非常重要的意義。下面首先介紹檢測系統(tǒng)結(jié)構(gòu)設(shè)計(jì)，然后制定缺陷檢測算法方案，最后基于Visual Studi0 2012軟件開發(fā)環(huán)境編寫一套完整的應(yīng)用程序，實(shí)現(xiàn)鋁合金無縫氣瓶內(nèi)表面缺陷全自動(dòng)在線檢測功能。

2 檢測系統(tǒng)設(shè)計(jì)

如圖1所示，整個(gè)系統(tǒng)由圖像采集單元、控制處理單元、旋轉(zhuǎn)單元、觸發(fā)單元和平移單元組成。

相機(jī)選型時(shí)應(yīng)考慮兩點(diǎn)：一是被檢測氣瓶體積小，普通的工業(yè)相機(jī)、鏡頭和光源難以進(jìn)入內(nèi)部進(jìn)行拍攝;二是氣瓶內(nèi)表面呈弧形，使用面陣相機(jī)拍攝會(huì)產(chǎn)生畸變，即圖像中心與四周分辨率變化較大。該系統(tǒng)選擇定制CIS線陣相機(jī)，如圖2所示，中間感光元素的兩側(cè)是兩列LED光源，與柱狀透鏡和光電傳感器等一起被封裝，外觀尺寸為36lmm×56mm×54mm。

該系統(tǒng)在旋轉(zhuǎn)輪尾端安裝增量式旋轉(zhuǎn)編碼器，當(dāng)旋轉(zhuǎn)輪旋轉(zhuǎn)時(shí)，編碼器發(fā)出高低電平信號觸發(fā)圖像采集卡，當(dāng)旋轉(zhuǎn)輪停止旋轉(zhuǎn)時(shí)，編碼器也停止發(fā)出高低電平信號，即氣瓶旋轉(zhuǎn)時(shí)CIS相機(jī)采集圖像，氣瓶停止旋轉(zhuǎn)時(shí)CIS相機(jī)不采集圖像。如圖3所示，通過平移裝置和旋轉(zhuǎn)裝置協(xié)調(diào)運(yùn)動(dòng)的方式遍歷氣瓶內(nèi)表面，具體工作方式為：當(dāng)氣瓶旋轉(zhuǎn)一圈后，電動(dòng)平移臺前進(jìn)3lOmm（CIS相機(jī)有效長度），保證前一圈和后一圈圖像不重合，同時(shí)PC機(jī)時(shí)刻監(jiān)測電動(dòng)平移臺的運(yùn)動(dòng)狀態(tài)，若電動(dòng)平移臺仍在前進(jìn)，則PC機(jī)繼續(xù)監(jiān)測;若電動(dòng)平移臺已停止運(yùn)動(dòng)，則PC機(jī)向可編程邏輯控制器發(fā)出信號，氣瓶再次旋轉(zhuǎn)，周而復(fù)始直至整個(gè)氣瓶內(nèi)表面采集完畢。電動(dòng)升降臺的臺面上安裝了支撐桿，支撐桿的前端固定CIS相機(jī)，電動(dòng)升降臺可以根據(jù)氣瓶的內(nèi)徑、外徑自動(dòng)升降，進(jìn)而調(diào)節(jié)CIS相機(jī)的工作距離，保證清晰成像。

3 圖像處理算法實(shí)現(xiàn)

3.1 圖像拼接

CIS相機(jī)每次采集一圈氣瓶內(nèi)表面圖像，且每圈圖像只有幾個(gè)像素寬度的重合部分，避免對缺陷的尺寸判定造成影響。將每圈圖像按照采集的順序拼接成一幅圖像，不僅可以更加直觀地展現(xiàn)整個(gè)氣瓶內(nèi)表面的缺陷情況，而且減少了圖像處理的時(shí)間[7]。該系統(tǒng)采集的圖像大小為7344×4755，使用硬拼算子tile_images_offset0按照橫坐標(biāo)不變和縱坐標(biāo)每次增加3672個(gè)像素的規(guī)則將圖像左右平鋪，如圖4所示，拼接后的圖像大小為7344×4755。

3.2 拉伸傷缺陷提取

拉伸傷缺陷自身與背景對比度不高，在幾何形態(tài)上，呈多條較長較直的劃痕密集排列，所以將拉伸傷缺陷近似看作是一條有寬度的直線，再使用高斯線檢測[8]提取，與分別提取每一條劃痕相比，縮短了算法運(yùn)行時(shí)間，提高了檢測效率。具體檢測步驟如下：

步驟1：通過圖像處理軟件Halcon的路廓線助手確定拉伸傷缺陷的線寬度和對比度。如圖5（a）所示，豎直畫一條貫穿三條拉伸傷缺陷的剖面線，剖面線應(yīng)該在缺陷與背景對比度較低的位置，但不宜最低，特別低的對比度會(huì)提取出過多不相干輪廓線，不利于篩選。如圖5（b）所示，為剖面線所在位置的灰度值變化，圖中的3個(gè)峰分別對應(yīng)3條拉伸傷缺陷，最上方的拉伸傷對應(yīng)最大的峰，中間的拉伸傷與背景的對比度最低，對應(yīng)最不明顯的峰，即圖中兩條閾值線之間的峰。

通過圖5（b）得出，從上到下三條拉伸傷的線寬度分別為30、12和20，其上邊緣的對比度分別為37、22和24，下邊緣的對比度分別為19、12和23，經(jīng)過綜合考慮和實(shí)驗(yàn)，將線寬度確定為35個(gè)像素，第一對比度和第二對比度確定為15。第二對比度不可以大于第一對比度，第二對比度越小，提取出的線越會(huì)延伸到對比度低的區(qū)域，提取出的線越長;反之，較大的第二對比度將會(huì)提取出較短的線。所以，首先使第二對比度的值與第一對比度相等，再逐漸減小，觀察提取出的線連貫性，圖6為不同第二對比度的效果圖，最后將第二對比度確定為5。

步驟2：根據(jù)實(shí)際情況，將步驟1的線寬度和對比度進(jìn)行微調(diào)，最后將線寬確定為34，第一對比度確定為15，第二對比度確定為5。將提取出的輪廓線根據(jù)長度和高度進(jìn)行篩選，再將鄰近的輪廓線進(jìn)行合并，即可確定拉伸傷缺陷的位置。由于提取出的輪廓線彎曲，在擬合輪廓線時(shí)，存在將本不是一條直線的輪廓線連接起來的情況，所以在擬合輪廓線之前先將輪廓線分割為直線和橢圓線，再去掉橢圓線，即去掉輪廓線支叉，如圖7（d）所示，輪廓線已經(jīng)規(guī)則化，只有近似在一條水平線上的短線才會(huì)連接起來，圖8為最終檢測結(jié)果。

3.3 凹坑缺陷提取

通過分析發(fā)現(xiàn)，對于凹坑信息也就是非平面信息，和一些表面污染等平面光學(xué)信息的邊緣特征是不一樣的。平面光學(xué)信息的邊緣只是灰度上的突變，對比度較大，邊緣非常銳利，但是對于凹坑這類有一定深度的非平面缺陷的光學(xué)信息的邊緣往往比較模糊或者出現(xiàn)陰影。如果使用Canny邊緣檢測[9]提取凹坑邊緣，需要較低的閾值才能將凹坑邊緣提取出來，同時(shí)也會(huì)提取出許多不相干區(qū)域的邊緣，不利于后續(xù)篩選，所以該算法采用閾值分割方法[10]。具體檢測步驟如下：

步驟1：首先將原始圖像進(jìn)行中值濾波處理，掩碼選擇正方形，掩碼邊長為凹坑缺陷直徑的2倍左右，與均值濾波相比，中值濾波在模糊圖像的同時(shí)保留更多的邊緣細(xì)節(jié)，有利于保留缺陷信息。再用原始圖像減去中值濾波圖像，保留兩幅圖像灰度值不同的地方，可增強(qiáng)凹坑缺陷的對比度，如圖9所示。

步驟2：通過3倍方差準(zhǔn)則設(shè)定閾值大小，假設(shè)一組檢測數(shù)據(jù)只含有隨機(jī)誤差，對其進(jìn)行計(jì)算處理得到標(biāo)準(zhǔn)偏差，按一定概率確定一個(gè)區(qū)間，凡超過這個(gè)區(qū)間的誤差，就不屬于隨機(jī)誤差而是粗大誤差，含有該誤差的數(shù)據(jù)應(yīng)予以剔除。在一幅圖像中，區(qū)間外的數(shù)據(jù)實(shí)際上就是缺陷，區(qū)間內(nèi)的數(shù)據(jù)就是不相關(guān)細(xì)節(jié)。從圖9看出，凹坑缺陷區(qū)域?yàn)橛嘘幱暗陌祬^(qū)域和光線反射的亮區(qū)域，通過計(jì)算圖像的均值μ和方差σ，保留圖像中灰度值在0到μ - 3σ之間的暗區(qū)域和μ+3σ到255之間的亮區(qū)域，再取兩者的交集進(jìn)行膨脹，如圖10所示。再根據(jù)凹坑區(qū)域的面積和圓度特征進(jìn)行篩選，保留面積較大圓度較高的區(qū)域，并在其局部鄰域內(nèi)進(jìn)行灰度值計(jì)算[11]，排除表面雜質(zhì)的干擾。最后將真正的凹坑區(qū)域轉(zhuǎn)換為橢圓形，獲取其輪廓線，將凹坑缺陷標(biāo)注出來，如圖11所示。

4 實(shí)驗(yàn)結(jié)果與性能分析

運(yùn)行檢測系統(tǒng)，將實(shí)際缺陷數(shù)與檢測缺陷數(shù)進(jìn)行對比，測試缺陷檢測算法的準(zhǔn)確性。進(jìn)行多次實(shí)驗(yàn)后，隨機(jī)抽取實(shí)驗(yàn)結(jié)果制作表格，如表1所示，偏差率定義為偏差值除以實(shí)際個(gè)數(shù)。經(jīng)計(jì)算偏差率均低于10%，滿足現(xiàn)場測試要求。分析該算法誤檢的原因：個(gè)別表面污染的灰度值與凹坑缺陷相近，難以通過在局部鄰域內(nèi)計(jì)算灰度排除，導(dǎo)致誤檢。

5 結(jié)論

本文主要針對鋁合金無縫氣瓶在_T藝流程中產(chǎn)生的拉伸傷和凹坑缺陷，設(shè)計(jì)了一套視覺在線檢測系統(tǒng)，經(jīng)過上述分析，可以得出以下結(jié)論：

1）采用CIS線陣相機(jī)掃描氣瓶內(nèi)表面，可以很好地解決氣瓶徑向尺寸小難以成像以及弧形結(jié)構(gòu)造成的成像畸變問題。

2）根據(jù)缺陷特征設(shè)計(jì)氣瓶內(nèi)表面缺陷檢測算法，利用高斯線檢測和閾值分割提取缺陷，并通過輪廓擬合、形態(tài)學(xué)處理、去雜質(zhì)等一系列操作篩選出不合格缺陷，基本滿足現(xiàn)場測試要求。

3）完成樣機(jī)的研制，檢測時(shí)間平均為一分鐘，檢測效率明顯提高，且適用于各種尺寸鋁合金無縫氣瓶的質(zhì)量評判，可以根據(jù)氣瓶尺寸自動(dòng)調(diào)節(jié)CIS相機(jī)的工作距離，具有普遍性。

參考文獻(xiàn)：

[1]徐鋒，朱麗華.化工安全[M].天津：天津大學(xué)出版社，2015：135.

[2]陳思蒙.基于移動(dòng)掃描成像的氣瓶內(nèi)壁缺陷檢測系統(tǒng)的研究[D].沈陽：沈陽工業(yè)大學(xué)，2018.

[3]賈丹平，陳思蒙.采用移動(dòng)掃描成像法實(shí)現(xiàn)高壓氣瓶內(nèi)壁凹坑缺陷檢測[J].電腦知識與技術(shù)，2018，14（24）：226-227.

[4]國氣瓶標(biāo)準(zhǔn)化技術(shù)委員會(huì).GB 11640-2011鋁合金無縫氣瓶[S].北京：中國標(biāo)準(zhǔn)出版社，2012.

[5]吳斯.氣瓶無損探傷檢測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].哈爾濱：黑龍江大學(xué)，2014.

[6]陳靜.基于機(jī)器視覺的光學(xué)元件損傷在線檢測研究[D].北京：中國科學(xué)院大學(xué)，2017.

[7]高晶.基于特征點(diǎn)的圖像拼接算法研究[D].西安：西北大學(xué).2016.

[8] Wang H Y，F(xiàn)ei Z H，Wang X L.Precise simulation of star spotsand centroid calculation Based on Gaussian distribution[J].Op-tics&Precision Engineering，2009，17（7）：1672-1677.

[9] Ingle M A.Talmale G R.Respiratory mask selection and leak-age detection system Based on canny edge detection operator[J].Procedia Computer Science. 2016.78：323-329.

[10]陳愷.集成電路芯片表面缺陷視覺檢測關(guān)鍵技術(shù)研究[D].南京：東南大學(xué)，2016.

[11]周奇.基于HALCON的太陽能電池片缺陷檢測系統(tǒng)設(shè)計(jì)[D].鎮(zhèn)江：江蘇大學(xué)，2017.

【通聯(lián)編輯：梁書】

收稿日期：2019-11-21

作者簡介：苑瑋琦（1960-），男，遼寧沈陽人，教授，博士，主要研究方向?yàn)橐曈X檢測技術(shù)、生物特征識別等;矯美娜（1994-），女，吉林通化縣人，碩士研究生，主要研究方向?yàn)橐曈X檢測技術(shù)。