復(fù)雜機(jī)電模具表面缺陷數(shù)據(jù)多時段檢測仿真

宋 峰，賈志華

(南昌航空大學(xué)工程訓(xùn)練中心，江西 南昌 330063)

1 引言

伴隨機(jī)器檢測技術(shù)的高速發(fā)展，對復(fù)雜機(jī)電模具的質(zhì)量要求逐漸提高，人們通常根據(jù)模具表面的質(zhì)量來確定其優(yōu)良程度。復(fù)雜機(jī)電內(nèi)部結(jié)構(gòu)比較繁瑣，包含了集機(jī)、溶液、柔性線纜和電子元器件等若干零部件組成的大型復(fù)雜結(jié)構(gòu)裝備。其生產(chǎn)成本高，制作工藝繁瑣，周期較長。對復(fù)雜機(jī)電模具表面缺陷檢測通常是使用肉眼識別或者放大鏡識別，對于不明顯的缺陷很難準(zhǔn)確地發(fā)現(xiàn)，容易出現(xiàn)紕漏，難以保證復(fù)雜機(jī)電模具的質(zhì)量，并且這種檢測方式準(zhǔn)確率低、耗時長、不方便，不適用于現(xiàn)代工業(yè)發(fā)展，因此復(fù)雜機(jī)電模具檢測受到人們的高度重視。

鄭曉雪[1]等人提出基于Hypermesh的不同物理場間的數(shù)據(jù)傳遞方法，當(dāng)天線結(jié)構(gòu)受到外界壓力發(fā)生畸變時，會導(dǎo)致電性能不穩(wěn)定。首先獲取天線結(jié)構(gòu)畸變網(wǎng)格，再對此進(jìn)行重構(gòu)，生產(chǎn)實(shí)體，將復(fù)雜模型導(dǎo)入電磁仿真軟件中，對電性能加強(qiáng)檢測，分析復(fù)雜機(jī)電模型中存在的耦合因素，實(shí)現(xiàn)缺陷天線復(fù)雜模型機(jī)電檢測。但該方法的檢測準(zhǔn)確性較低，無法保證復(fù)雜機(jī)電模具的表面質(zhì)量；宰守香[2]等人提出復(fù)雜機(jī)電模具殘留物和表面缺陷檢測方法，首先檢驗(yàn)復(fù)雜機(jī)電模具內(nèi)是否存在殘留物和凹凸不平，并分析其工作過程，其次對計算機(jī)和重要區(qū)域獲取，實(shí)施系統(tǒng)設(shè)計，依據(jù)圖像中灰度值和邊緣信息匹配完成檢測，得出復(fù)雜機(jī)電模具內(nèi)含有殘留物和表面缺陷現(xiàn)象。但是該方法的正檢率較低，過檢率和漏檢率均較高。

針對以上問題，本文提出一種復(fù)雜機(jī)電模具表面缺陷數(shù)據(jù)多時段檢測方法，并通過實(shí)驗(yàn)驗(yàn)證了該方法的有效性，為工業(yè)制造領(lǐng)域的發(fā)展提供了可參考依據(jù)。

2 復(fù)雜機(jī)電模具表面缺陷特征提取

2.1 模具特征獲取

模具特征獲取是針對缺陷區(qū)域解析的重要方式，所得特征質(zhì)量優(yōu)良程度，會嚴(yán)重影響到缺陷部分精準(zhǔn)率的高低，所呈現(xiàn)的形式比較雜亂，不容易區(qū)分，但當(dāng)獲取較為完善的模具特征信息時，其表面缺陷區(qū)域數(shù)據(jù)損失量較小、劃分程度較高。

利用特征選擇中冗余度來尋找最優(yōu)質(zhì)的特征子集，能夠更快速、準(zhǔn)確地找出類別度，減少單變量選擇時所出現(xiàn)的不足，保留特征間互相依附的狀態(tài)，可以高效率地移除相似度較高的不重要特征。

在特征集中相似度會跟隨特征向量與類別信息兩者之間數(shù)值的變動而改變。特征的獲取可以提高復(fù)雜機(jī)電模具的穩(wěn)定性、優(yōu)越性和普遍適用性。

2.2 圖像最優(yōu)特征子集提取

復(fù)雜機(jī)電系統(tǒng)的結(jié)構(gòu)和運(yùn)動都比較繁瑣，其中不同工具的專有信息作為專屬數(shù)據(jù)模型，采用專業(yè)技術(shù)獲得模具中各類重要信息，信息集合具有異構(gòu)信息轉(zhuǎn)換、多粒數(shù)據(jù)訪問[3]、實(shí)時性數(shù)據(jù)更新以及工具之間的互操作性等特征，保障了能量的傳遞與轉(zhuǎn)換對模具的通用性和擴(kuò)展性，使其廣泛地應(yīng)用于工業(yè)生產(chǎn)中。

為了更好的消除模具內(nèi)存在的噪聲，需要對其感興趣部分進(jìn)行識別和預(yù)處理，獲取圖像的最優(yōu)特征子集，使復(fù)雜機(jī)電模具表面缺陷圖像平滑，以獲得感興趣的缺陷部分。圖像的噪聲來源大多是來自零配件表面的機(jī)油、裂痕、灰塵等多種現(xiàn)象，而形成的缺陷。由于圖像出現(xiàn)運(yùn)動模糊、差異較大的亮度和灰度，會對其質(zhì)量和效果造成影響，因此需要對圖像進(jìn)行預(yù)處理，以便于獲取到最佳檢測結(jié)果。由于圖像中噪音寬度較大，對原始圖像f(i，j)進(jìn)行中值、均值濾波[4]等平滑處理。過程中，對原始圖像f(i，j)進(jìn)行模糊處理時，降噪的效果并不顯著，隨之使用Gaussion方法實(shí)現(xiàn)平滑處理，所得公式如下

(1)

式中，σ代表圖像的平滑程度，取值范圍為[5-8]；P(i，j)代表平滑處理后的圖像；i，j原始圖像尺寸。利用該平滑處理不僅可以模糊噪聲，還不會模糊掉缺陷部分的重要信息。

復(fù)雜機(jī)電模具表面缺陷部分[5]出現(xiàn)凹凸不平或者較為粗糙的現(xiàn)象，入射光反射程度差異所獲得圖像的灰度值大小能夠準(zhǔn)確映射出缺陷部分的狀況。當(dāng)模具表面并無缺陷時，所得到的圖像灰度變化緩慢；當(dāng)出現(xiàn)缺陷時，反射出的光源較為強(qiáng)烈，稱為亮缺陷。同理可知，當(dāng)模具表面出現(xiàn)凹凸不平現(xiàn)象時，光源射入的反射光會變?nèi)酰Q為暗缺陷，則需要消除亮度對缺陷區(qū)域檢測時造成的影響。

用m(x，y)描述光源射入分量，通常其變化非常緩慢；n(x，y)描述光源反射分量，其變化迅速，屬于高頻分量，利用上述兩者提取圖像的最優(yōu)特征子集F，其公式為

F=[m(x，y)+n(x，y)]P(i，j)

(2)

在操作時，需要對圖像進(jìn)行去噪處理，對高頻分量[6]作加速處理，對低頻分量作減速處理，獲取最優(yōu)特征子集，保留更優(yōu)質(zhì)的細(xì)節(jié)特征，從而實(shí)現(xiàn)亮度適中的效果。在對圖像最優(yōu)特征子集提取后，可提高復(fù)雜機(jī)電模具表面缺陷的識別率和精度。

2.3 模具表面缺陷深度與偏移程度計算

模具表面缺陷位置信息提取時，因所檢測到的缺陷部分具有多種形態(tài)，所以需要固定缺陷中心所在位置，從多方面對圖像的角度進(jìn)行轉(zhuǎn)變，當(dāng)所對應(yīng)方位不一致時，只要缺陷區(qū)域距離目標(biāo)個體邊沿長度在所設(shè)感興趣區(qū)間內(nèi)，就可設(shè)定它為缺陷部分。

在復(fù)雜機(jī)電系統(tǒng)正常運(yùn)行過程中，模具表面出現(xiàn)裂紋、掉塊、脫離、凹陷不平整等缺陷狀況時，圖像的灰度值[7]會急速降低，當(dāng)模具表面出現(xiàn)異物凸起、工具印痕等情況，圖像的灰度值將增長。

首先對圖像進(jìn)行劃分，假設(shè)c(k)代表缺陷部分所得數(shù)值，T代表閾值，劃分得到的圖像計算缺陷函數(shù)公式如下

(3)

缺陷邊緣的信息通常比較模糊，因此要進(jìn)行多方面的觀察判斷。當(dāng)閾值T設(shè)置偏大時，無法有效地找出復(fù)雜機(jī)電模具中缺陷區(qū)域，所得部分并不完整。為消除不重要部分，應(yīng)對閾值T進(jìn)行自適應(yīng)調(diào)整，快速確定出缺陷區(qū)域所在范圍，在確定缺陷區(qū)域范圍的基礎(chǔ)上，可以提取到缺陷部分半徑的長度與距離所在的圖像內(nèi)間隔，把兩者進(jìn)行比較，缺陷位置和半徑相對應(yīng)，可準(zhǔn)確獲得復(fù)雜機(jī)電模具表面缺陷位置信息，進(jìn)而能夠清晰的運(yùn)算出表面缺陷的深度與偏移程度[8]。假設(shè)偏移程度為σall，μall代表模具表面缺陷深度，M×N代表感興趣圖像的尺寸，則模具表面缺陷深度μall和偏移程度σall的計算公式為

(4)

(5)

3 基于數(shù)據(jù)多時段的模具表面缺陷檢測

復(fù)雜機(jī)電模具缺陷主要是對表面出現(xiàn)的刮痕、氧化、裂紋、孔洞、粗糙和凹凸程度等各種異常情況進(jìn)行檢測，進(jìn)一步提升模具的質(zhì)量，在計算出缺陷區(qū)域的深度和偏差程度的基礎(chǔ)上，運(yùn)用分塊圖像相減匹配[9]方法對復(fù)雜機(jī)電表面缺陷進(jìn)行檢測，具體操作步驟如圖1所示。

在模具中，S×(M×N)描述的是感興趣區(qū)域模板，G×(I×J)描述的是目標(biāo)圖像，把感興趣區(qū)域模板放到目標(biāo)圖像中進(jìn)行全方位掃描，用G(i，j)表示被覆蓋的部分，使其達(dá)到所需匹配度，G(0，0)用來描述目標(biāo)圖像G×(I×J)內(nèi)存在的基準(zhǔn)像素點(diǎn)，所掃描的次數(shù)描述為(I-M)×(J-N)。σ2(i，j)代表感興趣區(qū)域模板與被覆蓋的部分G(i，j)之間的相差值，其公式如下

(6)

如果σ2(i，j)=0，那么被覆蓋的部分G(i，j)和感興趣區(qū)域模板相匹配。在相同范圍內(nèi)有不同的像素點(diǎn)，σ2(i，j)的數(shù)值具有明顯的浮動，所以要代入其它指標(biāo)系數(shù)ρ，ρ為兩幅圖像的像素點(diǎn)線性。相對應(yīng)的感興趣區(qū)域模板與被覆蓋的部分G(i，j)內(nèi)的像素點(diǎn)都是對于函數(shù)μ與v的不同變量，從而獲得相關(guān)系數(shù)ρ。

所獲圖像內(nèi)只含有缺陷部分重要信息，不重要部分被有效地過濾掉，在得到表面缺陷部分的顯著特征和相關(guān)信息后，利用興趣區(qū)域來完成高效率地檢測[10]。

由于復(fù)雜機(jī)電模具通電之后不能快速抵達(dá)預(yù)期的效果，需要較長的起動時間，通常把機(jī)電時間常數(shù)當(dāng)作復(fù)雜機(jī)電模具起動過程長短的量。確定數(shù)據(jù)多時段常數(shù)，對不同時段模具表面缺陷程度進(jìn)行檢測。

在復(fù)雜機(jī)電模具中設(shè)置參量包括：U為模具投影、φ為間隔時間、Mc為電機(jī)模具可承載能力、J為模具外觀數(shù)值。電機(jī)模具粗糙度I、模具精密度n與模具邊緣特征Mem存在以下關(guān)聯(lián)

U=eMcφ+nRu

(7)

Mem=Iφ+Mem

(8)

式中，e代表電機(jī)模具特征系數(shù)，Ru代表電機(jī)模具空間缺陷分布向量?？傻贸?/p>

(9)

根據(jù)上式可獲得復(fù)雜機(jī)電模具從靜止到起動(t=0，ω=0)的運(yùn)行速度，表示為

(10)

式中，ω∞代表已經(jīng)完成起動，并且在正常運(yùn)作中的運(yùn)行速度。

根據(jù)上式，得到干擾力的公式為

(11)

根據(jù)上述公式分析可以得出，TM是復(fù)雜機(jī)電模具正常狀態(tài)下相關(guān)聯(lián)的常量，其數(shù)值可關(guān)系到模具檢測時間的長短，通常把TM當(dāng)作復(fù)雜機(jī)電模具多時段常數(shù)。

當(dāng)t=TM，那么式(11)優(yōu)化式如下

ia=0.368U+0.632ia

(12)

從優(yōu)化的式(12)中可以清楚地發(fā)現(xiàn)，如果t=TM，那么ω=0.632ω∞。已知復(fù)雜機(jī)電模具開始制作到基本完成的時間T穩(wěn)，以此推理TM=0.632T穩(wěn)，與其相對應(yīng)可知n=0.632n∞。

檢測出復(fù)雜機(jī)電模具開始制作到基本完成所需時長，作為多時段數(shù)據(jù)。即可得到復(fù)雜機(jī)電模具表面缺陷數(shù)據(jù)多時段檢測結(jié)果R，表示為

R=2πJnia/60TM

(13)

4 實(shí)驗(yàn)和結(jié)果

通過實(shí)驗(yàn)對復(fù)雜機(jī)電模具表面缺陷數(shù)據(jù)多時段檢測結(jié)果進(jìn)行驗(yàn)證，選擇相似的機(jī)電表面缺陷進(jìn)行仿真。圖2為待檢測的磁瓦模具實(shí)物圖。

圖2 磁瓦模具實(shí)物圖

實(shí)驗(yàn)利用Matlab仿真工具，在VS2010+OpenCV2.4.13，Windows10操作系統(tǒng)Intel(R)Xeon(R)CPU E5-2603v4@2.20GHz，內(nèi)存為32GB，分辨率為800*600的環(huán)境下搭建仿真平臺。

實(shí)驗(yàn)中所用到的器材分別有，550厘米長的水滴形窗口、工業(yè)相機(jī)、被測工件、遠(yuǎn)程紅外線檢測儀等。探測道直徑長度大約是50厘米左右，每個窗口需要的長度大概是90厘米，結(jié)合分束片的尺寸，不影響光源并且方便轉(zhuǎn)換。遠(yuǎn)程紅外線檢測儀含有五個測量渠道，截面方向分別是-20厘米、-10厘米、0厘米、10厘米和20厘米。設(shè)置好各個窗口所需長度，厚度為5厘米。圖3為缺陷檢測裝置。

圖3 缺陷檢測裝置

為了驗(yàn)證本文方法的有效性，采用本文檢測方法和文獻(xiàn)[2]檢測方法，通過缺陷檢測裝置，對待檢測的磁瓦模具進(jìn)行缺陷檢測，檢測結(jié)果如圖4所示。

圖4 兩種方法的缺陷檢測結(jié)果對比

根據(jù)圖4可知，左上角區(qū)域?yàn)槠钶^大的部分，即存在缺陷。對比兩種磁瓦模具缺陷檢測方法，本文方法得到的缺陷信息更加明顯，更容易識別。利用本文方法對待檢測的磁瓦模具表面的不同缺陷深度進(jìn)行檢測，可以準(zhǔn)確地判斷缺陷的位置，其精度可達(dá) μm量級，圖5為沿 x、 y 軸缺陷前后對比曲線，實(shí)線為優(yōu)化前曲線，虛線為優(yōu)化后曲線。

圖5 x 軸、y 軸缺陷前后對比曲線

根據(jù)圖5可知，磁瓦模具表面缺陷優(yōu)化前的最大深度為 5.98×10-4 mm，磁瓦模具表面缺陷優(yōu)化后的最大深度為 1.96×10-4 mm，通過對比發(fā)現(xiàn)，優(yōu)化后磁瓦模具表面的最大磨損深度明顯降低。

一個好的目標(biāo)缺陷檢測方法是正檢率較高，過檢率和漏檢率均為較低的狀態(tài)。為了進(jìn)一步驗(yàn)證本文檢測方法的有效性，選取過檢率、正檢率、漏檢率為檢測指標(biāo)，對本文方法、文獻(xiàn)[1]和文獻(xiàn)[2]方法進(jìn)行定性分析，對比結(jié)果如表1所示：

表1 定性分析結(jié)果

根據(jù)表1分析結(jié)果可以看出，本文檢測方法的過檢率和漏檢率均比文獻(xiàn)[1]方法和文獻(xiàn)[2]方法低，正檢率比文獻(xiàn)[1]方法和文獻(xiàn)[2]方法高。是因?yàn)楸疚姆椒▽?fù)雜機(jī)電模具表面缺陷數(shù)據(jù)進(jìn)行多時段檢測時，對表面缺陷位置信息進(jìn)行了提取，過程中對閾值T進(jìn)行自適應(yīng)調(diào)整，保證能夠快速的確定出缺陷區(qū)域所在范圍，由此增加了最終檢測結(jié)果的正檢率，降低了過檢率和漏檢率。

5 結(jié)論

復(fù)雜機(jī)電模具表面缺陷數(shù)據(jù)多時段檢測，通過特征獲取提升模具的穩(wěn)定性和普遍適用性，在不損失細(xì)節(jié)特征條件下，對表面缺陷部分去燥進(jìn)行預(yù)處理，提高識別率和精度，然后確定缺陷位置，得到深度和偏移程度數(shù)值，并且對重要信息提取，利用分塊圖像相減流程對缺陷部分進(jìn)行檢測，最后運(yùn)用機(jī)電時間常數(shù)，對模具多時段數(shù)據(jù)檢仿真。結(jié)果表明，所提檢測方法具有較高的檢測準(zhǔn)確性和正檢率，降低了過檢率、漏檢率和模具表面的最大磨損深度。該實(shí)驗(yàn)在檢測過程中，可有效保證復(fù)雜機(jī)電模具的表面質(zhì)量、識別率和準(zhǔn)確性不受外界環(huán)境因素所影響，適合現(xiàn)代工業(yè)生產(chǎn)。