基于圖像處理的金屬帶鋸床故障診斷檢測

盧勇波

（浙江鋸力煌工業(yè)科技股份有限公司 浙江麗水 321404）

1 引言

精準(zhǔn)的鋸切技術(shù)決定了金屬加工企業(yè)在生產(chǎn)中的效率，隨著國內(nèi)金屬加工技術(shù)的進(jìn)步，國內(nèi)金屬帶鋸床需求也隨之增加。但金屬帶鋸床內(nèi)部的元件復(fù)雜，出現(xiàn)故障的比例也比金屬砂輪切割機(jī)、金屬激光切割機(jī)發(fā)生故障的比例大。針對(duì)金屬帶鋸床進(jìn)行完整的檢測與故障診斷是當(dāng)下金屬加工工業(yè)生產(chǎn)的關(guān)鍵點(diǎn)[1]。在早期，由于技術(shù)手段的限制，檢測只能通過肉眼探測，定時(shí)查驗(yàn)設(shè)備，以一個(gè)月為周期進(jìn)行故障檢測。這種故障診斷的效果并不理想，這是因?yàn)閭鹘y(tǒng)的檢測方法效率低，而損耗的時(shí)間成本和人力成本均超出標(biāo)準(zhǔn)值。圖像處理技術(shù)能保存圖像的細(xì)節(jié)，即使是細(xì)微的鏈條破損也能及時(shí)檢測出來。不僅加強(qiáng)了檢測的解決速率，還能降低設(shè)備維護(hù)成本。運(yùn)用圖像處理技術(shù)，能有針對(duì)性地操作，科學(xué)合理地對(duì)金屬帶鋸床進(jìn)行故障診斷。圖像處理技術(shù)主要是對(duì)采集的高精度圖像進(jìn)行整合，消除背景以及其他噪點(diǎn)影響的冗余區(qū)域，讓故障點(diǎn)能夠更好地顯示[2]?；趫D像處理技術(shù)的故障診斷可以對(duì)要檢測的元件或者部件進(jìn)行圖像采集、數(shù)據(jù)預(yù)處理和目標(biāo)提取等技術(shù)操作，保證金屬帶鋸床平穩(wěn)運(yùn)行。

2 金屬帶鋸床故障診斷檢測方法

2.1 基于圖像處理的圖像采集及預(yù)處理

圖像采集是圖像處理技術(shù)的第一步，也是最關(guān)鍵的步驟。這決定后續(xù)針對(duì)金屬帶鋸床的檢測效果和最后故障判斷的正確率[3]。圖像采集根據(jù)工程實(shí)際需求，判斷光源位置，這樣才能將光信號(hào)轉(zhuǎn)換為電信號(hào)。攝像頭與被測金屬帶鋸床的底面之間需要有一定的距離，要根據(jù)測量要求達(dá)到的精度和攝像頭的精度來確定，金屬帶鋸床圖像采集設(shè)置如圖1所示。

圖1 金屬帶鋸床圖像采集示意圖

考慮到采集的金屬帶鋸床圖像的分辨率和圖像的質(zhì)量問題，設(shè)置攝像頭的鏡頭垂直于被測金屬帶鋸床元件的底面，測量距離大約在200 ～500 mm范圍內(nèi)。圖像采集完畢后開始對(duì)圖像進(jìn)行灰度化處理，圖像灰度化操作一般選擇最大值法測定，其中，采集的金屬帶鋸床圖像為(r,g) ，(r,g) 為R ，綠色分量為 G，藍(lán)色分量為B ，則(r,g) 的灰度值I(r,g)的具體計(jì)算式如下：

采集的金屬帶鋸床圖像三種分量的最大值為采集圖像的灰度值[4]。采集的金屬帶鋸床僅僅進(jìn)行灰度處理是不夠的，由于拍攝現(xiàn)場環(huán)境及光影角度的影響，灰度處理后的圖像質(zhì)量達(dá)不到標(biāo)準(zhǔn)。采集的金屬帶鋸床的表面存在嚴(yán)重的模糊，造成無法識(shí)別的問題。因此，在對(duì)金屬帶鋸床的故障進(jìn)行診斷時(shí)，需要對(duì)采集的圖像進(jìn)行增強(qiáng)的預(yù)處理操作。

圖像增強(qiáng)的預(yù)處理操作主要為圖像灰度修正。圖像灰度修正將圖像動(dòng)態(tài)擴(kuò)大化，滿足更清晰的圖像對(duì)比度，捕捉了圖像亮度的關(guān)鍵性特征?？紤]圖像的像素位置進(jìn)行處理，再加強(qiáng)采集的金屬帶鋸床圖像的空間區(qū)域?；叶葓D像f(x,y) 修正前的灰度值范圍為(a,b) ，那么圖像更改后q(x,y)的灰度值范圍為(c,d) ，其表達(dá)式為：

如果圖像中只有很小部分像素的灰度值超出了修正前的灰度值范圍(a,b) ，而其他像素的灰度值就分布在此區(qū)間內(nèi)，那么就可以用下列的表達(dá)式來改善式（2）的效果：

在式（3）中，f(x,y) 要滿足三種限制條件，才能完成對(duì)金屬帶鋸床灰度圖像的變換。具體如下：

其中，F(xiàn)max表示金屬帶鋸床圖像最大灰度值。圖像經(jīng)過灰度處理后提高了整體的對(duì)比度，這樣識(shí)別的金屬帶鋸床的故障就能更突出，更直接判斷裂縫、斷面的位置和特征。經(jīng)過預(yù)處理的圖像能夠更好地實(shí)現(xiàn)后續(xù)對(duì)故障的識(shí)別提取以及分類。

2.2 金屬帶鋸床圖像目標(biāo)分割及故障特征提取

金屬帶鋸床圖像進(jìn)行預(yù)處理后，還需要對(duì)金屬帶鋸床進(jìn)行分割操作。這是因?yàn)椴杉膮^(qū)域需要再度精進(jìn)分類識(shí)別，這樣才能讓采集到的金屬帶鋸床的圖像數(shù)據(jù)直接應(yīng)用到故障診斷中。傳輸?shù)慕饘賻т彺矆D像控制在構(gòu)建可視化的界面，目標(biāo)分割采用最大類間方差法，這種方法能夠適用于全局的金屬帶鋸床圖像處理，使用最大類間方差方法可以減少分割出錯(cuò)的概率[5]。具體計(jì)算公式如式(5)。

其中，f 代表分割圖像的焦距，v 代表目標(biāo)在可視化圖層上的成像寬度，D代表圖像長度，V代表分割圖像的寬度。如果金屬帶鋸床故障目標(biāo)與圖像背景受到干擾不能進(jìn)行分割處理的操作，那么必須對(duì)原始圖像進(jìn)行降除操作，以目標(biāo)圖像中被分割的背景和缺陷目標(biāo)為主，若相鄰目標(biāo)的灰度差值在計(jì)算的范圍內(nèi)，則視為相同屬性，可以進(jìn)行分割處理。若超過計(jì)算范圍，則需要重新對(duì)目標(biāo)進(jìn)行分割。

目標(biāo)分割完畢后開始準(zhǔn)備對(duì)金屬帶鋸床目標(biāo)圖像進(jìn)行故障點(diǎn)特征提取。故障點(diǎn)進(jìn)行特征提取前需要對(duì)其進(jìn)行邊緣檢測，邊緣檢測的目的是讓采集的金屬帶鋸床圖像在故障診斷中保持更低的錯(cuò)誤率，所有的邊緣都被檢測到[6]。圖像邊緣點(diǎn)定位距離與真實(shí)邊緣點(diǎn)距離差越小越精確，將圖像的邊緣點(diǎn)一一對(duì)應(yīng)，邊緣點(diǎn)處灰度值為極限值，對(duì)像素臨近點(diǎn)區(qū)域的灰度值進(jìn)行加權(quán)后再檢測。在實(shí)際應(yīng)用中，輸出圖像的邊緣點(diǎn)應(yīng)該是那些待測邊緣大于某一閾值的像素交叉點(diǎn)，這樣就能避免檢測出并非顯著的邊緣。邊緣檢測的基本流程如圖2所示。

圖2 邊緣檢測流程圖

根據(jù)圖2所示，首先，提取待測金屬帶鋸床圖像的邊緣，通過分析此邊緣圖像的像素點(diǎn)進(jìn)行對(duì)比判斷，在判斷中保留邊緣金屬帶鋸床圖像數(shù)據(jù)；最后，顯示符合條件的目標(biāo)圖像，分析此金屬帶鋸床圖像目標(biāo)得到匹配標(biāo)準(zhǔn)，從而達(dá)到目標(biāo)的邊緣檢測。

邊緣檢測完畢后開始對(duì)故障特征進(jìn)行提取，但若金屬帶鋸床目標(biāo)圖像的噪點(diǎn)較大，沒辦法正常提取，需要對(duì)金屬帶鋸床進(jìn)行圖像處理，去除最小閾值面積的連通區(qū)域。設(shè)邊緣檢測后的圖像為I，定義域區(qū)間為(m,n)∈Z2，其中L∈[I,R] 為圖像的整數(shù)空間，得到：

設(shè)L是圖像灰度的閾值水平，L∈[1,R] ，則

BL為連通區(qū)域圖像，{bL(m,n)} 是連通區(qū)域的最小外接空間位置的坐標(biāo)系。確定金屬帶鋸床連通區(qū)域圖像后，將其剔除，達(dá)成消除噪點(diǎn)的目標(biāo)[7]。金屬帶鋸床目標(biāo)經(jīng)過上述操作，已經(jīng)可以完整表達(dá)出金屬帶鋸床的故障點(diǎn)信息。根據(jù)不同區(qū)域的特征將完整的金屬帶鋸床的故障進(jìn)行連接，實(shí)現(xiàn)故障特征的提取。

2.3 基于圖像特征的故障診斷

如上文所述，分割采集的金屬帶鋸床圖像的目標(biāo)區(qū)域，再根據(jù)金屬帶鋸床圖像分割結(jié)果，對(duì)特征向量進(jìn)行提取，從而完成對(duì)故障特征的提取。最后根據(jù)提取的特征以圖像形式進(jìn)行故障診斷。診斷節(jié)點(diǎn)利用SVM分類器，訓(xùn)練不同的SVM樣本，然后對(duì)向量進(jìn)行統(tǒng)一化處理?？紤]到不同金屬帶鋸床圖像的完整性和冗余性，在分析金屬帶鋸床圖像基礎(chǔ)上，針對(duì)特征向量進(jìn)行幾何分類。在特征提取區(qū)域進(jìn)行連接，連接形成的軸心軌跡反映了故障的原因，具體情況如表1所示。

表1 軸心軌跡形狀特征及潛在故障原因?qū)?yīng)關(guān)系

圖像處理對(duì)故障診斷是基于已建立的特征提取區(qū)域的走向狀態(tài)，通過特征分析檢測出不同特征向量的故障原因，最后達(dá)到對(duì)金屬帶鋸床故障診斷的要求。

3 對(duì)比實(shí)驗(yàn)

為了驗(yàn)證引入圖像處理技術(shù)，針對(duì)金屬帶鋸床故障檢測新設(shè)計(jì)的方法的有效性，以同批次的金屬帶鋸床為樣本，將傳統(tǒng)方法與新設(shè)計(jì)的方法進(jìn)行對(duì)比，測試檢測的故障點(diǎn)的數(shù)量，哪種方法檢測到故障點(diǎn)的數(shù)量越多，哪種方法越好。

3.1 實(shí)驗(yàn)準(zhǔn)備

所測物體的直徑約Φ300 mm。影像采集與工業(yè)相機(jī)配套應(yīng)用，并在存放物料、檢測設(shè)備，處理廢棄物的應(yīng)用內(nèi)容中，保持整個(gè)過程的完好狀態(tài)。設(shè)計(jì)參數(shù)時(shí)應(yīng)把工作視距范圍確定在 250～1500 mm范圍內(nèi)，并在工作人員站立或操作的情況下，在操作臺(tái)之間保持合理的間距。但這種工作視距累計(jì)誤差，又會(huì)在不同的工作條件環(huán)境中，體現(xiàn)為明顯的不同情況。因此在控制操作與參數(shù)的瞄準(zhǔn)線設(shè)計(jì)中，對(duì)視距與視野上限進(jìn)行控制。應(yīng)將材料視角直徑限制在 400～600 mm之間，并將視距要求維持在250～350 mm之間。但為了防止材料的視野直徑變化，也就必須穩(wěn)定在800 mm以上，并將500 mm作為最大視距累積差準(zhǔn)則，使之用作實(shí)操視距累積差的最大限制。此外，在對(duì)監(jiān)視機(jī)器和搬運(yùn)廢料過程的監(jiān)控中，也相對(duì)地比較寬松，可以在確定了最低距離要求的基礎(chǔ)上，按照作業(yè)人員的實(shí)際狀況，對(duì)視距范圍和視線距離上限加以控制。軸心軌跡測定采用 10mm×10mm、15mm×15mm、20mm×20mm這3種型號(hào)的尺寸規(guī)格，完成對(duì)不同分屬目標(biāo)區(qū)域的測定。金屬帶鋸床的缺陷統(tǒng)計(jì)樣本識(shí)別結(jié)果如表2所示。

表2 金屬帶鋸床樣本數(shù)據(jù)表

準(zhǔn)備就緒后，開始對(duì)金屬帶鋸床進(jìn)行對(duì)比實(shí)驗(yàn)。

3.2 實(shí)驗(yàn)結(jié)果

測試5組不同批次的金屬帶鋸床，將本文設(shè)計(jì)圖像處理技術(shù)的故障診斷方法得出的數(shù)據(jù)，與傳統(tǒng)的方法相比較，故障檢測最終結(jié)果如表3所示。

表3 故障檢測結(jié)果（個(gè)）

本文設(shè)計(jì)的結(jié)合圖像處理技術(shù)的金屬帶鋸床故障檢測方法檢測的各批次的故障點(diǎn)數(shù)值都大于傳統(tǒng)的金屬帶鋸床故障檢測方法，因此可以得出結(jié)論，本文設(shè)計(jì)的方法，在故障檢測上的效果更好，檢測的故障點(diǎn)數(shù)量更多，能更好應(yīng)用于金屬切割工藝中。

4 結(jié)語

本文結(jié)合圖像處理技術(shù)，針對(duì)金屬帶鋸床的故障進(jìn)行了系統(tǒng)地檢測。圖像處理技術(shù)能提升金屬帶鋸床故障點(diǎn)位置采集的效率，增強(qiáng)對(duì)目標(biāo)的提取和檢測效果。本文所使用的根據(jù)圖像分析金屬帶鋸床故障點(diǎn)的檢測方法經(jīng)過對(duì)比實(shí)驗(yàn)的數(shù)據(jù)，得出結(jié)論，結(jié)合圖像處理技術(shù)的金屬帶鋸床故障檢測方法在精確度上取得的效果更好，更能夠滿足工程對(duì)金屬帶鋸床故障檢測的要求。