趙 磊，雷 鳴，高俊釵

（西安工業(yè)大學(xué) 電子信息工程學(xué)院，陜西 西安 710032）

密封件在我國(guó)的工業(yè)生產(chǎn)中屬于小產(chǎn)業(yè)，很多人對(duì)于密封件也不是很了解。其實(shí)密封件雖小，但卻都是和大型工業(yè)設(shè)備配套使用的，其表面加工質(zhì)量（主要是表面缺陷情況）直接決定了設(shè)備的密封性和可靠性。在工業(yè)工程生產(chǎn)中，橡膠密封件受力易變形，易損壞，在不允許有泄露的環(huán)境情況下，為了確保其質(zhì)量，在使用前對(duì)其表面進(jìn)行質(zhì)量檢測(cè)就顯得尤為重要。主要針對(duì)密封件環(huán)形表面進(jìn)行檢測(cè)，要求檢測(cè)出缺陷并對(duì)其進(jìn)行識(shí)別分類。

針對(duì)人工檢測(cè)難度大、檢測(cè)周期長(zhǎng)、精度低、易受人為因素控制影響等的不足之處，筆者提出了基于機(jī)器視覺的檢測(cè)技術(shù)方法，利用機(jī)器代替人眼來做測(cè)量和判斷，提高檢測(cè)的速度和精度，確保橡膠密封件的質(zhì)量，利用基于MATLAB的圖像處理方法[1]進(jìn)行實(shí)驗(yàn)分析。

1 密封件檢測(cè)系統(tǒng)的結(jié)構(gòu)

針對(duì)工件表面缺陷的檢測(cè)進(jìn)行研究，目標(biāo)為O型密封件。利用對(duì)工件的輪廓邊緣信息進(jìn)行檢測(cè)，提高圖像檢測(cè)的速度，有效地滿足測(cè)量精度的要求，系統(tǒng)檢測(cè)框圖如圖1所示。整個(gè)系統(tǒng)的運(yùn)行就是通過CCD（charge coupled device）面陣相機(jī)與組合照明光源的配合對(duì)運(yùn)動(dòng)密封件進(jìn)行采樣，圖像采集卡把數(shù)字圖像傳給計(jì)算機(jī)，對(duì)圖像進(jìn)行算法處理，最后再把處理后的結(jié)果顯示出來。在這一系列的工作中，CCD相機(jī)、光源、密封件和圖像采集卡等構(gòu)成圖像采集系統(tǒng)。計(jì)算機(jī)主要完成圖像的處理和輸出工作。

圖1 系統(tǒng)設(shè)計(jì)框圖Fig.1 Design diagram of system

1.1 照明光源的選擇與設(shè)計(jì)

圖像的捕獲中，照明光源是機(jī)器視覺[2]應(yīng)用最關(guān)鍵的部分之一，其主要目標(biāo)是以合適的方式將光線投射到被測(cè)工件上，突出被測(cè)特征部分對(duì)比度。好的照明光源設(shè)計(jì)和選擇能夠改善圖像采集系統(tǒng)的清晰度，降低圖像處理的復(fù)雜度，提高后續(xù)處理的精度。而不合適的照明光源設(shè)計(jì)，可能會(huì)出現(xiàn)：過度的曝光會(huì)隱藏很多關(guān)于圖像屬性的信息；陰影會(huì)引起圖像邊緣的誤差；噪聲和不均勻的光照條件會(huì)造成對(duì)圖像閾值判定的困難。因此，為了保證在檢測(cè)時(shí)可以獲得清晰穩(wěn)定的圖像，需要設(shè)計(jì)專用的照明光源[3]。設(shè)計(jì)如圖2所示。

圖2 圖像采集裝置Fig.2 Image acquisition device

缺陷存在于密封件的環(huán)形表面，形狀、大小不規(guī)則，不易于檢測(cè)，所以首先要保證缺陷瑕疵的清晰可見，以便最后的檢測(cè)。為了防止自然光和室內(nèi)電燈的干擾影響，設(shè)計(jì)了圓柱形遮光罩，在其上方正中間的位置制作一個(gè)圓孔，方便CCD相機(jī)的鏡頭可以深入到遮光罩內(nèi)部，獲得足夠的視場(chǎng)；在遮光罩內(nèi)CCD鏡頭的周圍，沿著圓柱形遮光罩內(nèi)嵌一個(gè)環(huán)形LED光源，LED光源的設(shè)計(jì)可以保證遮光罩內(nèi)部具有足夠的光亮。為了能夠更好的檢測(cè)工件，根據(jù)被測(cè)工件表面光滑易反光的特點(diǎn)，在遮光罩的下方采用了具有積分效果的半球面內(nèi)壁、均勻反射從底部360度發(fā)射出光、對(duì)于產(chǎn)品表面凹凸檢測(cè)效果很好的球積分光源。最后，將遮光罩放在可以防外亂光的透鏡上，防止內(nèi)外光源干擾影響檢測(cè)。本課題要實(shí)現(xiàn)的是密封件表面缺陷的在線檢測(cè)，要保證運(yùn)動(dòng)工件可以完全通過檢測(cè)區(qū)域，所以遮光罩與透鏡之間的擺放距離一定要能夠使被測(cè)工件通過。

2 密封件表面缺陷檢測(cè)

根據(jù)本系統(tǒng)的設(shè)計(jì)，被測(cè)工件在檢測(cè)平臺(tái)上勻速運(yùn)動(dòng)，當(dāng)其運(yùn)動(dòng)到光源位置時(shí)觸發(fā)光電開關(guān)，CCD相機(jī)進(jìn)行圖像的捕捉。通過對(duì)CCD信號(hào)采樣以后，CCD攝像頭將其接受的光學(xué)影像轉(zhuǎn)換成視頻信號(hào)輸出給數(shù)據(jù)采集卡，數(shù)據(jù)采集卡再將視頻信號(hào)轉(zhuǎn)換成數(shù)字圖像信息供計(jì)算機(jī)處理。

文中采用的是缺陷檢測(cè)[4]中常用的模板匹配法，模板匹配是從一幅圖像（目標(biāo)圖像）中尋找已知模式（模板）的一個(gè)過程。在模板匹配法中，模板就是對(duì)目標(biāo)的描述，它本身也是一幅圖像。先對(duì)CCD捕獲到的原始圖像進(jìn)行對(duì)比度的調(diào)整、二值化的改變、備做模板，從而與圖中可能出現(xiàn)的目標(biāo)，且與模板圖像有一樣尺寸和大小的目標(biāo)圖像進(jìn)行相減操作。

2.1 圖像預(yù)處理

在對(duì)圖像進(jìn)行獲取、傳輸?shù)倪^程中，由于受到光照程度、成像系統(tǒng)性能、電子噪聲等因素的制約，可能會(huì)出現(xiàn)對(duì)比度偏低、圖像失真模糊等情況。為了獲得便于檢測(cè)的圖像，需要先對(duì)其進(jìn)行預(yù)處理。本課題主要用到了圖像的平滑，意義為減少圖像本身的噪聲?？紤]到圖像中的目標(biāo)物體和背景相差很大，既有不同的均值和方差，選擇采用自適應(yīng)平滑的方法，

不僅可以有效的去除圖像的噪聲，而且可以保留圖像的局部邊緣信息。

2.2 圖像分割

數(shù)字圖像處理[5-6]的目的之一是圖像的識(shí)別，而圖像分割是識(shí)別工作的基礎(chǔ)。針對(duì)要求檢測(cè)的O型密封件，由于從相機(jī)獲得的圖像中含有大量的無效信息，對(duì)于后續(xù)的處理檢測(cè)工作帶來很多不便，所以為了提高后續(xù)工作的效率，需要對(duì)初始圖像中的感興趣區(qū)域進(jìn)行提取。

由圖3（a）可以看到，首先要做的處理就是去除光源外圈的黑色邊框和環(huán)形表面的無缺陷部分。由于目標(biāo)工件與圖像背景以及缺陷在灰度級(jí)上存在著明顯的差別，所以選擇采用閾值處理的區(qū)域分割技術(shù)。該方法主要是利用圖像中要提取得目標(biāo)物體和背景在灰度上的差異，選擇一個(gè)合適的閾值，通過判斷圖像中的每一個(gè)像素點(diǎn)的特征屬性是否滿足閾值的要求來確定圖像中該像素點(diǎn)屬于目標(biāo)區(qū)域還是屬于背景區(qū)域，進(jìn)而產(chǎn)生二值圖像，只留下密封件的內(nèi)外環(huán)輪廓和缺陷圖像，如圖 3（b）所示。

圖3 圖像分割Fig.3 Image segmentation

2.3 缺陷檢測(cè)

對(duì)缺陷進(jìn)行檢測(cè)，首先必須確定圖像中的缺陷是否是獨(dú)立的。然而在對(duì)分割后的圖像中可以看到，密封件的外環(huán)和內(nèi)環(huán)與檢測(cè)到的缺陷形成連通，影響了圖像的獨(dú)立性，對(duì)后續(xù)的檢測(cè)增加難度。為了能準(zhǔn)確有效地檢測(cè)缺陷，在已經(jīng)對(duì)圖像分割并二值化的基礎(chǔ)上，依次按照先提取外輪廓、再提取環(huán)內(nèi)區(qū)域（缺陷所在區(qū)域）、最后提取內(nèi)圓的順序進(jìn)行處理。

實(shí)現(xiàn)檢測(cè)的算法[7-8]主要為：首先，對(duì)分割后的二值圖像進(jìn)行輪廓的邊界提取、跟蹤、標(biāo)記，再利用圖像重構(gòu)的方法對(duì)邊界區(qū)域進(jìn)行補(bǔ)償、重構(gòu)，然后將屬于同一個(gè)連通區(qū)域的邊界進(jìn)行歸類。首先對(duì)外環(huán)的邊界進(jìn)行提取，逐行對(duì)圖像掃描，以某點(diǎn)及四鄰域點(diǎn)的像素為目標(biāo)，將具有相似性的像素集合，用4連通方法對(duì)區(qū)域進(jìn)行連接，逐步擴(kuò)大邊界區(qū)域并對(duì)區(qū)域加以標(biāo)記，然而區(qū)域不僅有外邊界還有內(nèi)邊界，所以標(biāo)記后的邊界需要進(jìn)行分類。利用圖像重構(gòu)的方法對(duì)邊界區(qū)進(jìn)行補(bǔ)償、填充，判斷不同邊界對(duì)應(yīng)的連通區(qū)域是否出現(xiàn)重疊。若出現(xiàn)重疊，則將此邊界歸為第一類，同時(shí)重新對(duì)邊界區(qū)域標(biāo)記；否則，將對(duì)剩下區(qū)域繼續(xù)判斷直到出現(xiàn)重疊為止。同樣的方法對(duì)環(huán)內(nèi)區(qū)域、內(nèi)圓進(jìn)行提取，但是在提取環(huán)內(nèi)區(qū)域的時(shí)候要注意：一定要得到圖像的所有行所有列，使得內(nèi)圓圖與缺陷圖相同，以便匹配時(shí)減去中間的圓；對(duì)缺陷進(jìn)行標(biāo)記查找時(shí)，缺陷的像素面積要大于50，不然會(huì)把多余的噪聲引進(jìn)。

檢測(cè)時(shí)處理的圖像依次為：

圖4 缺陷檢測(cè)流程圖Fig.4 Flow chart of the defects detection

2.4 缺陷的識(shí)別

通過對(duì)工件圖像的分割處理，得到圖像中的目標(biāo)缺陷，利用形狀描述特征作為區(qū)分不同缺陷的依據(jù)。鑒于最終得到的缺陷圖像，在已知物體的邊界時(shí)，對(duì)圖像進(jìn)行逐像素掃描，計(jì)算圖像邊界點(diǎn)的最大坐標(biāo)值和最小坐標(biāo)值，并根據(jù)其主軸方向上的長(zhǎng)度和與之垂直方向上的寬度，連立一個(gè)面積最小的外接矩形（MER-Minimum Enclosing Rectangle），用其外接矩形的長(zhǎng)寬比r=WMEP/LMER：來刻畫缺陷的基本形狀。

針對(duì)本圖像中標(biāo)記的區(qū)域，區(qū)分出圖像中含有粗短塊狀缺陷（麻坑和掉角）和細(xì)長(zhǎng)形缺陷（徑向劃痕和切向劃痕），對(duì)不同類型的缺陷進(jìn)行分類，細(xì)長(zhǎng)形缺陷的判定是：如果缺陷的總像素值小于外接矩形總像素值的或者該缺陷外接矩形的長(zhǎng)寬比例大于5；反之認(rèn)為是塊狀缺陷；如表1所示。

表1 缺陷識(shí)別結(jié)果Tab.1 Results of defects recognition

1）識(shí)別麻坑和掉角 麻坑和掉角都屬于塊狀缺陷，但是其區(qū)別在于麻坑在工件的內(nèi)部，掉角一般存在于工件的邊緣?？梢岳萌毕菖c圓心的距離是否滿足工件的內(nèi)外徑長(zhǎng)度來判斷，如果其距離小于內(nèi)徑或大于外徑，可以判定為掉角；否則，認(rèn)定為是麻坑。

2）識(shí)別徑向劃痕和切向劃痕 徑向劃痕和切向劃痕都屬于細(xì)長(zhǎng)形缺陷，可以利用劃痕最左端和最右端與圓心連線之間的斜率來判斷，如果兩線之間的斜率為1，可以判定為徑向劃痕；否則，認(rèn)定為是切向劃痕。

3 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證本檢測(cè)系統(tǒng)的精度、實(shí)時(shí)性、準(zhǔn)確性，分別選擇外徑為48.34 mm、86.64 mm、99.69 mm，厚度為5.33 mm的表面含有缺陷的密封件各10個(gè)進(jìn)行采樣檢測(cè)，并將檢測(cè)到的缺陷分類識(shí)別。以人工采用工具顯微鏡檢測(cè)缺陷作為標(biāo)準(zhǔn)，利用本文介紹的缺陷檢測(cè)方法進(jìn)行實(shí)驗(yàn)比對(duì)，實(shí)驗(yàn)結(jié)果如表2所示。

表2 缺陷檢測(cè)實(shí)驗(yàn)結(jié)果Tab.2 Defects detection results of the experiment

從缺陷檢測(cè)實(shí)驗(yàn)結(jié)果可以看出，本系統(tǒng)對(duì)影響密封件質(zhì)量較大的缺陷檢出率為100%，檢測(cè)方法有效，滿足檢測(cè)精度要求，但是對(duì)于缺陷的分類識(shí)別存在一定的誤差。

4 結(jié)束語

基于機(jī)器視覺的橡膠密封件表面缺陷檢測(cè)系統(tǒng)，可以有效的解決生產(chǎn)中密封件表面缺陷的檢測(cè)識(shí)別問題。本文介紹了系統(tǒng)的構(gòu)建和關(guān)鍵技術(shù)，并結(jié)合MATLAB程序進(jìn)行了表面缺陷檢測(cè)實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果證明該系統(tǒng)具有較高的缺陷檢測(cè)精度。用該系統(tǒng)代替?zhèn)鹘y(tǒng)的人工顯微鏡檢測(cè)，可以提高工作效率，提高測(cè)量精度和穩(wěn)定性。但對(duì)于個(gè)別表面復(fù)雜程度高的工件，對(duì)缺陷進(jìn)行檢測(cè)分類還有一定的誤差，有必要進(jìn)一步研究和改進(jìn)算法提高識(shí)別率。

[1]岡薩雷斯.數(shù)字圖像處理 （MATLAB版）[M].2版.阮秋琦，阮宇智，譯.北京:電子工業(yè)出版社，2005．

[2]David A F，Ponce J．Computer Vision[M]．Prentice Hall，Inc，2003．

[3]孔祥偉，曲興華.組合光源與圖像處理算法在工件表面缺陷檢測(cè)中的應(yīng)用[D].天津：天津大學(xué)精密儀器與光電子工程學(xué)院，2007.

[4]劉春，利新琴，魯昌華，等.密封橡膠圈凸點(diǎn)缺陷檢測(cè)的研究[J].電子測(cè)量與儀器學(xué)報(bào)，2008（23）:178-181.LIU Chun，LI Xin-qin，LU Chang-hua，et al.Research on detection method for convex dot defect of rubber ring[J].Journal of Electronic Measurement and Instrument，2008，23:178-181.

[5]王曉丹，吳崇明，基于Matlab的系統(tǒng)分析與設(shè)計(jì)—圖像處理[M].西安：西安電子科技大學(xué)出版社，2000.

[6]安寧，林樹忠，劉海華，等.圖像處理方法研究及其應(yīng)用[J].儀器儀表學(xué)報(bào)，2006，27（6） :792-793.AN Ning，LIN Shu-zhong，LIU Hai-hua，et al.Study on method&application of image processing[J].Chinese Journal of Scientific Instrument， 2006，27（6）:792-793.

[7]胡小鋒，趙輝.Visual C++/MATLAB圖像處理與識(shí)別實(shí)用案例精選[M].北京：人民郵電出版社，2004.

[8]劉春，江偉榮，呂淑琴.密封橡膠圈缺陷檢測(cè)算法的研究[J].電子測(cè)量與儀器學(xué)報(bào)，2011（5）:25.LIU Chun，JIANG Wei-rong，LV Shu-qin.Research on defect detection in rubber rings[J].Journal of Electronic Measurement and Instrument，2011（5）:25.