楊時敏，張 渝，袁睿斌，吳戰(zhàn)武，張英杰，劉 洋,，徐志剛

(1.上海航天化工應(yīng)用研究所, 浙江 湖州 313002; 2.中國科學(xué)院沈陽自動化研究所, 沈陽 110179)

固體推進(jìn)劑廣泛應(yīng)用于火箭、導(dǎo)彈等發(fā)動機(jī)作為動力源，是一種含能的復(fù)合材料。由于火箭燃?xì)獍l(fā)生器內(nèi)壓強(qiáng)較低，固體推進(jìn)劑通常在貧氧狀態(tài)下燃燒，燃速偏低，不易滿足使用性能要求[1]。為了提高燃速，通常采用嵌銀絲的方法。金屬絲有很好的導(dǎo)熱性，在藥柱中嵌入金屬絲可以有效將熱量傳遞給藥柱各部分[2]。為了增大燃面，縮短燃面爬升坡段，在藥柱端面上沿銀絲方向鉆盲孔。盲孔采用復(fù)合加工系統(tǒng)加工，需要配合機(jī)器視覺系統(tǒng)對銀絲位置進(jìn)行識別，并使系統(tǒng)滿足加工精度要求。

機(jī)器視覺系統(tǒng)是指通過圖像傳感器對圖像進(jìn)行攝取，并轉(zhuǎn)換成數(shù)字信號，根據(jù)像素分布、亮度和顏色等信息，完成對目標(biāo)特征的提取，實(shí)現(xiàn)檢測、定位、監(jiān)控等功能[3]。CMOS(互補(bǔ)金屬氧化物半導(dǎo)體)和CCD(電荷耦合器件)作為半導(dǎo)體是目前最常見的兩種圖像傳感器，兩者各有優(yōu)缺點(diǎn)。CCD相比于CMOS具有靈敏度高，成像品質(zhì)好等優(yōu)點(diǎn)，因此工業(yè)相機(jī)多數(shù)應(yīng)用CCD傳感器[4]。隨著視覺技術(shù)的發(fā)展，機(jī)器視覺系統(tǒng)對圖像的處理更加智能化，在工業(yè)應(yīng)用中可以進(jìn)行有效的缺陷識別、測量、環(huán)境建模等工作，具有效率高、精度高等特點(diǎn)，對工業(yè)制造領(lǐng)域中智能化生產(chǎn)起到了非常重要的作用。

本研究目的是利用 CCD相機(jī)捕捉圖像，通過圖層優(yōu)化、邊緣檢測、灰度閾值處理、感興趣區(qū)域提取、面積識別、遞歸貪心算法多種方式進(jìn)行藥柱銀絲位置的識別與精確定位。本文研究的細(xì)銀絲位置識別技術(shù)對其他類似圖像中篩選特征點(diǎn)具有一定的參考價值。國內(nèi)對于藥柱金屬絲的檢測未有詳細(xì)說明，文獻(xiàn)[5-6]主要集中于藥柱燃燒的速率和殺傷力，國外由于技術(shù)封鎖對于藥柱檢測報道很少。

1 藥柱復(fù)合加工系統(tǒng)

復(fù)合加工系統(tǒng)是以通用部件為基礎(chǔ)，可以同時擁有幾種組合方式，配以按工件特定外形和加工工藝設(shè)計(jì)的專用部件和夾具組成的半自動或自動專用機(jī)床，生產(chǎn)效率比單工位加工系統(tǒng)高幾倍至幾十倍。由于通用部件已經(jīng)標(biāo)準(zhǔn)化和系列化，可根據(jù)需要靈活配置，能縮短設(shè)計(jì)和制造周期。多工位加工系統(tǒng)兼有低成本和高效率的優(yōu)點(diǎn)，在大批、大量生產(chǎn)中得到廣泛應(yīng)用，并可用以組成自動生產(chǎn)線,目前技術(shù)難點(diǎn)在于如何保證多工位加工系統(tǒng)的加工精度，既能實(shí)現(xiàn)加工自動化，又保證加工的精度，需要精確的識別定位。

1.1 復(fù)合加工系統(tǒng)的功能及要求

藥柱復(fù)合加工系統(tǒng)具有整主形端面、銀絲位置自動識別處理與精確定位、盲孔加工、孔內(nèi)藥屑清理、孔深及直徑自動測量、刀具溫度檢測等功能。復(fù)合加工系統(tǒng)能根據(jù)相機(jī)檢測的銀絲位置，自動找準(zhǔn)，對中心，鉆孔定位精度：不大于Ф0.35 mm；孔徑中心軸線與工件中心軸線平行度：≤0.2 mm。鉆孔的定位精度主要由銀絲位置的識別精度保證，鉆頭軸線與藥柱銀絲軸線平行度由系統(tǒng)設(shè)計(jì)與安裝調(diào)試保證。機(jī)械臂、復(fù)合加工系統(tǒng)及打孔刀具剛度是保障此項(xiàng)精度的重要因素。

1.2 復(fù)合加工系統(tǒng)的組成

復(fù)合加工系統(tǒng)包括藥柱夾具、直角坐標(biāo)驅(qū)動單元、整形加工模塊。其中整形加工模塊整合了CCD相機(jī)、打孔鉆頭、銑刀、毛刷清根、高壓氣針吹屑、內(nèi)窺鏡探測、磁滯尺測深、紅外溫度傳感器，可實(shí)現(xiàn)系統(tǒng)要求的多種功能，滿足自動化要求。 復(fù)合加工系統(tǒng)結(jié)構(gòu)如圖1所示。

銀絲位置的識別與定位由高精度彩色CCD工業(yè)相機(jī)完成，安裝在整合加工模塊的安裝板的固定位置。CCD相機(jī)具有圖像捕捉快速，圖像清晰，相機(jī)位置擺放靈活，檢測方法精度易控制等特點(diǎn)，支持快速連續(xù)曝光，動態(tài)圖像無拖影，能夠在任何時刻完成圖像捕捉任務(wù)。彩色CCD相機(jī)有利于計(jì)算機(jī)從色度上篩選銀絲所在區(qū)域，同時，自適應(yīng)的處理圖像亮度以及自動增益和自動曝光效果，在原圖的基礎(chǔ)上優(yōu)化了對用戶顯示的效果。同時操作人員對加工準(zhǔn)確與否的辨識度較高，通過改寫程序可適應(yīng)多種類型的工件。

工業(yè)變焦鏡頭采用全新超低失真、高分辨率設(shè)計(jì)，具有清晰度高，倍率可變，光學(xué)無畸變，高對比度等特點(diǎn)。采用焦闌法，測量誤差少，能配合百萬像素以上1/3、1/2、2/3工業(yè)相機(jī)使用，用于高精確檢測、高精度尺寸測量、目標(biāo)位置定位等機(jī)器視覺系統(tǒng)。

2 銀絲位置多重算法識別技術(shù)

在藥柱定長切割結(jié)束后，利用工業(yè)相機(jī)完成藥柱斷面拍照，完成端面上圓周陣列的6個銀絲位置的精確識別，獲得銀絲相對于鉆頭的位置。未處理藥柱圖片如圖2所示。

由于藥柱端面上銀絲極細(xì)，肉眼不易觀察，為準(zhǔn)確找到銀絲位置，使用CCD相機(jī)獲取圖像，通過數(shù)字圖像處理系統(tǒng)，得到當(dāng)前狀態(tài)下銀絲的位置，需要對藥柱斷面的表面形貌進(jìn)行圖像處理。

視覺系統(tǒng)采用六重識別算法，包括圖層優(yōu)化、邊緣檢測、灰度閾值處理、感興趣區(qū)域提取、面積識別、遞歸貪心算法，利用此方法可以在銀絲位置快速識別的前提下保證檢測結(jié)果準(zhǔn)確無誤。

2.1 圖層優(yōu)化處理

由于自然光是混合光源，通過自然打光下的圖像提取三基色圖層(RGB)，根據(jù)銀絲在不同圖層中的明顯程度，對灰度圖像進(jìn)行加權(quán)求和，得到最有效的銀絲識別圖像。加權(quán)求和即將RGB三個分量分別作為該點(diǎn)的灰度值，然后相加得到一個灰度值：

Gray=R+B+C

(1)

三基色圖層優(yōu)化處理及灰度處理后如圖3所示。

2.2 邊緣檢測

由于藥柱斷面的表面形貌的圖像處理受表面粗糙度、光照環(huán)境等因素影響，故選擇合適的邊緣檢測算子對圖像進(jìn)行邊緣特征的提取，并且盡可能減少由噪聲引起的偽邊緣的干擾。本系統(tǒng)采用算法相對簡單，應(yīng)用廣泛的Canny算子進(jìn)行邊緣檢測[7]。

基于canny算法的邊緣檢測實(shí)現(xiàn)過程如下：

1) 利用高斯濾波對圖像進(jìn)行平滑降噪處理

采用高斯函數(shù)對藥柱斷面圖像進(jìn)行處理，函數(shù)形式如下。

(2)

σ為高斯曲線標(biāo)準(zhǔn)差，影響圖像中檢測的邊緣平滑程度。

2) 計(jì)算梯度的幅值和方向

圖像I(i,j)的邊緣包括梯度幅值M(i,j)和梯度方向θ(i,j)，可采用2×2鄰域一階偏導(dǎo)的有限差分進(jìn)行近似計(jì)算。本文取x、y方向一階近似偏導(dǎo)模板如下：

(3)

梯度幅值和梯度方向計(jì)算公式如下：

(4)

(5)

3) 對梯度幅值進(jìn)行非極大值抑制

非極大值抑制(NMS)是指保留局部極大值，將非極大值的像素點(diǎn)的灰度值設(shè)置為0，這樣可以有效去除大多數(shù)非邊緣點(diǎn)，達(dá)到細(xì)化邊緣的目的。

非極大值抑制的實(shí)現(xiàn)是利用梯度方向，與相鄰像素梯度賦值進(jìn)行比較，即以梯度值為M(i,j)的點(diǎn)(i,j)為中心，與3×3鄰域內(nèi)沿梯度方向θ(i,j)的元素比較，如果M(i,j)比沿梯度方向相鄰元素大，則將其設(shè)為候選邊緣點(diǎn)；若相反則將其灰度值設(shè)為零，這樣可以得出候選邊緣圖像C(i,j)。

4) 檢測和連接邊緣

Canny算法采用雙閾值法，即選取高閾值T1和低閾值T2分別與非極大值抑制后圖像進(jìn)行比對。若像素點(diǎn)梯度幅值大于高閾值，則將該點(diǎn)確定為邊緣點(diǎn)，若梯度幅值低于高閾值，則將該點(diǎn)確定為非邊緣點(diǎn)；若梯度幅值在高閾值和低閾值之間，但是在該點(diǎn)鄰域像素中有已被確認(rèn)的邊緣點(diǎn)，則將該點(diǎn)也確定為邊緣點(diǎn)，否則為非邊緣點(diǎn)。進(jìn)行雙閾值法檢測和連接的邊緣三維效果圖及邊緣示意圖如圖4。

2.3 灰度圖像閾值處理

若要從藥柱斷面中識別銀絲位置，需要對藥柱斷面的表面形貌進(jìn)行分析。為了提取銀絲位置的特征點(diǎn)，需要對藥柱斷面圖像進(jìn)行處理。通過將灰度圖進(jìn)行二值化處理，即通過給定閾值，以該閾值為門限將灰度圖轉(zhuǎn)換成黑白圖像[9]。

(6)

式中，T為給定閾值，由于是批量生產(chǎn)，可憑經(jīng)驗(yàn)選取。

閾值T取10后的灰度閾值處理圖如圖5所示。由于銀絲所在位置與其他部分會顯示出不同的灰度值，可以通過篩選類似銀絲所表現(xiàn)的像素點(diǎn)確定銀絲位置。

2.4 ROI感興趣區(qū)域提取

通過提取圖像中邊緣樣本坐標(biāo)點(diǎn)，采用最小二乘橢圓擬合的方法，求得中心點(diǎn)位置坐標(biāo)。

設(shè)平面任意位置橢圓方程為

Ax2+Bxy+Cy2+Dx+Ey+F=0

(7)

Pi(xi,yi)(i=1,2,…,n)為橢圓上的測量點(diǎn)，依據(jù)最小二乘法，所擬合的目標(biāo)函數(shù)為

(8)

欲求中心點(diǎn)坐標(biāo)即：

(9)

因此得方程組：

(10)

結(jié)合約束條件可以求得方程系數(shù)A,B,C,D,E,F的值。結(jié)合橢圓的幾何知識，可以計(jì)算出橢圓的5個參數(shù)：位置參數(shù)(θ,x0,y0)以及形狀參數(shù)(a,b,)，即可求得中心坐標(biāo)。

由于銀絲位置分布是圓周陣列的形式，故感興趣區(qū)域可以設(shè)置為以藥柱邊緣計(jì)算得到的中心點(diǎn)作為中點(diǎn)的環(huán)形區(qū)域，其外內(nèi)圓直徑為R±p，R為藥柱上銀絲可能所在直徑，但由于藥柱生產(chǎn)時銀絲位置會有一定誤差，故留出一定裕度p，以便使感興趣區(qū)域?qū)?個銀絲位置全部包含進(jìn)去。

其他區(qū)域通過漫水填充法進(jìn)行填充，將灰度都設(shè)置為0，這樣可以有效生成掩碼區(qū)域，通過只處理掩碼區(qū)域，可以得到感興趣區(qū)域。

通過ROI的提取，能有效提高計(jì)算機(jī)處理速度，并且避免干擾產(chǎn)生的誤差。藥柱斷面圖像中感興趣區(qū)域提取后如圖6所示。

2.5 特征區(qū)域面積識別

特征區(qū)域面積識別是通過比對可疑銀絲位置特征區(qū)域的面積，篩選面積部分過小或過大的區(qū)域，排除絕對不可能是銀絲的點(diǎn)。

由于圖像是由一個一個像素組成的，因此在對圖像逐行采用區(qū)域標(biāo)記算法將各特征區(qū)域進(jìn)行標(biāo)記，區(qū)域標(biāo)記法[11]是把連續(xù)區(qū)域附上相同標(biāo)記，常見的有四連通域和八連通域標(biāo)記算法。本文采用八連通域算法[12]，在對特征連通區(qū)域進(jìn)行標(biāo)記的同時對各特征區(qū)域中像素個數(shù)進(jìn)行統(tǒng)計(jì)。然后對各區(qū)域像素個數(shù)進(jìn)行比對，去除不可能是銀絲位置的特征區(qū)域。設(shè)銀絲位置特征點(diǎn)像素個數(shù)范圍是[n1,n2]，像素個數(shù)不在該范圍內(nèi)的標(biāo)記區(qū)域的灰度值設(shè)為0。干擾特征消除后的效果圖如圖7。

2.6 結(jié)合遞歸和貪心算法確定銀絲坐標(biāo)

藥柱端面圖像最終的處理包括圖像檢索及坐標(biāo)值計(jì)算。圖像檢索的方式采用以區(qū)域塊為單位進(jìn)行圖像掃描，區(qū)域塊是指利用遞推算法合并四鄰域(上下左右)相同灰度值像素從而得到若干一定尺寸的區(qū)域塊[13]。檢索出包含所有疑似銀絲位置的區(qū)域塊，區(qū)域塊中心位置坐標(biāo)為(xi,yi)。

假設(shè)圖像I中還存在n個疑似銀絲位置點(diǎn)，從上到下的區(qū)域塊依次標(biāo)記為i=1,2,…,n，利用貪心算法，即通過解局部最優(yōu)解來達(dá)到整體最優(yōu)解的方法，比對兩兩區(qū)域塊中心坐標(biāo)之間的距離，在圖像I中尋找6個兩兩之間近似等距的圓周陣列的銀絲位置點(diǎn)(陣列中相鄰銀絲位置之間距離設(shè)為l±a)。如符合銀絲相對位置關(guān)系，將此兩點(diǎn)標(biāo)記為可能是銀絲的點(diǎn)，如果某一點(diǎn)被重復(fù)標(biāo)記3次以上，則認(rèn)為它就是銀絲所在位置，反之則將該區(qū)域塊的灰度值全設(shè)置為0，最后提取最優(yōu)結(jié)果，并通過坐標(biāo)變換得到世界坐標(biāo)系下銀絲的絕對位置，以便進(jìn)行盲孔的精確定位加工。

通過遞歸貪心算法得到的最終銀絲位置示意圖如圖8。

3 結(jié)論

本文采用CCD相機(jī)，利用圖層優(yōu)化處理、邊緣檢測、灰度閾值處理、感興趣區(qū)域提取、面積識別、遞歸貪心算法六重算法成功對整形后的圓柱型藥柱斷面進(jìn)行銀絲位置識別與定位，有效去除了非銀絲位置的特征區(qū)域。本文研究的藥柱銀絲位置識別的方法識別速度較快，可以滿足批量生產(chǎn)的要求。

[1] 于寧,楊濤,劉巍,等.嵌銀絲端燃藥柱燃?xì)獍l(fā)生器理論性能分析[J].彈箭與制導(dǎo)學(xué)報,2009,29(1):180-183.

[2] 張有為,王曉宏,楊舉賢.嵌金屬絲端燃藥柱燃燒過程的數(shù)值研究[J].推進(jìn)技術(shù),2007,28(1):4-8.

[3] 卞正崗.機(jī)器視覺技術(shù)的發(fā)展[J].中國儀器儀表,2015(6)：71-75.

[4] 房加強(qiáng),何建萍,王付鑫,等.視覺傳感技術(shù)的應(yīng)用研究與發(fā)展趨勢[J].電焊機(jī),2013,43(4):46-50.

[5] 王元有,王新華.含金屬絲端燃藥柱的燃燒機(jī)理[J].兵工學(xué)報,1980,1(2):42-53.

[6] 李鳳生.嵌涂層金屬絲藥柱的穩(wěn)態(tài)燃燒模型[J].南京理工大學(xué)學(xué)報,1984(3):65-74.

[7] 李牧,閆繼紅,李戈,等.自適應(yīng)Canny算子邊緣檢測技術(shù)[J].哈爾濱工程大學(xué)學(xué)報,2007,28(9):1002-1007.

[8] JOHN C.A computationai approach to edge detection[J].IEEE Transaiction Pattern Anaiysis， 1986(8)：679 - 698.

[9] 李平,張廷安,汪秉宏,等.灰度閾值對圖像分形特征參數(shù)提取的分析[J].東北大學(xué)學(xué)報(自然科學(xué)版),2006,27(1):57-60.

[10] 許浩均,黃茜,梁兆敏,等.基于MCSA的感興趣區(qū)域定位方法[J].現(xiàn)代電子技術(shù),2015,38(17):103-106.

[11] 曹長虎,李亞非.一種二值圖像連通區(qū)域標(biāo)記快速算法[J].科學(xué)技術(shù)與工程,2010,33(10):8168-8171,8180.

[12] 李儀芳,劉景琳.基于連通域算法的區(qū)域測量[J].科學(xué)技術(shù)與工程,2008,9(8):2492-2494.

[13] 盧敏,伍鐵軍.一種基于區(qū)域特征的圖像檢索方法及實(shí)現(xiàn)[J].圖學(xué)學(xué)報,2004,25(1):42-46.