， ，，，

(華中科技大學(xué) 武漢光電國(guó)家研究中心，武漢 430074)

0 引言

激光淬火技術(shù)是利用激光高能量的特性，在金屬工件表面進(jìn)行離散淬火，形成一定深度的激光淬硬層。淬火得到的高碳馬氏體組織晶粒細(xì)小，晶粒內(nèi)部易產(chǎn)生大量的位錯(cuò)[1-2]，從而大大增強(qiáng)工件表面硬度與耐磨性能，強(qiáng)化表面質(zhì)量，從本質(zhì)上實(shí)現(xiàn)物化性能的提升[3]。激光淬火時(shí)淬硬層的表面宏觀形貌能直接反映出淬火的質(zhì)量狀況，主要存在的缺陷有表面褶皺、裂紋、雜質(zhì)等。由于離散淬火的間斷性與快速性，宏觀形貌中不會(huì)出現(xiàn)裂紋與雜質(zhì)缺陷，最常出現(xiàn)的缺陷為表面褶皺，即淬火過程對(duì)淬硬層表面紋理及粗糙度的影響。

視覺檢測(cè)是一種新型的非接觸檢測(cè)方法，主要利用圖像采集裝置獲取物體表面圖像，通過數(shù)字圖像處理及模式識(shí)別等技術(shù)，實(shí)現(xiàn)對(duì)物體表面信息的分析與檢測(cè)。隨著機(jī)器視覺技術(shù)的不斷發(fā)展，視覺檢測(cè)技術(shù)開始廣泛應(yīng)用于微電子制造、汽車制造、鋼鐵生產(chǎn)以及其他工業(yè)生產(chǎn)的檢測(cè)中[4]。在激光加工方面，楊彩霞[5]采用10.6 μm波長(zhǎng)激光器與彩色CCD相機(jī)，基于Visual C++平臺(tái)開發(fā)了激光淬火硬化帶寬度檢測(cè)系統(tǒng)，最大誤差為5.81%。陳殿炳[6]采用640×480的CMOS黑白相機(jī)，基于LabView設(shè)計(jì)實(shí)現(xiàn)了激光熔覆熔池長(zhǎng)度、寬度和面積的視覺檢測(cè)。Nelson J Orozco[7]在激光復(fù)合焊控制系統(tǒng)中實(shí)現(xiàn)焊縫質(zhì)量檢測(cè)，激光二極管發(fā)光經(jīng)焊縫表面反射進(jìn)入CCD，經(jīng)圖像處理提取焊縫三維輪廓與幾何形貌，焊接速度達(dá)15.24 m/min。Junsok Lee[8]通過微型CCD相機(jī)與激光二極管構(gòu)建激光三角測(cè)量視覺檢測(cè)系統(tǒng)，實(shí)現(xiàn)焊縫與倒角的質(zhì)量檢測(cè)，尺寸精度可達(dá)0.1 mm。越來越多研究表明，由于視覺檢測(cè)具有高效率、高精度、低成本等優(yōu)點(diǎn)，將其應(yīng)用于加工過程的調(diào)控與加工質(zhì)量的檢測(cè)，已成為激光加工技術(shù)研究的重要方向，有力地促進(jìn)激光加工的自動(dòng)化與智能化發(fā)展。

本文設(shè)計(jì)了一種用于激光淬火加工質(zhì)量的視覺檢測(cè)系統(tǒng)。在工件上進(jìn)行激光離散淬火處理后，對(duì)其表面進(jìn)行視覺檢測(cè)，從而保障其激光淬火的強(qiáng)化質(zhì)量，實(shí)現(xiàn)淬火加工的質(zhì)量檢測(cè)功能。

1 激光淬火加工質(zhì)量檢測(cè)系統(tǒng)結(jié)構(gòu)

視覺檢測(cè)系統(tǒng)主要由光照模塊、圖像采集模塊以及計(jì)算機(jī)圖像處理軟件模塊組成。圖像采集模塊使用維視公司的MV-EM200C型號(hào)的千兆以太網(wǎng)彩色CCD相機(jī)，分辨率為1 600×1 200，幀率為40 fps/s，滿足在線檢測(cè)的圖像采集速度與精度要求。相機(jī)垂直于工件安裝，相機(jī)鏡頭距工件表面高度為200 mm，圖像覆蓋面積達(dá)184 mm×138 mm。照明系統(tǒng)使用緯朗公司的VLTX3D400X29R6W-24V型號(hào)的白色LED條形光源，兩根光源分列在工件兩側(cè)，采用低角度正面照明的方式，在避免工件表面高反光性影響CCD采集圖像的同時(shí)，保證CCD相機(jī)有足夠的進(jìn)光量來采集清晰圖像。圖像處理軟件的開發(fā)在Windows 7系統(tǒng)上進(jìn)行，使用Visual Studio 2010作為開發(fā)工具，運(yùn)用OpenCV跨平臺(tái)開源計(jì)算機(jī)視覺庫，基于MFC框架進(jìn)行軟件界面及功能的設(shè)計(jì)。

視覺檢測(cè)系統(tǒng)與激光淬火設(shè)備結(jié)合使用，工作過程如圖1所示。激光加工設(shè)備在運(yùn)動(dòng)中動(dòng)態(tài)地控制激光振鏡，采用位移補(bǔ)償算法[9-10]對(duì)工件進(jìn)行淬火處理，激光淬硬層結(jié)構(gòu)產(chǎn)生變化，表面形成近似圓狀的小斑塊，稱為淬火斑。在條形LED光源照射下，CCD相機(jī)采集工件表面圖像，通過Gige數(shù)據(jù)接口實(shí)時(shí)傳輸數(shù)字圖像信號(hào)到計(jì)算機(jī)系統(tǒng)中，通過圖像處理軟件提取并分析圖像信息，實(shí)現(xiàn)工件表面淬火斑的視覺檢測(cè)。

圖1 激光淬火加工質(zhì)量檢測(cè)系統(tǒng)結(jié)構(gòu)圖

2 視覺檢測(cè)系統(tǒng)中的圖像處理軟件

圖像處理軟件是整個(gè)視覺檢測(cè)系統(tǒng)的關(guān)鍵部分，軟件的運(yùn)行過程是，首先采用CCD相機(jī)開發(fā)包進(jìn)行二次開發(fā)，控制CCD相機(jī)實(shí)時(shí)采集工件表面圖像，再利用OpenCV庫函數(shù)實(shí)現(xiàn)主要的圖像處理功能。作者針對(duì)工件表面淬火斑設(shè)計(jì)了質(zhì)量檢測(cè)的軟件處理流程，如圖2所示。

圖2 視覺檢測(cè)圖像處理流程圖

2.1 圖像預(yù)處理

將采集到的工件圖像先進(jìn)行圖像預(yù)處理，包括ROI區(qū)域設(shè)置、圖像灰度化、直方圖均衡化、圖像濾波等操作。

CCD采集圖像的視場(chǎng)幅面通常超過檢測(cè)物體的范圍，需要設(shè)置合適的ROI感興趣區(qū)域，截取圖像中的工件部分。使用矩形表示感興趣區(qū)域大小，將ROI區(qū)域圖像標(biāo)記并截取出來。

圖像灰度化是將RBG三通道圖像轉(zhuǎn)換為單通道的灰度圖像，可以減少圖像三分之二的數(shù)據(jù)量，提高后續(xù)處理速度。根據(jù)人眼對(duì)色彩的敏感程度，圖像顏色的轉(zhuǎn)換公式如式(1)所示。

f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j)

(1)

為了提高圖像中淬火斑區(qū)域與工件背景的對(duì)比度和清晰度，保障后續(xù)良好的圖像處理效果，作者選用直方圖均衡化方法實(shí)現(xiàn)圖像對(duì)比度的增強(qiáng)，它的基本思想是對(duì)圖像中像素個(gè)數(shù)多的灰度級(jí)進(jìn)行展寬，而對(duì)圖像中像素個(gè)數(shù)少的灰度進(jìn)行壓縮，調(diào)整圖像的灰階分布，使得在0～255灰階的分布更加均衡從而擴(kuò)展像素取值的動(dòng)態(tài)范圍，提高了對(duì)比度和灰度色調(diào)的變化，使圖像更加清晰。

CCD采集圖像時(shí)由于光電信號(hào)的轉(zhuǎn)換與傳輸，會(huì)在圖像中產(chǎn)生噪聲影響圖像質(zhì)量。濾波操作在對(duì)噪聲進(jìn)行抑制的同時(shí)也會(huì)平滑圖像，丟失圖像中的細(xì)節(jié)信息，因此需要選擇合適的濾波方法在濾除噪聲和保留信息之間達(dá)到平衡。作者采用基于排序統(tǒng)計(jì)理論的非線性圖像濾波方法，即中值濾波。其原理是對(duì)以像素點(diǎn)(i，j)為中心的鄰域窗口內(nèi)所有像素的灰度值進(jìn)行排序，位于排序序列最中間的灰度值來代替該中心像素點(diǎn)的灰度值，從而讓像素點(diǎn)的灰度值接近真實(shí)值，消除孤立的圖像噪聲點(diǎn)，在濾除噪聲的同時(shí)克服線性濾波器帶來的圖像細(xì)節(jié)模糊，最大限度地保留圖像中淬火斑的邊緣輪廓信息。

2.2 圖像閾值分割

圖像閾值分割是利用圖像中要提取的目標(biāo)與背景在灰度特性上的差異，把圖像視為具有不同灰度級(jí)的兩類區(qū)域(目標(biāo)和背景)的組合。選取一個(gè)合適的閾值，將灰度值大于閾值的像素點(diǎn)的灰度設(shè)為255，灰度值小于閾值的像素點(diǎn)的灰度設(shè)為0，從而確定圖像中的每一個(gè)像素點(diǎn)應(yīng)該屬于目標(biāo)還是背景區(qū)域，產(chǎn)生相應(yīng)的二值圖像，實(shí)現(xiàn)工件背景和淬火斑目標(biāo)的分割。由于圖像中淬火斑與工件背景的灰度范圍產(chǎn)生重合，沒有明顯的灰度階差異，為了準(zhǔn)確分割圖像，作者采用自適應(yīng)局部閾值法。將像素點(diǎn)(i，j)鄰域塊中所有像素的灰度均值，作為該像素點(diǎn)上的分割閾值，這樣每個(gè)像素點(diǎn)的分割閾值大小由其鄰域像素的灰度分布決定，從而分割閾值隨著圖像區(qū)域的明暗變化而動(dòng)態(tài)變化，有效避免光照不均對(duì)圖像的影響，清晰劃分出淬火斑與工件背景的邊界。

2.3 獲取淬火斑連通域輪廓

邊緣輪廓是淬火斑的主要特征。Canny算子是一種求取最優(yōu)邊緣的檢測(cè)方法，使用一階差分方法計(jì)算邊緣方向與幅值，再進(jìn)行非極大值抑制操作來突出細(xì)化邊緣，最后進(jìn)行雙閾值檢測(cè)，選擇兩閾值區(qū)域內(nèi)的邊緣像素點(diǎn)，最終得到真實(shí)邊緣細(xì)化曲線的圖像。

直接采用Canny算子求取邊緣，圖像中存在許多非淬火斑邊緣輪廓的線條，因此必須濾除圖像中眾多的無關(guān)邊緣輪廓。作者在Canny邊緣檢測(cè)算法的基礎(chǔ)上進(jìn)行改進(jìn)，從二值邊緣圖像中準(zhǔn)確獲取了淬火斑連通域邊緣。首先使用Canny算子進(jìn)行邊緣檢測(cè)，得到二值輪廓圖像；再對(duì)輪廓圖像中所有線條進(jìn)行遍歷并編號(hào)，篩選出閉合輪廓曲線；接下來判斷閉合輪廓是否為其他輪廓的內(nèi)輪廓，若是則去除，只留下外部輪廓；最后對(duì)閉合的外輪廓計(jì)算像素面積，設(shè)置合適大小的面積閾值，面積大于該閾值的線條即為淬火斑連通域輪廓。

2.4 提取特征信息并分析

完成上述圖像處理步驟，從幾何尺寸和紋理特征兩方面提取淬火斑信息，分析其與淬火斑狀態(tài)變化的規(guī)律。首先通過輪廓線條計(jì)算淬火斑的幾何特征，包括淬火斑連通域面積、長(zhǎng)度、高度等。淬火斑連通域面積S為其連通域輪廓內(nèi)所有像素點(diǎn)(i,j)的實(shí)際面積。長(zhǎng)度值a與高度值b分別為連通域在水平方向的最大跨越長(zhǎng)度與垂直方向上最大跨越高度，由此得出長(zhǎng)高比為ω=a/b，來描述淬火斑連通域形狀。

紋理特征是圖像像素間變化的周期性排列，不同質(zhì)量狀態(tài)的淬火斑，表面紋理會(huì)有很大的差異?；叶裙采仃囀且环N通過研究灰度的空間相關(guān)性，來對(duì)圖像紋理進(jìn)行描述的方法[11-12]，是像素點(diǎn)對(duì)組成的聯(lián)合灰度直方圖。

圖3 灰度共生矩陣中像素點(diǎn)對(duì)形成示意圖

E=∑α∑βρ(α,β)2

(2)

Q=-∑α∑βρ(α,β)logρ(α,β)

(3)

3 淬火斑質(zhì)量檢測(cè)實(shí)驗(yàn)與結(jié)果分析

為了驗(yàn)證視覺檢測(cè)系統(tǒng)的實(shí)際可用性，分別在低能量(3000 W)、最優(yōu)能量(4000 W)、高能量(5000 W)3種不同激光能量輸入背景下，對(duì)工件進(jìn)行淬火加工并采集圖像，設(shè)置工件ROI圖像大小為280像素×110像素，進(jìn)行一系列圖像處理操作并計(jì)算特征值。要得到淬火斑連通域的實(shí)際幾何尺寸需要進(jìn)行像素標(biāo)定實(shí)驗(yàn)，工件實(shí)際寬度為75 mm，在圖像中對(duì)應(yīng)的像素值為652 pixel，所以標(biāo)定的像素當(dāng)量為75/652=0.115 mm/pixel。將像素尺寸轉(zhuǎn)換為實(shí)際尺寸，測(cè)量的特征信息結(jié)果如表1所示。

分別選擇3種不同激光淬火加工參數(shù)下的淬火斑進(jìn)行質(zhì)量檢測(cè)實(shí)驗(yàn)，每組淬火斑各12個(gè)樣本，計(jì)算其面積值和隨機(jī)熵值如圖4、圖5所示。

根據(jù)數(shù)據(jù)分析發(fā)現(xiàn)：在面積特征量方面，高能量輸入(5000 W)的淬火斑連通域面積值遠(yuǎn)遠(yuǎn)大于其他兩種能量輸入情況下的面積值；比較隨機(jī)熵特征量，低能量輸入(3000 W)的淬火斑隨機(jī)熵值均小于其他兩種能量輸入情況下的隨機(jī)熵。因此，提出一種雙閾值判斷法進(jìn)行淬火斑質(zhì)量檢測(cè)，分別設(shè)置面積判斷閾值為150 mm2，隨機(jī)熵判斷閾值為7.7。經(jīng)過兩個(gè)閾值判斷后，只有當(dāng)淬火斑面積小于150 mm2且隨機(jī)熵值大于7.7時(shí)，該淬火斑為能量輸入最優(yōu)、質(zhì)量良好的淬火斑，否則為質(zhì)量較差、能量輸入偏高或偏低的淬火斑。

表1 不同激光功率下的圖像處理結(jié)果

圖4 不同能量輸入下的面積S分布

圖5 不同能量輸入下的隨機(jī)熵Q分布

針對(duì)淬火斑雙閾值判斷方法的檢測(cè)準(zhǔn)確性進(jìn)行驗(yàn)證實(shí)驗(yàn)。將低能量輸入、最優(yōu)能量輸入、高能量輸入3種情況下各200個(gè)淬火斑圖像，按照上述檢測(cè)方法進(jìn)行檢測(cè)。實(shí)驗(yàn)中，單個(gè)淬火斑平均檢測(cè)時(shí)長(zhǎng)為10.1 ms，完全滿足實(shí)時(shí)檢測(cè)的需求。從表2中檢測(cè)結(jié)果可看出，能量輸入最優(yōu)(4000 W)、質(zhì)量良好的淬火斑檢測(cè)準(zhǔn)確率高達(dá)96.5%，而質(zhì)量較差、能量輸入偏高或偏低的淬火斑檢測(cè)準(zhǔn)確率綜合計(jì)算后為96%，均存在較小比例的檢測(cè)錯(cuò)誤率。

表2 淬火斑雙閾值判定法驗(yàn)證實(shí)驗(yàn)結(jié)果

分析驗(yàn)證結(jié)果可知，高能量輸入(5000 W)下淬火斑出現(xiàn)搭接現(xiàn)象，淬火斑圖像連通域?yàn)?個(gè)淬火斑區(qū)域之和，與其它兩種能量輸入下的淬火斑連通域相差很大，因此雙閾值判定法中面積閾值檢測(cè)準(zhǔn)確率高達(dá)99.5%，具有很高的可靠性。而隨機(jī)熵閾值在低能量輸入(3000 W)與最優(yōu)能量輸入(4000 W)的淬火斑檢測(cè)中產(chǎn)生的誤判率達(dá)7.5%，原因主要是淬火斑表面不穩(wěn)定的紋理結(jié)構(gòu)影響了隨機(jī)熵值的大小。由于激光淬火環(huán)境復(fù)雜，激光傳輸過程中易受空氣中灰塵、雜質(zhì)等影響，激光能量大小與均勻性發(fā)生變化，使得激光淬硬層表面組織產(chǎn)生差異，淬火斑紋理的不穩(wěn)定性增加，隨機(jī)熵值產(chǎn)生波動(dòng)，造成隨機(jī)熵閾值誤判率增加。后期可以結(jié)合其他紋理特征進(jìn)行綜合判定，以提高低能量輸入淬火斑與最優(yōu)能量輸入淬火斑的檢測(cè)準(zhǔn)確率。

4 結(jié)語

本文對(duì)激光淬火加工質(zhì)量視覺檢測(cè)系統(tǒng)進(jìn)行設(shè)計(jì)與研究。采用CCD相機(jī)、LED條形光源、計(jì)算機(jī)構(gòu)建視覺檢測(cè)系統(tǒng)，對(duì)激光淬火斑進(jìn)行質(zhì)量檢測(cè)。在開源計(jì)算機(jī)視覺庫OpenCV的支持下，設(shè)計(jì)了圖像處理軟件。通過改進(jìn)Canny邊緣檢測(cè)方法，提取圖像中淬火斑連通域輪廓，并根據(jù)其幾何信息與紋理信息提出一種雙閾值判定方法來檢測(cè)淬火斑質(zhì)量。在驗(yàn)證實(shí)驗(yàn)中，對(duì)高能量、最優(yōu)能量、低能量3種激光能量輸入下的淬火斑進(jìn)行分類檢測(cè)。在每組淬火斑樣本數(shù)據(jù)為200的情況下，檢測(cè)正確率均在92.5%以上，單個(gè)淬火斑檢測(cè)用時(shí)為10.1 ms，基本滿足激光淬火在線檢測(cè)的需要。視覺檢測(cè)系統(tǒng)的設(shè)計(jì)完善了激光淬火加工系統(tǒng)的功能，也對(duì)激光淬火質(zhì)量在線檢測(cè)技術(shù)的廣泛應(yīng)用有著重要的研究?jī)r(jià)值。