摘要：為了更好的識(shí)別齒輪端面在加工過程中所出現(xiàn)的表面缺陷，本文提出了一種基于機(jī)器視覺的齒輪端面缺陷檢測方法，該方法將會(huì)通過對(duì)齒輪端面圖像的預(yù)處理及識(shí)別過程，對(duì)端面上缺陷的存在性及缺陷類型進(jìn)行快速且準(zhǔn)確的識(shí)別。同時(shí)，為了實(shí)現(xiàn)檢測方法所需的圖像多分類任務(wù)，本文對(duì)一般的支持向量機(jī)分類算法進(jìn)行了改進(jìn)，同時(shí)，利用多線程編程方法加速了對(duì)缺陷圖像的分類過程。最后，本文還通過控制單元實(shí)現(xiàn)了對(duì)不同類型缺陷的識(shí)別反饋。經(jīng)圖像分類測試，本文所述的缺陷檢測方法對(duì)本文所涉及的工件表面缺陷圖像的識(shí)別準(zhǔn)確率可達(dá)100%。

關(guān)鍵詞：機(jī)器視覺;支持向量機(jī);缺陷檢測;多線程編程

0 ?引言

隨著國家生產(chǎn)力水平的提高，工廠對(duì)各種工件生產(chǎn)的質(zhì)量要求也有了大幅提升。齒輪作為一種重要的傳動(dòng)件，其生產(chǎn)質(zhì)量將直接影響機(jī)械整體的運(yùn)行情況。但在齒輪的生產(chǎn)過程中，時(shí)常由于各種因素使其端面出現(xiàn)劃痕、氧化、斑塊等缺陷，從而導(dǎo)致該工件質(zhì)量不達(dá)標(biāo)。在過去，為了控制齒輪出廠質(zhì)量，工廠需雇傭?qū)ｉT的質(zhì)檢員對(duì)工件進(jìn)行人工質(zhì)檢。但人眼的識(shí)別能力有限，不同的人對(duì)工件表面缺陷的敏感程度也不相同，尤其在長時(shí)間的連續(xù)勞作情況下，人工質(zhì)檢的方法會(huì)使檢測效率大打折扣，因此，人工質(zhì)檢方法已經(jīng)不能滿足當(dāng)下的工廠發(fā)展需求?；跈C(jī)器視覺的檢測技術(shù)是目前世界范圍內(nèi)的熱門研究方向之一，該種技術(shù)可以利用計(jì)算機(jī)對(duì)工件表面圖像進(jìn)行處理及識(shí)別，從而替代過去的人工質(zhì)檢，實(shí)現(xiàn)對(duì)工件表面的自動(dòng)化檢測過程。

1 ?圖像預(yù)處理過程

由于CCD相機(jī)直接采集的圖像多數(shù)會(huì)受拍攝環(huán)境、相機(jī)性能限制等因素的影響，難以直接進(jìn)行特征提取及分類，因此要對(duì)圖像進(jìn)行一定預(yù)處理過程，消除圖像干擾，加強(qiáng)圖像特征，便于后期提取及識(shí)別缺陷的圖像特征。本文所述檢測方法所用的預(yù)處理過程，包含圖像增強(qiáng)、圖像濾波、圖像閾值分割等處理過程。

1.1 圖像增強(qiáng)

圖像增強(qiáng)算法可以從一定程度上提高圖片質(zhì)量，增強(qiáng)圖像對(duì)比度，從而使圖像中的目標(biāo)區(qū)域相對(duì)圖像背景更加凸顯的同時(shí)，又可以弱化一些非目標(biāo)區(qū)域圖像信息。因此，經(jīng)灰度增強(qiáng)后的圖像較原圖會(huì)具有更加直觀的視覺特征，也更適于分析研究。目前，可實(shí)現(xiàn)圖像灰度增強(qiáng)的算法較多，各種方法由于其原理和轉(zhuǎn)換方式的不同，所處理的圖像效果也會(huì)有顯著區(qū)別。本文采用了幾種常用圖像灰度增強(qiáng)算法進(jìn)行了對(duì)比，其對(duì)應(yīng)處理結(jié)果如圖1所示。

觀察圖1可知，通過線性變換和反轉(zhuǎn)算法的兩種灰度增強(qiáng)處理效果較好，但反轉(zhuǎn)圖像并沒有顯著增強(qiáng)圖像對(duì)比度;經(jīng)直方圖均衡化處理后的金屬表面缺陷區(qū)域圖像對(duì)比度有所增強(qiáng)，但圖像背景中的紋理對(duì)比度也被一起提高，這樣的處理效果反而使缺陷區(qū)域圖像與背景圖像更加難以區(qū)分。因此，在不改變?cè)瓐D背景與目標(biāo)灰度特性的條件下，通過對(duì)多種算法處理效果的對(duì)比，本文采用效果最優(yōu)的線性變換算法對(duì)圖像進(jìn)行增強(qiáng)處理。

1.2 圖像濾波

經(jīng)過圖像增強(qiáng)處理后，將進(jìn)入圖像濾波過程，該過程需要盡可能的消除圖像中由于環(huán)境或硬件設(shè)備等原因所產(chǎn)生的圖像噪聲，從而進(jìn)一步提升圖像質(zhì)量。為了得到更好的降噪效果，本文針對(duì)圖像椒鹽噪聲，分別利用幾種濾波算法對(duì)圖像進(jìn)行降噪效果對(duì)比，其對(duì)應(yīng)處理效果如圖2所示。

由圖2可知，采用平均值代替某一點(diǎn)灰度值的均值濾波算法雖能降低噪聲，但該算法對(duì)噪聲點(diǎn)的抑制不徹底，同時(shí)噪聲點(diǎn)周圍區(qū)域的像素被均勻化后，會(huì)使部分圖像細(xì)節(jié)丟失;高斯濾波算法對(duì)噪聲點(diǎn)的抑制同樣不夠徹底，同樣無法滿足良好的濾波效果;中值濾波算法處理后的圖像中，噪點(diǎn)過濾效果較為徹底，同時(shí)，該算法對(duì)圖像細(xì)節(jié)的保留程度也較好，因此，本文將采用中值濾波算法實(shí)現(xiàn)圖像濾波過程。

1.3 圖像閾值分割

圖像閾值分割過程的基本思路是通過設(shè)定一個(gè)或多個(gè)閾值，將圖像中各個(gè)像素點(diǎn)的灰度值與所對(duì)應(yīng)閾值比較，并根據(jù)比較結(jié)果實(shí)現(xiàn)對(duì)圖像中的像素點(diǎn)的二值化。即大于該閾值的所有像素點(diǎn)對(duì)應(yīng)灰度值都置為255;小于該閾值的所有像素點(diǎn)對(duì)應(yīng)灰度值都置為0。

常用的閾值分割算法主要有最大類空間方差法、模糊集法、直方圖雙峰閾值法、最大熵法等。本文利用其中的最大類空間方差法和最大熵法，分別對(duì)圖像進(jìn)行了閾值分割處理，效果對(duì)比如圖3所示。

從圖3可知，在對(duì)金屬表面劃痕圖像的閾值分割過程中，兩種閾值分割算法的處理結(jié)果均可將缺陷從背景中分割出來，但最大熵算法所對(duì)應(yīng)圖像的右上角區(qū)域出現(xiàn)了許多白色噪聲像素，同時(shí)，該算法分割出的劃痕邊界輪廓存在很多細(xì)小噪點(diǎn)，使得劃痕輪廓清晰度明顯下降;最大類空間方差算法對(duì)應(yīng)圖像的劃痕缺陷區(qū)域和背景分割較為清晰，且缺陷邊界輪廓分割完好，引入噪聲像素量較少，因此，本文將選擇最大類空間方差算法實(shí)現(xiàn)圖像閾值分割過程。

2 ?控制單元設(shè)計(jì)

為了更好的將圖像識(shí)別結(jié)果反饋出來，本文所述缺陷檢測方法還利用單片機(jī)開發(fā)板設(shè)計(jì)了專門的控制單元。本文所述控制單元實(shí)物如圖4所示。

控制單元工作原理如圖5所示。當(dāng)計(jì)算機(jī)對(duì)圖像的識(shí)別結(jié)果為無缺陷圖像時(shí)，電機(jī)將正常工作;當(dāng)計(jì)算機(jī)對(duì)圖像的識(shí)別結(jié)果為有缺陷圖像時(shí)，將會(huì)通過串口向單片機(jī)發(fā)送識(shí)別信號(hào)。當(dāng)單片機(jī)接收到信號(hào)后，根據(jù)識(shí)別信號(hào)不同，單片機(jī)將會(huì)熄滅LED燈組中對(duì)應(yīng)的小燈，提示缺陷類型。同時(shí)，單片機(jī)也會(huì)將繼電器狀態(tài)改變，使電機(jī)電源切斷，以此模擬工廠流水線的停止，進(jìn)一步的提示工人及時(shí)采取措施。

3 ?總結(jié)

本文提出了一種基于機(jī)器視覺的齒輪端面缺陷檢測方法。其中，主要對(duì)圖像的預(yù)處理過程及圖像特征提取及識(shí)別過程進(jìn)行了詳細(xì)介紹。同時(shí)，本文通過對(duì)普通二分類支持向量機(jī)分類算法的改進(jìn)，使支持向量機(jī)算法實(shí)現(xiàn)了多分類任務(wù)，并通過分類測試可知，該分類算法對(duì)三種齒輪端面缺陷圖像的識(shí)別正確率均達(dá)到了100%。此外，本文還對(duì)缺陷類型分類過程進(jìn)行了多線程編程，以此來保證分類算法的分類效率。最后，本文通過控制單元的設(shè)計(jì)，將計(jì)算機(jī)識(shí)別過程的缺陷識(shí)別結(jié)果通過LED燈組的開關(guān)表現(xiàn)出來，同時(shí)，當(dāng)有缺陷圖像出現(xiàn)時(shí)，控制單元亦可控制電機(jī)停機(jī)，以此模擬工廠流水線的停止，提示工人采取措施。

參考文獻(xiàn)：

[1]羅三定，胡坤，陳遠(yuǎn)兵，聶振宇.工件表面缺陷檢測投影分析與算法研究[J].計(jì)算機(jī)工程與應(yīng)用，2015，51（06）：50-153.

[2]楊永敏，樊繼壯，趙杰.強(qiáng)反射表面缺陷圖像預(yù)處理[J].光學(xué)精密工程，2010，18（10）：2288-2296.

[3]周鵬，徐科，劉順華.基于剪切波和小波特征融合的金屬表面缺陷識(shí)別方法[J].機(jī)械工程學(xué)報(bào)，2015，51（6）：98-103.

基金項(xiàng)目：西安工程大學(xué)研究生創(chuàng)新基金（No.chx2019087）。

作者簡介：白斯豪（1993-），男，陜西西安人，碩士，學(xué)生，研究方向?yàn)闄C(jī)器視覺、自動(dòng)化控制。