張蜀紅

(新疆輕工職業(yè)技術(shù)學(xué)院,烏魯木齊 830021)

0 引言

隨著我國現(xiàn)代工業(yè)化水平的不斷提高，鍍鋅板已經(jīng)成為現(xiàn)代化機(jī)械、電器、汽車、航空航天方面不可缺少的材料[1]。近年來這些應(yīng)用領(lǐng)域?qū)﹀冧\板的質(zhì)量要求越來越高，產(chǎn)業(yè)更加重視對鍍鋅板質(zhì)量的檢測。由于鍍鋅板生產(chǎn)工藝復(fù)雜，要經(jīng)過開卷、焊接、爐區(qū)控制、熱鍍鋅、剪切等生產(chǎn)過程，影響鍍鋅板表面的因素較多，容易對鍍鋅板表面造成劃痕、擦傷、鋅渣等缺陷，影響最終產(chǎn)品的質(zhì)量和抗腐蝕性[2]。

針對上述存在的問題，文獻(xiàn)[3]提出了紅外檢測技術(shù)，對生產(chǎn)線上鍍鋅板進(jìn)行紅外掃描，檢測出鍍鋅板表面的缺陷。但是檢測的有效速度范圍較小，當(dāng)線速度過大時(shí)，紅外檢測很難準(zhǔn)確掃描到鍍鋅板表面上的缺陷信息，造成誤檢和漏檢。文獻(xiàn)[4]中開發(fā)出基于CCD器件的檢測技術(shù)，應(yīng)用了電荷耦合器件，不受線速度的影響可自動檢測鍍鋅板表面，快速識別出鍍鋅板表面的缺陷。但檢測系統(tǒng)的識別精度不高，對分辨率較小和對比度較低的缺陷不能很好地識別。

針對上述研究中存在的不足，本文基于改進(jìn)的Otsu算法設(shè)計(jì)出鍍鋅板表面缺陷檢測系統(tǒng)，數(shù)字光源控制器、高速CCD相機(jī)和編碼器之間相互連接，采集到清晰明亮、光照均勻、成像清晰的鍍鋅板表面圖像[5]。將采集到的圖像傳輸?shù)杰浖到y(tǒng)中進(jìn)行缺陷識別，在鍍鋅板表面發(fā)現(xiàn)缺陷時(shí)在圖像中標(biāo)記出來并發(fā)出告警提醒工作人員及時(shí)處理存在缺陷的鍍鋅板，提高了鍍鋅板的正產(chǎn)質(zhì)量。

1 總體方案設(shè)計(jì)

本研究的創(chuàng)新點(diǎn)在于：

1)改進(jìn)了Otsu算法，克服了一維Otsu算法分割圖像后光照不均勻，噪聲過多，圖像質(zhì)量不佳的問題。改進(jìn)后算法分割后的圖像中像素灰度大致一致，不會出現(xiàn)過亮或過暗的區(qū)域，圖像中噪聲明顯較少，對鍍鋅板的檢測效果更好。

2)利用編碼器和表面同步器實(shí)現(xiàn)數(shù)字變頻觸發(fā)采集到鍍鋅板表面的圖像，獲取到的圖像畫面清晰，缺陷特征更容易區(qū)分。

3)對鍍鋅板缺陷的在線監(jiān)測和識別，使用分塊檢驗(yàn)算法過濾缺陷圖像，缺陷單元對缺陷區(qū)域圖像進(jìn)行識別和分類，對鍍鋅板表面的檢測效率更高。

由于鍍鋅板的表面平滑，在圖像的成像上顯示出比較均勻的灰度特征，圖像的像素之間灰度變化不明顯。出現(xiàn)缺陷的鍍鋅板，缺陷處的灰度值發(fā)生強(qiáng)烈變化，灰度值明顯低于周圍像素[6]。利用相機(jī)進(jìn)行采樣圖像，對鍍鋅板表面的圖像進(jìn)行處理和分析，可以及時(shí)發(fā)現(xiàn)存在缺陷的鍍鋅板，進(jìn)行特征提取，識別出缺陷的種類[7]。要想更好地檢測到表面存在缺陷的鍍鋅板，對檢測系統(tǒng)的要求更高，如表1所示。

表1 對檢測系統(tǒng)的要求

系統(tǒng)能夠?qū)﹀冧\板表面進(jìn)行缺陷檢測，篩選出具有缺陷的鍍鋅板，檢測到缺陷信息后，對存在缺陷的區(qū)域進(jìn)行識別和分類，然后在圖像系統(tǒng)中保留缺陷區(qū)域的圖像，以便于后期檢查中隨時(shí)查看[8]。系統(tǒng)能夠根據(jù)缺陷區(qū)域的特征分析缺陷的類型，發(fā)出告警提醒工作人員進(jìn)行操作[9]。系統(tǒng)總體設(shè)計(jì)如圖1所示。

圖1 系統(tǒng)總體設(shè)計(jì)圖

鍍鋅板表面缺陷檢測系統(tǒng)組成部分包括：數(shù)字光源控制器、同步觸發(fā)控制器、高速CCD相機(jī)、以太網(wǎng)交換機(jī)、表面同步器、編碼器、顯示器和圖像處理系統(tǒng)[10]。

完成對鍍鋅板缺陷的檢測，要先對鍍鋅板圖像進(jìn)行采集，選擇合適的相機(jī)完成圖像采集[11]。本系統(tǒng)中使用高速CCD相機(jī)，相較于傳統(tǒng)的圖像傳感器性能更高。如表2所示。

表2 高速CCD相機(jī)與傳統(tǒng)的圖像傳感器性能比較

高速CCD相機(jī)接口標(biāo)準(zhǔn)為Gige，基于千兆以太網(wǎng)通信協(xié)議，能夠快速傳輸圖像，反饋更加及時(shí)。同時(shí)圖像的質(zhì)量更佳，分辨率更高[12]。傳統(tǒng)的圖像傳感器檢測范圍寬闊，成像面積更大，對鍍鋅板的成像不夠集中，識別目標(biāo)較為分散。高速CCD相機(jī)線狀檢測，能夠快速識別到鍍鋅板，對鍍鋅板表面缺陷的檢測速度更快，識別更加集中[13]。

本系統(tǒng)中采用了數(shù)字光源控制器，不會產(chǎn)生熱輻射對相機(jī)造成影響，被照射到的鍍鋅板也不受影響。多種照明方式能夠清晰地采集到鍍鋅板表面的每個(gè)細(xì)節(jié)，使采集到的圖像不存在盲區(qū)，提高了檢測系統(tǒng)的效率[14]。

2 核心技術(shù)設(shè)計(jì)

2.1 改進(jìn)Otsu算法進(jìn)行圖像處理

實(shí)際中采集到的圖像并不是每張都可以進(jìn)行檢測，有的圖像存在光照不均勻的問題，存在噪聲影響了圖像的質(zhì)量，所以運(yùn)用圖像分割算法對采集到的圖像進(jìn)行處理[15]。由于采集到的鍍鋅板圖像背景部分沒有明顯的紋理特征，所以對表面圖像的灰度圖采用閾值分割法分割出表面缺陷的區(qū)域。在閾值分割中，Otsu算法計(jì)算效率高，能夠計(jì)算出圖像的自適應(yīng)閾值，很適合對鍍鋅板表面圖像進(jìn)行缺陷檢測[16]。

傳統(tǒng)的Otsu算法直接處理光照過強(qiáng)、噪聲過多的圖像得到的效果較差。對于放大倍率大、分辨率高的圖像，相對照度曲線并不平穩(wěn)，往往會存在中間部分進(jìn)光量大、邊緣部分進(jìn)光量少的情況[17]。同時(shí)被檢測的鍍鋅板在運(yùn)動過程中可能存在豎直方向上的振動，圖像發(fā)生明暗變化，不同倍率下的相對照度曲線如圖2所示。

圖2 不同放大倍數(shù)下相對照度曲線

對于光照亮度不均勻的鍍鋅板表面圖像，如果使用一維Otsu算法求得圖像的全局閾值，使用全局閾值分割圖像，會造成圖像分割不均的情況[18]。鍍鋅板的運(yùn)動導(dǎo)致圖像背景亮度變化不平均，因此不適用全局閾值進(jìn)行圖像的分割。

本研究針對一維Otsu算法的不足，對Otsu算法改進(jìn)。以(i,j)表示由像素點(diǎn)的灰度級二元組，i+j表示直方圖中截距為k的直線，共有2L條。圖像中像素點(diǎn)滿足i+j=k的概率密度為：

(1)

(2)

(3)

其中:μ(T)表示圖像的總均值，ω(T)表示圖像的灰度級。下一步可計(jì)算出類間方差：

ω0(T)ω1(T)[μ0(T)-μ1(T)]2

(4)

公式(4)中,T′為圖像的最佳閾值，T′可表示為：

(5)

得到最佳閾值T′后，對像素點(diǎn)進(jìn)行分類，表示為：

(6)

其中:f(x,y)表示分割后的圖像。

使用改進(jìn)后的Otsu算法進(jìn)行圖像分割，得到的圖像灰度范圍集中，灰度值比較平均，灰度級變化不大。改進(jìn)后的算法具有更好的抗噪聲能力，離散度較低，計(jì)算速度更快，性能更優(yōu)[19]。

2.2 鍍鋅板表面缺陷檢測

為提高缺陷檢測效率，本研究通過分塊檢驗(yàn)算法進(jìn)行無缺陷過濾。將整個(gè)鍍鋅板表面圖像劃分為50*50像素大小的若干區(qū)域，檢驗(yàn)每個(gè)區(qū)域內(nèi)缺陷系數(shù)T是否超過檢驗(yàn)常數(shù)K，如果超過將該區(qū)域圖像標(biāo)記為疑似缺陷，沒有超過則過濾點(diǎn)該區(qū)域的圖像[20]。疑似缺陷檢驗(yàn)系數(shù)T可表示為：

I′={(x,y)|f(x,y)>avg+sdv}

(7)

其中：T表示鍍鋅板圖像的疑似缺陷檢驗(yàn)系數(shù)，f(x,y)表示被檢測區(qū)域鍍鋅板圖像的像素。對于檢測到的疑似缺陷鍍鋅板圖像還需進(jìn)一步識別分類，確定鍍鋅板缺陷的類型[21]。缺陷單元識別流程如圖3所示。

圖3 缺陷單元識別流程

首先按照順序掃描疑似缺陷鍍鋅板圖像，再選用合適的高斯模板，以圖像的掃描點(diǎn)為中心，計(jì)算缺陷圖像的高斯加權(quán)和再確定動態(tài)閾值，對疑似圖像進(jìn)行判斷，將確認(rèn)的缺陷圖像添加缺陷單元標(biāo)記[22]。建立樣本空間a∈{a1,a2,…,an}，其中ai表示鍍鋅板疑似缺陷單元的灰度值。判斷是否存在缺陷模糊劃分矩陣可表示為：

(8)

其中：μ表示矩陣分量。進(jìn)一步確定鍍鋅板缺陷區(qū)域的聚類中心：

(9)

式中，xi表示第i個(gè)缺陷圖像樣本的灰階，ωi表示各樣本灰階概率密度。缺陷單元迭代計(jì)數(shù)器b值大于或等于設(shè)定的最大限制時(shí)，迭代檢驗(yàn)停止，可得到：

(10)

當(dāng)FCN的值大于迭代限值時(shí)，對模糊矩陣進(jìn)行更新，對鍍鋅板區(qū)域圖像重新檢測直到確定聚類中心。當(dāng)疑似缺陷的鍍鋅板圖像灰度值大于聚類中心時(shí)，缺陷單元將這區(qū)域圖像標(biāo)記為確認(rèn)缺陷部分。

根據(jù)鍍鋅板表面缺陷的圖像特征對缺陷類型進(jìn)行分類，建立鍍鋅板表面缺陷庫，把缺陷圖像保存在缺陷庫中，建立圖像和缺陷類型的對應(yīng)關(guān)系，缺陷特征被數(shù)字化用來和實(shí)時(shí)采集到的缺陷圖像進(jìn)行對比，實(shí)現(xiàn)鍍鋅板表面缺陷的分類[23]。缺陷分類流程如圖4所示。

圖4 缺陷分類流程

鍍鋅板表面缺陷識別分類是一個(gè)長期的過程，對于檢測缺陷的圖像缺陷種類的分類還需結(jié)合有關(guān)技術(shù)人員的實(shí)際經(jīng)驗(yàn)，完善鍍鋅板表面缺陷圖庫。隨著訓(xùn)練次數(shù)的增加，能夠識別更多的鍍鋅板缺陷類型，提高了缺陷識別的準(zhǔn)確率。

3 實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證本文所研究基于Otsu算法的鍍鋅板表面缺陷檢測系統(tǒng)的性能，給出5組鍍鋅板表面缺陷樣本，1組樣本數(shù)量為100個(gè)，分別使用文獻(xiàn)[3]檢測方法、文獻(xiàn)[4]檢測方法和本文研究系統(tǒng)的鍍鋅板表面檢測方法對樣本進(jìn)行檢測，記錄數(shù)據(jù)，進(jìn)行對比3種檢測方法的檢測識別的正確率和精度，如表3所示。

表3 鍍鋅板樣本數(shù)據(jù)

檢測系統(tǒng)的實(shí)現(xiàn)是基于硬件設(shè)備與軟件系統(tǒng)之間互相結(jié)合完成對鍍鋅板表面缺陷的檢測。軟件操作系統(tǒng)的實(shí)驗(yàn)環(huán)境如表4所示。

表4 軟件操作系統(tǒng)

本研究建立了運(yùn)動控制實(shí)驗(yàn)平臺，模擬檢測對象在生產(chǎn)線的檢測狀態(tài)，采用一個(gè)4K工業(yè)線陣相機(jī)，保證對鍍鋅板檢測的全面覆蓋。采用2個(gè)具有CameraLink接口的圖像采集卡，傳輸速率可達(dá)255 MB/s。建立缺陷庫的方法是把已認(rèn)知的缺陷進(jìn)行采樣，采樣圖像分辨率、大小參照線上采樣圖片，把常見缺陷特征數(shù)字化，利用離線統(tǒng)計(jì)、在線驗(yàn)證的方法逐步確定缺陷的類別。確缺陷識別流程如圖5所示。

檢測到的鍍鋅板上存在劃傷、孔洞和劃痕的鍍鋅板圖像如圖6所示。

圖6 鍍鋅板劃傷、孔洞和劃痕圖像

對鍍鋅板缺陷區(qū)域進(jìn)行定位依靠采集圖像的位置信息和帶鋼長度方向的位置信息。獲取線程生產(chǎn)過程數(shù)據(jù)管理庫中帶鋼位置信息也能對缺陷進(jìn)行定位。鍍鋅板缺陷位置信息包括水平位置、縱向位置、缺陷上下表面的信息和帶鋼編碼。圖像處理使用OpenCV2.2，使用分塊檢驗(yàn)算法過濾缺陷圖像，并標(biāo)記處缺陷區(qū)域，利用Sobel算子對圖像邊緣進(jìn)行檢測，鍍鋅板劃痕缺陷特征如圖7所示。

圖7 鍍鋅板劃痕缺陷特征

采用3種檢測系統(tǒng)對表3中鍍鋅板樣本數(shù)據(jù)進(jìn)行檢測，得到檢測結(jié)果如圖8所示。

圖8 檢測結(jié)果

觀察圖8可知，本研究系統(tǒng)對鍍鋅板表面缺陷的檢出率最高，檢測到的鍍鋅板表面缺陷數(shù)量最多。對五組樣本檢測到的數(shù)量分別為：94、92、95、92、97，可計(jì)算出平均檢出率為94%。文獻(xiàn)[3]檢測系統(tǒng)的檢測到缺陷樣本數(shù)量最少，最低為60個(gè)。是因?yàn)榧t外掃描的分辨率低，檢測精度不高，無法檢測到細(xì)小的表面缺陷。文獻(xiàn)[4]檢測系統(tǒng)檢測到的鍍鋅板表面缺陷的樣本數(shù)最高可達(dá)到88個(gè)，最低低至70個(gè)。檢測個(gè)樣本組的檢出率不穩(wěn)定，檢測到樣本表面缺陷的數(shù)量變化幅度過大。說明文獻(xiàn)[4]檢測系統(tǒng)的檢測性能不夠穩(wěn)定，采集到圖像的分辨率不高，圖像質(zhì)量不佳，對圖像處理的算法對圖像中大量噪聲處理的效果也不好，導(dǎo)致無法檢測到不明顯的表面缺陷，造成檢測系統(tǒng)性能的不穩(wěn)定。

4 結(jié)束語

本文應(yīng)用基于Otsu算法的鍍鋅板表面缺陷檢測系統(tǒng)，通過高速CCD相機(jī)、數(shù)字光源控制器、同步觸發(fā)控制器、編碼器和表面同步器之間協(xié)同作用，編碼器根據(jù)鍍鋅板位置的變化發(fā)出脈沖信號，高速CCD相機(jī)接收到信號后完成對鍍鋅板表面圖像的采集。將采集到的圖像通過以太網(wǎng)交換機(jī)傳輸?shù)杰浖幚聿糠?，運(yùn)用改進(jìn)后的Otsu算法對采集到的鍍鋅板表面圖像進(jìn)行分割，根據(jù)圖像中像素灰度的變化和邊緣信息識別出鍍鋅板是否存在缺陷，若鍍鋅板表面存在缺陷，識別出缺陷的類型并進(jìn)行標(biāo)記，同時(shí)在系統(tǒng)中發(fā)出告警。

由于鍍鋅板在制作工藝和傳送過程中會出現(xiàn)各種各樣的缺陷，同一種缺陷類型千奇百怪，一塊鍍鋅板表面可能會存在多種確缺陷，各種缺陷可能在同一區(qū)域互相重疊，檢測系統(tǒng)可能無法同時(shí)識別到多種缺陷的存在，對檢測系統(tǒng)還需改進(jìn)，建立更加完善的缺陷分析機(jī)制。