周 圍，肖 鑫*，汪 芮，劉志博，伊紀(jì)祿

（1.河北工業(yè)大學(xué) 機(jī)械工程學(xué)院，天津 300130；2.中國電子科技集團(tuán)公司第十八研究所，天津 300381）

0 引言

熱電池作為現(xiàn)代化武器的一種理想電源,在航空航天、軍事領(lǐng)域占有重要位置[1]。因此,對于熱電池的安全性、可靠性有較高的要求[2]。熱電池的裝配采用人工操作,不可避免會出現(xiàn)裝配失誤,這將導(dǎo)致熱電池存在極大的安全隱患,因此,必須對裝配后的熱電池進(jìn)行缺陷檢測。由于熱電池是一次性儲備電池,傳統(tǒng)的電化學(xué)性能檢測與內(nèi)部物質(zhì)形態(tài)檢測并不適用。無損檢測（nondestructive testing,NDT）作為一種有效的電磁檢測技術(shù)[3],在熱電池內(nèi)部缺陷檢測中的得到了廣泛地應(yīng)用。適用于熱電池的無損檢測技術(shù)包括X射線成像、計(jì)算機(jī)層析成像（CT）和空氣耦合超聲檢測[4],X射線成像因具有對內(nèi)部體積性缺陷靈敏度比超聲檢測高且檢測周期比CT短的優(yōu)勢,結(jié)合圖像處理分析成為熱電池缺陷檢測系統(tǒng)的重要手段。

近年來,研究者們提出了許多應(yīng)用于熱電池缺陷的圖像分析方法和檢測方法。秦琴[5]提出了一種單體熱電池多參數(shù)自動化檢測方法,可以有效檢測生產(chǎn)過程中熱電池質(zhì)量；鄧士梅[6]設(shè)計(jì)了一個(gè)熱電池性能測試系統(tǒng),并對電池X圖像內(nèi)部結(jié)構(gòu)進(jìn)行分析；張思祥[7]等人通過模板匹配對單體熱電池進(jìn)行分割,在此基礎(chǔ)上對單體電池缺陷特征進(jìn)行研究。雖然不同的方法在特定的應(yīng)用場景取得了一定的研究成果,但仍有許多不足之處。對于單體電池?cái)?shù)目較多的熱電池,單體電池厚度、系統(tǒng)光照條件和拍攝位置等因素均易引起圖像匹配精度的降低。本文針對上述問題,提出一種基于改進(jìn)灰度標(biāo)準(zhǔn)化和自適應(yīng)模板匹配的熱電池裝配缺陷檢測方法,能夠?qū)犭姵匮b配缺陷進(jìn)行準(zhǔn)確和有效地檢測識別。

1 熱電池內(nèi)部結(jié)構(gòu)缺陷分析

熱電池主要由多層單體電池裝配而成,利用X射線對熱電池內(nèi)部不同材料結(jié)構(gòu)穿透量存在差異的原理,在成像板上形成不同灰度的熱電池X圖像,如圖1(a)所示。

圖1 熱電池X圖像與單體結(jié)構(gòu)

熱電池在裝配時(shí)是按四片層單體電池、集流片、四片層單體電池循環(huán)順序進(jìn)行裝配,正確的裝配次序如圖1(b)所示。四片層單體電池是不可分的整體,每層的厚度按順序?yàn)?.2mm、0.3mm、0.2mm、0.5mm,負(fù)極位于單體電池的頂部,在X圖像中可以比較清晰的看到一條白線。集流片是一層0.1mm的鋼片,作用是將負(fù)極與加熱藥劑隔離,在X圖像中通過放大可以看到一條細(xì)小的黑線。

裝配失誤導(dǎo)致的裝配缺陷主要有漏裝集流片或單體電池、單體電池整體倒裝和裝配次序錯(cuò)誤,裝配缺陷主要集中在由單體電池構(gòu)成的電池堆區(qū)域,如圖1(a)所示的虛線框區(qū)域。該區(qū)域形狀是比較規(guī)則的矩形,但是由于背景圖像的干擾加上單體電池的輪廓比較復(fù)雜,對電池堆區(qū)域輪廓進(jìn)行提取較為困難,因此使用模板匹配可以相對簡單地提取出電池堆所在矩形區(qū)域。

2 熱電池裝配缺陷檢測方法

熱電池裝配缺陷檢測方法流程如圖2所示。利用改進(jìn)的灰度標(biāo)準(zhǔn)化方法對輸入的待檢測熱電池圖像和電池堆區(qū)域模板庫圖像進(jìn)行預(yù)處理,通過模板庫粗匹配得到最相似的模板,并利用自適應(yīng)模板匹配法對模板尺寸大小、旋轉(zhuǎn)角度進(jìn)行自適應(yīng)調(diào)整,對電池堆區(qū)域進(jìn)行精準(zhǔn)提取。

圖2 熱電池圖像缺陷檢測流程

提取的電池堆區(qū)域可能存在小角度旋轉(zhuǎn)的情況,通過角點(diǎn)檢測計(jì)算出旋轉(zhuǎn)角度,利用仿射變換對電池堆區(qū)域角度進(jìn)行矯正,再對電池堆缺陷特征進(jìn)行提取,與電池缺陷庫的缺陷特征進(jìn)行匹配,結(jié)合單體特征自對比,將計(jì)算結(jié)果輸入到CART（classification and regression tree）分類器實(shí)現(xiàn)熱電池裝配缺陷的檢測。

3 改進(jìn)灰度標(biāo)準(zhǔn)化

熱電池X圖像受光照環(huán)境、射線源聚焦位置和功率等影響,在灰度分布上可能存在著很大的差異,對于X射線聚焦的區(qū)域,單體電池結(jié)構(gòu)紋理特征較為清晰,而其它區(qū)域則相對模糊,這對后續(xù)的缺陷特征提取和識別有很大的影響,因此需要對電池X圖像進(jìn)行灰度標(biāo)準(zhǔn)化處理[8]。

3.1 待檢圖像灰度標(biāo)準(zhǔn)化

傳統(tǒng)的灰度標(biāo)準(zhǔn)化是將圖像的灰度均值和方差轉(zhuǎn)化為統(tǒng)一的設(shè)定值,該方法適用性較差,不適合灰度范圍較廣的熱電池圖像。為此,本文提出一種改進(jìn)的灰度標(biāo)準(zhǔn)化方法。先對輸入的待檢測熱電池圖像進(jìn)行灰度標(biāo)準(zhǔn)化,對于的點(diǎn),有：

式(1)中：I1(i,j)、M1分別為標(biāo)準(zhǔn)化前待檢圖像的灰度值和灰度均值,為標(biāo)準(zhǔn)化后待檢圖像的灰度值。

對于輸入的灰度值在(M1/50,M1)區(qū)間的像素點(diǎn),則：

對于I1(i,j)≤M1/50的低灰度級像素點(diǎn),灰度值輸出為0。利用上述方法對待檢熱電池圖像進(jìn)行處理,效果如圖3所示。

圖3 待檢圖像灰度標(biāo)準(zhǔn)化處理

可以看出,使用本文方法對熱電池圖像進(jìn)行灰度標(biāo)準(zhǔn)化后,電池堆區(qū)域與上下相連的鋼片區(qū)域的對比度有了明顯的改善,并且由于是線性灰度變換,電池堆區(qū)域的紋理變化不會受影響。

3.2 相關(guān)性灰度標(biāo)準(zhǔn)化

對模板圖像使用與待檢圖像相同的標(biāo)準(zhǔn)化處理方法,并不斷調(diào)整相關(guān)參數(shù),再利用模板匹配的最小歸一化平方差作為判斷依據(jù),得到待檢圖像標(biāo)準(zhǔn)化后灰度均值和方差與模板標(biāo)準(zhǔn)化相關(guān)參數(shù)的10組數(shù)據(jù),如圖4所示。

圖4 灰度標(biāo)準(zhǔn)化互相關(guān)參數(shù)

通過圖4數(shù)據(jù)可以看出,同一模板標(biāo)準(zhǔn)化參數(shù)下均值和方差在以y=100橫軸處呈對稱關(guān)系。因此,本文針對模板標(biāo)準(zhǔn)化參數(shù)與待檢圖像灰度均值的互相關(guān)性建立一個(gè)線性回歸模型。

采用一元線性回歸模型,計(jì)算得到經(jīng)驗(yàn)線性回歸方程為：

式(3)中：α為模板圖像標(biāo)準(zhǔn)化參數(shù),m1為待檢圖像標(biāo)準(zhǔn)化后灰度均值。

同樣,利用相關(guān)性灰度標(biāo)準(zhǔn)化對模板圖像進(jìn)行處理,對于I2(i,j)≥M2的像素點(diǎn),有：

式(4)中：I2(i,j)、M2分別為標(biāo)準(zhǔn)化前模板圖像的灰度值和灰度均值,N2(i,j)為標(biāo)準(zhǔn)化后模板圖像的灰度值。

對于輸入的灰度值(M1/50,M1)在區(qū)間的像素點(diǎn),則如式(5)所示：

對于I2(i,j)≤M2/50的低灰度級像素點(diǎn),灰度值輸出為0。利用上述方法對模板圖像進(jìn)行處理,效果如圖5所示。

圖5 模板圖像灰度標(biāo)準(zhǔn)化處理

比較圖3與圖5的電池堆區(qū)域灰度分布可以發(fā)現(xiàn),本文提出的方法得到的灰度標(biāo)準(zhǔn)化結(jié)果中電池堆區(qū)域特征更加突出,且與模板標(biāo)準(zhǔn)化后的灰度更加接近,從而更有利于模板的準(zhǔn)確匹配。

4 電池堆區(qū)域提取

4.1 模板庫匹配

根據(jù)對熱電池X圖像的分析,裝配缺陷主要集中在形狀較為規(guī)則的電池堆區(qū)域,因此采用了基于灰度的模板匹配法。模板匹配法將事先建立好的模板放在待搜索圖像中作平移,在平移過程中不斷計(jì)算模板和待搜索圖像的相似程度來檢測目標(biāo)圖像。

常用的模板匹配方法[9,10]有平方差匹配、相關(guān)性匹配和相關(guān)系數(shù)匹配,通過實(shí)驗(yàn)可知,歸一化平方差法可以相對精準(zhǔn)地提取電池堆區(qū)域,并減少光照引起的匹配誤差。該算法過程為：

式(6)中：T為輸入的模板圖像,I為輸入的待匹配圖像,R為輸出的結(jié)果,區(qū)間在[0,1]內(nèi),當(dāng)模板與匹配的子圖完全不相關(guān)時(shí)R(x,y)為1,完全匹配時(shí)R(x,y)為0。

模板匹配法對于模板的要求較高,選取的模板質(zhì)量會直接影響到匹配的結(jié)果。一般模板的制作都只是簡單地從樣本圖像中截取出目標(biāo)模板,若原圖中匹配目標(biāo)的灰度、形狀或位置發(fā)生變化,匹配容易出現(xiàn)偏差。因此本文在制作標(biāo)準(zhǔn)模板時(shí),對不同型號的熱電池樣本圖像根據(jù)灰度、形狀和位置進(jìn)行分類,選取質(zhì)量較好的樣本模板并對其取平均值和濾波處理。將制作的標(biāo)準(zhǔn)模板存入模板庫中,分別對應(yīng)熱電池的不同型號,模板庫匹配流程如圖6所示。

圖6 模板庫匹配流程圖

4.2 自適應(yīng)模板匹配

熱電池X圖像的拍攝受角度、環(huán)境與設(shè)備狀況等因素影響較大,因此每張熱電池圖像中電池堆區(qū)域部分的灰度分布、尺寸大小、旋轉(zhuǎn)角度和位置等都存在差異,待檢圖像與模板圖像不可能完全一致。使用傳統(tǒng)模板匹配法進(jìn)行匹配會有一定的匹配誤差,這將直接影響熱電池缺陷檢測的準(zhǔn)確率。

本文提出的改進(jìn)灰度標(biāo)準(zhǔn)化可以改善灰度分布的差異,但無法解決匹配目標(biāo)尺寸和旋轉(zhuǎn)角度有變化的問題。為了有效解決上述問題,并提升電池堆區(qū)域分割的精準(zhǔn)度,在傳統(tǒng)模板匹配方法的基礎(chǔ)上,提出一種基于模板尺寸與角度自適應(yīng)的改進(jìn)模板匹配方法[11,12],算法流程如圖7所示。

圖7 自適應(yīng)模板匹配流程圖

4.3 模板匹配結(jié)果對比分析

為確保自適應(yīng)模板匹配時(shí)模板尺寸能夠適用,需要對模板尺寸進(jìn)行預(yù)縮放。通過實(shí)驗(yàn)發(fā)現(xiàn),模板預(yù)放大匹配精度一般比模板預(yù)縮小高,模板尺寸放大倍數(shù)在1.05～1.20較為合適,匹配過程中模板縮放因子為0.01～1.03,縮放因子過高會使匹配出現(xiàn)偏差。因?yàn)殡姵囟褏^(qū)域旋轉(zhuǎn)角度一般不大,旋轉(zhuǎn)角度步長為1o左右。設(shè)置預(yù)放大倍數(shù)為1.20,縮放因子為0.01,每次旋轉(zhuǎn)角度為1o,最大循環(huán)次數(shù)為30,自適應(yīng)模板匹配結(jié)果如圖8(b)所示。

圖8 模板匹配結(jié)果對比

圖8(a)中使用的是歸一化平方差模板匹配方法,由于模板大小固定,匹配結(jié)果中包含了電池堆下面的鋼片部分區(qū)域,頂部則缺少一部分單體電池,匹配得誤差較大,對后續(xù)的缺陷特征提取有較大影響。在改進(jìn)灰度標(biāo)準(zhǔn)化的基礎(chǔ)上,使用自適應(yīng)模板匹配可以比較精準(zhǔn)的提取電池堆區(qū)域,匹配結(jié)果中可以明顯看出匹配的位置及匹配誤差都優(yōu)于傳統(tǒng)的模板匹配方法。

5 電池堆區(qū)域特征提取

5.1 仿射變換旋轉(zhuǎn)矯正

提取的電池堆區(qū)域如果存在傾斜的情況,需要調(diào)整電池堆邊角。對電池堆進(jìn)行二值化、平滑處理后,可以檢測到電池堆區(qū)域的輪廓,如圖9(b)所示。

圖9 電池堆調(diào)整

通過Shi-Tomasi角點(diǎn)檢測算法對電池堆區(qū)域左邊緣上角點(diǎn)坐標(biāo)和下角點(diǎn)坐標(biāo)進(jìn)行提取,并對兩點(diǎn)連線左側(cè)區(qū)域進(jìn)行分割,如圖9(c)所示。最后利用仿射變換以為旋轉(zhuǎn)中心,旋轉(zhuǎn)角度計(jì)算公式為：

5.2 電池堆區(qū)域灰度縱向掃描

電池堆區(qū)域經(jīng)過調(diào)整后,對電池堆進(jìn)行豎直方向的灰度掃描,如圖10(a)和圖10(c)所示。

實(shí)驗(yàn)所用熱電池的單體個(gè)數(shù)為24,由于數(shù)量較多加上射線源聚焦區(qū)域有限,因此部分電池堆區(qū)域單體結(jié)構(gòu)特征不明顯。若電池堆區(qū)域圖像大小為,為了提取有效的特征,需要多個(gè)方向進(jìn)行灰度垂直掃描,即：

式(8)中：為像素點(diǎn)位置的橫坐標(biāo),為掃描方向系數(shù)。

為了避免重影問題,在實(shí)驗(yàn)時(shí)取0.2、0.6和0.9提取的特征較為準(zhǔn)確。圖10(b)和圖10(d)為方向同一橫坐標(biāo)的相鄰5個(gè)像素的灰度均值分布。從圖中可以看出,每個(gè)單體電池從負(fù)極到集流片,灰度值逐漸下降。其中峰值表示單體電池頂部位置的灰度值,谷值表示單體電池底部位置集流片灰度值,因?yàn)榧髌穸缺容^小,峰谷值間的像素距離大約是單體電池的厚度。

圖10 電池堆豎直方向灰度掃描

對每段曲線的局部波峰和波谷進(jìn)行計(jì)算,通過橫坐標(biāo)的距離和灰度值進(jìn)行篩選,將得到的每個(gè)單體電池波峰和波谷的橫坐標(biāo)分別存入數(shù)組和,n為單體電池個(gè)數(shù),計(jì)算波峰和波谷之間的像素距離：

單體電池縱向自對比得到數(shù)組d[i],計(jì)算公式為：

標(biāo)準(zhǔn)電池相鄰單體電池之間的值變化不大,而從圖10(d)中虛線框中可以看出缺陷電池值變化較為明顯,該處存在單體倒裝缺陷。通過對每段灰度曲線的曲率、波峰和波谷坐標(biāo)等進(jìn)行提取[13,14],計(jì)算得到單體電池厚度、個(gè)數(shù)、集流片位置和頂部位置等特征數(shù)據(jù),將數(shù)據(jù)通過特征自對比結(jié)合特征匹配計(jì)算歐式距離,利用分類器對結(jié)果進(jìn)行分類。

6 實(shí)驗(yàn)與結(jié)果分析

實(shí)驗(yàn)采用的熱電池X圖像由德國phoenix公司生產(chǎn)的s240D工業(yè)射線儀進(jìn)行實(shí)物拍攝,如圖11所示。射線源焦點(diǎn)最小為500μm,最大電壓可達(dá)240kV,可以達(dá)到10μm的識別精度。使用高電壓和高電流可以使所成X圖像更加清晰,但是長時(shí)間的使用會加劇設(shè)備的損耗。所以實(shí)際圖像采集時(shí),電壓為140kV,電流為35μA,工作臺的位置坐標(biāo)設(shè)置為。

圖11 熱電池樣品與X射線儀

熱電池?zé)o損檢測系統(tǒng)的設(shè)計(jì)基于VC++6.0開發(fā)環(huán)境、Open CV計(jì)算機(jī)視覺庫和SQL Server數(shù)據(jù)庫。為了驗(yàn)證本文提出的熱電池裝配缺陷檢測方法的實(shí)際效果,采用標(biāo)準(zhǔn)熱電池圖像200個(gè),具有漏裝單體電池、漏裝集流片、裝配次序錯(cuò)誤和單體電池倒裝缺陷的電池圖像樣本各50個(gè),對總計(jì)400個(gè)熱電池樣本進(jìn)行實(shí)驗(yàn)驗(yàn)證,得到得檢測結(jié)果如表1所示。

表1 熱電池裝配缺陷檢測結(jié)果

從表1數(shù)據(jù)結(jié)果可知,本文檢測方法對標(biāo)準(zhǔn)電池、漏裝單體電池、次序錯(cuò)誤和單體電池倒裝缺陷的檢測準(zhǔn)確率均能達(dá)到97.5%以上,而對漏裝集流片缺陷的誤檢率較高。經(jīng)過分析發(fā)現(xiàn),集流片與X射線源聚集位置和裝配時(shí)產(chǎn)生的形變有關(guān),這對特征的提取產(chǎn)生較大影響,進(jìn)而降低了檢測的正確率。

7 結(jié)語

為了提高熱電池圖像缺陷檢測的效率和準(zhǔn)確率,提出了一種基于改進(jìn)灰度標(biāo)準(zhǔn)化和自適應(yīng)模板匹配的缺陷檢測方法。通過實(shí)驗(yàn)證明,該方法能夠有效識別出常見的3種裝配缺陷,對于熱電池樣本總數(shù)為400的檢測準(zhǔn)確率能夠達(dá)到96%,平均每個(gè)電池圖像的檢測時(shí)間為2.1s,相比于文獻(xiàn)[7],檢測效率提高了30%,由于檢測所用熱電池單體個(gè)數(shù)的增加和單體厚度的減小,檢測的難度也隨之升高。該檢測方法具有較高的實(shí)用性,可以應(yīng)用于其它型號熱電池的缺陷檢測。