趙蘭鵬,，劉堂友

　?。|華大學(xué) 信息科學(xué)與技術(shù)學(xué)院，上海 201620）

       摘要：硅鋼鋼帶是變壓器等工業(yè)設(shè)備發(fā)展的一項(xiàng)重要原材料,，其質(zhì)量的高低直接影響著產(chǎn)品性能的好壞,。傳統(tǒng)的人工檢測具有效率低、精確度差等特點(diǎn),。為此提出基于機(jī)器視覺的表面缺陷自動檢測研究,。該研究采用圖像處理及模式匹配的方法，通過對由CCD工業(yè)相機(jī)采集到的圖片進(jìn)行幾何矯正,、圖像拼接,、缺陷處理等過程，實(shí)現(xiàn)了硅鋼鋼帶表面缺陷輪廓檢測,、特征提取,、分類等功能，從而完成鋼帶質(zhì)量的判定,。

　　關(guān)鍵詞：機(jī)器視覺,；硅鋼鋼帶；缺陷檢測,；特征分類

0引言

　　硅鋼鋼帶是變壓器等工業(yè)設(shè)備發(fā)展的一項(xiàng)重要原材料,，其以良好的表面質(zhì)量和機(jī)械性能在該領(lǐng)域得到廣泛的應(yīng)用,，因此不斷增強(qiáng)對硅鋼鋼帶質(zhì)量的提升有著重要的意義［1］。隨著高精度的圖像傳感器件,、數(shù)字信號處理技術(shù)和計(jì)算機(jī)技術(shù)的提高,，真正實(shí)用化的質(zhì)量自動檢測系統(tǒng)得到了飛速的發(fā)展［2］。

　　本文研究基于機(jī)器視覺的硅鋼鋼帶表面缺陷自動檢測識別技術(shù),，是在初級硅鋼鋼帶進(jìn)一步深加工使其成為生產(chǎn)變壓器原材料的生產(chǎn)過程中,，采用圖像處理及模式匹配的方法并依據(jù)MATLAB軟件仿真，對采集到的圖像進(jìn)行相應(yīng)的圖像處理,，從而達(dá)到對鋼帶缺陷的判斷,，最終完成鋼帶質(zhì)量的判定。

1系統(tǒng)設(shè)計(jì)要求

　　系統(tǒng)研究是在鋼帶生產(chǎn)線傳輸速率為0~40 m/min的環(huán)境下,，使用CCD工業(yè)相機(jī)采集圖像,，采集速率最大可達(dá)16幀/s，獲取的圖像分辨率為1 392×1 040,。為了提高系統(tǒng)的處理速度,，必須考慮圖像處理和缺陷檢測算法的選取及軟件的運(yùn)算方式，進(jìn)而達(dá)到在有限時間內(nèi)做到對龐大圖像數(shù)據(jù)量的處理,，并保證最終的目標(biāo)效果,，因此在滿足缺陷檢測準(zhǔn)確度的條件下，有效地控制算法和軟件編程中總體方案設(shè)計(jì)的復(fù)雜度非常重要,。

2系統(tǒng)研究

　　2.1系統(tǒng)流程圖

　　基于機(jī)器視覺的硅鋼鋼帶缺陷自動檢測識別研究系統(tǒng)流程圖如圖1所示,。

　　2.2圖像的采集

　　在傳輸?shù)匿搸a(chǎn)線上方架設(shè)CCD工業(yè)相機(jī)和LED燈，并將相機(jī)與計(jì)算機(jī)連接,，接著在計(jì)算機(jī)上運(yùn)行工業(yè)相機(jī)和視覺傳感器軟件,，進(jìn)而控制相機(jī)對鋼帶進(jìn)行拍攝，并將拍攝的圖像傳輸給計(jì)算機(jī),。

　　2.3圖像的幾何校正

　　在圖像采集過程中,，由于相機(jī)會發(fā)生輕微的傾斜使得采集到的圖像發(fā)生幾何畸變，因此首先需要對圖像進(jìn)行幾何校正,。幾何校正主要包括兩個內(nèi)容：像素坐標(biāo)校正和像素灰度估算［3］,。

　　(1)像素坐標(biāo)校正采用具有一般形式的投影變換來進(jìn)行幾何畸變校正。投影變換是利用原圖像找出若干個控制點(diǎn),，同時找出失真圖像與之相對應(yīng)的控制點(diǎn)的坐標(biāo),，利用這些對應(yīng)的坐標(biāo)可以確定空間變換結(jié)構(gòu)，最后利用這個空間變換結(jié)構(gòu)對失真圖像中每個像素進(jìn)行變換,，得到校正后的圖像坐標(biāo),。

　　(2)數(shù)字圖像像素的坐標(biāo)都是整數(shù)，而經(jīng)過計(jì)算后得到的坐標(biāo)不一定是整數(shù),，這就需要對經(jīng)過計(jì)算得到的像素點(diǎn)進(jìn)行像素灰度估算,。這里采用雙線性內(nèi)插法對灰度進(jìn)行估計(jì),。雙線性內(nèi)插法是根據(jù)某點(diǎn)坐標(biāo)周圍4個像素點(diǎn)灰度在兩個方向上對其灰度進(jìn)行內(nèi)插。最后再去除圖像邊緣與鋼帶不相關(guān)部分得到校正后的圖像,。

　　圖2~圖5為失真圖像和校正后的圖像,。

　　2.4圖像拼接

　　為了保證對圖像邊緣處的缺陷做到完整檢測，需要進(jìn)行圖像拼接,。這里根據(jù)相機(jī)拍攝頻率和鋼帶傳輸速度,，設(shè)置有效的拼接參數(shù)，進(jìn)行簡單的位置計(jì)算,，使得左右兩張相鄰圖像共同區(qū)域重疊在一起,，得到有效的拼接；然后利用圖像融合技術(shù)使得兩張圖像重疊區(qū)域平滑過渡,，濾除明顯分界線［4］,，如圖6所示。

　　2.5圖像去噪

　　由于受生產(chǎn)環(huán)境,、光照等因素的影響,，采集到的圖像會受到噪聲污染，造成圖像降質(zhì),，因此需要對圖像進(jìn)行去噪處理,。

　　中值濾波在平滑脈沖噪聲方面非常有效，同時它可以保護(hù)圖像尖銳的邊緣,，不會使圖像產(chǎn)生明顯的模糊［5］,；另外將帶噪聲圖像進(jìn)行小波變換處理，利用小波去噪所具有的多分辨率和去相關(guān)性的特點(diǎn),，經(jīng)過去除噪聲的小波系數(shù),，再做小波逆變換重構(gòu)圖像,，最后得到去噪圖像［6］,。經(jīng)過對比發(fā)現(xiàn)，采用基于中值濾波與小波變換相結(jié)合的圖像去噪進(jìn)行處理,，在去除噪聲的同時保護(hù)了圖像邊緣輪廓,，去噪后的圖像如圖7所示。

　　2.6圖像增強(qiáng)

　　為了使鋼帶上的缺陷更加清晰,，在圖像去噪完成后,，對圖像進(jìn)行增強(qiáng)處理。經(jīng)過對比,，最終采取拉普拉斯銳化方法,。圖8為增強(qiáng)后的圖像。

　　2.7缺陷輪廓提取

　　在得到增強(qiáng)的圖像之后需要對其進(jìn)行缺陷輪廓提取,，進(jìn)而可以得到直觀的缺陷邊緣信息,。這里采取Canny邊緣檢測算子對缺陷圖像進(jìn)行輪廓提取,。因?yàn)樵撍阕硬捎酶咚购瘮?shù)進(jìn)行濾波，具有很強(qiáng)的抗噪性,、好的信噪比和定位性能等優(yōu)點(diǎn),，能夠?qū)喞M(jìn)行精確提取［7］,，結(jié)果如圖9所示,。接著對輪廓進(jìn)行圖像膨脹和填充處理［8］，進(jìn)而得到清晰的缺陷圖,，如圖10所示,。

　　2.8缺陷特征提取

　　缺陷特征提取是計(jì)算缺陷的特征值，為缺陷分類做準(zhǔn)備,。對于人的視覺系統(tǒng)而言,，物體的形狀是可以得到識別的重要特征，也是物體穩(wěn)定的特征 ［9］,，因此本研究主要采用形狀特征分類,。

　　圖像中的像素點(diǎn)坐標(biāo)用（x,y）來表示；像素灰度值用f(x,y)表示,，其取值為0或者1,。設(shè)R為所有像素點(diǎn)的集合，R′為缺陷區(qū)域中像素點(diǎn)的集合,。對于缺陷描述常用的形狀特征描述如下：

　?。?）缺陷的周長，即缺陷的邊界長度,，這里的周長用鏈碼表示,，求周長也即計(jì)算鏈碼長度。當(dāng)鏈碼值為偶數(shù)時,，其長度記作1,；當(dāng)鏈碼值為奇數(shù)時，其長度記作2,。周長為:

　　式中: Nε和Nθ分別為邊界鏈碼(8方向)中移動偶步與奇步的數(shù)目,。

　　（2）缺陷的面積,，即缺陷區(qū)域中像素點(diǎn)的個數(shù),，表達(dá)如式（2）：

　　（3）區(qū)域的圓形度,，即區(qū)域接近圓形的程度：

　?。?）區(qū)域的矩形度，即區(qū)域面積與其最小的外接矩形面積比值,，反映了一塊區(qū)域?qū)ζ浒鼑匦蔚某錆M程度：

　　Sbox是包圍矩形的面積,，矩形度不超過1,。

　　通過以上特征提取方程的計(jì)算，最終得到上面圖像的L=1.435 7e+04,，S=209 787,，C=0.012 8，R=0.570 1,根據(jù)廠商所給的質(zhì)量評定標(biāo)準(zhǔn)可以判定此缺陷為面積性缺陷,。

　　2.9缺陷的分類

　　在圖像處理完成后,，根據(jù)廠商提供的硅鋼鋼帶質(zhì)量要求，對硅鋼鋼帶進(jìn)行質(zhì)量的評估,，最終根據(jù)鋼帶不同的質(zhì)量進(jìn)行不同的分類,，以適應(yīng)不同的市場需求。

3結(jié)論

　　本文介紹了一種自動圖像缺陷檢測系統(tǒng),，它運(yùn)用圖像處理技術(shù),，對所采集到的圖像進(jìn)行了一系列處理，進(jìn)而得到清晰的缺陷圖像,；然后根據(jù)缺陷的形狀特征進(jìn)行了分類,，最終根據(jù)廠商對鋼帶質(zhì)量評定標(biāo)準(zhǔn)進(jìn)行了準(zhǔn)確的評估，完成硅鋼鋼帶質(zhì)量的檢測,。

　　參考文獻(xiàn)

　?。?］ MIKOLAJCZYK K， SCHMID C．A performance evaluation of local descriptors［J］．IEEE Transactions on Pattern Analysis and Machine Intelligence,2005,27(10):1615 1630.

　?。?］ WU G,XU K, XU J．Application of a new feature extraction and optimization method to surface defect recognition of cold rolled strips［J］．Journal of University of science and Technology Beijing, 2007, 14(5):437 442.

　?。?］ 戴劍鋒．?dāng)z像頭徑向畸變自動校正系統(tǒng)［D］．廣州：華南理工大學(xué)，2010.

　?。?］ 邵向鑫．?dāng)?shù)字圖像拼接核心算法研究［D］．長春：吉林大學(xué),，2010.

　　［5］ 唐世偉,，林君．小波變換與中值濾波相結(jié)合圖像去噪方法［J］.哈爾濱工業(yè)大學(xué)學(xué)報(bào),，2008，40（8）：1334 1336.

　?。?］ 歐陽誠梓,，李勇,，郭振鐸,，等．基于小波變換與中值濾波相結(jié)合的圖像去噪處理［J］．中原工學(xué)院學(xué)報(bào)，2006,，17（2）：22-25.

　?。?］ 周超．邊緣檢測Canny算子的研究與改進(jìn)［D］.重慶:重慶師范大學(xué)，2012.

　?。?］ 晏暉,，姜鵬,，陳貝．基于MATLAB工具箱的數(shù)字圖像處理技術(shù)［J］．微計(jì)算機(jī)信息，2010,，26(26)：214 216.

　?。?］ 張康，鐘平．汽車涂裝表面瑕疵快速檢測方法研究［D］．上海：東華大學(xué),，2014.