趙蘭鵬,，劉堂友
?。|華大學 信息科學與技術學院，上海 201620）
摘要：硅鋼鋼帶是變壓器等工業(yè)設備發(fā)展的一項重要原材料,，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,。為此提出基于機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)相機采集到的圖片進行幾何矯正,、圖像拼接,、缺陷處理等過程，實現(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。
關鍵詞：機器視覺,；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)設備發(fā)展的一項重要原材料,，其以良好的表面質(zhì)量和機械性能在該領域得到廣泛的應用,，因此不斷增強對硅鋼鋼帶質(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)字信號處理技術和計算機技術的提高,，真正實用化的質(zhì)量自動檢測系統(tǒng)得到了飛速的發(fā)展［2］。
本文研究基于機器視覺的硅鋼鋼帶表面缺陷自動檢測識別技術,，是在初級硅鋼鋼帶進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，對采集到的圖像進行相應的圖像處理,，從而達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)設計要求
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)相機采集圖像,，采集速率最大可達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算方式，進而達到在有限時間內(nèi)做到對龐大圖像數(shù)據(jù)量的處理,，并保證最終的目標效果,，因此在滿足缺陷檢測準確度的條件下，有效地控制算法和軟件編程中總體方案設計的復雜度非常重要,。
2系統(tǒng)研究
2.1系統(tǒng)流程圖
基于機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CCD工業(yè)相機和LED燈，并將相機與計算機連接,，接著在計算機上運行工業(yè)相機和視覺傳感器軟件，進而控制相機對鋼帶進行拍攝,，并將拍攝的圖像傳輸給計算機,。
2.3圖像的幾何校正
在圖像采集過程中，由于相機會發(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行幾何校正,。幾何校正主要包括兩個內(nèi)容：像素坐標校正和像素灰度估算［3］。
(1)像素坐標校正采用具有一般形式的投影變換來進行幾何畸變校正,。投影變換是利用原圖像找出若干個控制點,，同時找出失真圖像與之相對應的控制點的坐標,，利用這些對應的坐標可以確定空間變換結構，最后利用這個空間變換結構對失真圖像中每個像素進行變換,，得到校正后的圖像坐標,。
(2)數(shù)字圖像像素的坐標都是整數(shù)，而經(jīng)過計算后得到的坐標不一定是整數(shù),，這就需要對經(jīng)過計算得到的像素點進行像素灰度估算,。這里采用雙線性內(nèi)插法對灰度進行估計。雙線性內(nèi)插法是根據(jù)某點坐標周圍4個像素點灰度在兩個方向上對其灰度進行內(nèi)插,。最后再去除圖像邊緣與鋼帶不相關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,，需要進行圖像拼接,。這里根據(jù)相機拍攝頻率和鋼帶傳輸速度，設置有效的拼接參數(shù),，進行簡單的位置計算,，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性的特點,，經(jīng)過去除噪聲的小波系數(shù)，再做小波逆變換重構圖像,，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合的圖像去噪進行處理,，在去除噪聲的同時保護了圖像邊緣輪廓,，去噪后的圖像如圖7所示。
2.6圖像增強
為了使鋼帶上的缺陷更加清晰,，在圖像去噪完成后,，對圖像進行增強處理,。經(jīng)過對比，最終采取拉普拉斯銳化方法,。圖8為增強后的圖像,。
2.7缺陷輪廓提取
在得到增強的圖像之后需要對其進行缺陷輪廓提取，進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行輪廓提取,。因為該算子采用高斯函數(shù)進行濾波，具有很強的抗噪性,、好的信噪比和定位性能等優(yōu)點,，能夠對輪廓進行精確提取［7］,，結果如圖9所示,。接著對輪廓進行圖像膨脹和填充處理［8］，進而得到清晰的缺陷圖,，如圖10所示,。
2.8缺陷特征提取
缺陷特征提取是計算缺陷的特征值，為缺陷分類做準備,。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,。
圖像中的像素點坐標用（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R為所有像素點的集合，R′為缺陷區(qū)域中像素點的集合,。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,，求周長也即計算鏈碼長度。當鏈碼值為偶數(shù)時,，其長度記作1,；當鏈碼值為奇數(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。
?。?）缺陷的面積,，即缺陷區(qū)域中像素點的個數(shù),，表達如式（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)域對其包圍矩形的充滿程度：
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)量評定標準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,，對硅鋼鋼帶進行質(zhì)量的評估,，最終根據(jù)鋼帶不同的質(zhì)量進行不同的分類，以適應不同的市場需求,。
3結論
本文介紹了一種自動圖像缺陷檢測系統(tǒng),，它運用圖像處理技術，對所采集到的圖像進行了一系列處理,，進而得到清晰的缺陷圖像,；然后根據(jù)缺陷的形狀特征進行了分類，最終根據(jù)廠商對鋼帶質(zhì)量評定標準進行了準確的評估,，完成硅鋼鋼帶質(zhì)量的檢測,。
參考文獻
［1］ 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.
［3］ 戴劍鋒．攝像頭徑向畸變自動校正系統(tǒng)［D］．廣州：華南理工大學,，2010.
?。?］ 邵向鑫．數(shù)字圖像拼接核心算法研究［D］．長春：吉林大學，2010.
?。?］ 唐世偉,，林君．小波變換與中值濾波相結合圖像去噪方法［J］.哈爾濱工業(yè)大學學報，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合的圖像去噪處理［J］．中原工學院學報,，2006，17（2）：22-25.
?。?］ 周超．邊緣檢測Canny算子的研究與改進［D］.重慶:重慶師范大學,，2012.
［8］ 晏暉,，姜鵬,，陳貝．基于MATLAB工具箱的數(shù)字圖像處理技術［J］．微計算機信息，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,，2014.