基于機器視覺的密封件表面缺陷檢測研究

趙 磊，雷 鳴，高俊釵

（西安工業大學 電子信息工程學院，陜西 西安 710032）

密封件在我國的工業生產中屬于小產業，很多人對于密封件也不是很了解。其實密封件雖小，但卻都是和大型工業設備配套使用的，其表面加工質量（主要是表面缺陷情況）直接決定了設備的密封性和可靠性。在工業工程生產中，橡膠密封件受力易變形，易損壞，在不允許有泄露的環境情況下，為了確保其質量，在使用前對其表面進行質量檢測就顯得尤為重要。主要針對密封件環形表面進行檢測，要求檢測出缺陷并對其進行識別分類。

針對人工檢測難度大、檢測周期長、精度低、易受人為因素控制影響等的不足之處，筆者提出了基于機器視覺的檢測技術方法，利用機器代替人眼來做測量和判斷，提高檢測的速度和精度，確保橡膠密封件的質量，利用基于MATLAB的圖像處理方法[1]進行實驗分析。

1 密封件檢測系統的結構

針對工件表面缺陷的檢測進行研究，目標為O型密封件。利用對工件的輪廓邊緣信息進行檢測，提高圖像檢測的速度，有效地滿足測量精度的要求，系統檢測框圖如圖1所示。整個系統的運行就是通過CCD（charge coupled device）面陣相機與組合照明光源的配合對運動密封件進行采樣，圖像采集卡把數字圖像傳給計算機，對圖像進行算法處理，最后再把處理后的結果顯示出來。在這一系列的工作中，CCD相機、光源、密封件和圖像采集卡等構成圖像采集系統。計算機主要完成圖像的處理和輸出工作。

圖1 系統設計框圖Fig.1 Design diagram of system

1.1 照明光源的選擇與設計

圖像的捕獲中，照明光源是機器視覺[2]應用最關鍵的部分之一，其主要目標是以合適的方式將光線投射到被測工件上，突出被測特征部分對比度。好的照明光源設計和選擇能夠改善圖像采集系統的清晰度，降低圖像處理的復雜度，提高后續處理的精度。而不合適的照明光源設計，可能會出現：過度的曝光會隱藏很多關于圖像屬性的信息；陰影會引起圖像邊緣的誤差；噪聲和不均勻的光照條件會造成對圖像閾值判定的困難。因此，為了保證在檢測時可以獲得清晰穩定的圖像，需要設計專用的照明光源[3]。設計如圖2所示。

圖2 圖像采集裝置Fig.2 Image acquisition device

缺陷存在于密封件的環形表面，形狀、大小不規則，不易于檢測，所以首先要保證缺陷瑕疵的清晰可見，以便最后的檢測。為了防止自然光和室內電燈的干擾影響，設計了圓柱形遮光罩，在其上方正中間的位置制作一個圓孔，方便CCD相機的鏡頭可以深入到遮光罩內部，獲得足夠的視場；在遮光罩內CCD鏡頭的周圍，沿著圓柱形遮光罩內嵌一個環形LED光源，LED光源的設計可以保證遮光罩內部具有足夠的光亮。為了能夠更好的檢測工件，根據被測工件表面光滑易反光的特點，在遮光罩的下方采用了具有積分效果的半球面內壁、均勻反射從底部360度發射出光、對于產品表面凹凸檢測效果很好的球積分光源。最后，將遮光罩放在可以防外亂光的透鏡上，防止內外光源干擾影響檢測。本課題要實現的是密封件表面缺陷的在線檢測，要保證運動工件可以完全通過檢測區域，所以遮光罩與透鏡之間的擺放距離一定要能夠使被測工件通過。

2 密封件表面缺陷檢測

根據本系統的設計，被測工件在檢測平臺上勻速運動，當其運動到光源位置時觸發光電開關，CCD相機進行圖像的捕捉。通過對CCD信號采樣以后，CCD攝像頭將其接受的光學影像轉換成視頻信號輸出給數據采集卡，數據采集卡再將視頻信號轉換成數字圖像信息供計算機處理。

文中采用的是缺陷檢測[4]中常用的模板匹配法，模板匹配是從一幅圖像（目標圖像）中尋找已知模式（模板）的一個過程。在模板匹配法中，模板就是對目標的描述，它本身也是一幅圖像。先對CCD捕獲到的原始圖像進行對比度的調整、二值化的改變、備做模板，從而與圖中可能出現的目標，且與模板圖像有一樣尺寸和大小的目標圖像進行相減操作。

2.1 圖像預處理

在對圖像進行獲取、傳輸的過程中，由于受到光照程度、成像系統性能、電子噪聲等因素的制約，可能會出現對比度偏低、圖像失真模糊等情況。為了獲得便于檢測的圖像，需要先對其進行預處理。本課題主要用到了圖像的平滑，意義為減少圖像本身的噪聲。考慮到圖像中的目標物體和背景相差很大，既有不同的均值和方差，選擇采用自適應平滑的方法，

不僅可以有效的去除圖像的噪聲，而且可以保留圖像的局部邊緣信息。

2.2 圖像分割

數字圖像處理[5-6]的目的之一是圖像的識別，而圖像分割是識別工作的基礎。針對要求檢測的O型密封件，由于從相機獲得的圖像中含有大量的無效信息，對于后續的處理檢測工作帶來很多不便，所以為了提高后續工作的效率，需要對初始圖像中的感興趣區域進行提取。

由圖3（a）可以看到，首先要做的處理就是去除光源外圈的黑色邊框和環形表面的無缺陷部分。由于目標工件與圖像背景以及缺陷在灰度級上存在著明顯的差別，所以選擇采用閾值處理的區域分割技術。該方法主要是利用圖像中要提取得目標物體和背景在灰度上的差異，選擇一個合適的閾值，通過判斷圖像中的每一個像素點的特征屬性是否滿足閾值的要求來確定圖像中該像素點屬于目標區域還是屬于背景區域，進而產生二值圖像，只留下密封件的內外環輪廓和缺陷圖像，如圖 3（b）所示。

圖3 圖像分割Fig.3 Image segmentation

2.3 缺陷檢測

對缺陷進行檢測，首先必須確定圖像中的缺陷是否是獨立的。然而在對分割后的圖像中可以看到，密封件的外環和內環與檢測到的缺陷形成連通，影響了圖像的獨立性，對后續的檢測增加難度。為了能準確有效地檢測缺陷，在已經對圖像分割并二值化的基礎上，依次按照先提取外輪廓、再提取環內區域（缺陷所在區域）、最后提取內圓的順序進行處理。

實現檢測的算法[7-8]主要為：首先，對分割后的二值圖像進行輪廓的邊界提取、跟蹤、標記，再利用圖像重構的方法對邊界區域進行補償、重構，然后將屬于同一個連通區域的邊界進行歸類。首先對外環的邊界進行提取，逐行對圖像掃描，以某點及四鄰域點的像素為目標，將具有相似性的像素集合，用4連通方法對區域進行連接，逐步擴大邊界區域并對區域加以標記，然而區域不僅有外邊界還有內邊界，所以標記后的邊界需要進行分類。利用圖像重構的方法對邊界區進行補償、填充，判斷不同邊界對應的連通區域是否出現重疊。若出現重疊，則將此邊界歸為第一類，同時重新對邊界區域標記；否則，將對剩下區域繼續判斷直到出現重疊為止。同樣的方法對環內區域、內圓進行提取，但是在提取環內區域的時候要注意：一定要得到圖像的所有行所有列，使得內圓圖與缺陷圖相同，以便匹配時減去中間的圓；對缺陷進行標記查找時，缺陷的像素面積要大于50，不然會把多余的噪聲引進。

檢測時處理的圖像依次為：

圖4 缺陷檢測流程圖Fig.4 Flow chart of the defects detection

2.4 缺陷的識別

通過對工件圖像的分割處理，得到圖像中的目標缺陷，利用形狀描述特征作為區分不同缺陷的依據。鑒于最終得到的缺陷圖像，在已知物體的邊界時，對圖像進行逐像素掃描，計算圖像邊界點的最大坐標值和最小坐標值，并根據其主軸方向上的長度和與之垂直方向上的寬度，連立一個面積最小的外接矩形（MER-Minimum Enclosing Rectangle），用其外接矩形的長寬比r=WMEP/LMER：來刻畫缺陷的基本形狀。

針對本圖像中標記的區域，區分出圖像中含有粗短塊狀缺陷（麻坑和掉角）和細長形缺陷（徑向劃痕和切向劃痕），對不同類型的缺陷進行分類，細長形缺陷的判定是：如果缺陷的總像素值小于外接矩形總像素值的或者該缺陷外接矩形的長寬比例大于5；反之認為是塊狀缺陷；如表1所示。

表1 缺陷識別結果Tab.1 Results of defects recognition

1）識別麻坑和掉角 麻坑和掉角都屬于塊狀缺陷，但是其區別在于麻坑在工件的內部，掉角一般存在于工件的邊緣。可以利用缺陷與圓心的距離是否滿足工件的內外徑長度來判斷，如果其距離小于內徑或大于外徑，可以判定為掉角；否則，認定為是麻坑。

2）識別徑向劃痕和切向劃痕 徑向劃痕和切向劃痕都屬于細長形缺陷，可以利用劃痕最左端和最右端與圓心連線之間的斜率來判斷，如果兩線之間的斜率為1，可以判定為徑向劃痕；否則，認定為是切向劃痕。

3 實驗結果與分析

為了驗證本檢測系統的精度、實時性、準確性，分別選擇外徑為48.34 mm、86.64 mm、99.69 mm，厚度為5.33 mm的表面含有缺陷的密封件各10個進行采樣檢測，并將檢測到的缺陷分類識別。以人工采用工具顯微鏡檢測缺陷作為標準，利用本文介紹的缺陷檢測方法進行實驗比對，實驗結果如表2所示。

表2 缺陷檢測實驗結果Tab.2 Defects detection results of the experiment

從缺陷檢測實驗結果可以看出，本系統對影響密封件質量較大的缺陷檢出率為100%，檢測方法有效，滿足檢測精度要求，但是對于缺陷的分類識別存在一定的誤差。

4 結束語

基于機器視覺的橡膠密封件表面缺陷檢測系統，可以有效的解決生產中密封件表面缺陷的檢測識別問題。本文介紹了系統的構建和關鍵技術，并結合MATLAB程序進行了表面缺陷檢測實驗，實驗結果證明該系統具有較高的缺陷檢測精度。用該系統代替傳統的人工顯微鏡檢測，可以提高工作效率，提高測量精度和穩定性。但對于個別表面復雜程度高的工件，對缺陷進行檢測分類還有一定的誤差，有必要進一步研究和改進算法提高識別率。

[1]岡薩雷斯.數字圖像處理 （MATLAB版）[M].2版.阮秋琦，阮宇智，譯.北京:電子工業出版社，2005．

[2]David A F，Ponce J．Computer Vision[M]．Prentice Hall，Inc，2003．

[3]孔祥偉，曲興華.組合光源與圖像處理算法在工件表面缺陷檢測中的應用[D].天津：天津大學精密儀器與光電子工程學院，2007.

[4]劉春，利新琴，魯昌華，等.密封橡膠圈凸點缺陷檢測的研究[J].電子測量與儀器學報，2008（23）:178-181.LIU Chun，LI Xin-qin，LU Chang-hua，et al.Research on detection method for convex dot defect of rubber ring[J].Journal of Electronic Measurement and Instrument，2008，23:178-181.

[5]王曉丹，吳崇明，基于Matlab的系統分析與設計—圖像處理[M].西安：西安電子科技大學出版社，2000.

[6]安寧，林樹忠，劉海華，等.圖像處理方法研究及其應用[J].儀器儀表學報，2006，27（6） :792-793.AN Ning，LIN Shu-zhong，LIU Hai-hua，et al.Study on method&application of image processing[J].Chinese Journal of Scientific Instrument， 2006，27（6）:792-793.

[7]胡小鋒，趙輝.Visual C++/MATLAB圖像處理與識別實用案例精選[M].北京：人民郵電出版社，2004.

[8]劉春，江偉榮，呂淑琴.密封橡膠圈缺陷檢測算法的研究[J].電子測量與儀器學報，2011（5）:25.LIU Chun，JIANG Wei-rong，LV Shu-qin.Research on defect detection in rubber rings[J].Journal of Electronic Measurement and Instrument，2011（5）:25.