基于單目機器視覺的耐火磚檢測技術

李海華，文雪平

（華中科技大學文華學院，湖北武漢 430074）

耐火磚是一種具有特殊用途的材料，通常用來做高爐的爐體或水泥窯等。高溫的使用環境對耐火磚的質量提出了特殊的要求，它們的尺寸誤差、表面缺陷以及內部結構等都必須符合現有的質量標準。因此，對耐火磚的生產過程進行質量檢測是非常關鍵的。

目前，中國多數廠家是利用簡單的工具采用手工操作的方法對耐火磚進行檢測，很少采用自動化設備進行在線檢測。檢測效率低下，并且檢測精度不高。隨著對耐火磚需求的不斷增長，迫切需要廠家采用自動的檢測技術來取代手工操作。文獻［1］利用CCD傳感器來測量磚的厚度和表面，它要求磚塊必須處于傳送帶上的某個固定的位置。文獻［2］利用固定的光源，通過分析投影來檢測磚塊的尺寸，是一種比較精確的方法，但它對放置磚塊的位置和角度有嚴格的要求。本文基于單目機器視覺技術提出了一種快速、自動的耐火磚尺寸檢測方法。利用攝像機采集耐火磚的圖片，直接通過圖像處理技術能快速準確地獲得磚塊的尺寸。可以大幅度提高檢測效率和穩定性，提高了產品的競爭力。

1 耐火磚檢測系統的結構和原理

機器視覺檢測技術通過對實時拍攝的圖像進行分析計算，能夠獲取到檢測目標的形狀、輪廓、尺寸、表面特征以及其他信息等。該方法具有高速、高精度、非接觸式測量等優點，在對各種不同目標進行在線檢測的過程中，得到了廣泛的應用［3-6］。

本文采用單目機器視覺檢測系統，結構如圖1所示。該視覺檢測系統主要由計算機和攝像機等硬件組成，為了獲取更清晰的圖像，利用專用的光源進行照明。由于耐火磚的長度、寬度和高度是固定值，采用結構簡單，可靠性高的單目機器視覺系統是比較合適的選擇。

圖1 視覺檢測系統結構框圖Fig.1 Structure of visual inspection system

測量過程中，將攝像機正對著被檢測目標的某一個表面，采集一幅圖像，并傳送給計算機，由計算機進行分析計算，即可得出所需的信息。它的基本原理是兩個平面之間的映射關系，即被檢測目標平面上的每個點與它在圖像平面上的投影點之間是一一對應的［7］，如圖2所示。

圖2 兩平面間的映射關系Fig.2 Mapping relationship between two planes

假設P（x，y）是目標平面坐標系O-XY中某個目標點的坐標，即耐火磚表面的某個點；P′（u，v）是P點在圖像平面O′-UV上投影的坐標。那么，P與P′點之間的映射是線性的，可表示如下［8］：

其中：s是比例系數；H是表示映射關系的矩陣。

矩陣H中每個元素的值由攝像機的一些參數組成，需要對系統進行標定才能確定［9］。當通過標定確定這些參數后，即可對耐火磚的長度和寬度進行測量和計算。由式（1）可得：

如果在圖像平面中能夠計算出磚塊所有邊緣點和角點的坐標P′（u，v），那么，將這些坐標分別代入式（2），可計算出它們在O-XY坐標系中對應點的坐標P（x，y），從而得到耐火磚的實際長度、寬度、平行度、垂直度等信息。下面介紹圖像平面中磚塊的邊緣點和角點坐標的計算方法。

2 耐火磚圖像的采集和處理

2.1 圖像的采集

耐火磚通常是在模具中壓制而成的，它的表面比較粗糙。為了獲取清晰的圖像，還需要選用合適的光源進行照明。本文以矩形耐火磚為例進行尺寸的測量，采集到的圖像如圖3所示。

圖3 耐火磚圖像Fig.3 Image of firebrick

2.2 圖像的處理

耐火磚的棱和角經常會被磨損，導致它比規定的尺寸要小，其圖像處理過程也比較復雜。經過仔細分析耐火磚的邊緣特征，本文對其圖像采用邊緣提取、邊緣連接、邊緣分割和邊緣擬合4個步驟來完成圖像處理。

1）圖像邊緣提取

當攝像機采集到耐火磚的圖像后，計算機先讀取圖像，并進行濾波處理，再利用Canny邊緣檢測算子對它進行邊緣提取［10］，即可獲得一幅單像素寬度的邊緣圖像。此時，絕大多數的邊緣點已經從耐火磚的圖像中被提取出來。同時磚塊表面上的一些紋理，以及角上微小的磨損部分的邊緣也都被提取出來了，它們均為不規則的曲線。

2）圖像邊緣連接

由于提取到的圖像邊緣是不連續的邊緣點，在邊緣擬合之前需要對它們進行邊緣連接。先對圖像中不連續的邊緣點進行8鄰域的搜索，相鄰的邊緣點被視為在同一邊緣線上。經過搜索后，再把一些不同的邊緣點連接起來代表著相應的不同的邊緣線。由于耐火磚表面上的紋理多數為類似顆粒狀的輪廓，它們的邊緣特征是曲率大、尺寸小。因此，可以根據邊緣線條的長度和曲率，將許多表面紋理的邊緣從搜索結果中濾除掉。

3）圖像邊緣分割

當磚塊2條相鄰的邊被連接成一條邊緣線之后，不能直接對這條邊緣線進行直線擬合，應該先進行邊緣分割。在邊緣分割時，要檢查每一條邊緣線，并計算該線條上每個點的曲率，如果某個點的曲率異常的大，就以該點為界將邊緣線條分割開。分割后的線條用不同灰度的粗線條表示，如圖4所示。

圖4 分割后的圖像邊緣Fig.4 Edges of the image after segmentation

4）圖像邊緣擬合

通過邊緣分割將圖像的4條邊分割開之后，最后對它們的邊緣進行擬合。磚塊4個頂點的坐標、2條平行邊緣之間的距離、邊緣的長度等參數都能通過線性的擬合直線方程計算出來。

3 實驗和結果

3.1 單目機器視覺檢測系統的標定

對該視覺檢測系統進行標定的主要任務是確定映射關系矩陣H中每個元素的值。本文選取標準環規為對象，如圖5所示，采用上述測量方法對系統參數進行標定。

圖5 標定用的標準環規Fig.5 Standard ring for demarcate

在目標表面選取i個特征點來進行實驗，它們的坐標分別為Pi（xi，yi），在圖像平面上可以分別計算出它們的投影坐標P′i（ui，vi）。將這兩組坐標代入式（1），以hj（j＝1，2，…，8，h9＝1）為變量建立方程組，即可計算出矩陣H中每個元素的值。實驗中選擇了8個點來進行計算，結果如下：

3.2 耐火磚的尺寸測量實驗與結果

實驗過程中，隨機選取生產尺寸應該為300 mm×150mm的耐火磚來進行檢測，同時對磚塊采用了與圖3不同照明亮度、以及不同拍攝角度的方式進行圖像采集，獲取的圖像如圖6所示。

圖6 不同角度的耐火磚圖片Fig.6 Firebrick images from different angles

實驗中任意選取了不同磚塊的5幅圖像，依據上述步驟，分別進行分析和計算，獲得它們的長度和寬度的測量結果，見表1。表中每塊耐火磚的長度和寬度均有2個值，分別代表2條平行邊緣的相應值。

表1 耐火磚長度和寬度的測量結果Tab.1 Measurement result of length and width for firebricks

同時，利用卡鉗對以上磚塊的實際尺寸進行了測量。實驗數據表明，利用單目機器視覺檢測技術測量出的結果與實際尺寸之間的誤差很小，符合質量檢驗的要求，該算法具有較好的可靠性和穩定性。

4 結 語

基于圖像處理技術提出了一種利用單目視覺對耐火磚尺寸進行檢測的方法，并介紹了相關的圖像處理技術。該視覺檢測系統主要由計算機和攝像機組成，系統結構簡單，便于實現。實驗表明，該算法便捷，測量的精度和穩定性能滿足生產的需求。它將機器視覺技術應用于傳統的耐火磚生產和質量檢測領域，有著廣泛的應用前景。

／References：

［1］胡鴻豪，李冰林，蔡志端，等.基于CCD的瓷磚厚度在線檢測研究［J］.山東陶瓷，2006，29（3）：14-16.HU Honghao，LI Binglin，CAI Zhiduan，et al.Research for the on-line thickness detection of ceramic tile based on CCD［J］.Shandong Ceramics，2006，29（3）：14-16.

［2］HE Junji，SHI Li，XIAO Jianli，et al.Size detection of firebricks based on machine vision technology［A］.International Conference on Measuring Technology and Mechatronics Automation［C］.［S.l.］：［s.n.］，2010.394-397.

［3］李保章，崔彥平，李榮廷.視覺測量中基元特征亞像素提取方法的研究［J］.河北科技大學學報，2012，33（2）：146-149.LI Baozhang，CUI Yanping，LI Rongting.Extraction of feature primitives of computer vision［J］.Journal of Hebei University of Science and Technology，2012，33（2）：146-149.

［4］沈寶國，顧寄南，陳雪芳，等.基于單目視覺的零件抓取信息提取技術［J］.制造業自動化，2012，34（9）：24-26.SHEN Baoguo，GU Jinan，CHEN Xuefang，et al.Extraction technology of parts grab information based on monocular vision［J］.Manufacturing Automation，2012，34（9）：24-26.

［5］郭曉欣，李 穎，王震洲，等.基于紋理分割的視頻人體檢測［J］.河北工業科技，2012，29（3）：163-165.GUO Xiaoxin，LI Ying，WANG Zhenzhou，et al.Video detection of body based on texture segmentation analysis［J］.Hebei Journal of Industrial Science and Technology，2012，29（3）：163-165.

［6］李海華，陳 利.利用圖像實現孔類零件內徑檢測的方法［J］.工具技術，2011，45（6）：91-93.LI Haihua，CHEN Li.Method of inner diameter measurement for hole part using image［J］.Tool Engineering，2011，45（6）：91-93.

［7］王 娟，趙 艷.基于單幅圖像目標空間定位的算法研究［J］.河北科技大學學報，2011，32（4）：347-350.WANG Juan，ZHAO Yan.Target spatialization algorithm based on single image［J］.Journal of Hebei University of Science and Technology，2011，32（4）：347-350.

［8］韓延祥，張志勝，戴 敏.用于目標測距的單目視覺測量方法［J］.光學精密工程，2011，19（5）：1 110-1 116.HAN Yanxiang，ZHANG Zhisheng，DAI Min.Monocularvision system for distance measurement based on feature points［J］.Optics and Precision Engineering，2011，19（5）：1 110-1 116.

［9］解則曉，辛少輝，李緒勇，等.基于單目視覺的機器人標定方法［J］.機械工程學報，2011，47（5）：35-39.XIE Zexiao，XIN Shaohui，LI Xuyong，et al.Method of robot calibration based on monocular vision［J］.Journal of Mechanical Engineering，2011，47（5）：35-39.

［10］李海華，齊紅敏，萬亮亮.一種改進的六邊形結構的Canny邊緣檢測算法［J］.光學儀器，2011，33（1）：19-23.LI Haihua，QI Hongmin，WAN Liangliang.An improved algorithm of Canny edge detection of a hexagonal structure［J］.Optical Instruments，2011，33（1）：19-23.