基于塑料薄膜疵點檢測的生產設備故障診斷

王盛楠，王亦紅

（河海大學能源與電氣學院，江蘇南京 210098）

0 引言

在人類生活中，塑料薄膜廣泛地應用于食品、醫藥、化工等領域，對人們的生活起著重要的作用，由此誕生了大大小小的薄膜生產廠家，行業競爭非常激烈。目前隨著勞動力成本的大幅提高，越來越多的中、小生產廠家希望能有造價低性能好的薄膜表面品質自動檢測系統替代人工檢測。本論文在薄膜表面品質自動檢測研究的基礎上，鑒于薄膜表面疵點與其生產設備的故障之間存在確定的對應關系，提出了基于薄膜表面疵點檢測的故障診斷方法。

本方法不僅可以達到對塑料薄膜表面品質的檢測作用，而且還可以對其故障進行診斷，對于提高小型企業的產品品質和增強企業競爭力起著重要作用。從成本上分析，一套裝置實現了兩個功效，對小型企業的生產成本將是一個大大的節省，對環境資源上說也是一個節能環保，是未來檢測技術的一個發展方向。

1 塑料薄膜表面疵點與其生產設備故障的關系分析

通過對超薄塑料薄膜［1］生產工藝的研究發現，在其生產和收卷過程中，牽引輥和收卷機牽引著薄膜前進，在外界因素影響下，卷軸速度發生變化時，牽引輥的牽引力就會發生變化，薄膜和牽引輥之間的摩擦力也必然發生變化。

當卷軸速度突然加快時，牽引力增加，摩擦力加大，拉緊力度瞬間加強，薄膜在張應力作用下產生了形變，造成表觀密度下降，形成的疵點類型為凹痕;當卷軸速度突然變慢時，牽引力就會減小，拉緊力度瞬時減小，薄膜卷松弛，在輥筒邊緣就會有明顯的波形壓痕形成皺褶［2］疵點，如圖1所示。

圖1 疵點類型

正是因為塑料薄膜疵點類型和設備卷軸轉速快慢有著這種一一對應的關系，所以就可以把機器故障的診斷轉化為塑料薄膜表面疵點的檢測識別。如果能夠快速準確地檢測出疵點的類型，就能診斷出是何種原因引起的疵點，從而反饋給檢測員去調整卷軸速度的快慢，解決這一設備故障問題。

2 基于塑料薄膜疵點檢測的故障診斷方法研究

隨著計算機技術、數字圖像處理技術的迅速發展，使得基于圖像處理和微型計算機平臺的表面品質檢測成為可能，并形成了一個研究熱點，取得了許多成果。為此對塑料薄膜采用圖像處理技術，更能快速和準確地實現其疵點的檢測識別。

圖2為利用圖像處理技術［3］診斷故障的結構框圖，其基本原理是先對圖片利用消噪，增強等技術進行預處理，提高圖像的視覺效果，優化各種統計指標，然后經過圖像分割將感興趣的目標區域和背景區分開來，方便提取出疵點的信息，最終依據疵點信息對其識別，根據疵點類型診斷出故障原因。

圖2 系統框圖

2.1 彩色圖像灰度化

由于塑料薄膜表面出現的疵點主要是形狀疵點，其形狀特性在彩色和灰度圖像中是一致的，而色彩特性實際上是冗余信息，對資源的占用遠大于灰度圖像，所以在不影響檢測效果的基礎上，灰度圖像［4］的處理節省了程序運行時間。

彩色RGB圖像轉化為灰度圖像采用經驗的加權平均值方法，表示為式（1）:

式中:I為轉換后的灰度圖像，R，G，B分別為紅、綠、藍3種顏色分量。

圖像灰度化方法的結果如圖3所示，從圖中可以看出轉化后的灰度圖像和原彩色圖像相比細節成分并沒有改變，而且也能夠清楚地反應原圖像信息。

圖3 圖像灰度化

2.2 塑料薄膜的圖像預處理的方法選取研究

透明塑料薄膜在圖像采集過程中會隨機產生一些類似胡椒或是鹽粉顆粒狀的小噪聲，所以應對待檢圖像先采用中值濾波算法消噪，圖像中的小噪點就會被平滑掉，而且在一定程度上可以克服均值濾波帶來的細節模糊問題，保護圖像邊界信息，使圖像品質有較大的改進，但是當濾波窗口大一些時依然會有圖像邊緣模糊情況產生。所以消噪后再對圖像進行增強，使疵點區域單獨得到了加強。采用分段線性灰度變換［5］方法，主要是利用分段線性變換函數將圖像灰度區間范圍分成兩段甚至多段分別進行線性變換，增強輸入圖像中感興趣的灰度區域，抑制那些不感興趣的灰度區域，可看作是灰度線性變換的組合。其變換的關系式可表示為:

本方法通過修改圖像每一個像素的灰度，從而使得變換后的圖像的動態范圍擴大，灰度分布均勻，圖像變得清晰，特征更加明顯。

圖4為預處理后的效果圖，由圖像可看出圖像經過預處理后可以使得感興趣的薄膜表面圖像疵點細節灰度范圍得到擴展，增強其對比度，同時又能使不感興趣的圖像灰度級得到壓縮，降低其對比度。從對預處理后的圖像進行圖像分割的角度來講，對圖像進行先消噪后增強的處理，大大增強了灰度分割的效果。

圖4 預處理效果圖

2.3 塑料薄膜圖像疵點的分割方法分析

由于待檢測兩類疵點的灰度值和背景的灰度值差異不是特別明顯，若采用基于閾值選取的分割［6］的方法，則對于閾值的選取比較困難。但是由于圖像在疵點邊緣處的灰度變化都是劇烈的，所以可以根據透明塑料薄膜疵點圖像像素點的灰度不連續性提取對象與背景間的交界線。因此，采用了一種最優邊緣檢測算子Canny邊緣檢測算子將目標和背景分離出來。其檢測的基本原理是:采用二維高斯函數的任一方向上的一階導數作為噪聲濾波器，通過與圖像卷積進行濾波，然后對濾波后的圖像尋找圖像梯度的局部極大值，從而確定圖像的邊緣。

由于邊緣檢測提取的是疵點的輪廓線，亦或還會存在小斷點圖像不連續，在這個基礎上無法提取真正的疵點面積［7］等特征值，所以本文研究中采用形態學圖像處理技術［8］，對邊緣檢測出的圖像進行后續閉運算處理，以填充輪廓內圖像，使疵點內部也完整的顯示出來，從而達到和基于閾值選取分割圖像的效果。

圖5 疵點檢測效果圖

2.4 疵點圖像的識別

對閾值分割后得到的目標的二值圖，根據其形態學的特征值就可以將疵點識別。皺褶是由于是薄膜多層疊加黏連在一起，面積相對比較大，其長度和寬度相差不大;凹痕是拉伸過程中在垂直于運動方向形成邊緣處細長的痕跡，而凹下去的部分在圖像中和背景極其相似，基本是區分不開來的，所以面積相對于皺褶來說就小得多。所以分別計算疵點目標的長寬比［9］、面積的特征參數，即可將疵點識別出來。

經過反復多次試驗得到了基于像素數的面積經驗值，對于超薄薄膜來說皺褶和凹痕選取經驗值1 000可以識別兩種疵點，面積在1 000以下的是凹痕，在1 000以上的是皺褶;而二者長寬比的差別沒有像面積那么大，因此對皺褶和凹痕的識別就采用了面積一個特征值把它們分開，最后將表1檢測結果分別送至數據庫存儲和檢測系統。

表1 疵點信息及識別結果顯示

2.5 塑料薄膜生產設備故障診斷算法實現

圖6為塑料薄膜生產設備故障診斷的流程圖，對于大多數超薄塑料薄膜而言，通過以上算法都能很好的適用于這種生產設備速度不穩定時產生的表面疵點的識別與檢測，最終通過疵點的類型診斷出所對應產生的設備故障原因。

3 結語

圖6 塑料薄膜設備故障診斷算法流程

本文針對超薄塑料薄膜生產和收卷過程中速度不穩定而產生的特定疵點類型皺褶和凹痕，利用圖像處理技術對其進行了檢測識別，實用性較強，清楚地反映生產過程中速度出現變化。不僅對設備故障也進行了診斷，使工作人員對生產設備進行調節，而且實現了塑料薄膜的品質檢測，一套檢測系統發揮兩套檢測設備的作用，有效的節省企業成本，提高產品品質、增強企業競爭力。此外，該方法對織物、紙張、玻璃、木材等相關領域的表面缺陷檢測系統開發與研究領域具有借鑒作用。

［1］ 薄膜之家信息網.http://www.bomo123.com/juzhibomojishu/zhezhou.html.html.

［2］GB/T 2035-2008 塑料術語及定義［S］.2008-08-04.

［3］張錚，王艷平.數字圖像處理學Visual C++實現［M］.1版.北京:北京希望電子出版社，2002.1-7.

［4］何斌，馬天予，王運堅，等.Visual C++數字圖像處理［M］.1版.北京:人民郵電出版社，2001.262-302.

［5］羅軍輝，馮平，哈力旦·A.MATLAB 7.0在圖像處理中的應用［M］.北京:機械工業出版社，2005.141-143.

［6］楊枝靈，王開.Visual C++數字圖像獲取 處理及實踐應用［M］.1 版.北京:人民郵電出版社，2003.504-572.

［7］王家文，曹宇.MATLAB 6.5圖形圖像處理［M］.北京:國防出版社，2004.351-357.

［8］王愛玲，葉明生，鄧秋香.MATLAB R2007圖像處理技術與應用［M］.北京:電子工業出版社，2008.195-213.

［9］楊帆.數字圖像處理與分析［M］.1版.北京:北京航天航空大學出版社，2007.266-275.