激光散射式技術在鋼球表面缺陷檢測中的應用

馬賢淑,華云松,楊海馬,2,王光斌

(1.上海理工大學光電信息與計算機工程學院,上海 200093；2.中國科學院上海技術物理研究所,上海 200083)

?

·激光應用技術·

激光散射式技術在鋼球表面缺陷檢測中的應用

馬賢淑1,華云松1,楊海馬1,2,王光斌1

(1.上海理工大學光電信息與計算機工程學院,上海 200093；2.中國科學院上海技術物理研究所,上海 200083)

針對目前鋼球表面反射率高、缺陷特征難以提取等問題,提出了一種基于機器視覺技術,利用鋼球表面激光散射圖片快速檢測表面缺陷的方法。介紹了系統的結構和檢測原理,搭建了系統檢測平臺。分析了利用形態學、邊緣連接等圖像處理算法提取缺陷散斑,利用圓度因子和延長因子判別缺陷類型的處理過程,并基于LabVIEW軟件平臺,選取不同缺陷的鋼球樣本進行了試驗測試。實際試驗表明,利用鋼球表面激光散射圖可以有效提取表面凹坑、麻點、刻痕等缺陷信息,系統可以快速準確地識別鋼球的表面缺陷,可用于鋼球表面缺陷的在線檢測,具有很好的實用價值和應用前景。

激光散斑；機器視覺；鋼球；缺陷檢測

1 引 言

根據相關資料顯示,鋼球表面、內圈滾道表面及外圈滾道表面對軸承產生振動、噪聲等不良情況的影響比率為10∶3∶1。可見鋼球表面質量是影響軸承的主要因素[1],使得鋼球表面缺陷的檢測非常重要。目前用于鋼球表面缺陷檢測的技術有：渦流探傷法、光電檢測法、超聲波探傷法、聲發射法、地磁場檢測法以及人工檢測法。其中渦流探傷法利用電磁感應原理進行缺陷的檢測,該方法對裂紋、燒傷及針孔等鋼球加工及材料缺陷具有較高的分選能力,對表面缺陷識別較差，檢測成本極高,一般只能用于航空高精密鋼球抽檢,不能對所生產的鋼球進行全部檢測；另外，光電檢測法一種是通過照在光敏電阻上的光強度的變化來判斷鋼球是否有缺陷,另一種則是通過機器視覺技術利用面陣CCD直接采集鋼球表面圖片,利用邊緣檢測、模式匹配等方法識別鋼球表面缺陷。由于鋼球表面近似于鏡面球體,表面反射率較高接近于鏡面反射,裸露鋼球表面不僅會映射四周的景象,而且在法線方向上會出現大片光暈[2-5](如圖1(a)),采集的畫面嚴重失真難以提取缺陷信息,導致檢測精度不高,處理程序復雜,檢測速度較慢。

根據以上特點,本文以機器視覺技術為基礎,設計了一種利用面陣CCD采集激光束在鋼球表面的散射圖像(如圖1(b)),并在LabVIEW軟件中利用圖像處理算法識別缺陷鋼球的檢測裝置,避免了由于鋼球反射率高導致難以提取鋼球表面缺陷信息的問題,以提高檢測精度和檢測效率[6-8]。

2 系統原理及裝置設計

2.1 工作原理

(1) 激光散斑技術

當激光照射在相對粗糙(與光的波長相比)物體表面上,經過不同光程的散射光之間相互干涉,在物體表面或附近的光場中可以觀察到一種無規則分布的亮暗斑點,稱為激光散斑(Laser Speckles)或斑紋 。這種散斑包含了反射物體的表面信息、反射粒子的運動信息等,通過對散斑圖像進行統計分析,以提取所需要信息,這種技術就叫做激光散斑技術[9]。

(2) 檢測裝置原理

平行激光束照射在鋼球表面時會向空間各個方向反射,在鋼球的上方放置一張透光性較好的薄幕便可接收由鋼球表面散射形成的散斑圖像。如果鋼球表面無缺陷,則散斑很均勻,若鋼球表面存在凹坑、劃痕、麻點、平頂等缺陷,則在缺陷處的亮斑或者暗斑較大,使得整個散斑不均勻。例如對一個表面有劃痕的鋼球進行檢測時,利用面陣CCD采集的激光束在劃痕處的原始散射圖像存在明顯條形亮斑,如圖2所示(圖2(a)為無缺陷散斑圖,圖2(b)為有劃痕的散斑圖)。在計算機中對采集的原始散射圖像通過軟件算法進一步處理,便能較為準確的提取鋼球表面缺陷特征。

圖2 散斑圖像

2.2 系統裝置

該檢測裝置主要由鋼球展開機構、激光器、散射圖像采集部分和計算機處理部分組成。由于散斑形成的實質是相干光源經過不同的光程差后產生的干涉圖樣,因此要求光源必須具有相干性,一般采用激光作為光源,本文選用輸出功率為100 mW,光束直徑為5 mm的紅光點激光器。同時為了得到效果比較好的散斑圖樣,要求光源對被測樣品進行均勻照射,這就需要對激光光源進行衰減處理。由于是對采集的激光散斑圖像進行分析,需使用透光性較好的薄幕接收激光束在待測球體表面的散射圖像。圖像采集采用了高幀頻面陣CCD將圖像信號轉化為數字信號,傳輸至PC機,以供后續圖像處理系統進行處理。

在計算機中基于LabVIEW軟件平臺,利用LabVIEW軟件中“視覺與運動”模塊函數進行編程,通過圖像處理算法識別缺陷鋼球并對缺陷鋼球進行分類,檢測裝置結構如圖3所示。

圖3 檢測裝置結構圖

3 缺陷識別及分類

檢測時利用計算機對CCD采集的圖片進行處理,包括圖像濾波、灰度變換、二值化、形態學處理等操作以提取缺陷處的亮斑或暗斑。根據處理后的圖像是否存在亮斑或暗斑粒子來判斷鋼球表面是否存在缺陷,若存在斑點粒子,則再根據提取斑的特征判別缺陷的種類,若無斑點粒子,則不存在缺陷。

3.1 圖像處理

由于CCD采集的原始圖像在獲取和傳輸過程中易受到各種干擾,如光照不均勻或CCD感光元件產生的隨機噪聲等,使得獲取的圖像質量下降,因此需要對圖像進行預處理,本文采用高斯平滑濾波器對圖像進行降噪處理,利用圖像平方方法進行灰度增強從而抑制噪聲并突出缺陷特征,并通過局部自適應方法對圖像進行二值化,提取缺陷區域。

3.1.1 高斯平滑濾波簡介

激光散斑是激光照射在散射體上,在附近光場中形成的一種無規律的亮暗斑點,散斑中存在許多孤立的亮點,而缺陷部分在散斑中表現為亮斑,因此散斑中的孤立亮點對于目標圖像為噪聲點,需要濾掉這些孤立點。高斯平滑濾波的算法類似于平滑濾波,但是高斯平滑濾波適當加大了模板中心點的權重,隨著遠離中心點,權重迅速減小從而減小了平滑處理中的模糊,得到更自然的平滑效果,在濾除高頻部分的同時使得圖像中的細節被很好的保留。高斯濾波器是根據高斯函數的形狀來選擇權值的線性平滑濾波器,利用高斯濾波器能很好地去除孤立亮點。

實驗中選擇3×3高斯模板,如式(1)所示：

(1)

3.1.2 局部自適應二值化

局部閾值法通過定義考察點的領域,比較參考點與其領域的灰度值來確定當前考察點的閾值。非均勻光照條件等雖然影響整體圖像的灰度分布卻不影響局部的圖像性質,使得局部閾值法得到廣泛使用[10]。而激光散斑由鋼球表面散射的光形成,散射形成的圖像光照不均勻,因此采用局部自適應方法更為適用。本文采用Niblack法,根據圖像中局部均值和局部標準差,計算不同的閾值。在像素點(x,y)處閾值的計算如式(2)所示：

T(x,y)=m(x,y)+k·s(x,y)

(2)

其中,T(x,y)為閾值;m(x,y)為樣本均值;s(x,y)為標準差;k為參數。對于領域的選擇需要滿足能保存局部細節同時抑制噪聲的產生。

3.1.3 形態學處理

1)填充孔洞

由于圖像采集產生干擾或者缺陷內部不光滑,二值化后的圖片亮斑里面存在一個個很小的孔洞,需采用形態學填充孔洞以消除這些干擾。

利用形態學處理時需選擇一幅標記圖像fm,該圖像邊緣部分的值為1-f,其余部分的值為0,其表達式如式(3)所示：

(3)

圖像f中的孔洞填充表達式如式(4)所示：

(4)

2)消除邊界

針對后續形狀分析的圖像物體提取是非常重要的一個環節,刪除接觸邊界的物體的算法是一個很有用的工具,即可以用于屏蔽圖像,以便對進一步處理只保留完整的物體,也可用做在視野中存在部分物體的一個信號[11-12]。在本實驗中,當接收散斑的區域邊界被相機拍下時,邊界在處理時會成為干擾,通過消除邊界對象來消除此干擾。

本文選用原圖像作為模板,且標記圖像fm定義如式(5)所示：

(5)

利用邊界清除算法時需首先計算形態學重構Rf(fm)(只包含與邊界接觸的對象),然后計算差,如式(6)所示：

X=1-Rf(fm)

(6)

通過式(6)差集得到一幅只包含原圖像中不與邊界接觸的對象。

3.1.4 邊緣連接

經過上述一系列操作之后,得到的缺陷裂痕可能會出現斷裂,需要將斷裂部分連接起來。首先計算出二值圖像每個區域中包含該區域的最小凸多邊形的頂點,在求解凸包時需在LabVIEW軟件中調用MATLAB函數,其調用格式為“s=regionprops(BW,′ConvexHull′)”,然后計算任意兩個區域的凸邊形的頂點歐式距離,如果距離小于規定值,說明這兩個區域為同一個缺陷,將兩點連接起來。兩個點之間的歐式距離公式如式(7)所示：

d=sqrt((x1-x2)2+(y1-y2)2)

(7)

其中,d為距離;(x1,y1)為一個點的坐標;(x2,y2)為另外一個點的坐標。

邊緣連接前與邊緣連接后的圖片如圖4所示。

圖4 邊緣連接

3.2 缺陷識別及分類

激光散斑圖中,如果鋼球表面無缺陷則亮暗斑均勻,亮暗斑粒子面積較小,光斑主要是由于鋼球表面存在一定粗糙度造成(如圖2(a)所示)。因此,固定好整個裝置后,可通過大量實驗統計得到一個合理亮暗斑點面積閾值,利用LabVIEW中“IMAQ Particle Filter 3 ”函數將由于表面粗糙而形成的面積小于閾值的光斑點濾除,提取鋼球表面的缺陷信息。經過上述處理后,如果最后得到圖片中沒有任何斑點粒子,則待測鋼球表面無缺陷,反之則存在缺陷。

檢測得到具體的缺陷目標后,利用LabVIEW中“IMAQ Particle Analysis”函數測量相應的缺陷參數。并利用圓度因子、延長因子、缺陷數量等結合起來判斷缺陷類型[13]。

4 系統分析與測試結果

該系統通過采集散斑圖片進行處理,由于散斑圖能反映鋼球表面的微小信息,所以鋼球表面上肉眼不能觀察到的微小裂痕缺陷,都能通過散射圖很好地反映出來。該系統適用于近似鏡面反射的球體表面缺陷檢測。如圖1中,(a)為鋼球,(b)為鋼球表面散射圖,圖1(a)中由于反射率高肉眼無法觀察到微小裂縫,在圖1(b)中微小裂縫被很好地反映出來。該系統裝置結構簡單,由于缺陷清晰,處理程序相對簡單,速度快。

選擇直徑為6 mm,分別含有凹坑、麻點、細縫、擦痕、平頂的鋼球進行測試。由于散斑尺寸大小受散斑接收屏與鋼球表面的距離影響較大,可根據散射圖像特征,選擇合適的散斑接收屏到鋼球表面的距離。由于測試時需要通過多次試驗統計確定圓度因子、延長因子、面積等閾值。因此需要固定鋼球到散斑接收屏的距離、散斑接收屏到鏡頭的距離 、激光到鋼球的距離。選擇合適的激光功率,且要保證激光光強不會因為長時間使用而發生變化,否則會影響整個測試。如圖5中(a)～(e)為一部分缺陷的測試,圖中左列為散斑灰度圖,右邊為處理后結果圖。

圖5 缺陷檢測效果

5 結束語

本文鋼球表面缺陷檢測系統基于激光散斑原理,通過搭建的檢測平臺獲取散斑圖片,在LabVIEW軟件平臺中經過一系列圖像處理算法獲取光斑粒子圖片,根據結果圖中有無粒子來判斷待測球體有無缺陷,并利用圓度因子、延長因子、缺陷數量等因素識別缺陷類型,該系統不僅適合反射率高的球體,也適合微小球體,可用于檢測微型球體中肉眼難以觀察到的微小缺陷，具有很好的實用價值和使用前景。

[1] LIU Qing,ZHANG Jinhua,HUANG Junqin.Detection and classification for surface defects of steel balls based on machine vision[J].Bearing,2013,(10):44-48.(in Chinese)

劉青,張進華,黃軍勤.基于機器視覺的鋼球表面缺陷檢測和分類[J].軸承,2013,(10)：44-48.

[2] LI Chunying.Application of machine vision in steel ball surface fault inspection[J].Computer and Moder-nization,2005(10)：63-65.(in Chinese)

李春穎.機器視覺在鋼球表面缺陷檢測中的應用[J].計算機與現代化,2005(10)：63-65.

[3] LE Jing,GUO Junjie,et al.A fast d-efect-detecting method for smooth hemispherical shell surface[J].Opto-Electronic Engineering,2004,31(10)：32-36.(in Chinese)

樂靜,郭俊杰,等.一種快速檢測光滑半球表面缺陷的方法[J].光電工程,2004,31(10)：32-36.

[4] ZHAO Yanling.Analysis and Identification for surfa-ce defects of steel ball based on image technology[D].Harbin:Harbin University of Science and Technology,2008.(in Chinese)

趙彥玲.基于圖像技術的鋼球表面缺陷分析與識別[D].哈爾濱：哈爾濱理工大學,2008.

[5] JB/T 10861-2008.Rolling bearings-Atlas and the assess-ment methods for surface imperfection of steel balls[S].(in Chinese)

JB/T 10861-2008.滾動軸承鋼球表面缺陷圖冊及評定辦法[S].

[6] WANG Peng,WU Chunya,LIU Deli,et al.Image tex-ture analysis and detection of steel ball surface defectbased on LabVIEW[J].Chinese Journal of Scientific In-strument,2007,28(4)：208-211.(in Chinese)

王鵬,吳春亞,劉德利,等.基于LabVIEW 的鋼球表面缺陷圖像紋理分析與檢測[J].儀器儀表學報,2007,28(4)：208-211.

[7] Haralickrm.Performance characterization incom-puter vision[J].CVGIP-IU,1994,60：245-249.

[8] ZHOU Wei,Kenzo Watanabe.Technology development of instrumentation and measurement abroad in recent years[J].Chinese Journal of Scientific Instrument,2005,26(7)：764-770.(in Chinese)

周渭,渡邊健藏.近年來國外儀器與測量技術發展趨勢[J].儀器儀表學報,2005,26 (7)：764-770.

[9] SHI Benyi,BI Kun,CHEN Sihai,et al.Application of La-ser speckle technology on the detection of agricultural products[J].Chinese Agricultural Science Bulletin,2011,27(02)：410-415.(in Chinese)

石本義,畢昆,陳四海,等.激光散斑技術在農產品檢測中的應用[J].中國農學通報,2011,27(02)：410-415.

[10]YUAN Chunlan,XIONG Zonglong,ZHOU Xuehua,et al.Study of infrared image edge detection based on sobel operator[J].Laser & Infrared,2009,39(1)：85-87.(in Chinese)

袁春蘭,熊宗龍,周雪花,等.基于Sobel算子的圖像邊緣檢測研究[J].激光與紅外,2009,39(1)：85-87.

[11]DONG Yi,JIN Weiqi,ZHANG Miao.Research on Noise removal with morphological filter[J].Laser & Infrared,2007,37(8)：795-798.(in Chinese)

董怡,金偉其,張淼.數學形態學濾波在紅外圖像去噪中的應用研究[J].激光與紅外,2007,37(8)：795-798.

[12]Rafael C Gonzalez,Richard E Woods,Steven L Eddins.Digital image processing(MATLAB)[M].Beijing:Publishing House of Electronics Industry,2005：275-276.

[13]JIANG Xinmiao,LIU Xianli,WANG Peng,et al.The study of detecting the steel ball surface objection based on the technology of image[J].Harbin University of Science and Technology,2006,11(2)：108-111.(in Chinese)

蔣新苗,劉獻禮,王鵬,等.基于圖像技術的鋼球表面缺陷檢測研究[J].哈爾濱理工大學學報,2006,11(2)：108-111.

Application of laser scattering technology in the steel ball flaw detection

MA Xian-shu1,HUA Yun-song1,YANG Hai-ma1,2,WANG Guang-bin1

(1.School of Optical-Electrical and Computer Engineering,University of Shanghai for Science and Technology,Shanghai 200093,China;2.Shanghai Institute of Technical Physics of The Chinese Academy of Sciences,Shanghai 200083,China)

As the surface of steel ball has high reflectivity and defect feature is difficult to extract,a rapid surface defect detection method is proposed which is based on the laser scattering image of steel ball surface and machine vision technology.The detecting system is designed,and the structure and principle of the detecting system are introduced.The image processing algorithms of morphology and edge connecting are used to extract laser speckles of the defects,and Heywood circularity factor and elongation factor are used to judge the defect type.Based on the LabVIEW software platform,steel ball samples of different defects are tested.Test results show that the defects which include pits,hard spots and scratches can be effectively extracted by using laser scattering images of steel ball surface.Based on the integrated system,the defects on the steel ball surface can be recognized rapidly and exactly.The system has practical value and application prospect for on-line testing of steel ball surface defects.

laser speckle;machine vision;steel ball;defect detection

1001-5078(2015)11-1304-05

國家自然科學基金青年基金項目(No.61302181);閔行區產學研項目(No.3714302006);上海市教委科研創新項目(No.13YZ111);上海市自然科學基金(No.14ZR1418400)資助。

馬賢淑，碩士研究生，主要研究方向為激光等離子技術研究。E-mail：xianshuma@126.com

楊海馬(1979-)，男，博士，主要研究方向為嵌入式智能儀器光電設計。E-mail：7456400@qq.com

2015-03-17

TP751.2

A

10.3969/j.issn.1001-5078.2015.11.004