基于機器視覺的飛機防護柵無損檢測系統

曹　強，曾曉利，程宗輝，錢　青

(1.蕪湖國營機械廠, 蕪湖 241007；2.南京理工大學, 南京 210094)

?

基于機器視覺的飛機防護柵無損檢測系統

曹強1，曾曉利1，程宗輝1，錢青2

(1.蕪湖國營機械廠, 蕪湖 241007；2.南京理工大學, 南京 210094)

摘要：介紹了基于機器視覺的飛機防護柵無損檢測系統，該系統由硬件子系統和軟件子系統組成，其中硬件子系統由精密移動控制系統、數字成像系統、高性能運算平臺、電源系統等組成，軟件子系統由檢測控制軟件和裂縫柵格圖像后驗檢索與定位軟件組成。針對某型飛機進氣道防護柵結構特點，系統通過智能檢測算法自動檢測和識別防護柵的表面裂紋和缺陷，對裂紋等異常區域進行標注和存儲，消除了人工檢測的不穩定性，提高了檢測效率和準確率。

關鍵詞：防護柵；機器視覺;無損檢測；表面裂紋

發動機被稱為飛機的“心臟”，飛機在地面試車、滑行、起飛滑跑和著陸滑跑時，為防止沙石等外來物吸入進氣道而打傷發動機，發動機進氣口處都設計有專門的防護裝置，又稱為防護柵。

防護柵在使用過程中，因受到高速氣流作用以及沙石等一些不可避免的外來物的沖擊，防護柵網格突然斷裂而失效的情況時有發生。內外場曾出現多起防護柵不同程度的裂紋故障，其中一起甚至因防護柵裂紋損壞致使異物被吸入發動機，導致發動機多片葉片嚴重打傷。因此，長期以來，防護柵表面裂紋檢測一直是飛機外場維護和進廠大修時的必檢項目。

防護柵結構具有特殊性，如某型飛機防護柵由1.8 mm厚度的鈦合金板材加工而成，在外形尺寸上分布有9 000多個2.5 mm×2.5 mm的小網格，網格之間的格框寬度僅為0.55 mm，常規無損檢測技術(如滲透、超聲波和渦流等)因其技術上的局限性，在使用時均受到嚴重制約。因此，長期以來，一直都是采用目視并借助放大鏡和手持照明燈對防護柵進行檢查(見圖1)，但因防護柵網格多而密，而且顏色較深，人工檢測難免受到檢測者視力、工作姿態、心理等因素的影響，而無法連續、穩定和準確地完成這些帶有高度重復性和智能性的工作;而且裂紋非常細小，有的裂紋寬度僅10 μm左右，不可避免地會出現裂紋漏檢，嚴重危及飛行安全。

圖1　某型飛機防護柵人工檢測現場

為解決人工檢測存在的這些問題，筆者介紹了基于機器視覺的飛機防護柵檢測無損檢測系統，其可通過智能檢測算法自動檢測和識別防護柵的表面裂紋和缺陷，提高了檢測效率和準確率。

1檢測系統構成

系統由硬件子系統和軟件子系統兩部分組成。硬件子系統由精密移動控制系統、數字成像系統、高性能運算平臺、電源系統等組成；軟件子系統由檢測控制軟件和裂縫柵格圖像后驗檢索與定位軟件組成。

1.1　硬件子系統設計

1.1.1精密移動控制系統

精密移動控制系統包含精密移動系統、精密伺服控制系統、PCI伺服控制卡等部分。

精密移動控制系統由四組精密驅動控制平臺組成，每組精密驅動控制平臺由一個伺服驅動器，一個伺服電機和一根傳動軸與配套軌道組成(見圖2)。四組精密驅動控制平臺統一由一塊高速通訊型PCI接口12軸運動控制卡控制，軟件子系統通過對運動控制卡的控制實現對整個硬件系統的控制。運動卡的控制結構示意如圖3所示。

圖2　精密移動控制系統組成示意

圖3　運動卡控制結構示意

1.1.2數字成像系統

數字成像系統包括千兆以太網Prosilica工業相機、配備高精度Scheimpflug調節器的TCSM 3D雙遠心鏡頭(圖4(a))、Intel千兆以太網卡、長壽命環形低角度漫射光源和光源控制器(圖4(b))。

圖4　雙遠心鏡頭與低角度穩定高亮度漫射光源外觀

Prosilica工業相機擁有500萬像素(2 448×2 050)的Sony Type 2/3 CCD Progressive的成像單元。其能夠以15 frame/s的速度采集14 bit圖像，通過千兆以太網傳輸給計算機。TCSM 3D雙遠心鏡頭極高的低畸變特性，能夠對復雜3維物體精確成像。Intel千兆以太網負責實時接收相機圖像數據，并上傳給精密機器視覺智能檢測系統檢測控制軟件。環形低角度漫射光源配合光源控制器為防護柵提供均勻高亮度照明。

1.1.3高性能運算平臺

設計了工作溫度在-20 ℃～+70 ℃間，無風扇, 密封性能良好且體積小的高可靠性工控機，選用的是研華UNO3085G工業控制計算機，配備Intel Core i7 2.2 GHz處理器，4G DDR3內存，支持DVI-I, HDMI兩組獨立顯示。

1.1.4電源系統

電源系統由精密穩壓電源與UPS不間斷電源組成。其中UPS電源在外部斷電的情況下可持續供電，能避免工控機不正常關機而導致的硬盤損害。

1.2　軟件子系統設計

軟件子系統包括檢測控制軟件和裂縫柵格圖像后驗檢索與定位軟件。

1.2.1檢測控制軟件

檢測控制軟件是系統的核心軟件，主要具有以下功能：控制硬件子系統與監視電機工作狀態、采集與存儲防護柵圖像、智能檢測裂縫、使用過濾規則標注裂縫，拼接顯示防護柵全貌、監視檢測進程等。

1.2.2裂縫柵格圖像后驗檢索與定位軟件

裂縫柵格圖像后驗檢索與定位軟件用于顯示拼接后的裂縫疑似圖像，以及裂縫疑點來源圖像和防護柵全景拼接圖像。

檢測控制軟件檢測后的裂縫疑似圖像與拼接全景圖像共同存儲于原圖像同目錄下的Res目錄中。每28(7×4)幅可疑裂縫圖像拼接成一幅圖像用于顯示。

2檢測原理

2.1　圖像預處理

圖像預處理主要分為圖像幾何變換和濾波處理。

2.1.1圖像幾何變換

由于相機采集到的圖片分辨率為2 448×2 050，不便于圖像前期處理，所以需要將圖片縮小[1]。常見的圖像尺寸變換的插值方法有最近鄰插值、雙線性插值、三次線性插值[2]。雖然三次線性插值方法效果較好，但是由于計算量比較大，時間較長，不利于實時處理，故筆者選擇采用雙線性插值方法。雙線性插值[3]是一種常用的圖像尺度變換方法，經常應用于視頻和圖像處理中。

2.1.2圖像濾波

在圖像采集，傳輸及處理的過程中，不可避免地會受到不同程度噪聲的干擾，故需要對圖像進行去噪。最常見的去噪方法就是濾波，常見的濾波方法有：均值濾波法、高斯濾波法、中值濾波法。由于均值濾波、高斯濾波法容易造成邊緣模糊，筆者采用了一種高效中值濾波法[4]。使用該中值濾波算法可以快速去除圖像噪聲，更好地保證了系統實時性的要求。

2.2　基于邊緣強度的防護柵圖像二值化

飛機發動機的防護柵由大小基本相同的格子組成，且每個格子水平和垂直方向的間距相同，根據這一特點，將防護柵每個格子劃分為3部分：Hole,Left,Bottom,如圖5所示。

圖5　防護柵格子示意

由于裂紋只會出現在每個防護柵格子的Bottom區域，所以只要確定好Hole區域，而防護柵格子都非常規則，故可根據間距確定Bottom區域。

筆者采用二值化技術分割出Hole。常見的二值化技術有：OTSU閾值化、二維OTSU閾值化[5]，固定閾值二值化等。根據防護柵的特點，采用了一種基于邊緣強度的閾值化技術；另外，使用Sobel算子[6]計算防護柵圖像的邊緣強度圖。

根據大量試驗分析，設定一個閾值T=30然后使用9×9的核，對圖像進行膨脹，腐蝕，得到一個防護柵圖像二值化圖。

2.3　基于輪廓跟蹤的Bottom區域定位

筆者采用一種通用的輪廓線跟蹤快速算法[7]。

利用該算法對步驟二中的二值化圖進行輪廓跟蹤，并計算每個輪廓外接矩形的面積，設定一個面積區間(A1,A2)，面積在這個區間的輪廓就是需要的完整的孔。找到所有的孔之后，就可以確定Bottom區域了。

由于防護柵格子的垂直間距大小基本相同，所以可以設置一個間距yGap,通過yGap和檢測到的每個Hole的外接矩形就可以確定每個格子的Bottom區域。即，通過輪廓跟蹤，可以計算出Hole外接矩形為(x,y,w,h)，其中x,y分別表示矩形左上角點在圖像中的坐標，w,h分別表示矩形的寬和高，從而得到Bottom區域為(x,y+h,w,yGap),確定好Bottom之后，就可以在Bottom區域中檢測裂紋了。

2.4　基于滑動窗口行極小值連通性算法的裂紋區域定位

采用滑動窗口的方法，窗口在整個Bottom區域滑動，然后對每個滑動窗口進行裂紋檢測。將滑動窗口的寬度設定為裂紋可能的最大寬度，滑動窗口的高度設定為Bottom區域斜坡面的高度。

根據滑動窗口每一行裂紋處的像素灰度值比其他地方的灰度值小的特點，采用了計算滑動窗口行極小值的方法，即計算滑動窗口每行的灰度極小值像素的位置，將極小值處的像素點作為可疑裂紋像素，每行的極小值位置記錄在數組minLocation[N]中。根據此方法進行初步試驗，標記出滑動窗口每行灰度值極小值的像素，結果如圖6所示。

由圖6可見，相比非可疑裂紋目標，可疑裂紋具有以下特性：① 裂紋具有一定的線狀特征，即具有連續性。② 裂紋目標具有一定的長度。

圖6　可疑裂紋的行極小值標記圖

故可根據連續性和長度確定可疑裂紋。通過對大量防護柵圖像進行觀察，采用了如下的準則來判斷裂紋的連續性：

滑動每行的極小值位置記錄在數組minLocation[N]中,第i行灰度極小值位置為minLoaction[i],如果下列3個條件：

3試驗結果與分析

3.1　圖像預處理

防護柵檢測原圖與圖像預處理后的效果對比見圖7。

由試驗效果圖可知，縮小濾波后的圖像去除了原圖中的噪聲，方便了后面的處理。同時由于圖像尺寸縮小，也提高了算法的速度。

3.2　基于邊緣強度的防護柵圖像二值化

原圖與基于邊緣強度的防護柵圖像二值化圖的對比見圖8。

由圖8可知，文章采用的二值化方法能夠很好地分割出防護柵中的格子。

圖8　原圖與二值化效果圖對比

3.3　基于輪廓跟蹤的Bottom區域定位

基于輪廓跟蹤的Bottom區域定位,見圖9,10。

圖9　在二值化圖中提取出的完整Hole

圖10　對每個格子的Bottom區域進行精定位

從圖9,10可知，文章采用的方法，能夠很好地在二值化圖中提取出完整的Hole，且能夠很好地對Bottom區域進行定位。

3.4　基于滑動窗口行極小值連通性算法的裂紋區域定位

整個防護柵共有144(18×8)個大格，每個大格共668個柵格，整個防護柵總計有96 192個柵格。每組圖像共有96 192個格子。由于程序只能檢測出可疑裂紋，其到底是不是真的裂縫，還需要進一步確定。筆者進行了5組試驗，試驗結果如表1。

圖11是部分防護柵實物及其裂紋的檢測結果。圖11中，原圖中17#、27#、37#、47#格子中都有裂紋，試驗中檢測出了17#、27#、37#格子的裂紋，47#格子中裂紋沒有檢測出。

由表1和部分檢測結果圖可看出，文章算法能夠較好地檢測出裂紋，檢測率較高，虛警率較低,能夠滿足實際應用需求。

表1　裂紋檢測試驗數據

圖11　防護柵實物圖片及其裂紋的檢測結果示例

4結語

針對目前飛機發動機防護柵檢測的問題，基于機器視覺的飛機發動機防護柵檢測系統,利用機器視覺相關技術，有效地解決了人工檢測帶來的不穩定的問題，在提高檢測效率的同時，還降低了檢測錯誤率。

參考文獻:

[1]王焱,劉洋,宋百春.人民幣紙幣號碼識別算法研究[J]. 計算機工程與科學, 2013, 35(8): 103-108.

[2]鄧安良. 智能點驗鈔機的圖像清分算法研究[D]. 南京:南京理工大學, 2015：12-13.

[3]王森, 楊克儉. 基于雙線性插值的圖像縮放算法的研究與實現[J]. 自動化技術與應用, 2008, 27(7): 44-45.

[4]任薇. 基于圖像的駕駛主動安全前防撞的方法研究與實現[D]. 南京:南京理工大學, 2015:13-14.

[5]劉健莊,栗文青.灰度圖像的二維Otsu自動閾值分割方法[J].自動化學報,1993,19(1):62-66.

[6]周心明, 蘭賽. 圖像處理中幾種邊緣檢測算法的比較[J]. 現代電力, 2000, 17(3): 65-69.

[7]REN Ming-wu, YANG Jing-yu, SUN Han.Tracing boundary contours in a binary image[J].Image and Vision Computing，2002,20(2):125-131.

The NDT System for Airplane Protective Grilling Based on Machine Vision

CAO Qiang1, ZENG Xiao-li1, CHENG Zong-hui1, QIAN Qing2

(1.The Wuhu State Machine Factory， Wuhu 241007, China；

2.Nanjing University of Science & Technology, Nanjing 210094, China)

Abstract：NDT system based on machine vision for airplane protective grilling comprises hardware subsystem and software subsystem. Hardware subsystem comprises control system of precision movement, system of digital imaging, high-performance operation platform, and power-supply system, etc. Software subsystem comprises control software of detection, crack search of grilling image and location software. The system aims at structure characteristic of air-inlet protective grilling about airplane of the third generation. Through automatic detection and identification of crack and flaw in the protective grilling surface based on algorithm of intelligence detection, crack and abnormal area can be marked and stored, detection instability can be removed. The system not only improves accuracy rate of detection, but also shortens the test time and thus improves the detection efficiency.

Key words:Protective grilling; Machine vision; Nondestructive testing; Surface crack

中圖分類號：TG115.28

文獻標志碼：A

文章編號：1000-6656(2016)02-0024-04

DOI:10.11973/wsjc201602006

作者簡介：曹強(1962-)，男，本科，工程師，主要從事軍用飛機修理表面工程和無損檢測技術工作。

收稿日期：2015-05-06