輪胎剪切散斑干涉包裹相位圖缺陷識別方法

南瑞亭，陳冬雪

（1．廣州市交通技師學院，廣東 廣州 510540；2．華南理工大學機械與汽車工程學院，廣東 廣州 510640）

輪胎剪切散斑干涉包裹相位圖缺陷識別方法

南瑞亭1，陳冬雪2

（1．廣州市交通技師學院，廣東 廣州 510540；2．華南理工大學機械與汽車工程學院，廣東 廣州 510640）

目前輪胎剪切散斑干涉缺陷識別技術主要依靠人工輔助識別，難以滿足大批量工業生產檢測的需要。該文提出基于剪切散斑圖角點特征的輪胎缺陷識別方法，實現輪胎缺陷自動識別。首先通過對激光剪切散斑干涉包裹相位圖缺陷特征、去噪方法等方面進行分析，并根據激光散斑干涉包裹相位圖角點特征，提出基于角點特征的包裹相位圖缺陷識別方法。實驗結果表明：在兩組包裹相位圖缺陷識別實驗中，該文方法對條紋質量較好、較差的包裹相位圖，缺陷識別效果準確、定位精度高，該方法簡單、高效，有助于提高輪胎缺陷檢測速度與效率，可實現自動化輪胎缺陷檢測。

輪胎；剪切散斑干涉；包裹相位圖；缺陷識別

0 引 言

激光剪切散斑輪胎無損檢測技術具有實時、全場非接觸無損、機構簡單、無需防震裝置等特點，已成功應用于輪胎生產缺陷檢測上[1]。在缺陷檢測過程中，通過對輪胎進行加載（如真空加載、熱加載、振動加載），使輪胎內部缺陷以變形方式表現出來，再通過變形分布上的異常來判斷缺陷是否存在[2]。德國Werner等[3]研究認為，全息無損檢測缺陷自動識別研究方向中，基于神經網絡的缺陷分類方法需要大量訓練樣本，而基于專家系統的缺陷識別方法雖然只能檢測特定種類的缺陷，但需要樣本較少，是目前無損檢測的主要研究內容。合肥工業大學基于傅里葉變換與反變換在空間頻率域上提取所需的頻譜并計算相位圖，可以在以43.6°的視場角實現動態形變的測量,可測形變峰值為 0.5～30 μm[4]；郭媛[5]選用雙波長激光照射和彩色相機，實現復合材料大變形的測量與缺陷檢測；浙江省光信息檢測與顯示技術研究重點實驗室提出一種基于主元分析的隨機相移散斑圖分析算法，無需迭代即可計算物體加載后的動態相位變化[6]。目前對于輪胎剪切散斑干涉的缺陷識別主要依靠人工輔助識別，識別速度慢、效率低，可靠性差，難以滿足大批量工業生產檢測的需要。為此，本文通過對包裹相位圖缺陷特征分析，基于角點特征的包裹相位圖缺陷識別方法，實現自動化輪胎缺陷檢測。

1 輪胎剪切散斑干涉包裹相位圖濾波預處理

通過相移法得到的包裹相位圖含有大量的散斑噪聲，對包裹相位圖的缺陷識別產生了嚴重的影響，故須對生成包裹相位圖進行濾波預處理。包裹相位圖的濾波算法有很多，如正余弦均值濾波[7]、多方向頻域濾波[8]、自適應多方向頻域濾波[9-10]，綜合考慮濾波算法的濾波質量、濾波速度、濾波參數選取難易程度，本文選用一種正余弦均值濾波算法。

設（i，j）為圖像中任意一點，Io（i，j）為原始圖像灰度值，Isin（i，j）、Icos（i，j）分別為正弦變換、余弦變換后的灰度值，Isin′（i，j）、Icos′（i，j）分別為濾波后的正弦變換灰度值和余弦變換灰度值，Ie′（i，j）為濾波后的圖像灰度值，則正余弦變換公式為

逆運算公式為

2 剪切散斑干涉包裹相位圖缺陷特征

對含有缺陷輪胎進行加載，通過剪切散斑干涉裝置獲取加載前、后輪胎散斑圖，并經過相移算法可得到輪胎缺陷包裹相位條紋圖，其相位條紋是離面位移在錯位方向一階導數的等直線條紋[9]，缺陷區域呈典型“蝴蝶狀”條紋圖。圖1（a）為輪胎缺陷包裹相位圖，圖1（b）為圖1（a）經正余弦均值濾波后得到的包裹相位濾波圖，濾波模板為21×21。

由圖可以看出，經過濾波處理后，包裹相位圖的大部分噪聲被濾除，包裹相位圖的非缺陷區域為平滑區域，不含有角點特征，包裹相位圖的缺陷區域呈典型“蝴蝶狀”條紋圖，含有較多的角點，故可基于角點特征對包裹相位圖進行缺陷識別。

圖1 原始包裹相位圖及其濾波預處理圖

3 基于角點特征的包裹相位圖缺陷識別原理

現有角點檢測算法主要有：Moravec角點檢測算法[11]、Harris角點檢測算法[12]、Forstner角點檢測算法[13]等。本文主要采用Harris角點檢測算法對包裹相位圖進行角點特征提取。

首先定義圖像窗口平移[u，ν]產生灰度變化的自相關函數 E（u，ν）：

式中：w（x，y）——以點（x，y）為中心的窗函數；

I（x，y）——圖像中任意一點（x，y）的灰度值。

將式（3）中的 I（x+u，y+ν）進行 Taylor級數展開并舍去高階小量得：

定義矩陣H：

則自相關函數 E（u，ν）為

其中，矩陣H稱為自相關矩陣。

設λ1、λ2為矩陣H的兩個特征向值，則可通過特征值λ1、λ2的相對大小判斷該點是否為角點，在實際檢測過程中，常用角點響應 RCR（corner response，CR）來判斷角點的質量，角點響應函數為

其中α為經驗常數，一般取0.04～0.06，文中α=0.06。通過計算包裹相位圖中每個像素點對應的角點響應函數RCR值，再對RCR進行非極大值抑制處理及閾值處理，便可提取出包裹相位圖中的角點。

由于包裹相位圖中噪聲干擾，可能會使得包裹相位圖的非缺陷區域產生個別或極少數的角點，有必要將這些干擾點剔除。通常由噪聲引起的角點非常少，且比較稀疏，而缺陷區域的角點多，且密集，因此，可以統計以特征點為中心的某個鄰域內特征點（角點）數目，將少于一定特征點（角點）數目的鄰域所對應的特征點剔除，這樣便可達到剔除干擾點的目的。

通過獲取包裹相位圖的角點，便可對包裹相位圖進行缺陷識別，包裹相位圖角點所在的區域就是包裹相位圖中缺陷所在區域。由于包裹相位圖中的缺陷區域呈典型的“蝴蝶狀”，而真實的缺陷區域并不是一個“蝴蝶狀”區域，為此本文用包裹相位圖剪切方向及其法線方向最邊緣的4個角點所形成的矩形區域近似代替包裹相位圖的缺陷區域，矩形缺陷區域的4條邊分別與包裹相位圖的剪切方向及其法線方向平行。

圖2為基于角點特征的包裹相位圖缺陷識別算法流程圖。先對包裹相位圖進行濾波預處理，減少噪聲干擾，提取包裹相位圖中的角點并剔除干擾角點，最后將剪切方向及其法線方向最邊緣的4個角點所形成的矩形區作為包裹相位圖的缺陷區域。

4 實驗結果與分析

本文采用上述方法對兩幅含有缺陷的激光剪切散斑干涉包裹相位圖進行缺陷識別，并對缺陷識別結果進行對比分析。圖3（a）中紅色標識的像素點是圖1（a）包裹相位圖中的角點；圖3（b）中紅色矩形方框為基于角點特征所識別的缺陷區域。

圖2 基于角點特征的包裹相位圖缺陷識別算法流程圖

圖3 包裹相位圖缺陷識別實驗1

圖4 是另一組包裹相位圖缺陷識別實驗，實驗參數與圖3缺陷識別參數相同。圖4（a）是一幅原始散斑干涉包裹相位圖；圖4（b）是圖4（a）的正余弦均值濾波圖；圖4（c）中紅色標識的像素點是包裹相位圖中的角點；圖4（d）中紅色方框為基于角點特征所識別的缺陷區域。

從圖3、圖4可以看出：1）基于角點特征的包裹相位圖缺陷識別算法能夠較好地識別缺陷區域的位置及大小；2）在圖4中，包裹相位圖中的條紋雖然已分辨不清，但仍取得了較好的缺陷識別效果；3）該缺陷識別算法對包裹相位圖濾波預處理質量要求不高，適當過度濾波對缺陷識別影響不大。

圖4 包裹相位圖缺陷識別實驗2

5 結束語

本文從激光散斑干涉包裹相位圖缺陷特征、去噪方法等方面對輪胎激光散斑干涉包裹相位圖缺陷識別問題進行研究，并根據激光散斑干涉包裹相位圖缺陷特征，提出基于角點特征的包裹相位圖缺陷識別方法。該方法簡單、高效，實驗結果表明：該缺陷識別方法無論對條紋質量較好包裹相位圖還是對條紋質量較差的包裹相位圖，都能較好識別缺陷區域的位置、大小，達到了較好的缺陷識別效果，有助于提高輪胎缺陷檢測速度、效率，實現自動化輪胎缺陷檢測。

[1]馮家亞，王永紅，王鑫，等.基于4f的大視角剪切散斑干涉系統設計[J].應用光學，2015（2）：188-193.

[2]蔡長青，張永山，汪大洋，等.新型剪切散斑干涉系統研究[J].激光與光電子學進展，2014（11）：141-145.

[3]WERNER J，THOMAS K，UHIKE M，et al.Application of neural network and knowledge based systems for automatic identification of fault indicating fringe patterns[C]∥Proceedings of SPIE，1994（2342）：16-26.

[4]王永紅，馮家亞，王鑫，等.基于狹縫光闌的剪切散斑干涉動態測量[J].光學精密工程，2015（3）：645-651.

[5]郭媛，毛琦，陳小天，等.雙波長剪切散斑干涉法在復合材料缺陷檢測中的應用[J].光子學報，2015（3）：188-192.

[6]侯園園，徐建.基于主元分析的隨機相移散斑圖分析算法[J].中國激光，2016（12）：1-13.

[7]王永紅，李駿睿.散斑干涉相位條紋圖的頻域濾波處理[J].中國光學，2014，7（3）：389-295.

[8]陳冬雪，劉桂雄.輪胎激光散斑干涉相位條紋圖多方向頻域濾波方法[J].中國測試，2015，41（11）：88-92.

[9]鐘浩，劉桂雄，陳冬雪，等.輪胎激光散斑干涉相位條紋圖局域多方向頻域濾波方法[J].中國測試，2016，42（6）：100-103.

[10]LIU G X，CHEN D X，PENG Y H，et al.Adaptive multidirectional frequency domain filterfor noise removal in wrapped phase patterns[J].Applied Optics，2016，55（22）：5953-5959.

[11]MOREVEC H.Towards automatic visual obstacle avoida nce[C]∥International Joint Conference on Artificial Intelligence，1977：584-584.

[12]HARRIS C，STEPHENS M.A combined corner and edge detection[C]∥Alvey Vision Conference，1988：189-192.

[13]孔小麗，金永，王召巴.一種光柵條紋圖像非線性矯正算法的 DSP 實現[J].中國測試，2015，41（4）：66-69.

（編輯：劉楊）

Defect recognition method in wrapped phase patterns of speckle shearing interferometry for tire

NAN Ruiting1，CHEN Dongxue2
（1.Guangzhou Communications Technician Institute，Guangzhou 510540，China；2.School of Mechanical and Automotive Engineering，South China University of Technology，Guangzhou 510640，China）

The current artificial auxiliary recognition for speckle shearing interferometry for tire could not meet the need of mass industrial production detection.This paper introduces a tire defect recognition method based on the corner characters of speckle shearing patterns so as to realize automatic defect recognition for tire.It analyzes the defect characteristics of wrapped phase patterns of laser speckle interferometry and its denoising method，proposes a defect recognition method of wrapped phase patterns according to and based on corner characters of laser speckle interference.Resultsshow thatin thetwodefectrecognition experimentsofwrapped phase patterns， the method proposed demonstratesaccurate effectsand high positioning accuracy，regardless of the fringe quality of wrapped phase patterns.It is easy to operate and effective as well，which helps improving the speed and efficiency of tire defect recognition，and also able to achieve automatic detection.

tire；shear speckle interferometer；wrapped phase patterns；defect recognition

A

1674-5124（2017）04-0114-04

10.11857/j.issn.1674-5124.2017.04.024

2016-12-21；

2017-01-10

廣州市科技計劃項目（201509010008）；粵港共性技術招標項目（2013B010134008）

南瑞亭（1981-），女，陜西西安市人，講師，主要從事計量檢測設備研發及相關專業教學工作。