基于紅外光電成像的后擋玻璃加熱絲檢測方法

周慶飛，張 雷

(1. 中國科學院大學，北京 100000； 2. 江蘇物聯網研究發展中心 光電信息中心，江蘇 無錫 214000； 3. 華東師范大學 空間信息與定位導航上海高校工程研究中心，上海 200062)

基于紅外光電成像的后擋玻璃加熱絲檢測方法

周慶飛1,2，張 雷2,3

(1. 中國科學院大學，北京 100000； 2. 江蘇物聯網研究發展中心 光電信息中心，江蘇 無錫 214000； 3. 華東師范大學 空間信息與定位導航上海高校工程研究中心，上海 200062)

加熱絲一般是通過網印的方式將專用的導電銀漿印刷到玻璃的表面，玻璃經鋼化后，導電銀漿燒結到玻璃表面。但是生產的加熱絲很容易出現加熱絲斷裂和異常高溫點等質量問題，傳統的后擋玻璃加熱絲檢測方法多采用接觸法初略檢測其電阻值，根本無法檢測出后擋玻璃是否存在加熱絲斷裂和異常高溫點。針對這一問題，提出了一種基于紅外光電成像的汽車后擋玻璃加熱絲檢測方法，即用紅外熱像儀獲取汽車后擋玻璃加熱絲通電加熱后的熱像圖，基于該圖進行圖像預處理和細化處理，然后對其中的后擋玻璃加熱絲的根數進行識別統計。將該方法應用在汽車后擋玻璃生產線上后，可以有效檢測出每塊后擋玻璃的加熱絲是否存在缺陷，提高了玻璃生產線的檢測效率。

加熱絲；紅外熱像圖；細化

Abstract: Heating wire’s printing is generally through the screen printing method to dedicate conductive silver on the glass surface, after tempering, conductive silver paste sintered to the glass surface. But the production of heating wire is prone to appear fracture and have abnormal high temperature points and other quality problems, and the traditional method of heating wire detection is just to detect its resistance value, simply can not detect the presence of the breakage and high temperature points. Aiming at this problem, this paper presents a detection method of the heating wire of automobile rear glass based on infrared photoelectricity,through obtaining the thermal image of the heating wire of the glass after the heating wire is heated by the infrared thermal imager. After pretreatment and refinement processing, the number of the heating glass in the rear glass is counted and the abnormal high temperature points is labeled. The method can effectively detect whether the heating wire of each rear glass is defective and can improve the detection efficiency.

Key words:heating wire; infrared image; thinning

0 引言

汽車后擋玻璃上的加熱線用于除霜霧，已成為汽車必不可少的裝置之一[1]。車后擋玻璃除霜加熱線可用于快速消除后擋玻璃上的霜霧，直接影響到汽車的舒適性和安全性[2]。在后擋玻璃生產線上，加熱絲的檢測多采用人工抽檢的方式檢測其電阻以及人工在線肉眼監視的方法，但人工檢測速度慢，人眼檢測還會受到外界因素的影響[3]，所以傳統的檢測方法效率低下且不能檢測出是否存異常高溫點和加熱絲斷裂等缺陷，很容易讓存在加熱絲缺陷的后擋玻璃流入市場，既影響了公司形象又增加了售后成本。賈倩倩等人為了在光切法三維形貌測量中快速準確提取光條的中心位置，保證測量精度，研究了一種光條中心的亞像素提取方法[4]；李大鵬等人在對裂紋紅外無損檢測的試驗和數值研究基礎上，研究了裂紋特征提取算法，制定了裂紋重建流程[5]；彭向前等人設計了浮法玻璃質量在線檢測與分析系統[6]。針對后擋玻璃加熱絲的紅外圖像，快速、有效、準確地從圖像提取出直線與曲線對于準確構建識別對象模型具有很重要的意義[7]。所以需要一種高效的檢測方法幫助其解決質量檢測問題。本文提出了一種基于紅外的方法，不但可以實時檢測出每塊后擋玻璃加熱絲的電阻和功率等數據，而且可以檢測其是否存在異常高溫點和加熱絲斷裂等缺陷，并可以獲取、保存有缺陷的后擋玻璃的熱像圖等數據，以供后續的分析。

其中，存在異常高溫點的缺陷是生產的后擋玻璃的加熱絲上某一點或某一區域的導電銀漿太集中，使該點在正常加熱時溫度遠高于安全溫度，存在這種高溫點的后擋玻璃很可能在使用的時候燒壞后擋玻璃的貼膜，甚至會灼傷乘客；存在加熱絲斷裂的缺陷的后擋玻璃加熱絲是其局部或者邊緣處的導電銀漿出現斷開，使加熱絲形成斷路，所以這部分加熱絲不會被加熱，影響后擋玻璃的整體加熱效果，是很嚴重的質量問題。基于紅外光電成像的后擋玻璃加熱絲檢測方法是用可編程電源加載電壓在后擋玻璃加熱絲兩端，由于加熱絲是導電銀絲，通電一段時間后加熱絲的溫度會明顯高于周圍玻璃的溫度，獲取加熱絲的紅外熱像圖，可以分辨出被加熱的加熱絲部分，經過圖像預處理和細化處理后，可以有效識別加熱絲，并可以在檢測的過程中獲得區域的最高溫點和加熱絲的電阻、功率等數據。實驗結果表明，該檢測方法可以準確檢測出后擋玻璃的加熱絲根數和異常高溫點，適用于生產車間流水線檢測。

1 系統硬件框圖

系統硬件框圖如圖1所示。系統的硬件部分主要由紅外熱像儀、可編程電源、I/O模塊和四色指示燈四個部分組成。該硬件系統設計的主要目的是給后擋玻璃加熱絲通電并獲取其通電后的紅外圖像，以便于系統后續進行圖像預處理、識別檢測和數據處理等。

圖1 系統硬件框圖

異常高溫點的檢測方法是獲取圖像的最高溫度值，將該值與設定的閾值進行比較從而做出判斷；而是否存在加熱絲斷裂的缺陷則需要運用下文的圖像處理和加熱絲識別算法。

2 圖像預處理

如圖2所示，后擋玻璃的加熱絲部分在通電加熱后其溫度上升明顯，通過紅外熱像儀獲取到其紅外圖像，可以很清晰地分辨出圖像中的加熱絲。但是為了凸顯出其中的加熱絲部分，采用了差值法對其進行處理。

圖2 加熱絲通電加熱前后對比

本文所采用的差值法為：保證后擋玻璃板不移動的情況下，把加熱絲通電加熱前的一幀圖像作為基礎幀f0，經通電加熱一段時間后的一幀圖像作為f1，將兩幀紅外圖像相減可以得到差異幀：

fd=f1-f0

(1)

做差值處理后的圖像如圖3所示。由于做差值處理后圖像中還存在很多噪聲，本文首先針對差值處理后的圖像做中值濾波處理，去除圖像中的椒鹽噪聲；然后做維納濾波，因為維納濾波對高斯噪聲和乘性噪聲都有明顯的抑制作用；最后根據所檢測目標的特點，即線的方向為接近豎直方向的曲線，采用特殊算子對圖像進行連接處理，即彌補濾波過程中造成的加熱絲局部斷裂現象，最后利用形態學的膨脹腐蝕消除最后的噪點，流程如圖4所示。

圖3 做差值處理后的圖像

圖4 濾波去噪流程

獲得差異幀fd并做濾波處理后，為方便后續的識別，需要對預處理后的圖像進行二值化，該方法中選擇的是迭代閾值法[8]對圖像進行二值化。

3 識別算法

3.1傳統的邊緣檢測方法

Canny邊緣提取效果如圖5所示。分析圖像后發現，圖中的加熱絲部分和周圍背景存在明顯的差異，可以提取加熱絲的邊緣，即提取出感興趣的部分，有利于加熱絲根數的檢測和識別。

圖5 Canny邊緣提取效果

傳統的方法一般是采用邊緣檢測的方法來對圖像進行邊緣提取，凸顯出加熱絲的邊緣，然后針對邊緣提取后的圖像進行識別統計，算法描述如下：

(1)用Canny算子對圖像進行邊緣提取；

(2)按照設定的檢測區域由左邊界開始從左至右掃描圖像，記錄每行出現灰度值躍遷的次數Lx；

(3)找出所記錄的掃描結果中出現最多的數LMax，將LMax作為識別出的線數結果。

該識別方法是基于提取的加熱絲的邊緣來對根數進行識別，缺點是一旦操作人員的肢體或者其他設備進入圖像會對使識別出錯，且線的邊緣出現的毛刺會對識別結果帶來很大的影響，識別出的根數往往大于實際的根數，識別準確率不能達到要求，需要對圖像中感興趣的部分，也就是加熱絲的白線的提取方法和統計的方法進行改進。

3.2加熱絲細化提取

觀察發現所識別的加熱絲的形狀一般是接近直線的曲線段，且每條線段都有一定的寬度，因此可以采用細化算法將二值圖像中的加熱絲細化，即保證原線連通且保持原來形狀的的情況下，將圖像中每條曲線的寬度細化為一個像素。陳瑞改等人研究了一種干涉條紋中心線提取與細化的新方法[9]，但是由于系統是應用在實際的生產線上，對于檢測的效率要求比較高，因此需要采取一種高效的細化算法對圖像中的加熱絲部分進行細化，以利于后續的識別，可以利用像素八鄰域的連通性對其進行統計[10]。

如圖6所示，某像素點為P(x,y)，則在其周圍總共存在8個相鄰的像素點，稱為該像素的八鄰域，分別為P1(x-1,y-1)、P2(x,y-1)、P3(x+1,y-1)、P4(x-1,y)、P5(x+1,y)、P6(x-1,y+1)、P7(x,y+1)、P8(x+1,y+1)。

圖6 像素P(x,y)的八鄰域

本文采用的細化算法是基于像素點P(x,y)鄰域點的個數和鄰域塊數來對像素進行處理，其中的鄰接塊的概念是用來表示周圍鄰接點的連通的情況，用圖7來說明具體的含義。其中*表示正在被處理的像素點，該像素點的八鄰接點的位置標記如圖7(a)所示，圖7(b)～(d)中標為1的位置的像素為圖像像素，標為0的為背景像素。其中圖7(b)中的2,3,4,5位置的點是連通的，8位置的點是單獨一個區域，所以圖7(b)的鄰接塊數為2；圖7(c)中2,3位置的點是連通的，6,7位置的點是連通的，所以圖7(c)的鄰接塊數為2；圖7(d)中2位置和4位置和6位置都分別為單獨的區域，所以圖7(d)的鄰接塊數為3。

圖7 P(x,y)鄰接塊

細化算法可描述為將檢測目標細化的過程等價于將細化對象外層的像素不斷玻璃，直到獲得連通線是單個像素，所以其中最關鍵的是刪除的規則。同時,細化的過程中要保證對象的連通性，并且細化后的單像素曲線最好是原曲線的中心線，因此，可以得出像素不可以刪除的限制條件是：

(1)該像素是端點(即只有一個鄰接點)；

(2)刪除該像素之后破壞原來線的連通性[11]。

圖8舉出了一些例子來說明該細化算法中刪除像素點的規則。其中,在圖8(a)～(d)中的情況下，該像素點是不可以被刪除的，因為刪除后會破壞線原來的連通性。而在圖8(e)和圖8(f)的情況下像素點是可以刪除的，因為刪除前后的線的連通性不會被改變。

圖8 刪除規則說明

綜上所述，便可概括出像素點可以被刪除的所有情況，由統計出的像素鄰接點的數量(用Node.Sum來表示)和鄰接塊的數量(用Node.Count來表示)對相應的像素點進行刪除，以實現細化。

圖像識別步驟如下：

(1)將細化后的圖像進行連接處理，消除小的斷裂；

(2)從左向右、從上到下掃描圖像，記錄每行的像素的灰度值，依次統計每行等間隔出現波峰的區域，計算波峰間隔的平均值Dis。

(3)將開始等間隔出現波峰的橫坐標的最小值記錄為Xmin，將等間隔出現波峰的橫坐標的最大值記錄為Xmax，確定統計區域為[Xmin-2Dis,Xmax+2Dis]。

(4)在統計區域內，從左到右統計每行的峰值數County,根據設置的區域數，統計每個區域所有行中出現最多的峰值數作為該區域識別出的加熱絲的根數。

圖9為將細化后的圖像從上到下等間隔取5條線，然后繪制其每行的灰度值，可以看到每行集中出現峰值的區間約為[180,380]，每行的灰度曲線這個區間內出現的波峰個數均為17，最終的識別結果為17根。該算法相對邊緣提取方法的優勢是：將加熱絲細化為單像素寬度的曲線，能更有效地提取加熱絲，并且可以防止工作人員肢體或設備對圖像的干擾，如圖9中的第二和第三條灰度曲線，步驟(3)中確定的統計區域有效防止了對根數統計的影響。

圖9 統計算法說明

4 實驗結果與分析

為了驗證算法的有效性，將該方法用C#編寫為具體的代碼在軟件中實現，圖10所示為實際檢測的結果，方框部分標注出的為每根加熱絲的標記,左圖中的后擋玻璃加熱絲不存在質量問題，右圖中的下方區域存在一根斷的加熱絲。經過驗證，該檢測方法可以將檢測的準備率控制在98.5%以上，與傳統的檢測方式相比，該方法具有無視電路結構復雜性、非接觸測量、擴展性強和識別率高等優點。

圖10 實際檢測結果展示

與經典的Steger、Hilditch、Pavlidis等細化算法相比，本文采用的細化算法優點是效率高，細化效果好。該檢測方法和系統已成功應用在具體的生產檢測中。

5 結論

本文提出一種基于紅外光電成像的汽車后擋玻璃加熱絲檢測方法，成功將細化算法應用在后擋玻璃加熱絲的紅外圖像檢測識別上。該方法可以有效檢測出后擋玻璃

加熱絲可能存在的各種缺陷，不僅提高了生產線上產品檢測的效率，還可以將每塊玻璃的平均檢測時間控制在為3 s以內，保證了檢測效率和準確率。

同時，本文提出的一整套的硬件系統和解決方案，不僅擴展性強，而且穩定性高，針對傳統的人工抽檢無法檢測出后擋玻璃存在的各種缺陷的不足，可以檢測出每一塊的后擋玻璃的加熱絲存在的質量問題，并可以將檢測的各項數據保存至數據庫。該系統已成功應用于天津和上海等汽車后擋玻璃生產廠的生產線上。另外，本文提出檢測的方法適用于檢測其他一些通電或加熱后溫度有明顯變化的產品或材料。

[1] 付明，陳棟.汽車后擋玻璃銀加熱線的耐酸性研究[J].材料導報，2010,24(22)：113-115.

[2] 陳棟.汽車后擋玻璃加熱線銀漿研究[D].武漢：武漢科技大學，2010.

[3] 趙健，高軍，羅超，等.基于數字圖像處理的玻璃缺陷在線檢測系統[J].電子技術應用，2013,39(12)：90-92.

[4] 賈倩倩, 王伯雄, 羅秀芝.光切法形貌測量中光條中心的亞像素提取[J].光學精密工程, 2010, 2(2):390-396.

[5] 李大鵬, 張利群, 趙巖松.紅外無損檢測中的裂紋特征提取和圖形重建方法研究[J].計算機測量與控制,2005,13(7):624-626.

[6] 楊成, 閆治國, 朱合華，等.公路隧道襯砌質量紅外熱像檢測技術初探[C].運營安全與技能環保的隧道及地下空間交通基礎設施建設第四屆學術研討會，2013：137-140.

[7] 彭向前，謝經明，陸萬順，等.浮法玻璃質量在線檢測與分析系統[J].玻璃，2009，36(12):43-46.

[8] 汪海洋,潘德爐,夏德深.二維Otsu 自適應閾值選取算法的快速實現[J]. 自動化學報, 2007, 33(9): 968-971.

[9] 陳瑞改, 陳懷新.干涉條紋中心線提取與細化的新方法[J].激光雜志, 2006, 26(5):40-41.

[10] 趙京東, 葉傳秀.連通和連通邊緣跟蹤中的梯度函數[J].計算機工程與應用, 2008, 44(33):181-183.

[11] 張翌.復雜場景下直線與曲線檢測方法研究[D].長沙：湖南大學，2014.

Detecting method of heating wire for rear glass based on infrared optoelectronic imaging

Zhou Qingfei1,2, Zhang Lei2,3

(1. University of Chinese Academy of Sciences, Beijing 100000, China; 2. Photoelectric Information Center, JiangSu R&D Center for Internet of Things, Wuxi 214000, China; 3. Space Information and Positioning Navigation Shanghai University Engineering Research Center, East China Normal University, Shanghai 200062, China)

TP274+.52

A

10.19358/j.issn.1674- 7720.2017.18.027

周慶飛，張雷.基于紅外光電成像的后擋玻璃加熱絲檢測方法[J].微型機與應用，2017,36(18)：92-95.

2017-03-21)

周慶飛(1990-)，通信作者，男，碩士研究生，主要研究方向：紅外光電、紅外圖像處理、信號處理等。E-mail:357604901@qq.com。

張雷(1978-)，男，博士，教授，主要研究方向：電子與信息、光電子物理、衛星導航定位等。