基于圖像處理的電機磁性產品的檢測

朱桂英

摘 要：文章以汽車電機中的主要磁性產品表面缺陷檢測為研究對象，結合圖像處理、機器視覺、智能計算等理論知識，通過理論分析、數值模擬和實驗研究磁材表面紋理的抑制、缺陷區域檢測、缺陷特征提取及缺陷類型的智能識別，進一步開發基于圖像處理的磁材微缺陷可視化在線無損檢測系統。

關鍵詞：圖像處理；磁性產品；缺陷檢測

中圖分類號：TH134 文獻標志碼：A 文章編號：2095-2945（2017）30-0023-02

Abstract：The object is surface defect detection of small magnetic of Motor vehicle. Through image processing， numerical simulation and experimental research， the surface texture suppression of magnetic， the defect region detection based on visual saliency， the defect feature extraction with significant influence and the intelligent recognition of defect types will be studied combined with human visual perception， Further， a visual inspection system of small magnetic based on image processing will be developed.

Keywords：image processing；Magnetic products；Defect detection

1 概述

近年來，隨著電子技術的飛速發展和人們對自動化性能的不斷需求，電機在汽車的應用不斷深入，汽車中有很多電機，比如雨刷器電機，車窗的玻璃升降器電機，后視鏡的調整電機，CD機的驅動電機，天窗的開啟與閉合驅動電機，汽車發電機等等。為了保證電機的可靠運行，高性能的電機用磁材的需求就不斷增加。

但是在磁材成型過程中，原材料攪拌不均勻或混有雜質、成型模具的磨損、燒結工序的溫度控制不當或半成品受熱不均勻等均會使磁材產生尺寸缺陷和表面缺陷，如裂紋、粘連、結晶及掉角等。表面缺陷會直接影響磁材后期的品質，導致產品導磁率低、氣隙大，降低產品的可靠性和穩定性，從而影響汽車的正常使用。

目前，磁材的類型大約有6000多種，而且是小批量定制，一條磁材生產線上生產的磁材類型經常發生變化，雖然通過優化配置可以減少同一生產線上磁材的種類，但市場上還沒有可以對多種類型磁材進行在線尺寸和表面缺陷檢測的自動化設備。為保證生產的連續性，磁材生產企業仍然采用人工檢測磁材的表面缺陷。人工檢測中工人勞動強度大，受限于工人的精神狀態、檢測熟練水平、經驗積累水平以及工作環境等多方面因素，檢測的效率低、速度慢，器件的一致性標準難以得到保證。檢測過程中由于工人疲勞，不可避免的產生錯撿、漏檢，不合格產品的流出不僅會給工廠帶來經濟損失，更嚴重的是會給用戶帶來安全隱患。

本文針對不同類型磁材外觀檢測中存在的主要問題，探討基于圖像處理的磁材表面缺陷檢測方法。該系統完成后，可以節省人工，從而節省勞動力，減輕勞動強度，提高工作效率及工廠經濟效益。

2 軟件設計

根據小型磁材的技術要求，主要的表面缺陷有：

（1）裂紋（包括裂紋、開裂等）

（2）磕邊（包括磕邊、崩邊、料殘等）

（3）麻點（包括麻點、麻面、氣泡、傷痕、渣層、局部過厚、電鍍瘤等）

（4）砂眼（包括砂眼、氣孔、針孔、粒子等）

（5）劃痕（包括劃痕、線痕、刀痕等）

首先，通過分析小型磁材表面紋理的產生機理及其成像特點，研究小型磁材表面復雜紋理的抑制算法；其次，根據不同缺陷的產生機理和成像機理，研究缺陷的分類方法及其相應的缺陷提取算法；進而，研究缺陷區域的特征描述方法及其缺陷類型的識別方法；最后，搭建實驗平臺和開發缺陷檢測系統，并通過實驗對檢測系統的準確性、實時性和魯棒性進行完善。磁材表面缺陷圖像具有對比度低、紋理背景復雜、缺陷種類多、亮度不均勻等特點。根據磁材表面缺陷圖像的梯度圖、灰度直方圖以及檢測功能的需要，可將磁材表面圖像分為正常區域、背景區域、缺陷區域、干擾區域。

（1）正常區域：磁材表面正常區域灰度值較高且與缺陷區域灰度值差別較大，區域內部灰度值比較平均、梯度值比較??；

（2）背景區域：磁材圖像中磁材以外的區域，該區域內部灰度值小，灰度變化平穩，與磁材表面灰度平均值差值大易于分割；

（3）缺陷區域：磁材表面缺陷區域內部灰度值小，區域內部灰度值比較平穩；但不同缺陷區域與正常區域的灰度值差別不同，交界部分梯度值大小也不同。有的缺陷交界部分梯度值大，如裂紋、掉塊等；有的缺陷交界部分梯度值小，如偏磨等。

（4）干擾區域：磁材表面圖像干擾區域主要包含表面紋理干擾和光照不均產生的陰影干擾，磁材表面紋理圖像區域灰度值小，內部區域面積小，寬度窄，與正常區域交界處梯度值較大對磁材表面缺陷檢測干擾較大。因光照不均產生的陰影干擾區域內部灰度值與正常區域灰度值差別小，二者交界處的梯度值小；而且陰影內部區域灰度平穩，變化小，對磁材表面缺陷檢測的干擾小。

本文將CCD相機通過千兆網線與電腦相連，搭建實驗室環境下磁材尺寸和表面缺陷檢測實驗平臺，拍攝不同類型和不同缺陷的磁材所有表面圖像，并利用opencv開發磁材尺寸與表面缺陷檢測系統。缺陷檢測算法主要分為磁材尺寸缺陷檢測算法和磁材表面缺陷檢測算法兩大部分，磁材尺寸缺陷檢測及定位原理如圖1所示，磁材表面缺陷檢測及合格磁材分級原理如圖2所示。

合格的磁材也有可能存在尺寸和表面缺陷，但缺陷必須滿足不同磁材的要求，一般廠家都會提供磁材缺陷的尺寸要求，而且要求對合格品進行分級。

3 結束語

本文研究了磁材的各種缺陷以及生成機理，研究了一套基于圖像處理的檢測系統，已經在matlab上對一些關鍵算法進行了開發和實驗研究，主要有磁材和磁材尺寸測量，可以測量出磁材的內徑、外徑和厚度，測量誤差在20um左右；磁材表面的紋理去除算法，主要提出通過各向異性濾波器抑制紋理的算法，雖然紋理去除效果比較理想，但程序運行時間比較長，需要對算法進行優化或設計其他性能更優良的去紋理算法；磁材裂紋、磕邊、砂眼、倒角四種比較容易識別缺陷的區域提取算法，以及相應面積、周長、圓形度、寬長比、區域復雜度等特征的提取算法；還需要設計出效果更好的預處理算法，以便于提取劃痕、偏磨、污漬等其它表面缺陷。

參考文獻：

[1]翟弘揚.數字圖像識別及應用[J].科技與管理，2016（9）：69.

[2]陳凱.人工“智能”圖像識別[J].信息技術課，2017：21-23.

[3]麻興東.計算機智能圖像識別算法研究[J].科技資訊，2015（20）：24-25.

[4]楊成立，殷國富，蔣紅海，等.基于小波變換的磁瓦表面缺陷檢測方法研究[J].計算機應用與軟件，2014（11）：210-213.

[5]劉海，李燁，李妍臻.基于圖像處理的PCB自動檢測系統的設計與研究[J].電子世界，2013（2）：115-116.

[6]楊成立，殷國富，蔣紅海，等.基于改進的自適應中值濾波的磁瓦表面缺陷檢測[J].組合機床與自動化加工技術，2014（2）：79-82.

[7]張兵.高光譜圖像處理與信息提取前沿[J].遙感學報，2016（5）：1062-1090.endprint