壓電陶瓷片表面缺陷視覺檢測(cè)系統(tǒng)的研制

苑瑋琦，趙 麗

(沈陽工業(yè)大學(xué) 視覺檢測(cè)技術(shù)研究所，遼寧 沈陽 110870)

壓電陶瓷片表面缺陷視覺檢測(cè)系統(tǒng)的研制

苑瑋琦，趙 麗

(沈陽工業(yè)大學(xué) 視覺檢測(cè)技術(shù)研究所，遼寧 沈陽110870)

壓電陶瓷片在生產(chǎn)加工過程中表面會(huì)出現(xiàn)空洞、斑點(diǎn)和劃傷缺陷，使其壓電性、介電性等性能劣化，影響產(chǎn)品質(zhì)量。目前對(duì)壓電陶瓷片表面缺陷檢測(cè)還停留在人工目測(cè)的階段，精度達(dá)不到要求，易出現(xiàn)漏檢的現(xiàn)象，效率低下。結(jié)合壓電陶瓷片本身及其待測(cè)缺陷的特征，提出一種基于視覺檢測(cè)技術(shù)實(shí)現(xiàn)壓電陶瓷片表面缺陷檢測(cè)的方法。將壓電陶瓷片放置在二維移動(dòng)平臺(tái)上，配合線陣相機(jī)進(jìn)行多張圖像采集，獲取完整的壓電陶瓷片信息，通過所設(shè)計(jì)的圖像處理算法進(jìn)行缺陷提取與質(zhì)量判斷，最終完成產(chǎn)品樣機(jī)的研制。

視覺檢測(cè)；成像；圖像分割；圖像增強(qiáng)

0 引言

壓電陶瓷是一種具有壓電效應(yīng)，將機(jī)械能和電能相互轉(zhuǎn)換的功能陶瓷材料，具有壓電性、介電性、彈性等，并且具有耐高溫、耐腐蝕、耐磨損、密度小等優(yōu)良的物理機(jī)械性能[1-2]，已被廣泛應(yīng)用在醫(yī)療、工業(yè)、航天等電子領(lǐng)域。

表面形成空洞、斑點(diǎn)和劃傷缺陷，使其性能劣化[3]。若利用存在質(zhì)量問題的壓電陶瓷片構(gòu)建產(chǎn)品，在高壓通電工作時(shí)易破裂，影響產(chǎn)品利用價(jià)值，因此在應(yīng)用初期進(jìn)行缺陷檢測(cè)，剔除廢品是非常必要的。

圖1 壓電陶瓷片

本文所研究的壓電陶瓷片對(duì)象如圖1所示，用于制造陶瓷諧振器、濾波器、微波介質(zhì)等，寬度為27 mm,高度為45 mm，檢測(cè)精度為1 000 μm2。

本文研制了一套完整的壓電陶瓷片表面缺陷視覺檢測(cè)系統(tǒng)[4]，實(shí)現(xiàn)對(duì)多種缺陷的有效識(shí)別。首先進(jìn)行硬件系統(tǒng)結(jié)構(gòu)設(shè)計(jì)、成像原理分析，選擇合適參數(shù)的硬件設(shè)備，搭建一套完整的硬件平臺(tái)。其次通過數(shù)字圖像處理技術(shù)對(duì)采集的圖像進(jìn)行算法分析，缺陷提取。最后基于Visual Studio 2010軟件開發(fā)環(huán)境設(shè)計(jì)一套完整的應(yīng)用程序，實(shí)現(xiàn)壓電陶瓷片表面缺陷的全自動(dòng)在線檢測(cè)功能。

1 檢測(cè)系統(tǒng)設(shè)計(jì)

檢測(cè)系統(tǒng)框圖如圖2所示,該系統(tǒng)按照實(shí)現(xiàn)功能分為4個(gè)模塊，分別為圖像采集模塊、傳動(dòng)模塊、圖像檢測(cè)模塊及控制模塊。

圖2 壓電陶瓷片表面缺陷視覺檢測(cè)系統(tǒng)框圖

1.1圖像采集模塊

該模塊負(fù)責(zé)對(duì)壓電陶瓷片進(jìn)行圖像采集，利用視覺成像原理分析對(duì)象，完成成像系統(tǒng)架構(gòu)設(shè)計(jì)、設(shè)備選型等工作。

1.1.1光源

以一定的照明方式將光線投射到待測(cè)樣品上，突顯特征部分[5]。本文提出一種水平側(cè)向打光照明方式，三種不同結(jié)構(gòu)特征的缺陷均可突顯，并結(jié)合光源的類型、顏色、形狀和大小等因素選用FG-BRF9017-B藍(lán)色條形光源。

1.1.2工業(yè)相機(jī)

負(fù)責(zé)將圖像傳感器接收的光學(xué)圖像轉(zhuǎn)變?yōu)橛?jì)算機(jī)能夠處理的有序電信號(hào)[6]。結(jié)合研究對(duì)象的精度，確定工業(yè)相機(jī)的掃描方式、分辨率、光學(xué)尺寸等，最終選定Teledyne DALSA LA-GM-02K08A型號(hào)的工業(yè)相機(jī)。

1.1.3鏡頭

光源發(fā)出的光線通過鏡頭，使外界景物成像到工業(yè)相機(jī)傳感器上，得到被測(cè)物的細(xì)節(jié)[7]。在選定相機(jī)的基礎(chǔ)上，需對(duì)鏡頭的分辨率、接口、放大倍數(shù)等進(jìn)行選擇，選用XF-5MDT1X65D-1C遠(yuǎn)心鏡頭。

系統(tǒng)選用的相機(jī)是利用線掃描方式采集圖像，分辨率是2 048×1,像元尺寸為7.04 μm×7.04 μm，搭配1倍遠(yuǎn)心鏡頭。為了獲取完整的陶瓷片圖像信息，需借助移動(dòng)平臺(tái)帶動(dòng)待測(cè)物進(jìn)行X軸和Y軸方向的運(yùn)動(dòng)。因此最終確定通過采集三張圖像來“合成”完整的壓電陶瓷片圖像。

1.2傳動(dòng)模塊

負(fù)責(zé)帶動(dòng)陶瓷片進(jìn)行細(xì)節(jié)運(yùn)動(dòng)，輔助圖像采集。包括電機(jī)控制器、直線滑臺(tái)。選用MV-MCP(XY)型號(hào)的二維移動(dòng)平臺(tái)，基于PC的PCI總線控制電機(jī)轉(zhuǎn)動(dòng)，帶動(dòng)滑臺(tái)運(yùn)動(dòng)，進(jìn)而帶動(dòng)檢測(cè)對(duì)象運(yùn)動(dòng)。

1.3圖像檢測(cè)模塊

利用設(shè)計(jì)的圖像處理算法對(duì)采集的三張圖像進(jìn)行缺陷檢測(cè)。并且利用多線程并行操作的方式，實(shí)現(xiàn)采集一張圖像直接進(jìn)行缺陷檢測(cè)的過程。

1.4控制模塊

包括控制線陣相機(jī)實(shí)時(shí)觸發(fā)采集圖像和控制二維移動(dòng)平臺(tái)的運(yùn)動(dòng)。

2 圖像處理算法實(shí)現(xiàn)

2.1缺陷特征

本文將檢測(cè)對(duì)象壓電陶瓷片的缺陷分為3類：

(1)空洞缺陷，如圖3(a)所示，與標(biāo)準(zhǔn)的壓電陶瓷片相比，表面存在缺損、凹坑現(xiàn)象。

(2)斑點(diǎn)缺陷，如圖3(b)所示，在加工初期配料混入雜質(zhì)引起的，與標(biāo)準(zhǔn)的壓電陶瓷片相比，顏色過暗，具有一定的圓形度。

(3)劃傷缺陷，如圖3(c)所示，加工過程中的刮擦現(xiàn)象，與標(biāo)準(zhǔn)的壓電陶瓷片相比，表現(xiàn)為連續(xù)坑洼，為條狀，并帶有一定的方向性。

圖3 缺陷成像示意圖

2.2壓電陶瓷片區(qū)域分割提取

在圖像采集過程中，成像系統(tǒng)設(shè)定的參數(shù)，包括攝像機(jī)的參數(shù)、光源強(qiáng)度等均恒定不變，因此圖像有相同的灰度特征，在算法處理的參數(shù)選擇上存在共性。如圖4(a)所示，目標(biāo)區(qū)域與背景區(qū)域分布在兩個(gè)明顯不同的灰度級(jí)范圍，利用閾值分割方法[8]提取壓電陶瓷片，算法簡(jiǎn)單、計(jì)算量小、運(yùn)行時(shí)間短。

(1)

式中f(x,y)為原始圖像，g(x,y)為分割后的圖像，T為分割閾值。對(duì)采集的樣品進(jìn)行反復(fù)的算法驗(yàn)證，確定了針對(duì)于本實(shí)驗(yàn)條件的最佳閾值。

圖4 壓電陶瓷片分割提取

系統(tǒng)在非封閉的環(huán)境下操作，載物裝置及壓電陶瓷片表面均有可能附著雜質(zhì)，在實(shí)驗(yàn)條件光照的影響下，載物裝置與雜質(zhì)不可避免地會(huì)在圖像上成像，如圖4(a)，對(duì)圖像分割定位壓電陶瓷片產(chǎn)生干擾。圖4(b)為T=40的閾值分割結(jié)果，存在虛假區(qū)域并且待提取的目標(biāo)存在虛假邊界，為了更準(zhǔn)確地檢測(cè)目標(biāo)的邊界信息，避免對(duì)后續(xù)處理造成影響，需進(jìn)行邊界整理及非對(duì)象區(qū)域的刪除。

圖像中干擾區(qū)域的尺寸較小，并且待提取目標(biāo)的邊界輪廓呈線型，形狀規(guī)則，利用開運(yùn)算和閉運(yùn)算來獲取對(duì)象區(qū)域的邊界信息，開運(yùn)算用于消除小的目標(biāo)，消除細(xì)的較小的突出物，閉運(yùn)算會(huì)彌合較窄的間斷和細(xì)長(zhǎng)的溝壑，填充物體內(nèi)較小的空洞[9]。再利用基于區(qū)域的輪廓長(zhǎng)度特征篩選確定壓電陶瓷片，結(jié)果如圖4(c)所示。

2.3圖像增強(qiáng)

圖像增強(qiáng)是指以特定的需求為目的，突出圖像中感興趣的信息，削弱或去除某些不需要的信息的處理方法[10]。

本文提出一種適用于本文檢測(cè)環(huán)境的圖像增強(qiáng)算法，該算法以均值濾波技術(shù)為核心，灰度線性變換為輔助，借助中值濾波最終實(shí)現(xiàn)圖像增強(qiáng)，具體實(shí)現(xiàn)過程如下：

(1) 均值濾波是指在圖像上對(duì)目標(biāo)像素給定一個(gè)模板，用模板中的全體像素的平均值代替原來像素值[11]。設(shè)一個(gè)圖像的灰度值為g(x,y),經(jīng)過均值濾波后輸出為f(x,y),窗口選擇的鄰域Sxy包含M個(gè)點(diǎn)，則f(x,y)由式(2)決定：

(2)

小尺寸(小于缺陷尺寸)模板的均值濾波可以去除圖像中不相關(guān)的細(xì)節(jié)，平滑背景，如圖5(b)對(duì)圖5(a)進(jìn)行3×3模板均值濾波；大尺寸(大于缺陷尺寸)模板的均值濾波在平滑背景的同時(shí)使得缺陷區(qū)域融入背景中，如圖5(c)對(duì)圖5(a)進(jìn)行31×31模板均值濾波。上述兩種不同規(guī)格尺寸模板的均值濾波圖像的差可以體現(xiàn)缺陷區(qū)域，但是不利于視覺系統(tǒng)的識(shí)別，因此借助灰度線性變換對(duì)圖像進(jìn)行處理。

圖5 空洞缺陷的增強(qiáng)效果

(2)灰度的線性變換是將圖像中所有像素按照線性灰度變換函數(shù)進(jìn)行變換[12]，方程為：

DB=fADA+fB

(3)

式中fA為斜率，fB為截距，DA為輸入圖像的灰度，DB為輸出圖像的灰度。本文以增強(qiáng)圖像為目的，最終選用fA=2，fB=100進(jìn)行線性變換，效果如圖5(d)所示。

(3)中值濾波是用像素領(lǐng)域內(nèi)各灰度值排序的中值來代替該像素的灰度值。小尺寸濾波可以在保證圖像細(xì)節(jié)的情況下平滑背景，利用這一點(diǎn)對(duì)線性變換的圖像進(jìn)行小尺寸的中值濾波，如圖5(e)所示。

結(jié)合上述3種圖像增強(qiáng)算法，凸顯缺陷區(qū)域，增強(qiáng)對(duì)比度，更利于進(jìn)一步缺陷的提取。圖6為增強(qiáng)前后的灰度值對(duì)比，可知本文設(shè)計(jì)的算法在圖像增強(qiáng)方面得到了很好的實(shí)現(xiàn)。

圖6 增強(qiáng)前后的灰度值對(duì)比

空洞、斑點(diǎn)和劃傷三種缺陷在成像平面上幾何特征均不相同，因此在進(jìn)行增強(qiáng)算法處理時(shí)，需針對(duì)缺陷的特征選擇不同尺寸的模板，通過對(duì)樣品圖像分析與算法驗(yàn)證最終確定了平滑的模板尺寸，如圖7和圖8是對(duì)空洞和切傷缺陷進(jìn)行圖像增強(qiáng)的效果。

圖7 斑點(diǎn)缺陷圖像增強(qiáng)

圖8 劃傷缺陷圖像增強(qiáng)

2.4缺陷信息提取

對(duì)于壓電陶瓷片，缺陷區(qū)域的總面積要遠(yuǎn)小于背景區(qū)域的面積，所以對(duì)于圖像，背景灰度值趨向于圖像的平均灰度值，缺陷區(qū)域的灰度值要小于圖像的平均灰度值。利用上述特性選取閾值，采用閾值分割方法，提取缺陷特征區(qū)域。

壓電陶瓷片表面存在不規(guī)則的紋路，凹凸不平，所以在圖像中背景非均勻平滑，在閾值分割時(shí)不可避免地會(huì)提取部分背景區(qū)域，如圖9所示。對(duì)圖9(a)進(jìn)行閾值為81的區(qū)域分割，結(jié)果為圖9(b),其中只有面積最大且為條狀區(qū)域是劃傷缺陷，其他均為干擾區(qū)域，所以進(jìn)一步利用缺陷的特征進(jìn)行篩選。

圖9 區(qū)域分割

2.5缺陷檢測(cè)

空洞、斑點(diǎn)和劃傷缺陷均有各自的形狀特征信息，經(jīng)過上述的算法實(shí)現(xiàn)，表面缺陷基本從背景中分割出來，但是伴隨著干擾區(qū)域，因此利用各個(gè)缺陷的形狀特征，采用多特征分類法對(duì)各個(gè)缺陷進(jìn)行判別，完成缺陷檢測(cè)功能。利用到的區(qū)域描述子有區(qū)域面積、灰度方差、圓度、寬度、長(zhǎng)度和角度。

(1)區(qū)域面積表示了區(qū)域的大小，即統(tǒng)計(jì)特征區(qū)域內(nèi)的像素?cái)?shù)目，設(shè)一個(gè)區(qū)域R對(duì)應(yīng)的像素個(gè)數(shù)(區(qū)域面積)為A， (x,y)為像素點(diǎn)的坐標(biāo)，則：

(4)

(2)區(qū)域灰度方差用于表示區(qū)域內(nèi)與其區(qū)域灰度均值的偏離程度，即對(duì)比度：

(5)

其中,A為區(qū)域面積，f(x,y)為區(qū)域包含的像素的灰度值，m為區(qū)域均值，由式(6)計(jì)算：

(6)

(3)圓形度用來描述目標(biāo)區(qū)域的形狀，表示為：

(7)

式中,P為區(qū)域周長(zhǎng)，S為區(qū)域面積，當(dāng)區(qū)域形狀越接近于圓，則參數(shù)C越接近于1。

(4)在進(jìn)行算法分析處理時(shí)，提取的區(qū)域均為不規(guī)則圖形，若想利用幾何特征長(zhǎng)度、寬度和傾斜角度進(jìn)行篩選，需借助不規(guī)則幾何圖形的最小外接矩形。

在統(tǒng)計(jì)學(xué)中，用矩來描述隨機(jī)變量分布形態(tài)，將矩的定義推廣到圖像中，把像素點(diǎn)作為隨機(jī)變量值f(x,y)，感興趣區(qū)域T(即ROI)的p+q階矩為[13]：

(8)

則目標(biāo)區(qū)域的質(zhì)心坐標(biāo)有(x1,y1)：

(9)

將目標(biāo)的質(zhì)心移動(dòng)到參考坐標(biāo)系的原點(diǎn)位置，則有中心距為：

(10)

類似的，求出u00、u20、u02等。那么ROI的最小外接矩形的長(zhǎng)、寬和與坐標(biāo)系橫軸的夾角分別為：

(11)

利用上述介紹的特征參數(shù)并結(jié)合三種缺陷的幾何特征進(jìn)行篩選，最終確定各類缺陷，具體篩選過程如下：

(1)空洞缺陷檢測(cè)

空洞缺陷形狀不規(guī)則，大小不一，篩選出區(qū)域面積大于1 000 μm2即可，如圖10所示。

圖10 空洞缺陷的檢測(cè)過程

(2)斑點(diǎn)缺陷檢測(cè)

斑點(diǎn)缺陷的區(qū)域面積大于8 000 μm2，缺陷的形狀具有一定的圓形特性，且灰度分布均勻，因此利用區(qū)域面積、圓形度和灰度方差描繪子進(jìn)行篩選，其過程如圖11所示，篩選結(jié)果如圖12所示。

圖11 斑點(diǎn)篩選規(guī)則 圖12 斑點(diǎn)缺陷的檢測(cè)過程

(3)劃傷缺陷檢測(cè)

劃傷缺陷的區(qū)域面積大于8 000 μm2，順著壓電陶瓷片的紋路方向，為條狀且寬度在10～30個(gè)像素之間。區(qū)域分割提取的區(qū)域?yàn)椴灰?guī)則圖形，在利用特征變量進(jìn)行篩選時(shí)，長(zhǎng)度、寬度和角度的計(jì)算均利用幾何圖形的最小外接矩形，如圖13所示，其篩選過程如圖14所示。

圖13 ROI的最小外接矩形

圖14 劃傷缺陷的篩選過程

3 實(shí)驗(yàn)結(jié)果分析

利用本文所研制的樣機(jī)，對(duì)壓電陶瓷片進(jìn)行缺陷提取，完成質(zhì)量判斷，測(cè)試結(jié)果如表1所示。

表1 三種缺陷檢測(cè)結(jié)果

4 結(jié)論

對(duì)壓電陶瓷片本身及其表面潛在的空洞、斑點(diǎn)和劃傷缺陷進(jìn)行特征分析與研究，提出了一套完整的壓電陶瓷片表面缺陷在線視覺檢測(cè)系統(tǒng)，并完成了樣機(jī)的研制，相對(duì)于目前人工目測(cè)的檢測(cè)手段，該系統(tǒng)的檢測(cè)精度高，準(zhǔn)確性高，漏檢率低，并能夠?qū)崿F(xiàn)全自動(dòng)在線檢測(cè)。

[1] 李曉娟,李全祿.國(guó)內(nèi)外壓電陶瓷的新進(jìn)展及新應(yīng)用[J].硅酸鹽通報(bào),2006,25(4):101-107.

[2] 田欣利,于愛兵,工程陶瓷加工的理論與技術(shù)[M].北京：國(guó)防工業(yè)出版社,2006.

[3] 田欣利,王建全,但偉,等.工程陶瓷微缺陷無損檢測(cè)技術(shù)的研究進(jìn)展[J].中國(guó)機(jī)械工程,2010,21(21):2639-2645.

[4] 郭靜,羅華,張濤.機(jī)器視覺與應(yīng)用[J].電子科技,2014,27(7):185-188.

[5] 章煒.機(jī)器視覺技術(shù)發(fā)展及其工業(yè)應(yīng)用[J].紅外,2006,27(2):11-17.

[6] 穆向陽,張?zhí)?機(jī)器視覺系統(tǒng)的設(shè)計(jì)[J].西安石油大學(xué)學(xué)報(bào)(自然科學(xué)版),2007,22(6):104-109.

[7] STEGER C，ULRICH M，WIEDEMANN C.機(jī)器視覺算法與應(yīng)用[M].楊少榮,吳迪靖,段德山,譯.北京：清華大學(xué)出版社,2008.

[8] 陰國(guó)富.基于閾值法的圖像分割技術(shù)[J].現(xiàn)代電子技術(shù),2007,30(23)：107-108.

[9] 武瑛.形態(tài)學(xué)圖像處理的應(yīng)用[J].計(jì)算機(jī)與現(xiàn)代化,2013(5):90-94.

[10] KIM D，JEON C，KANG B，et al.Enhancement of image degraded by fog using cost function based on human visual model[C].IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems.IEEE，2008:64-67.

[11]GONZALEZ R C，WOODS R E.數(shù)字圖像處理學(xué)[M].阮秋琦,阮宇智,譯.北京:國(guó)防工業(yè)出版社,2005.

[12] 欒麗華,郭連軍.基于線性變換與多種平滑去噪的爆堆圖像增強(qiáng)方法[J].爆破,2011,28(1):33-34.

[13] 侯一民,倫向敏.基于矩與角點(diǎn)特征的飛機(jī)目標(biāo)識(shí)別[J].算機(jī)工程與應(yīng)用,2008,44(16): 479-481.

Development of visual inspection system for piezoelectric ceramic piece surface defect

Yuan Weiqi，Zhao Li

(Computer Vision Group，Shenyang University of Technology，Shenyang 110870，China)

Piezoelectric ceramic piece will appear empty，spots and scratch defects in the process of production，which deteriorate the piezoelectric，dielectric and other performance，affect the quality of product.At present，the inspection of piezoelectric ceramic piece surface defect is still stay in the stage of artificial visual inspection，accuracy cannot meet requirements,due to lacking check easily and low efficiency.Thus this paper combined with piezoelectric ceramic piece and its characteristics of defect，proposed a method to realize the inspection of piezoelectric ceramic piece based on vision inspection technology.A piezoelectric ceramic piece is placed on the two-dimensional mobile platforms，and multiple images are collected by a linear array camera to obtain complete information of piezoelectric ceramic piece.Through the image processing algorithm designed to extract the defects and judge the quality of piezoelectric ceramic piece，finally the development of product prototype is completed.

vision inspection; imaging; image segmentation; image enhancement

TP391

A

10.19358/j.issn.1674-7720.2017.21.025

苑瑋琦，趙麗.壓電陶瓷片表面缺陷視覺檢測(cè)系統(tǒng)的研制J.微型機(jī)與應(yīng)用，2017,36(21)：85-89.

2017-03-01)

苑瑋琦(1960-)，男，博士，教授，主要研究方向：視覺檢測(cè)技術(shù)、生物識(shí)別。

趙麗(1990-)，通信作者，女，碩士，主要研究方向：視覺檢測(cè)技術(shù)。E-mail:1522557582@qq.com。