基于視覺的鋁合金氣瓶內(nèi)壁缺陷檢測研究

沈陽工業(yè)大學(xué)視覺檢測技術(shù)研究所 苑瑋琦 王 英

1 引言

鋁合金氣瓶是鋁合金無縫氣瓶的主體，鋁合金氣瓶經(jīng)過后續(xù)處理成鋁合金無縫氣瓶后，可用于重復(fù)充裝各種氣體，在鋁合金氣瓶質(zhì)量檢測過程中，因內(nèi)壁要與充裝的氣體直接接觸，如果內(nèi)壁缺陷較大則會產(chǎn)生嚴(yán)重腐蝕等影響從而造成較大經(jīng)濟(jì)損失，因此內(nèi)壁質(zhì)量的檢測至關(guān)重要。

據(jù)在知網(wǎng)上搜索相關(guān)中英文關(guān)鍵詞“鋁合金氣瓶”、“氣瓶內(nèi)壁”“內(nèi)壁缺陷”“氣瓶檢測”“氣瓶缺陷”等，和相關(guān)篇名“鋁合金氣瓶內(nèi)壁缺陷檢測”及“鋁合金氣瓶”等，均未檢索到有關(guān)鋁合金氣瓶內(nèi)壁缺陷自動檢測的相關(guān)文獻(xiàn)。在專利檢索及分析網(wǎng)站上檢索國內(nèi)外專利發(fā)明的中英文相關(guān)關(guān)鍵詞，亦未檢索到相關(guān)專利發(fā)明。搜索到的相關(guān)資料大部分為內(nèi)壁工藝處理或內(nèi)壁缺陷分析、或內(nèi)壁防腐蝕噴涂等處理辦法，如中國計(jì)量科學(xué)研究院吳海等人于2012年發(fā)明申請的《鋁合金壓力氣瓶的內(nèi)壁處理工藝及處理裝置》等。目前國內(nèi)外對于鋁合金氣瓶內(nèi)壁缺陷的檢測仍是人工檢測，人工檢測不僅效率十分低下，而且由于人眼觀測長期易疲勞且受心理等因素影響，漏檢誤檢難以避免。

國內(nèi)判定標(biāo)準(zhǔn)是依據(jù)國家技術(shù)監(jiān)督局關(guān)于鋁合金無縫氣瓶的檢驗(yàn)GB 11640—89標(biāo)準(zhǔn)，[2]-[3]其中附錄F鋁制制造缺陷的描述和判定中第2條一般要求里的內(nèi)外表面目測檢查提到鋁瓶內(nèi)外表面應(yīng)清潔，干燥，無氧化物、腐蝕和銹跡，國標(biāo)中列出了常見缺陷及判定標(biāo)準(zhǔn)。[2]在本文內(nèi)壁缺陷質(zhì)量檢測中，重點(diǎn)放在凹坑、橫向劃痕和縱向拉傷三種常見缺陷的檢測上，對于凹坑缺陷大小的判定標(biāo)準(zhǔn)為凹坑直徑大于等于2mm，橫向劃痕缺陷的判定標(biāo)準(zhǔn)為所有有此缺陷的圖像，縱向拉傷缺陷大小的判定標(biāo)準(zhǔn)為縱貫整張圖像的拉傷。本文重點(diǎn)研究三種缺陷的檢測方法。首先設(shè)計(jì)和搭建硬件平臺（對于硬件選型和設(shè)計(jì)另有其它論文說明），采集內(nèi)壁圖像，然后利用本文提出的方法對氣瓶內(nèi)壁缺陷進(jìn)行檢測。

2 模型與理論

對拍攝的圖像進(jìn)行灰度閾值處理，拍攝圖像按空間灰度值，中間和上側(cè)偏大，兩側(cè)和下側(cè)偏小，呈不規(guī)則的倒拱形，這是因?yàn)楣庠垂饩€沿著氣瓶軸向方向。由于圖像灰度閾值得到的形狀不規(guī)則即灰度分布不均勻，灰度直方圖的波谷并不十分明顯，用一般的灰度分割等方法檢測缺陷的效果不佳，而用邊緣檢測時，效果明顯較好，這里選擇的邊緣檢測算子是Canny算子。

Canny 邊緣檢測算子是 Canny[4]在1986年提出的，是當(dāng)前被普遍認(rèn)可的一種較理想的邊緣檢測算法[5]。其基本步驟如下：

（1）使用一個環(huán)形二維高斯函數(shù)G(x, y)對圖像 f(x, y)進(jìn)行平滑，得到平滑圖像 fs(x, y)。

（2）計(jì)算平滑圖像 fs(x, y)中每個像元點(diǎn)的梯度幅度M(x, y)和方向α(x, y)，使用梯度幅度和方向來估計(jì)每一點(diǎn)處的邊緣強(qiáng)度和方向。

（3）為確定邊緣，對所得梯度進(jìn)行非極大值抑制來細(xì)化邊緣。具體做法是尋找圖像中的局部極大值點(diǎn)，并將非局部極大值點(diǎn)設(shè)為零。

（4）進(jìn)行滯后閾值，減少偽邊緣點(diǎn)，過程為設(shè)置低閾值TL和高閾值TH，用連接分析來連接邊緣。若像元點(diǎn)是大于TL的集合，則邊緣信息一般是真正的信息，但可能會丟失邊緣的部分細(xì)節(jié)；若像元點(diǎn)梯度值在TH和TL之間，則邊緣信息會較好，但可能會保留部分不是邊緣點(diǎn)的信息。可先找出像元點(diǎn)梯度值大于TL的集合，再計(jì)算其值在TH和TL之間的集合以補(bǔ)充邊緣，二者綜合得到圖像的邊緣信息[5]。

圖2 內(nèi)壁缺陷檢測流程

3 基于Canny算子的內(nèi)壁缺陷提取過程

3.1 內(nèi)壁缺陷提取流程

按照流程圖中的步驟進(jìn)行處理。首先通過Canny邊緣檢測算子對圖像進(jìn)行邊緣檢測，即流程圖1中的邊緣點(diǎn)、線提取；再根據(jù)邊緣線基本特征篩選和判定邊緣線，若符合篩選條件則保留，若不符合則刪除。由于邊緣點(diǎn)、線基本隔離開來，所以需要連接相近的邊緣；再根據(jù)新連接的邊緣線的基本特征來篩選和判定是否為內(nèi)壁缺陷，若符合則提取缺陷，若不符合則刪除非新邊緣線。

由于三種缺陷各有其獨(dú)特的特征，因此篩選過程將按照缺陷的基本特征來分別進(jìn)行獨(dú)立篩選。

3.2 三種缺陷提取及分類

3.2.1 凹坑缺陷提取

在幾何形態(tài)上，凹坑多呈圓形或橢圓形且較為扁平，邊緣不規(guī)則，外形或大或小，顏色根據(jù)深度或深或淺。凹坑缺陷的檢測步驟如下：

步驟1：獲取可能的輪廓。對圖像進(jìn)行Canny算子邊緣檢測，得到灰度值變化較大的缺陷輪廓，主要是凹坑和橫向劃痕等較亮的邊緣。Canny算子參數(shù)選擇中第一個參數(shù)為前文中提到的濾波器參數(shù)σ，選取的值較小時濾波器寬度越小，平滑程度較小，因此保留的細(xì)節(jié)也越多，執(zhí)行時間越少，因此在能檢測到缺陷邊緣的情況下應(yīng)盡量選取較小的σ以減少運(yùn)行時間；第二個和第三個參數(shù)分別表示低閾值TL和高閾值TH。

當(dāng)σ、TL和TH分別選擇為4、5和20時，凹坑和橫向劃痕的邊緣都能夠被很好地檢測出來；而當(dāng)σ、TL保持不變，TH增大至兩倍左右時，只檢測出個別凹坑邊緣，部分小凹坑邊緣沒有被檢測出來，且檢測出的個別凹坑邊緣的細(xì)節(jié)也較少，不便于后續(xù)的進(jìn)一步篩選。分析其原因是凹坑和橫向劃痕都較亮，灰度值明顯比周圍的大，而且兩種缺陷的梯度接近，在用滯后閾值進(jìn)行實(shí)驗(yàn)時發(fā)現(xiàn)若對這兩種缺陷強(qiáng)行單獨(dú)進(jìn)行提取，效果并不理想，于是決定兩種缺陷邊緣同時進(jìn)行檢測，只是在后續(xù)篩選時根據(jù)各自獨(dú)特特征分開篩選并判斷缺陷類型。

步驟2：篩選可能的輪廓。根據(jù)凹坑本身較扁較圓，高度不高，其輪廓長度比一般的線要復(fù)雜，一般是多圈的曲線，近似交疊，由于精度要求較高，所以需要在亞像素中進(jìn)行相應(yīng)輪廓高度、輪廓長度的篩選；為了排除水平長線的干擾，則根據(jù)橢圓的短半軸來進(jìn)一步篩選，去除面積較小的區(qū)域。此步驟中最重要的是計(jì)算合并終點(diǎn)接近的輪廓。其計(jì)算參考值主要有兩個：輪廓終點(diǎn)間最大距離（Max Absolute Distance）labs；更長輪廓終點(diǎn)間的最大距離（Max Relative Distance）lrel。兩輪廓終點(diǎn)間的距離l都不超過這兩個最大值就將兩邊緣輪廓連接起來。后續(xù)進(jìn)行膨脹、合并、連通區(qū)域、形狀轉(zhuǎn)換等操作。在膨脹時注意，由于要提取的缺陷是凹坑，根據(jù)前面提到的凹坑基本特征，要用圓來膨脹。圖2為凹坑缺陷檢測結(jié)果。

圖2 凹坑缺陷檢測結(jié)果

3.2.2 橫向劃痕缺陷提取

橫向劃痕缺陷多為水平劃痕，也有斜著稍偏其它方向和其它不規(guī)則形狀，顏色較淺較亮。橫向劃痕缺陷的檢測步驟如下：

步驟1：獲取可能的輪廓（見凹坑缺陷）

步驟2：篩選可能的輪廓。再根據(jù)劃痕本身較長較亮，高度較低，其輪廓長度不像凹坑那樣比一般的線復(fù)雜，而一般是偏水平的直線，稍彎曲，所以需要在亞像素精度中就進(jìn)行相應(yīng)的篩選。合并鄰近直線輪廓、鄰近輪廓，根據(jù)高度、輪廓長度、寬度等篩選。為了排除氣瓶內(nèi)壁中黑線的干擾，則根據(jù)平均灰度值來進(jìn)一步篩選，之后去除太寬、太圓和不是偏水平方向的區(qū)域，再進(jìn)行一系列膨脹、合并、連通、轉(zhuǎn)換形狀等操作，再根據(jù)寬度、圓度、方向來篩選可能的劃痕缺陷，最后一步判斷有無劃痕并計(jì)算劃痕個數(shù)。此步驟中最重要的是連接近似共線的輪廓，根據(jù)前文提到劃痕的基本特征，連接時應(yīng)多為偏向于橫向的直線，所以要按照水平近似共線程度來連接兩個邊緣輪廓，涉及的理論參數(shù)：兩個輪廓間隙的最大長度d（distance）（根據(jù)測量參考輪廓的回歸線），不超過labs；兩個輪廓間隙的最大長度d/l（根據(jù)測量參考輪廓長度和測量參考輪廓的回歸線），不超過lrel；第二條輪廓線距參考輪廓回歸線的最大位移s（shift），不超過最大設(shè)定位移（Max Shift）Smax；兩條輪廓的回歸線間的最大角度a（angle），不超過最大設(shè)定角度（Max Angle）Amax。連接近似共線的輪廓參數(shù)d、d/l、s和a的示意圖分別見圖3(a)、(b)、(c)、(d)其中左下方和右上方的實(shí)粗曲線代表兩個邊緣輪廓，細(xì)實(shí)線為兩邊緣輪廓的回歸線。圖4為橫向劃痕缺陷檢測結(jié)果。

圖3 連接近似共線的輪廓參數(shù)示意圖

圖4 橫向劃痕缺陷檢測結(jié)果

3.2.3 縱向拉傷缺陷提取

縱向拉傷是多條相連的縱向豎條，縱向從瓶口一直貫穿至瓶底，深淺豎線相隔，豎條部分用手指觸摸有凹凸不平感。

最后是縱向拉傷缺陷提取。縱向拉傷缺陷的檢測步驟如下：

步驟1：獲取可能的輪廓。由于縱向拉傷缺陷的灰度變化較凹坑和橫向劃痕不是很明顯，若用相同的參數(shù)值，縱向拉傷缺陷的提取效果不太理想。所以需要重新選擇參數(shù)，平滑度應(yīng)該小些，保留更多的細(xì)節(jié)部分，才能提取出縱向拉傷缺陷。

對于圖5(a)中含有縱向拉傷的內(nèi)壁圖像，當(dāng)σ、TL和TH分別選擇為4、5和20時，縱向拉傷邊緣并不能被檢測出來；而當(dāng)σ、TL保持不變，TH增大至兩倍左右時，縱向拉傷缺陷邊緣也沒有被檢測出來。根據(jù)縱向拉傷缺陷的特征，重新調(diào)整三個參數(shù)的選擇，由于該缺陷程較淺的豎直窄條狀，灰度值明顯不如凹坑和橫向劃痕大，但還是比周圍的灰度值稍高一些，可根據(jù)這點(diǎn)來檢測窄條兩側(cè)梯度變化較為明顯的邊緣。三個參數(shù)重新分別選擇為5、1和6，此時縱向拉傷兩側(cè)的邊緣就比較明顯了，如圖5(b)所示。圖5(c)為按高度篩選后，參數(shù)選擇為邊緣高度大于等于60個像素值，主要剔除非縱向拉傷的邊緣。

步驟2：篩選可能的輪廓。根據(jù)拉傷本身較長，高度較高，有間接的明暗線，其橫向距離較近，其輪廓一般是偏豎直的直線，稍彎曲，合并鄰近直線輪廓，根據(jù)高度、寬度。和前面一樣，因?yàn)閬喯袼鼐葲]有膨脹及合并連通算子，所以要轉(zhuǎn)換到區(qū)域進(jìn)行處理，轉(zhuǎn)換到區(qū)域后，進(jìn)行一系列膨脹、合并、連通、轉(zhuǎn)換形狀、按高度篩選等操作，來篩選可能的拉傷缺陷，這需要進(jìn)行兩次來較為精確的篩選，為了排除氣瓶內(nèi)壁中其它較長缺陷的干擾，最后一步判斷有無拉傷并計(jì)算拉傷個數(shù)及最大拉傷的長度。此步驟中最重要的是連接近似共線的輪廓。根據(jù)前文所提到拉伸的基本特征，連接時應(yīng)多為偏向于縱向的直線，所以要按照垂直近似共線程度來連接兩個邊緣輪廓。涉及的理論參數(shù)參考橫向劃痕缺陷提取的步驟。

圖5 縱向拉傷缺陷檢測

4 實(shí)驗(yàn)與分析

4.1 算法測試平臺

本文算法測試實(shí)驗(yàn)的圖像采集裝置如圖6所示，采集設(shè)備為USB2.0接口的攝像模組，型號為RER-USBFHD01M-LS36。根據(jù)實(shí)際內(nèi)壁厚度調(diào)節(jié)好攝像模組的焦距，工作距離定為36mm，攝像模組和光源裝在一根碳纖維桿上，碳纖維桿固定在升降臺上。以便于調(diào)節(jié)工作距離。平移臺電機(jī)轉(zhuǎn)速為0.2r/s，根據(jù)實(shí)際情況，設(shè)定每秒采集一幅圖像，整幅圖像的分辨率為1920*1080。

本文算法測試實(shí)驗(yàn)所使用的計(jì)算機(jī)處理器為Intel Core i5，主頻為2.2GHz，內(nèi)存為4G，操作系統(tǒng)為Windows8.1，軟件平臺為Visual Studio 2012。

圖6 圖像采集裝置

4.2 實(shí)驗(yàn)結(jié)果與分析

選取圖庫中包含三種缺陷的圖像217張和不包含缺陷的圖像167張進(jìn)行缺陷類型識別實(shí)驗(yàn)。首先將包含缺陷圖像類別進(jìn)行人工標(biāo)定，再對每處標(biāo)定的缺陷進(jìn)行類型識別。三種缺陷實(shí)驗(yàn)結(jié)果比較見表1，其中最后一行測試無缺陷內(nèi)壁圖像檢測結(jié)果，便于分析檢測性能，分析不是缺陷卻檢測判斷為缺陷的原因。

本文方法對于包含缺陷的圖像凹坑、橫向劃痕、縱向拉傷三種缺陷的無漏檢，三種缺陷都能完全檢測出來，誤檢率1.8%。分析此處誤檢的原因：誤檢是因?yàn)閮?nèi)壁有較短橫向間隔的豎直黑線，如圖7(a)、(b)所示，黑線并不屬于任何缺陷，但是其特征也符合縱向拉傷的一些基本特征，導(dǎo)致了誤檢。

表1 三種缺陷實(shí)驗(yàn)結(jié)果比較

圖7 誤檢示例

5 結(jié)論

由以上實(shí)驗(yàn)結(jié)果，以Canny算子為基礎(chǔ)選取兩種參數(shù)來檢測鋁合金內(nèi)壁三種缺陷，對于本文方法三種缺陷凹坑、橫向劃痕、縱向拉傷無漏檢，誤檢率為1.8%。說明本文方法對以上缺陷檢測的有效性；本文方法在檢測時間上，Canny邊緣檢測算子由于本身計(jì)算的復(fù)雜性運(yùn)行時間較長，運(yùn)行一次的平均時間約為150ms，平均不到1秒即可將一幅圖像中的缺陷檢測出來，說明本文方法對以上缺陷檢測的高效性。

[1]郝延平.鋁合金無縫氣瓶的設(shè)計(jì)與制造[J].低溫與特氣,2017,35(2)：19-24.

[2]全國氣瓶標(biāo)準(zhǔn)化技術(shù)委員會.鋁合金無縫氣瓶：GB 11640-2011[S].北京：中國標(biāo)準(zhǔn)出版社,2012.

[3]周海成.鋁合金無縫氣瓶標(biāo)準(zhǔn)的進(jìn)展[J].中國特種設(shè)備安全,1994(6)：29-32.

[4]Canny J.A computational approach to edge detection.IEEETransaction on pattern Analysis and Machine Intelligence,1986,8(6)：679-698.

[5]曾發(fā)明,楊波,吳德文,等.基于Canny邊緣檢測算子的礦區(qū)道路提取[J].國土資源遙感,2013,25(4)：72-78.

[6]施超群.鋁板帶表面缺陷智能檢測技術(shù)的應(yīng)用[J].科技創(chuàng)新與應(yīng)用,2013(21)：41.

[7]Rafael C.Gonzalez,Richard E.Woods著,阮秋琦,等譯.數(shù)字圖像處理(第3版)[M].北京：電子工業(yè)出版社,2011：463-466.