基于機器視覺高斯混合模型對鋁錠的表面波紋檢測

忽正熙

（陜西有色榆林新材料有限責任公司，陜西 榆林 719099）

隨著工業的發展，我國鋁業發展迅猛，目前已躍居為世界鋁生產大國，但還不是鋁業強國，雖然產量上占據領先的地位，但鋁制品的質量還需進一步提高；由于在生產過程中，鋁錠的生產是將高溫鋁液澆鑄在鑄模上形成，并通過水平移動的鏈條進行傳送，鋁錠表面在冷凝的過程中，不可避免的會出現波紋，波紋的嚴重與否直接影響鋁錠產品的外觀質量。因此通過機器視覺對鋁錠波紋的檢測，降低了勞動了，節約了成本，并提高了鋁錠產品質量[1-5]。

1 常見的鋁錠波紋

鋁錠表面最常出現的波紋有如下幾類：①同心圓狀表面波紋，該波紋是液態鋁進入分配器再進行鑄模鑄造冷凝，以表面的某個點為中心逐漸以波紋狀向四周擴散。②泡狀水波紋，該波紋是液態鋁在冷凝過程中，表面形成浮塊或者凸起的波紋。③兩端溝槽狀的波紋，該波紋，該波紋是在鋁錠通過傳送鏈傳輸過程中，由于振動產生的波紋。

圖1 三種常見的鋁錠波紋

2 機器視覺

機器視覺是指通過機器視覺產品（即圖像攝取裝置）把圖像抓取到，然后將該圖像傳送至處理單元，通過數字化處理，根據像素分布和亮度、顏色等信息，來進行尺寸、形狀、顏色等的判別。進而根據判別的結果來進行辨識分辨。

2.1 圖像的預處理

為了提高對鋁錠表面波紋的檢測質量，降低工業相機對圖片采集過程中圖像噪聲的影響，因此對所采集的圖像進行一系列圖像預處理，如灰度化處理，降低計算機對圖像處理的信息量，加快圖像處理速度，中值濾波降低圖像噪聲，提高識別的準確性，閾值分割，提取圖像的輪廓，形態學處理，對圖像輪廓的銳化，為后續的目標信息降低識別難度。如圖2所示。

圖2 鋁錠的圖像預處理

2.2 圖像的特征提取

圖像特征是某一類對象區別于其他類對象的響應（本質）特點或特性，或是這類特點、特性的集合（如亮度、邊緣、紋理和色彩等）。圖像的特征提取的原則：①可區別性②可靠性③獨立性好④數量少⑤對尺寸、變換、旋轉等變換盡可能的不敏感。因此，鋁錠的表面波紋檢測選取的圖像特征為：紋理長度、紋理圓度、紋理面積三個圖像特征作為識別依據[6]。

2.3 圖像的模式識別

機器視覺高斯混合模型是一種描述混合密度函數分布的模型，本文采用了高斯混合模型對鋁錠波紋的檢測，其概率密度為：為向量且維數為d，為混合分布的參數，為權系數且滿足其中是單高斯概率分布，為訓練的樣本均值；為樣本方差矩陣，將任意測試樣本代入上式，可得到一個標量然后根據閾值來判斷樣本磁瓦是否屬于該類別即合格與不合格[7]。（如表1所示：圖像特征參數 、如圖3所示：圖像識別結果）。

圖3 圖像識別結果

表1 圖像特征參數

3 結語

通過halcon機器視覺開發環境，對采集的鋁錠波紋圖像進行圖像預處理、圖像特征提取、圖像模式識別，判別鋁錠外觀質量合格與否，相比人工檢測提高了檢測質量，降低了勞動力的輸入，節省了成本[8]。