利用圖像識(shí)別進(jìn)行機(jī)械零件質(zhì)量檢測(cè)的方法研究

龐 博

(商丘職業(yè)技術(shù)學(xué)院，河南 商丘 476100)

隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，機(jī)器視覺(jué)在機(jī)械行業(yè)越來(lái)越廣泛地被應(yīng)用于產(chǎn)品識(shí)別、檢測(cè)、裝配等領(lǐng)域[1-2].應(yīng)用于零件識(shí)別的機(jī)器視覺(jué)系統(tǒng)的核心是零件圖像識(shí)別技術(shù)[3].當(dāng)機(jī)械設(shè)備處于運(yùn)行狀態(tài)時(shí)，在各種不同的壓力作用下，其內(nèi)部的零部件的損壞往往會(huì)使機(jī)械設(shè)備產(chǎn)生故障.因此，為了避免可能造成的經(jīng)濟(jì)損失和事故，在機(jī)械設(shè)備運(yùn)行過(guò)程中進(jìn)行狀態(tài)分析和故障診斷就顯得尤為重要.

近年來(lái)，機(jī)器視覺(jué)在機(jī)械行業(yè)的零件識(shí)別、質(zhì)量檢測(cè)、參數(shù)測(cè)量等領(lǐng)域得到迅速發(fā)展[4].機(jī)械零件只是圖像識(shí)別的一個(gè)對(duì)象，解決零件識(shí)別的核心是圖像識(shí)別的理論與技術(shù)研究.雖然，國(guó)內(nèi)外均對(duì)基于視覺(jué)的機(jī)械零件識(shí)別進(jìn)行了研究，但是，大多數(shù)都還是基于特征的圖像識(shí)別系統(tǒng)研究，其不同之處只是采用不同的識(shí)別特征.而本文研究的用于零件識(shí)別的機(jī)器視覺(jué)系統(tǒng)，其核心則是零件圖像識(shí)別系統(tǒng)，這也是本文的研究目的.

1 圖像預(yù)處理與邊緣檢測(cè)

圖像識(shí)別技術(shù)使產(chǎn)品質(zhì)量監(jiān)控和故障診斷不再困難，圖像識(shí)別的基本模式如圖1所示. 其中，對(duì)收集的圖像進(jìn)行預(yù)處理是在進(jìn)行圖像識(shí)別之前的關(guān)鍵一步.可以將計(jì)算機(jī)的識(shí)別過(guò)程分為3階段.第1階段是將各零件的圖像從背景圖中分離出來(lái)，主要是圖像分割或物體分離階段.第2階段是對(duì)物體進(jìn)行度量，即特征抽取階段.第3階段是輸出階段，它是一種決策，即把每個(gè)物體確定為應(yīng)歸屬的類(lèi)別.

圖1 計(jì)算機(jī)識(shí)別過(guò)程

在整個(gè)執(zhí)行過(guò)程中，第1步要做的就是獲取圖像.然而，在圖像的獲取過(guò)程中，圖像往往會(huì)產(chǎn)生噪聲和畸變，無(wú)論是由于成像系統(tǒng)的限制，或者是外界環(huán)境的干擾，都會(huì)降低所采集到的圖像的質(zhì)量.圖像中產(chǎn)生的這種噪聲將加大圖像分析的難度，這就需要利用圖像濾波來(lái)有效地改善圖像質(zhì)量.

1.1 圖像獲取與平滑處理

采用均值濾波對(duì)零件圖像進(jìn)行平滑處理，即將圖像中的每一個(gè)像素的灰度值用這一像素及其周?chē)欢ǚ秶徲騼?nèi)所有像素的平均值來(lái)代替[5-6].假設(shè)圖像中位置為[i,j]的像素，它的灰度值為f[i,j]，則經(jīng)過(guò)均值濾波后的輸出值h[i,j]，則可以表示為以下形式：

(1)

上式中，M表示鄰域N內(nèi)的像素總數(shù)，而N表示以[i,j]為中心的鄰域的集合.在進(jìn)行數(shù)字圖像處理的過(guò)程中，均值濾波用一個(gè)模板與原圖像進(jìn)行卷積計(jì)算得到平滑后的圖像.

模板的大小通常為3×3、5×5、7×7模板分別為：

作為一種線性濾波器，均值濾波在去除噪聲的同時(shí)會(huì)使邊界信息減弱[7]，使圖像變得模糊.這是由于它是以圖像模糊為代價(jià)來(lái)?yè)Q取噪聲的減小，且面積(即模板大小)越大，噪聲減少越顯著，同時(shí)圖像模糊程度也越大.圖2為飛輪原圖像與平滑后圖像的對(duì)比結(jié)果.

1.2 圖像二值化處理

二值圖像指的是只有黑白兩色的圖像.二值化圖像處理技術(shù)應(yīng)用已十分廣泛，并且其在處理黑白兩色圖像時(shí)占有十分重要的地位.數(shù)學(xué)形態(tài)學(xué)處理的對(duì)象主要是二值圖像，可根據(jù)下式的閾值處理來(lái)進(jìn)行圖像的二值化處理.

(2)

一般情況下，值為0和1的部分，分別表示背景和對(duì)象圖形.

1.3 圖像分割

(3)

圖像總的灰度均值為：

(4)

由此，得到A、B兩區(qū)域的類(lèi)間方差為：

σ2=pA(ωA-ω0)2+pB(ωB-ω0)2

(5)

(5)式中，pA、pb、ωA、ωB、ω0、σ2均是關(guān)于灰度級(jí)的函數(shù).判別準(zhǔn)則通常是兩類(lèi)的類(lèi)間方差，最佳閾值即使得σ2值最大為t*：

(6)

通過(guò)這種方法得到最優(yōu)分割閾值.類(lèi)間方差最大，表示錯(cuò)誤分割的概率最小，即方差是灰度分布均勻性的一種度量.

1.4 基于梯度的邊緣檢測(cè)

邊緣檢測(cè)是圖像預(yù)處理的一個(gè)必要過(guò)程.由于圖像的邊緣具有勾畫(huà)區(qū)域形狀、能被局部定義及傳遞大部分圖像信息等諸多優(yōu)點(diǎn).因此，邊緣檢測(cè)效果是解決問(wèn)題的關(guān)鍵.邊緣檢測(cè)作為一種應(yīng)用廣泛的技術(shù)手段，在處理數(shù)字圖像時(shí)，常以一階差分替代一階微分[8]：

(7)

根據(jù)定義，可以將梯度的幅度表示為以下形式：

G[f(x,y)]={[Δxf(x,y)]2+[Δyf(x,y)]2}1/2

(8)

Sobel邊緣檢測(cè)算子的計(jì)算范圍有兩個(gè)步驟：第1步是進(jìn)行加權(quán)平均；第2步是微分運(yùn)算.其算子的形式可以表示為：

(9)

在檢測(cè)邊緣時(shí)，Sobel邊緣檢測(cè)算子可以得到至少兩個(gè)像素的邊緣寬度，具有一定的噪聲抑制能力.Sobel算子水平方向的模板對(duì)水平邊緣響應(yīng)最大，而其垂直方向模板對(duì)垂直邊緣響應(yīng)最大(垂直方向和水平方向的模板見(jiàn)圖3).該像素點(diǎn)的輸出值為兩個(gè)卷積的最大值.圖像中的每個(gè)像素均用這兩個(gè)模板進(jìn)行卷積.

圖3 Sobel算子模板

2 特征提取與識(shí)別

圖像的特征是指圖像顯著的基本特征或特性.要選取圖像的特征參數(shù)，需要采用特定的預(yù)處理方法以得到圖像形狀特征，即根據(jù)圖像的不同情況以及零件的圖像特征制定不同方案.文中選取伸長(zhǎng)度(E)這一參數(shù)作為模式樣本的特征：

(10)

上式中，當(dāng)E=1時(shí)，圖形區(qū)域就成了圓形；E越小，伸長(zhǎng)度圖形區(qū)域越呈細(xì)長(zhǎng)形.設(shè)方向碼ai在以x0,y0為起始坐標(biāo)的x軸，y軸上的分量分別是aix,aiy,則有：

(11)

(12)

(13)

數(shù)學(xué)形態(tài)學(xué)常用它來(lái)處理與形狀和結(jié)構(gòu)有關(guān)的問(wèn)題，這是一種應(yīng)用于圖像處理和模式識(shí)別領(lǐng)域的新方法. 數(shù)學(xué)形態(tài)學(xué)獲取圖像形狀信息的3種方法分別是鏈碼法標(biāo)記圖像、標(biāo)號(hào)法標(biāo)記圖像、輪廓跟蹤法標(biāo)記圖像，這3種方法是在對(duì)圖像的形態(tài)特征參數(shù)進(jìn)行提取時(shí)經(jīng)常采用的方法.

輪廓跟蹤的計(jì)算有兩個(gè)步驟：第一是對(duì)圖像點(diǎn)進(jìn)行檢測(cè)運(yùn)算；第二是對(duì)圖像點(diǎn)作跟蹤運(yùn)算，這是一種基于點(diǎn)相關(guān)的圖像分割法.因此，只需要對(duì)某些點(diǎn)重復(fù)簡(jiǎn)單的檢測(cè)運(yùn)算即可，而不用再對(duì)每個(gè)點(diǎn)進(jìn)行相同的、復(fù)雜的檢測(cè)運(yùn)算.如果圖像是二值圖像，就需要找出對(duì)象的邊緣輪廓.可以按照以下規(guī)律進(jìn)行跟蹤：

A：每次只前進(jìn)一步，步距為一個(gè)像素；

B: 由黑區(qū)進(jìn)入白區(qū)時(shí)，之后每一步向右轉(zhuǎn)，至穿出白區(qū)停下；

C：由白區(qū)進(jìn)入黑區(qū)時(shí)，之后每一步向左轉(zhuǎn)，至穿出黑區(qū)停止.

由于無(wú)需對(duì)每一像素進(jìn)行處理，這種方法相對(duì)于區(qū)域生長(zhǎng)法和圖像細(xì)化法，更為實(shí)用.如此循環(huán)一周后，所經(jīng)過(guò)的軌跡便是對(duì)象的輪廓.但在要求實(shí)時(shí)處理的情況下，這種方法仍需要進(jìn)一步完善.

3 識(shí)別實(shí)驗(yàn)

為了驗(yàn)證本文方法對(duì)各種缺陷類(lèi)型零件檢測(cè)的有效性，選取了大、小兩種尺寸的齒輪進(jìn)行試驗(yàn).每種缺陷類(lèi)型的數(shù)目都為48個(gè)，每個(gè)零件只有一種缺陷，實(shí)驗(yàn)結(jié)果如表1所示.總體而言，在氣孔、劃痕、破損、砂眼和裂紋幾種不同類(lèi)型的缺陷之中，本文方法的識(shí)別率還是相當(dāng)高的.其中，對(duì)裂紋的識(shí)別準(zhǔn)確性最高，達(dá)到了100%.而氣孔和砂眼這兩類(lèi)缺陷由于易混淆，識(shí)別性能略低.

表1 本文方法識(shí)別結(jié)果

4 結(jié)語(yǔ)

機(jī)械零件質(zhì)量檢測(cè)圖像識(shí)別技術(shù)，是指通過(guò)采集機(jī)械零件缺陷部位的數(shù)字成像進(jìn)行識(shí)別.對(duì)零件圖像識(shí)別系統(tǒng)來(lái)說(shuō)，其中的關(guān)鍵技術(shù)是對(duì)零件圖像進(jìn)行邊緣檢測(cè)、特征提取.本文提出了一種利用圖像識(shí)別的機(jī)械零件質(zhì)量檢測(cè)方法，即運(yùn)用計(jì)算機(jī)識(shí)別技術(shù)對(duì)圖像進(jìn)行預(yù)處理，分析圖像特征并加以提取，從而判斷機(jī)械零件是否存在質(zhì)量缺陷的一種技術(shù)方法.本文選取了大、小兩種尺寸的齒輪進(jìn)行實(shí)驗(yàn)，結(jié)果顯示，提出的方法在識(shí)別上具有較高的準(zhǔn)確率，驗(yàn)證了提出方法的有效性.