激光在高反面軸類零件表面瑕疵檢測的應用

楊 莓,孔令華,練國富,黃 旭,劉正義

(1.福建工程學院機械與汽車工程學院,福建 福州 350000；2.數字福建工業制造物聯網實驗室,福建 福州 350118)

1 引 言

近幾年,隨著智能手機、平板電腦和新能源汽車等新興市場的崛起,對鋰電池的需求日益提升。同時電池殼鋼作為一種高品質要求的精密冷軋產品,外觀質量要求嚴格,表面要求達到雙面O5級別,一旦出現小范圍的質量問題,凡涉及的卷號均全部退貨[1],因此有必要對鋰電池殼進行嚴格篩選。

目前,檢測鋰電池殼表面質量的方法主要為人工目測法,不僅檢測效率低,勞動強度大,而且易受檢測人員主觀因素的影響造成誤檢和漏檢。如果在檢測中操作不慎,還會對鋰電池殼表面造成二次損傷。而接觸式測量,如三坐標測量機,每次只能獲取表面一個點的坐標,測量費時費力,而且測頭容易對一些精密表面造成損傷[2]。顯微鏡檢測的靶面則太小,每次只能獲取小范圍內的表面質量圖像,很難實現大面積表面質量的快速檢測。為了滿足實際生產實時在線精確檢測的需求,本文采用機器視覺檢測,不僅可以排除人的主觀因素的干擾,而且還能夠對這些指標進行定量描述,避免因人而異的檢測結果,減小檢測分級誤差,提高生產率和分級精度。

對于高反射特性表面瑕疵的視覺檢測,國內外的研究人員對此提出了不同的檢測方法。宋宇航等人[3]在穹頂漫射光源內壁附著同心圓條紋,通過對鋼球表面倒映的條紋的完整性進行分析,從而判斷被測表面是否存在缺陷,但由于光源系統設計的原因,此方法只能檢測尺寸較小的球形零件,有一定的局限性。張建偉等人[4]采用藍色同軸光源并基于形態學配準的算法對硬幣鏡面部分的摩擦缺陷進行了檢測,但此方法對于其他類型缺陷及有圖案的部分無法檢測。T W Ng[5]提出了一種使用環形燈進行照明的技術,該方法被證明能夠清楚地揭示鋼球表面缺陷,但無法用于其他形態的零件檢測。

從國內外研究現狀可以看出,現在對高反面表面瑕疵的檢測主要采用常見LED環形光源、同軸光源或球積分光源,由于鋰電池殼表面的反射光主要是鏡面反射,此類傳統的需要往待測表面投影結構光的光學非接觸測量方法對高反射表面并不適用,這是因為采用這些光源無法避免鋰電池殼表面由于高反光率所導致的問題:

(1)光暈問題。由于鋰電池殼表面接近于鏡面反射,在法線方向上會形成大片光暈,使所需檢測的瑕疵信息都被淹沒[6]；

(2)投影問題。由于鋰電池殼表面的鏡面反射會導致鋰電池殼表面映射四周的景象,即使將檢測環境密閉,所拍攝的圖像中仍會存在攝像機的投影,給圖像判別帶來較大難度[6]。

對此,本文采用線聚焦激光作為光源進行視覺檢測,不同于常規檢測高反面表面瑕疵方法直接拍攝被測物表面形貌的圖像進行圖像分析,本文所提出的檢測方法是將線聚焦激光投射到鋰電池殼表面,鋰電池殼表面具有高反射性,會將激光線反射到具有漫反射性的屏幕上,相機拍攝屏幕上的激光線圖像,通過分析反射激光線的形態特征進行判斷。這種檢測方式能夠從原理上避免鋰電池殼表面高反光率所導致的問題。

2 檢測原理

2.1 實驗對象及檢測原理說明

本文的實驗對象是18650型鋰電池殼,是由電池殼鋼經高速深沖與減薄拉伸工藝而成的一種圓柱型具有高反射性表面的零件。如圖1所示。

圖1 18650型鋰電池殼

考慮到鋰電池殼表面的高反射性,本文采用定向性好和亮度高的線聚焦激光作為光源進行視覺檢測。該方法的檢測原理是采用線聚焦激光對被測零件母線進行照射,利用被測零件表面的高反射特性,拍攝被測零件表面反射的激光線圖像。將線聚焦激光發射的激光看做一條直線,當此激光線照射到零件表面時,反射的激光線根據零件表面形貌特征的不同會發生改變。當零件表面完好時,激光線照射在零件任一母線上,此時反射角度、反射光強均不發生改變,故而在屏幕上所呈現的反射激光線仍是一條完好的直線；當表面存在缺陷時,由于缺陷區域的表面微觀形貌會發生變化,激光線會根據不同缺陷類型發生偏移、光強減弱、線寬變化等不同類型的變化。將反射激光線的圖像通過圖像傳感器上傳至計算機,然后經圖像分析軟件對圖像進行處理,根據激光線的變化不同,判別此被測產品是否合格,若存在缺陷則判斷缺陷種類。檢測原理如圖2所示。

圖2 檢測原理圖

2.2 檢測原理的驗證

根據上述檢測原理,搭建臨時檢測裝置以驗證檢測原理的可行性。如圖3所示,在鋰電池殼表面凹坑位置顯示的對應激光線發生變化,同時,在實驗中可以發現對應不同的表面瑕疵,激光線會對應發生不同變化,由此可以證明此檢測方案可用于鋰電池殼表面瑕疵的檢測。

圖3 采用臨時裝置所拍鋰電池殼表面凹坑處圖像

2.3 實驗平臺的搭建

為了能得到鋰電池殼全部外表面的特征,選擇通過直流電機帶動兩根鋼管旋轉,從而帶動鋰電池殼進行360°旋轉。將直流電機連接印刷電路板(PCB),進行電腦編程調試后即可通過印刷電路板(PCB)對直流電機進行控制,保證圖像獲取的可控性。

基于上述思路,對鋰電池殼的表面高反射規律進行了系統研究,并依據研究結果搭建了實驗室環境下(去除暗箱后)的圖像采集平臺,如圖4所示。

3 實 驗

3.1 圖像的采集

通過分析鋰電池殼樣件,可以發現其表面普遍存在的瑕疵種類主要有以下三種:(1)凹坑:指金屬材料表層的砂眼或磕碰導致的凹陷；(2)劃痕:指材料表面呈直線或弧形溝痕通常可以看到溝底[7]；(3)表面粗糙度過大:指要求材料表面粗糙度精度達不到要求。鋰電池殼典型表面如圖5所示。

圖5 鋰電池殼典型表面

圖6為采集到的幾類典型圖像。通過分析這些圖像可以發現:在表面有凹坑的情況下,激光線照射到此位置時,由于此處表面不平,光線在此處入射角相對正常表面處發生變化,使反射角也發生變化,導致反射在屏幕上的光線位置會發生偏移,在此處表現為凸起或凹陷(如圖6(b))；在表面有劃痕的情況下,激光線照射到此位置時,由于此處凹凸不平,使光線在此處發生多次反射,故而反射到屏幕上時此處亮度較低,屏幕上的反射激光線在此處表現為斷點(如圖6(d))；在表面光潔度不達標的情況下,表面微觀形貌是凹凸不平的,光線在各處反射角不一致,使反射光發生散射,故而反射到屏幕上的激光線線寬會變寬(如圖6(a)和(c))。

圖6 典型缺陷件的反射激光線圖像

進而可以進行總結,鋰電池殼表面瑕疵的分類示意如圖7所示。

圖7 鋰電池殼表面瑕疵對應的反射激光線特征示意圖

對采集到的圖像進行圖像處理及特征分析,可以判斷被測件表面是否存在瑕疵,對應形狀特性可以判斷瑕疵的種類。

3.2 圖像的處理過程

通過采集到的圖像發現由于設備自身特性和外部環境干擾,需要對圖像進行預處理,分割出待分析區域并轉化為灰度圖像以提高后續算法的速度以優化系統的整體性能[6]。

對此,以存在劃痕缺陷的鋰電池殼對應的反射激光線圖像為例,本文使用Halcon作為圖像處理工具,首先將采集到的圖像讀到Halcon中,反射激光線部分的如圖8所示。

圖8 有劃痕缺陷的激光線部分原圖

可以發現,由于激光線是比零件長度要長,采集到的圖像含有直接照到幕上的激光線,會對后續圖像分析造成干擾,故而需要去除掉無關的激光線以及背景等。為了方便進行圖像分割,首先需要將如圖8所示的彩色圖像轉換為三個單通道(R/G/B)圖像,再將三個單通道圖像(R/G/B)轉化為CIELab顏色空間三個通道(L/a/b)的圖像。其中L分量用于表示像素的亮度,取值范圍是[0,100],表示從純黑到純白；a表示從紅色到綠色的范圍,取值范圍是[127,-128]；b表示從黃色到藍色的范圍,取值范圍是[127,-128][8]。

圖9 CIELab顏色空間的b通道圖像

再采用高斯函數的差分增強灰度圖像和檢測角點,以便后面進行圖像分割,提取有效區域。根據Marr的說法,這些高斯的標準偏差可以從對數的參數(Sigma)和兩個標準偏差(SigFactor)的比值計算得出:

(1)

sigma2=sigma1/SigFactor

(2)

Result=[Image*Gauss(sigma1)]-

[Image*Gauss(sigma2)]

(3)

式中,Sigma為拉普拉斯算子平滑參數的近似值；SigFactor為使用的標準偏差的比率。

高斯差分處理后的圖像如圖10所示。

圖10 高斯差分處理后的圖像

將上節經過預處理后的圖像進行二值化處理,將灰度值g滿足條件MinGray≤g≤MaxGray的圖像的所有點都作為一個區域返回。通常情況下,分割后得到的區域中所包含的多個物體在返回結果中應該是彼此獨立的[9],因此需要計算輸入區域中的所有連通區域。

計算連通區域后,根據圖像特征將干擾區域從分割結果中剔除,選出需要分析處理的區域,比如,根據這些彼此獨立區域的面積。實際得到的處理結果如圖11所示,只有鋰電池殼對應反射的激光線部分圖像。

圖11 需要分析處理的區域

在試驗階段,采用精度較為高的算法進行圖像分析,即對分割得到的區域進行逐列分析,遍歷此區域。首先,計算此區域每列每個像素對應的灰度值并畫出對應每列的灰度值分布圖(如圖12(b)),同時可以計算得到每列的灰度值最大值。為降低其他因素帶來的影響,對每列的灰度值分布圖進行平滑處理,得到每列平滑后的灰度值分布圖(如圖12(c)),計算平滑處理后對應的每列灰度值分布圖的半高寬作為此列的線寬。

圖12 逐列分析預處理后的圖像

將所有列的最大灰度值與線寬求得平均值,最大灰度值平均值在閾值范圍內則此次取得的圖像為有效圖像。若平均線寬超過閾值要求則存在表面粗糙度過大。由于被測件表面為圓柱面,反射激光線列向理論上呈正態分布,激光線每列灰度值最大處理論上應處于此列中間位置。因此,計算每列激光線中間點灰度值及行坐標,分別作圖(如圖13(b)及下文圖15(b))并進行判斷。若行坐標曲線偏移量超過閾值要求則存在凹坑；若灰度值曲線偏移量超過閾值要求則存在劃痕。若不存在上述缺陷,則為合格件。

若存在劃痕,計算劃痕個數及其存在的大致區域范圍,此區域每列灰度值與平均灰度值進行相關計算,求出劃痕的寬度和深度(單位:像素)。若存在凹坑,計算凹坑個數及其存在的大致區域范圍,此區域每列行坐標與平均行坐標值進行相關計算,求出凹坑的寬度和深度(單位:像素)。

以劃痕缺陷件對應反射激光線圖像為例,對應每列中間位置灰度值的曲線如圖13所示,可以直觀判斷出存在的劃痕數量并通過計算求得劃痕的寬度和深度(單位:像素)。

圖13 劃痕的數據體現

根據圖13的數據進行分析,得到結果并進行顯示(如圖14)。

圖14 劃痕圖像處理后的結果

3.3 圖像處理的結果

按上述圖像處理方式對常見3種不同瑕疵種類的鋰電池殼得到的激光線圖像進行處理,例如凹坑的特征值提取后進行數據分析處理,對應每列中間點行坐標的曲線如圖15所示,同樣可以判斷出存在的凹坑數量并通過計算求得凹坑的寬度和深度(單位:像素)。

圖15 凹坑的數據體現

對3種不同瑕疵種類鋰電池殼的反射激光線圖像進行處理,得到的圖像處理結果如圖16所示。

圖16 典型缺陷件的圖像處理結果

4 分析與討論

為探索反射的激光線凸起/凹陷、斷點、線寬和零件表面凹坑、劃痕、粗糙度之間是否具有對應關系,制作具有不同表面粗糙度及不同寬度和深度劃痕、凹坑的樣件,并對此13個樣件進行圖像采集。按上述圖像處理過程進行圖像分析,將得到的結果進行數據統計,發現不同寬度和深度的劃痕與凹坑、不同程度的粗糙度與樣本表面所反射的激光線圖像特征間具有對應關系。如圖17～19所示。

圖17 劃痕寬度和深度與激光線特征間的關系

通過觀察上述三種不同程度的瑕疵與對應激光線圖像特征間的關系可以發現,這三種表面瑕疵在一定尺寸范圍內與對應激光線的形狀特性有著一定程度上的關聯性。因此,在實際檢測中,表面瑕疵在一定尺寸范圍內時,可以采用此檢測方法對瑕疵本身進行定量的評價。

5 結 論

針對傳統檢測方法難以完成高反射性零件表面瑕疵檢測的問題,本文提出一種采用一字線型激光作為光源的檢測方法。此方法避免了高反面零件在傳統檢測方法中的難點,具有較好的識別性。根據此檢測方法獲得的圖像可以反映零件未被激光掃到表面的一定面積,但由于線激光本身是線寬一定、拍攝間隔,故而在實際檢測時可能存在漏檢或由于數據量過大而降低檢測速度的情況。

本文通過建立鋰電池殼表面檢測平臺探索軸類高反面零件表面形貌與對應反射激光線圖像之間的關系。通過分析可以發現當零件表面出現瑕疵時,對應激光線圖像會發生變化,這種變化與瑕疵種類及尺寸有關,如圖17～19所示。由于樣品加工及檢測技術限制,反映其相關性的參數R-square(R2)結果雖不夠理想,但仍能反映出兩者具有高度的相關性。雖然此結論具有一定的局限性,但對工業高精度零部件的高反射性表面的檢測和定量的評價具有普遍的使用價值和一定程度的可借鑒作用。

圖18 凹坑寬度和深度與激光線特征間的關系

圖19 樣件表面粗糙度Ra與激光線半高寬間的關系