產品表面平整度的機器視覺檢測技術應用研究

摘要：以具有典型鏡面反光特性的拋光瓷磚作為研究對象，探討了瓷磚表面平整度的評價指標，提出了表面平整度檢測方法，構建了基于機器視覺的平整度檢測系統，在試驗盒內完成圖像采集與預處理后，利用算子圖像不平整缺陷區域的分割識別，可呈現清晰的瓷磚產品表面圖像變形缺陷區域，為檢測產品表面平整度的機器視覺檢測技術的應用提供了參考。

關鍵詞：平整度檢測;機器視覺;圖像采集;預處理

0 引言

隨著科技不斷發展，機器視覺作為前沿學科，可高效解決人類不便直接觀測技術的應用問題，且不會因直接接觸而損傷被觀測體，因此在產品表面平整度檢測中具備明顯的應用優勢。瓷磚是具有鏡面反光特性的代表性產品，其生產制造工藝水平可通過表面平整度指標來評價。針對人工檢測手段無法滿足現代瓷磚工業生產需求的問題，機器視覺檢測技術成為首選。

1 瓷磚產品表面平整度評價指標

我國陶瓷瓷磚產品的尺寸外觀和表面質量的檢驗檢測以專項國家標準《陶瓷磚試驗方法（第2部分）：尺寸和表面質量的檢驗》（GB/T 3810.2—2006）作為指南。該標準指出，瓷磚產品的表面平整度主要包括翹曲度、中心彎曲度、邊部彎曲度3個指標，如圖1所示[1]。其中，翹曲度指標定義為瓷磚產品的任三個角組成平面后與第四個角產生的偏離量;邊部彎曲度指標定義為瓷磚產品的任三個角組成平面后與某一邊中點產生的偏離量;中心彎曲度指標定義為瓷磚產品的任三個角組成平面后與產品中心點產生的偏離量。這3個指標常用的計算公式分別表示為：

在實際工業生產中，瓷磚的這3個指標會接受同步測量計算，并將計算結果的最大值作為瓷磚平整度值。

2 鏡面瓷磚產品表面平整度檢測系統設計

2.1? ? 設計思路

人們可以從湖面對岸邊景物的倒影變化現象中得到啟發：若湖面平靜，岸邊景物的倒影將與原物的規格與形態一致;若湖面因風出現波紋，岸邊景物的倒影將會變形，不會與原物輪廓形態一致，波紋越大，倒影的扭曲程度越大。因此，以湖面作為鏡面，景物在其上的倒影扭曲變化的程度，就可表達出其表面平整的程度。同理，瓷磚作為鏡面產品，亦可通過投影方式在瓷磚表面呈現規則物體的外觀輪廓，以已知表面平整的瓷磚投影位置作為參照，分析計算判斷待檢瓷磚投影位置出現的位置偏移程度，若后者表面越不平，則偏移程度將越發明顯，可知待檢瓷磚的表面平整度越發不理想。

2.2? ? 檢測系統的硬件結構設計

本文將現階段已經不斷發展成熟的機器視覺技術引入到對瓷磚產品表面平整度的檢測中，設計一個瓷磚產品表面不平整缺陷的檢測系統。其主要硬件結構如圖2所示。

圖2中，整個檢測實驗空間是在一個相對安靜且封閉的試驗盒內。NO.1指的是條形的LED光源，可持續供電，沿試驗盒內頂面四邊進行布置，呈對稱型。光源表面經過必要的漫反射板裝飾處理，可降低對待檢測瓷磚在光源直射后出現的反光概率。NO.2指的是帶有光學鏡頭的電子相機，相機產自佳能公司，擁有500萬像素，分辨率2 592 dpi×2 048 dpi，像素尺寸4.8 μm×4.8 μm，鏡頭產自華谷動力公司，擁有1 000萬像素，畸變比<1%。NO.3指的是待檢測表面不平整缺陷的鏡面陶瓷瓷磚產品，整體呈銀白色，為降低在受光照射后出現的明顯反射現象，在試驗盒底面放置了NO.4黑色面板，面板用于充當背景，其表面粗糙可盡可能減弱反光效果，且可強化光源照射下的NO.3與NO.4的明暗對比，便于在采集影像資料后可對其背景進行分割處理。

整個檢測系統的使用流程，即先調整好相機與陶瓷瓷磚的相對位置，并控制好頂面四邊的光源照射角度與強度，使用相機采集到瓷磚清晰照后，對瓷磚圖像進行預處理，利用算法完成瓷磚表面圖像中的缺陷區域分割，并計算出瓷磚缺陷的實際尺寸。

3 鏡面瓷磚產品表面不平整缺陷區域分割

3.1? ? 瓷磚產品表面圖像預處理

圖像預處理即要求借助合理的手段，不斷剔除圖像內部的無關聯信息，便于更為清晰準確地檢測出表面不平整缺陷。

3.1.1? ? 消除圖像畸變

受到相機以及鏡頭工藝的影響，一些拍攝圖像可能存在畸變，因此要利用合理手段進行消除。本文使用機器視覺軟件HALCON完成畸變校正[2]。先標定相機，后取得相機拍攝成像的邏輯模式，進而對采集后的產品表面圖像進行校正。

3.1.2? ? 分割無關背景

在試驗盒中對瓷磚產品表面進行圖像拍攝采集時，由于底面設置有黑色面板充當背景，事實上在圖像采集時易構成圖像視野中的無用目標區域，這樣會增加所采集圖像的實際大小，對于后期的運算而言負擔增加，還會拖慢運算速度。本文將分割這部分黑色無關背景。由于瓷磚與黑色背景的明暗對比明顯，因此，本文利用全局閾值法來完成對瓷磚圖像區域的提取，分割黑色無關背景。全局閾值法所用公式為：

式中，G（i，j）是分割剔除無關背景后的剩余圖像;P（i，j）是相機所采集到的原始圖像;K是全局閾值設定值。

3.1.3? ? 去除圖像噪聲

相機對陶瓷產品表面的圖像采集，會因目標區域受到的光照存在不均勻問題而使得圖像上會出現不同程度的明暗區域交替，存在噪聲的比例較高，這樣就影響到對瓷磚表面不平整缺陷的檢測，應做去噪處理。本文將使用高斯濾波算法去除噪聲。此算法作為典型的線性濾波邏輯算法，與中值濾波、均值濾波等算法相比，能在去除圖像噪聲的同時，更好地保持圖像邊緣信息完整性，實現平滑去噪。

3.2? ? 瓷磚產品表面圖像變形缺陷區域分割

完成圖像預處理之后，為了提取瓷磚圖像存在缺陷的區域，并完成后期的缺陷區域尺寸的精確計算，需要采取科學手段進行缺陷區域的分割。

本文在高斯濾波算法的基礎上，對高斯函數作一階微分得到Canny算子，從而將瓷磚的邊緣變形缺陷等待檢測問題轉化為求解檢測基準函數極大值的問題[3]。高斯濾波完成后，即進行圖像梯度大小和方向的運算，并通過求解極大值并抑制非極大值，確定真實變形缺陷的邊緣。通過像素點所設置的不同梯度進行大小比較，用選定像素點的梯度值與鄰近正負梯度方向上的兩個不同像素點梯度值進行比較，將非極大值所對應的像素點灰度值設定為0，進一步對比確定局部梯度的最大值對應點并保留，后續有效設定高低閾值指標再行檢測。設高閾值為G，低閾值為D，則若瓷磚圖像變形缺陷的邊緣像素梯度取值大于G，則定義此像素為強邊緣像素并保留;若瓷磚圖像變形缺陷的邊緣像素梯度取值低于G且高于D，則定義此像素為弱邊緣像素，需要進一步評價周圍八方位的相鄰像素與G的對比大小情況，若存在高于G的像素梯度，則對應的像素點需要保留，若未出現高于G的像素梯度，則對應的像素點接受抑制;若瓷磚圖像變形缺陷的邊緣像素梯度在D以下，則定義次像素直接接受抑制。當然，Canny算子檢測方法的應用中，由于算法使用G、D雙閾值檢測，在抑制動作中只是完成對存在可能被誤分割區域的識別，而容易遺漏對變形缺陷邊緣間斷區域的處理，使得可能將不需抑制的邊緣進行了抑制，因此需要對Canny算子的檢測方法進行必要的修正和補充。

本文同時選用Sobel算子和Close_edges算子檢測方法，第一步是先以Sobel算子對圖像求導后獲得二值化圖像，因新圖像邊緣尚存在缺口和有間斷，或者有新的噪聲出現，需要使用Close_edges算子完成第二步操作。將算子引入瓷磚二值化圖像邊緣點相鄰區域，評判不同相鄰點梯度值，設定對比閾值為H，若某點梯度≥H，則此點可判斷為真實邊緣內含點，若某點梯度

通過Canny算子與Close_edges算子檢測方法的結合應用，前一方法可對瓷磚圖像變形缺陷的邊緣誤分割后的假性邊緣實施合理抑制，然而在辨識和處理變形缺陷邊緣中存在的間斷問題上存在不足;后一方法則能夠有效針對變形缺陷邊緣存在的間斷點進行連接，然而在邊緣誤分割的假性邊緣抑制處理方面存在不足，一定情況下還會出現假性邊緣異常延伸，干擾分割識別的情況。因此，將兩種方法結合后，對瓷磚圖像變形缺陷邊緣進行檢測，一方面對誤分割的假性邊緣進行了合理抑制，另一方面能較為穩定地處理好缺陷邊緣存在的間隙、噪點等問題，最終可以分割出明確的瓷磚圖像變形缺陷，證實瓷磚產品的表面不平整度。

4 結語

本文將機器視覺檢測技術應用在鏡面瓷磚產品的表面平整度檢測工作中，主要憑借圖像處理技術以及必要的算法完成檢測，在圖像采集中設計了試驗盒，對瓷磚表面進行拍攝圖像的穩定采集，經過消除圖像畸變、分割無關背景、去除圖像噪聲等預處理后，利用Canny算子與Close_edges算子檢測方法相結合，實施瓷磚產品表面圖像變形缺陷區域的分割，可呈現清晰的瓷磚產品表面圖像變形缺陷區域，有效掌握產品表面平整度情況。

[參考文獻]

[1] 謝劍.基于機器視覺的表面平整度檢測方法研究[D].長沙：中南大學，2014.

[2] 程翔，王美玲，王廣偉.基于機器視覺的汽車非標零部產品檢測技術研究[J].經濟技術協作信息，2019（14）：90.

[3] 吳園.基于機器視覺技術的產品外觀質量檢測研究[J].電子元器件與信息技術，2018（6）：35-38.

收稿日期：2020-06-04

作者簡介：黃燕（1989—），女，四川資中人，碩士研究生，研究方向：機械檢測。