UBC大數(shù)據(jù)在PVC涂膠膜檢測技術(shù)中的應(yīng)用

任雙超，趙時璐，張 震，彭林志

(1.沈陽大學(xué)機械工程學(xué)院，遼寧 沈陽 110044；2.華晨寶馬汽車有限公司涂裝車間，遼寧 沈陽 110143)

PVC(Poly Vinyl Chloride)，又被稱作聚氯乙烯，由聚氯乙脂、增塑劑、填充材料、附著力增強劑主要成分組成。將PVC涂膠噴涂在車身底盤表面起到消音阻尼作用。汽車在高速行駛過程中，由于車身底部的振動會產(chǎn)生噪音和能量，將PVC涂膠噴涂在車身底盤形成PVC涂膠膜，起到了極大的消音阻尼作用[1]。因此，PVC涂膠膜使用性能的優(yōu)劣直接影響汽車安全性能和使用壽命。

由于更換涂膠時，即使不改變噴涂機器人的各個參數(shù)，受PVC涂膠的批次不同、黏度不同的影響，導(dǎo)致機器人噴涂的涂膠膜扇面寬度產(chǎn)生差異。此時需要對偏差位置進行分析，找出與差異位置相關(guān)的機器人，并及時調(diào)整PVC涂膠的溫度、黏度、濕度等參數(shù)，進而提高PVC涂膠膜的使用性能。分析PVC涂膠膜的使用性能，需要UBC大數(shù)據(jù)與PVC涂膠膜檢測系統(tǒng)。

UBC(Under Body Check)，即車身下部檢測，圍繞人工智能生產(chǎn)制造模式，對工藝、制造、檢測等方面的價值數(shù)據(jù)進行收集。主要以大量數(shù)據(jù)為核心，極大改善了傳動數(shù)據(jù)收集與分析的能力，同時還涵蓋了人工智能相關(guān)技術(shù)與應(yīng)用。利用檢測設(shè)備與目標(biāo)物體在物聯(lián)網(wǎng)運轉(zhuǎn)模式下，實時收集所產(chǎn)生的操作和運行效率、環(huán)境參數(shù)、缺陷位置及類型等體現(xiàn)檢測目標(biāo)使用性能和設(shè)備運轉(zhuǎn)狀況的數(shù)據(jù)。通過對PVC涂膠膜檢測數(shù)據(jù)運算與分析，形成直觀且清晰的可視化曲線圖，根據(jù)曲線圖查找出波動處可以獲取缺陷類型參數(shù)。PVC涂膠膜檢測系統(tǒng)是一種采用機器人取代人眼的一種智能檢測裝置。一個典型的智能檢測系統(tǒng)由光源、光學(xué)系統(tǒng)、圖像采集系統(tǒng)、數(shù)字圖像處理和控制系統(tǒng)組成[2]。利用檢測系統(tǒng)可以高效地檢測出汽車底PVC涂膠膜未噴涂區(qū)域位置，提高PVC涂膠膜的使用特性能。

2 檢測系統(tǒng)基本框架設(shè)計研究

汽車底盤PVC檢測設(shè)備的光學(xué)成像系統(tǒng)、圖像采集系統(tǒng)的基本布局，如圖1所示。此檢測系統(tǒng)主要由CCD工業(yè)相機光源、鏡頭、光源、傳感器、圖像處理系統(tǒng)等組成。其中光源、工業(yè)鏡頭、CCD工業(yè)相機、傳感器等屬于設(shè)備的硬件系統(tǒng)；圖像處理系統(tǒng)和控制系統(tǒng)屬于設(shè)備的軟件系統(tǒng)。

圖1 汽車底盤PVC涂膠檢測設(shè)備的基本布圖Fig.1 The Basic Layout of the Vehicle Chassis PVC Coating Detection Equipment

2.1 工業(yè)相機

工業(yè)相機優(yōu)勢在于體積小巧、運行穩(wěn)定、性能可靠、清晰度高等，因此在檢測系統(tǒng)中應(yīng)用極為廣泛。一般選取CCD工業(yè)相機對其精準(zhǔn)度和相機分辨率有一定要求，計算公式如下：

由于車底盤PVC涂膠膜檢測尺寸為(1780×1250)mm，安裝有6個工業(yè)相機，檢測次數(shù)為20次，單個相機的檢測尺寸為(150×250)mm，要求精度為0.1，由于檢測目標(biāo)易在運動過程中產(chǎn)生差異，可適當(dāng)擴大視野范圍，并設(shè)置為(220×210)mm。若光照度適中，相機分辨率為220/0.1/2=1100mm，相對應(yīng)側(cè)分辨率為210/0.1/2=1050mm。顯然，相機分辨率至少在(1100×1050)以上才能滿足要求，此檢測系統(tǒng)選擇分辨率為1280×1024的CCD工業(yè)相機。

2.2 鏡頭

工業(yè)相機鏡頭的作用與人眼中晶狀體作用相似。若人眼缺少晶狀體則不能看到物體或者景像；若工業(yè)相機沒有鏡頭的支持，則無法呈現(xiàn)檢測目標(biāo)圖像。鏡頭的作用是將檢測目標(biāo)聚焦到圖像傳感器的光敏面上[3]。鏡頭的關(guān)鍵參數(shù)是焦距，一般采用J表示。焦距長短決定了檢測目標(biāo)在圖像傳感器上呈現(xiàn)的圖像尺寸。

此檢測系統(tǒng)根據(jù)與檢測目標(biāo)的距離確定相機位置。分別采用14mm、18mm、22mm焦距的鏡頭對同一檢測目標(biāo)進行實驗，實驗結(jié)果為14mm焦距的鏡頭呈現(xiàn)圖像尺寸小，圖像模糊；焦距為18mm的鏡頭呈現(xiàn)圖像尺寸適中，能形成易于分析的圖像；焦距為22mm的鏡頭呈現(xiàn)圖像尺寸放大兩倍，形成的圖像尺寸超過其檢測范圍，導(dǎo)致檢測遺漏。綜合考慮，選取焦距為18mm的鏡頭作為此檢測系統(tǒng)的工業(yè)相機鏡頭最為合理，有利于鏡頭拍攝。

2.3 光源

光源的作用是能有效的突顯出檢測目標(biāo)的特征點，有效區(qū)分檢測位置與不需要檢測位置，即使檢測目標(biāo)移動，但仍然保持呈現(xiàn)圖像的清晰度。選擇光源時必須考慮光源形狀、亮度、均勻度等，同時選擇合適的發(fā)光效率與工作時間限度。光源由自然光源和人造光源組成。自然光源不適用于有遮擋物的環(huán)境且不能調(diào)節(jié)，通常不用作圖像采集系統(tǒng)的照射光源。檢測系統(tǒng)一般在安裝在室內(nèi)，所以采用位置可變，容易調(diào)節(jié)的人造光源，如鹵素?zé)簟晒鉄簟ED燈、氙燈[4]。光源的特性對比，如表1所示。

表1 主要光源相關(guān)特性對比表Tab.1 Table of Correlation Characteristics of Main Light Sources

由表1可知，LED光源具有工作時間長、形狀自由、響應(yīng)時間短、可選顏色多、價格便宜等特點，因此選擇工作時間長的白色LED燈作為光源是最經(jīng)濟有效的。

選取完相機、鏡頭、光源類型以及光照顏色后，對本系統(tǒng)光源的最佳光亮度進行研究，通過調(diào)節(jié)光源控制器改變光亮度，從光亮度為0開始，以每增加10級光亮度則獲取圖像，圖像對比，如圖2所示。由圖對比可知，120光亮度的圖像對比度最佳，低于120的圖像較暗，高于120的圖像過亮失真因此，選取120作為本系統(tǒng)光源最佳光亮度值。

圖2 光亮度對比Fig.2 Brightness Comparison

3 圖像處理

3.1 圖像預(yù)處理

圖像預(yù)處理是指清除檢測目標(biāo)圖像中無價值信息，保留有價值的真實信息，并使數(shù)據(jù)簡單化，提高信息提取、圖像分割、邊緣提取的可靠性。預(yù)處理方式一般包括幾何變換、復(fù)原、增強等。

3.2 圖像信息提取

PVC涂膠膜檢測圖像預(yù)處理后，還需進一步分析。在實際分析中，主要采用邊緣檢測尋找未噴涂邊緣信息。首先識別出來噴涂區(qū)域，再確定出其邊緣，以簡化信息提取方式。找出檢測目標(biāo)邊緣后，從邊緣信息中提取主要特征點，得到未噴涂位置信息。

3.3 圖像分割

圖像分割一般采用基于閾值的方法。此方法計算簡單，實現(xiàn)容易，分析穩(wěn)定。故采用閾值分割對未噴涂區(qū)域進行劃分，閾值分割的關(guān)鍵是閾值的選取。圖像的灰度直方圖是灰度級的函數(shù)，即將灰度級出現(xiàn)的頻率(像素個數(shù))除以圖像中像素的總數(shù)[5]。灰度直方圖的計算公式如下：

式中：rk—像素的灰度級；nk—具有灰度rk的像素數(shù)量；MN—檢測圖像中像素總數(shù)量。

如圖3所示，根據(jù)PVC涂膠膜檢測圖像的灰度圖直方圖，可以判斷出檢測圖像F(x,y))中10-20灰度級上顯示出大量的像素，少量像素在30-140灰度級上產(chǎn)生。

圖3 PVC涂膠膜檢測圖像及灰度直方圖Fig.3 PVC Coated Film Detection Image and Gray Histogram

設(shè)置閾值為T，把該圖像的灰度直方圖分為兩部分：

PVC涂膠膜檢測灰度圖的特征是：一部分是較分散的背景像素灰度值，另一部分是比較集中的未噴涂區(qū)域像素灰度值。在滿足閾值選擇原則的基礎(chǔ)上，為了降低背景上的亮點的干擾，故設(shè)置適中閾值，閾值應(yīng)在(50～70)之間。實驗選擇50、60和70得閾值進行檢測，發(fā)現(xiàn)設(shè)置閾值為60時，可得到理想的圖像。由圖4可看出，未噴涂區(qū)域呈現(xiàn)很清晰，所需的特征信息都存在。

圖4 閾值測試對比Fig.4 Threshold Test Comparison

3.4 邊緣提取

邊緣提取是一種多尺度邊緣檢測方法[6]，能夠更好地提取復(fù)雜的圖像邊緣。在此方法中，采用非下采樣輪廓波變換Nonsubsampled Contourlet變換，簡稱NSCT。具體提取原理如下，NSCT變換能在不同的尺度下將圖像分解成不同的子帶，在原圖像上某個方向的方向梯度矢量是各尺度下在這個方向上的子帶系數(shù)，各方向梯度矢量融合形成圖像邊緣[6]。為了簡化計算，設(shè)置全部負(fù)子帶系數(shù)為0，則子帶系數(shù)方向角在0至π范圍內(nèi)。那么子帶系數(shù)的方向角則為0到π。NSCT將檢測圖像分解為4個子帶，其相鄰子帶角度差是π/4。式中4個方向的矢量分別為F1(x，y)，F(xiàn)2(x，y)，F(xiàn)3(x，y)，F(xiàn)4(x，y)，(x，y)坐標(biāo)表示子帶圖像的位置。

F14(x，y)方向的矢量角為θ14，F(xiàn)23(x，y)方向的矢量角為θ23。

由于式中相鄰矢量方向的角度差是π/4，則F14(x，y)和F23(x，y)之間的角度計算[7]如下：

由子帶合成的最終梯度向量模|F(x，y)|的表達式為：

其中，|F(x，y)|是圖像邊緣，如圖5所示，提取圖像邊緣效果好。

圖5 提取圖像邊緣Fig.5 Extract Image Edges

4 UBC大數(shù)據(jù)處理與分析

4.1 數(shù)據(jù)庫的建立

建立MySQL數(shù)據(jù)庫是UBC大數(shù)據(jù)處理的關(guān)鍵技術(shù)之一，主要目的是為PVC涂膠膜檢測數(shù)據(jù)提供一個可進行數(shù)據(jù)整理，數(shù)據(jù)歸檔且能夠容納大量數(shù)據(jù)的空間。MySQL數(shù)據(jù)庫作為一種關(guān)系型數(shù)據(jù)庫[8]，其主要特征是可大量存儲、實時存儲、查詢迅速，成本低等。這些主要特征可滿足于檢測系統(tǒng)的要求，并確保了數(shù)據(jù)的安全性、全面性和實時性。因此，將計算機系統(tǒng)與檢測設(shè)備之間建立聯(lián)系，應(yīng)用計算機系統(tǒng)完成操作，通過自動化模式來提高PVC涂膠膜檢測的精確度[9]。

MySQL數(shù)據(jù)庫結(jié)構(gòu)，如圖6所示。

圖6 MySQL數(shù)據(jù)庫結(jié)構(gòu)圖Fig.6 MySQL Database Structure Diagram

其中包括外模式、模式和內(nèi)模式。外模式針對使用者，即可以觀察到的MySQL數(shù)據(jù)庫的數(shù)據(jù)圖像，也就是表示價值數(shù)據(jù)之間的邏輯關(guān)系[10]；模式，對全部的價值數(shù)據(jù)根據(jù)統(tǒng)一特征建立邏輯結(jié)構(gòu)，描述MySQL數(shù)據(jù)庫中所有的價值數(shù)據(jù)，體現(xiàn)了MySQL數(shù)據(jù)庫的全面性。內(nèi)模式，又稱為儲存模式，對MySQL數(shù)據(jù)庫中的價值數(shù)據(jù)特征做最基本的描述，與傳輸源頭的數(shù)據(jù)相對應(yīng)。

4.2 基于JDBC的SQL查詢與展示

JDBC，又稱為JAVA API，主要作用是與MySQL數(shù)據(jù)庫建立連接，建立與數(shù)據(jù)庫交流的途徑，并能用web端發(fā)出查詢指令以及處理從數(shù)據(jù)庫中獲取的結(jié)果集。使用JDBC能夠幫助使用者對MySQL數(shù)據(jù)庫中的數(shù)據(jù)進行添加、刪減、修改以及查詢。此外，JDBC在獲得數(shù)據(jù)后展示給使用者時，本身可自行分析是否為價值數(shù)據(jù)，并將高度價值數(shù)據(jù)緩存入庫，若下次判定是同樣請求，則可以直接調(diào)出緩存數(shù)據(jù)，不需要再次連接數(shù)據(jù)庫，即直接獲取查詢結(jié)果，這樣極大縮短了使用者的等待時間，并且增加了系統(tǒng)運行率。

根據(jù)檢測的需求，需具備檢測的車型、時間、車身編號、區(qū)域、標(biāo)準(zhǔn)參數(shù)、偏差值等查詢功能，并采用JAVA語言進行描述。分別為實現(xiàn)檢測數(shù)據(jù)查詢登錄界面與主界面，如圖7、圖8所示。

圖7 檢測數(shù)據(jù)查詢登錄界面Fig.7 Detection Data Query Login Interface

圖8 檢測數(shù)據(jù)查詢主界面Fig.8 Detection Data Query Main Interface

根據(jù)該檢測系統(tǒng)的實際要求，需能夠通過折線圖展示出數(shù)據(jù)波動情況，并作為缺陷位置的判斷依據(jù)，為使用者提供準(zhǔn)確的數(shù)據(jù)信息，此功能采用JAVA語言描述實現(xiàn)。實現(xiàn)數(shù)據(jù)折線圖，如圖9所示。

圖9 檢測數(shù)據(jù)分析折線圖Fig.9 Detection Data Analysis Line Chart

5 實驗結(jié)果分析

本實驗主要針對車底盤PVC涂膠膜使用性能進行檢測。以某品牌汽車底盤PVC涂膠未噴涂區(qū)域為例進行了檢測，選用分辨率為1280×1024的CCD黑白工業(yè)相機，18mm焦距的工業(yè)鏡頭，LED條形白色光源。隨機選取1000臺車身作為檢測目標(biāo)，檢測結(jié)果如表2所示。由表2可知，汽車輪罩PVC涂膠膜未噴涂缺陷基本均被系統(tǒng)正確檢出，且檢測正確率達到99.80%，因此滿足了實際生產(chǎn)的需求。

表2 汽車底盤PVC涂膠膜檢測數(shù)據(jù)Tab.2 Testing Data of PVC Coating Film of Automobile Chassis

6 結(jié)論

(1)研究了UBC大數(shù)據(jù)在PVC涂膠膜檢測系統(tǒng)中的運用，利用CCD工業(yè)相機獲取檢測區(qū)域圖像，采用二值化與邊緣提取方法對獲取圖像進行處理。(2)利用JDBC和JAVA代碼實現(xiàn)UBC大數(shù)據(jù)價值信息分析，并定位缺陷點，解決了傳統(tǒng)數(shù)據(jù)分析效率低、精準(zhǔn)度差等問題。(3)實驗結(jié)果表明，UBC大數(shù)據(jù)應(yīng)用在檢測系統(tǒng)后，檢測準(zhǔn)確率在99.80%以上，且可通過折線圖直接判斷缺陷位置，基本滿足了檢測PVC涂膠膜高精度的要求。