基于機器視覺的影像式耐火度檢測系統

董殿敏，劉 克，劉祎冉

(中鋼集團洛陽耐火材料研究院有限公司, 河南 洛陽 471000)

0 引言

隨著高溫材料的研究與發展，對高溫材料熔融過程的測量要求越來越直觀化、精細化、智能化、非接觸化。以往的間接式測量方式只能獲取簡單的單一信息，且會對被測物造成一定的破壞，不能反應真實的熔融過程。如何滿足熔融過程測量的準確性、直觀性、智能化及非接觸性，寄希望于機器視覺。

機器視覺技術是實現設備精密控制、智能化、自動化的有效途徑和實現計算機集成制造的基礎性技術之一。與人類視覺相比，機器視覺是用機器代替人眼，其功能范圍不僅包括對信息的接受，同時還延伸至對信息的處理與判斷。目前中國的機器視覺行業正處于快速發展階段，是世界機器視覺發展最活躍的地區之一。

耐火度指材料在無荷重的條件下抵抗高溫而不熔化的特性，反映了耐火材料抵抗高溫作用的性能，是耐火材料最重要的參數之一[1]。

耐火材料耐火度產生過程是典型的熔融過程，將機器視覺應用到耐火度的測量中，解決該領域遇到的現實問題，是機器視覺在高溫場合應用研究的熱點。通過機器視覺在耐火度測試系統中的應用，為熔融過程的視覺測量提供理論研究基礎和案例參考。

1 檢測系統總體設計方案

1.1 影像式耐火度系統介紹

耐火度測試系統主要由電控系統、加熱爐體和攝像系統3部分組成[2]。電控系統包括電控柜、旋轉機構等組成。加熱爐體由保溫材料、測溫試錐及錐盤、剛玉支撐棒和發熱體組成。觀測系統則由攝像機、視頻轉換卡和計算機組成，如圖1所示。

圖1 耐火度測試系統示意圖

測溫錐具有特定的組成和規定形狀與尺寸的帶邊棱的截頭斜三角錐，如圖2所示。將耐火材料的試驗錐與已知耐火度的標準測溫錐一起栽在錐臺上，在規定的條件下加熱并比較試驗錐與標準錐的彎倒情況來表示試驗錐的耐火度[1]。

圖2 測溫錐示意圖

1.2 耐火度機器視覺系統模型

高溫環境下，耐火度爐膛內高溫熱輻射發出強烈的黃白光，形成近乎曝光的亮場。爐膛內物體如爐襯、測溫錐、錐盤等改變原來顏色，產生相同的光譜。相同光譜的物體成像混沌一團，很難區分出個體。

如何保證成像的清晰度，本文設計了一套機器視覺系統。系統整體結構分為3個部分，圖像采集部分、爐體加熱及旋轉機構部分與工控機核心處理部分， 如圖3所示。

圖3 耐火度機器視覺系統模型

在攝像機與爐體之間留有圓形觀察孔，觀察孔中放置濾光片，可濾掉一部分強光。考慮到耐火度爐膛內的溫度區域呈一定的階梯分布，測溫錐和錐盤一般在高溫區亮場，背景爐襯一般在低溫區。背景爐襯和測溫錐的距離越遠形成的低溫區與明顯，于是在背景爐襯開一個口徑逐漸變小的圓形口，通向外界環境，這樣在不影響爐體結構的情況下，人為加一個階梯降溫的小冷卻機構，產生不同的熱輻射區域，形成一個相對于測溫錐的暗場區。測溫錐及錐盤放置在爐體內的旋轉機構上，使錐體受熱均勻，保證測溫錐彎倒均勻。

2 硬件設計

影像式耐火度檢測系統硬件部分主要由可二次開發的工業攝像機、工控機、工業無線路由和旋轉機構組成。

2.1 攝像機選型

耐火度高溫場爐膛的黃白光強烈，對攝像機的要求極高。既要考慮響應時間、曝光率等，又要考慮成像仰角問題。因此系統選擇千兆網傳輸接口，保證采集速率；選擇微秒級曝光率，500萬級高像素，毫秒級幀率，保證圖形采集質量和速率；選擇18°低仰角，視距約700 mm，視域范圍約4 mm*4 mm，降低圖像采集失真情況。

2.2 工控機和網卡選型

工控機是整個檢測系統的主控制器，主要負責接收圖像數據、分析處理圖像和網絡傳輸等功能，所選工控機的處理器為Windows10操作系統， InterCorei7 處理器，能夠快速地處理圖形運算工作。網絡傳輸連線選用千兆網卡、6代網線，保證系統檢測的實時性。

2.3 旋轉機構介紹及試驗錐機器定位

根據GB/T 7322-2017規定[1]，為了減小試驗錐受熱的不均勻，錐盤需不停旋轉，因此需要一套旋轉機構來支撐錐盤，旋轉機構由旋轉電機帶動剛玉支撐棒旋轉，支撐棒上方放置錐盤、錐體。

在旋轉過程中，很難區分每個錐體。于是在旋轉機構上與測溫錐相對應的位置安裝電磁開關，在旋轉機構相對于影像觀察口的正左方安裝起始感應磁片如圖4所示。當測溫錐旋轉到觀察口正左方，可檢測到起始感應磁片信號，該信號編為1號錐。1號測溫錐后面感應磁片信號為2號錐，以此類推，可對測溫錐進行自動編號。

圖4 錐體編號機構

通過電磁感應開關對測溫錐進行的編號，是計算機內部編號。若將計算機內部編號轉化成客戶自定義的錐體編號，還需要確認旋轉機構的運行方向、計算機內部編號與客戶自定義的錐體編號的對應關系。

旋轉機構的運行方向，一般通過電機的方向開關可切換。但是如何確定客戶自定義的錐體編號和內部編號的對應關系，需要借助一定的計算機配置方法。

如圖5所示，磁性開關相對于旋轉機構固定。起始位于1號錐的位置，有特殊的起始感應開關信號確定，若旋轉電機的旋轉方向為順時針，則計算機內部編號為圖5三角形內部的數字序號。長方體內的序號為客戶自定義的錐體序號，其與計算機內部信號的對應關系為：1->120、2->130、3->140、4->150、5->180、6->170。

通過計算機運算，將用戶自定義編號、計算機內部編號與感應磁片對應起來，形成一個從機械定位->軟件編號->用戶編號一一對應關系。

圖5 錐體定位示意圖

3 軟件設計

本系統上位機軟件是基于Windows系統下的VS2016平臺實現。由于選用的是可二次開發的工業相機，相機本身帶有一定的圖像處理能力，比如自動白平衡、自動曝光、圖像銳化等功能，因此調用相機提供的API，完成初步的圖像處理。

初步處理的圖像通過千兆網傳輸給工控機，在工控機上呈現的效果如圖6所示。

圖6 耐火度高溫場圖像

圖中明亮的三角錐體為測溫錐，6個測溫錐按照一定角度均勻排列在錐盤上，錐體底部為錐盤，稍暗的背景為爐襯。

3.1 圖像分析

圖像分析是利用數學模型并結合圖像處理的技術來分析底層特征和上層結構，從而提取具有一定智能性的信息[3]。

一般可按照四個步驟來進行圖像分析：①圖像采集，把實際物、景轉換為二維平面圖像，便于計算機處理；②圖像分割，根據灰度、彩色、空間紋理、幾何形狀等特征把圖像劃分成若干個互不相交的區域，使得這些特征在同一區域內表現出一致性或相似性；③圖像識別，將圖像分割出來的物體給以相應的描述；④圖像解釋，用啟發式方法或人機交互技術結合識別方法建立物、景的分級構造。

圖像分割是圖像分析的關鍵步驟，圖像分割算法可分為像點技術和區域技術兩類。像點技術是用閾值方法對各個像點進行分類。區域技術是利用紋理、局部地區灰度對比度等特征檢出邊界、線條、區域等，并用區域生長、合并、分解等技術求出圖像的各個組成成分[5]。

如圖6所示，測試場景中除了有效信息外，還有很多干擾信息，首先將圖像二值化，然后利用基于閾值的圖像分割方法，將有效信息提取出來。

3.1.1 圖像二值化處理

首先對圖片進行灰度化處理，將彩色圖像轉換成為灰度圖像的過程稱為圖像的灰度化處理[4]。一般彩色圖像的灰度化處理有四種方法：分量法、最大值法、平均值法、加權平均法。本文采用加權平均法，由于人眼對綠色的敏感最高，對藍色敏感最低，因此，圖像按公式(1)對RGB三分量進行加權平均能得到較合理的灰度圖像:

f(x,y)=0.30*R(x,y)+0.59*G(x,y)+

0.11*B(x,y)

(1)

其中:f(x,y)為灰度值，R(x,y)為紅色分量值，G(x,y)為綠色分量值，B(x,y)為藍色分量值。由于灰度圖色彩信息不復雜，可采用基于閾值的圖像分割法。

3.1.2 基于閾值的圖像分割

基于閾值的分割方法適用于目標和背景的灰度差較大，圖像由明、暗兩種不同灰度級的區域組成。將灰度圖進行灰度直方圖分析，可見有明顯的兩個波峰(P1、P2)及一個波谷(T)如圖7所示。有效信息只有一組，故可選擇單閾值T將亮暗峰區分開。單閾值圖像分割效率快，計算簡單，適合圖像的實時分析。

圖7 灰度直方圖

單閾值分割可按照公式(2)進行：

(2)

其中:g(x,y)為分割后x,y像素的特征值，f(x,y)為像素的灰度值，T為分割閾值。經過單閾值分割后為色彩信息單一的二值圖，如圖8所示。

圖8 二值圖

經過圖像的二值化處理以后，背景已全部剔除，有效信息的輪廓抽離出來。

3.2 圖像識別及解釋

錐盤是固定錐體的圓盤，其材質為耐火材料，在高溫下錐盤與錐體呈相近顏色，錐盤上表面的位置即是錐體根部位置。

因此若能將錐體形狀完整提取出來，則錐盤上表面與錐尖的識別就輕而易舉。如圖9所示，錐盤上表面位置在Y1處，1號測溫錐的錐尖位置在Y2處，試驗過程中實時監測錐尖位置Y2，當Y2-Y1=0 時即為1號試驗錐的彎倒溫度。

圖9 錐盤及錐體標識

為了正確的識別錐盤上表面位置Y1及錐尖位置Y2，本文改進了連通區域標記算法，使連通區域的邊緣點具有方向性記憶，可將錐體形狀完整的提取出來。

3.2.1 帶方向記憶的連通區域標記法

連通區域指的是從區域內每一象素出發，可通過八個方向，即上、下、左、右、左上、右上、左下、右下這八個方向的移動的組合，在不越出區域的前提下，到達區域內的任意象素。

帶方向記憶的連通區域標記算法，不單記錄邊緣點的位置信息，還記錄邊緣點相對于內部點的方向信息。算法實現過程為假定C點為初始檢測點，與C點相鄰的 8個區域皆與C點有相同的屬性，則認為C點不是邊緣，反之則為邊緣，記錄邊緣點信息P(x,y,左/右)。C點掃描完成后，掃描C相鄰點，以此類推，直到圖片中所有像素點均掃描一遍，即可確定邊緣點集合L，將邊緣點集合L連接起來即為連通的區域。對于孤立點P，根據特定情況，可剔除掉。

3.2.2 圖像實時跟蹤

將二值圖進行連通區域算法處理后，得到左側邊緣點集合LL=[PL1{x1,y1,左}，PL2{x1,y1,左}，PL3{x1,y1,左}……]，右側邊緣點集合LR=[PR1{x1,y1,右}，PR2{x1,y1,右}，PR3{x1,y1, 右}……]。根據1.3所講的旋轉錐盤機器定位方法，選用左側邊緣點集合有效或者右側邊緣點集合有效。以左側邊緣點集合有效為例，集合內最左上的點為錐尖位置Y2，最右下的點為錐體根部即錐盤上表面Y1,如圖10所示。

圖10 連通區域邊緣連線

實時跟蹤錐尖Y2的和錐盤Y1，跟蹤過程即是測溫錐彎倒過程。如圖11所示，測溫錐從(a)到(b)的變化過程可實時完整的記錄下來。

圖11 試驗錐實時跟蹤過程

4 試驗驗證

首先5次不同溫度標準測溫錐的試驗結果，來驗證實驗結果的準確性。

圖12 試驗結果誤差分析

從圖12(a)可看出不同耐火度標準錐的5次實驗結果最大誤差為5 ℃，最小誤差為1 ℃，圖12(b)可看出相同耐火度標準錐的5次試驗結果最大誤差為4 ℃，最小誤差為-3 ℃。

5 結束語

在耐火度測試系統中，機器視覺的引入解決了人工視覺直接觀察高溫場帶來的不便和危害，將操作員從漫長的試驗中徹底解放出來。同時應用圖像分析技術，對耐火度圖像進行自動識別及解釋，使耐火度的試驗過程更智能、更方便。

本文將機器視覺引入到耐火材料檢測行業，可實現高溫場景下圖像的捕捉、記錄、分析，改變了該行業傳統的間接測量方式，該技術的應用為高溫圖像分析提供了理論研究基礎和案例參考，為耐火材料的研究和發展提供了極大的幫助。