基于輪廓重心法的蜂窩陶瓷堵塞檢測及疏通系統研究

朱文玉，王圣文，趙晨旭

(1.山東石油化工學院 智能制造與控制工程學院，山東 東營 257061；2.中國聯合網絡通信有限公司 新疆維吾爾自治區分公司，烏魯木齊 830000)

0 引言

蜂窩陶瓷的市場需求量巨大，但是生產過程中很容易出現細孔堵塞、變形、破損等問題，所以檢測是蜂窩陶瓷生產線上的一個重要環節，需要對其進行精準測量，以判斷其質量是否在要求范圍內[1]。而在對蜂窩陶瓷進行檢測時，需要人工逐個排查，這種檢測方式效率低、速度慢、精度差，并且受人工主觀因素影響大，使檢測效果受到了嚴重的影響，從而影響了蜂窩陶瓷的出廠速度。因此，研究一種有效的蜂窩陶瓷性能檢測方法是十分有必要的。

眾多相關的學者，均進行了蜂窩陶瓷性能的檢測研究。文獻[2]將激光技術應用于蜂窩陶瓷的檢測，該方法通過激光掃描成像技術對蜂窩陶瓷進行全方位的掃描，采用中值濾波方法進行掃描圖像的去噪處理。通過離散小波多尺度變換提取掃描圖像的紋理特征，完成蜂窩陶瓷性能的檢測。文獻[3]將錐束CT檢測系統應用于蜂窩陶瓷的檢測，通過對透照管電壓、旋轉軸傾斜以及投影張數等參數的調節，通過錐束CT檢測系統采集蜂窩陶瓷的CT圖像。結合濾波技術降低蜂窩陶瓷CT圖像的散射情況，并提高信噪比與對比度，從而獲得有效的蜂窩陶瓷性能檢測結果。文獻[4]將超聲無損檢測技術應用于工業蜂窩陶瓷性能的檢測，借助超聲無損檢測非接觸性、寬帶、多波型的特點，對工業蜂窩陶瓷內部組織與缺陷進行有效的檢測。文獻[5]提出基于機器視覺的圓柱形蜂窩陶瓷側面裂隙檢測方法，該方法選擇COMS相機和LED白色平行光源作為視覺圖像采集的硬件，并對采用中值濾波算法去除采集圖像中的椒鹽噪聲。通過全局閾值分割算法對采集的圖像進行分割處理，從面積、長度與寬度三方面檢測蜂窩陶瓷的側面裂隙。文獻[6]提出基于機器視覺的蜂窩陶瓷側面缺陷檢測方法，該方法結合轉盤結構與線陣CCD相機對蜂窩陶瓷的側面圖形進行采集，完成圖像噪聲消除后通過Canny算子提取圖像的邊緣特征，最后采用加權分割方法提取出圖像中的缺陷。文獻[7]提出基于機器視覺的蜂窩陶瓷檢測方法，采用高速攝像機采集蜂窩陶瓷不同角度的圖像，內切圓逐次逼近定位算法獲得缺陷的檢測結果。文獻[8]設計蜂窩陶瓷載體質量的視覺檢測系統，該系統詳細分析了攝像機選擇原理、光學系統設計及光源安裝過程等，并采用非線性模型對相機進行線性標定。采用混合噪聲濾波算法去除所采集圖像中的噪聲。采用Zernike矩進行亞像素邊緣的精檢測。文獻[9]提出基于計算機視覺的蜂窩陶瓷在線檢測系統，該系統通過4臺高速攝像機實時采集蜂窩陶瓷的圖像，采用改進型加權中值濾波算法對采集的圖像進行濾波。完成濾波后采用Fisher評價函數對圖像進行分割，完成陶瓷蜂窩的檢測。

在上述方法的基礎上，文中提出了一種基于輪廓重心法的堵塞檢測方法，并且設計了一套自動疏通裝置，在發現堵塞的問題后，可立即解決。該方法通過圖像預處理、Canny邊緣檢測，結合輪廓重心法確定堵塞點，最終使用USB轉TTL串口通訊實現上下位機數據交互，以完成對蜂窩陶瓷的細孔堵塞缺陷自動定位，并通過高壓氣體進行疏通。經實驗測試，本文提出的基于輪廓重心法的堵塞檢測及疏通系統，能自動對蜂窩陶瓷的堵塞點進行實時檢測，速度快、精度高、穩定性高，且發現細孔堵塞問題后，可通壓氣體進行及時疏通。

1 蜂窩陶瓷堵塞檢測及疏通系統設計

1.1 結構設計

根據市場上的成本要低、測量速度不能太慢、檢測精度要高等要求，設計了蜂窩陶瓷堵塞檢測及疏通系統，本系統是一個檢測工位，其裝置結構和蜂窩陶瓷檢測面分別如圖1和圖2所示。

蜂窩陶瓷自動疏通裝置由1：面陣工業相機、2：高壓噴嘴、3：底座、4：玻璃隔板、5：平行光源、6：雜質排出孔、7：橡膠腳墊、8：驅動電機、9：機械臂、10：相機支架、11：相機座構成，其中6用于堵塞細孔的雜質排出。圖1 蜂窩陶瓷自動疏通裝置

圖2 蜂窩陶瓷檢測面

其具體工作流程是：操作工人將待檢測蜂窩陶瓷放到檢測位置上，在檢測位置底部按有壓力傳感器，當測量到對應的質量后，就會發出一個訊號，這時放置在陶瓷上的平面陣列攝影機會捕捉一幅畫面，然后編制成影像處理程序，求出最長軸和最短軸像素(以 pixel表示)，并用校準方法求出其實際的長(毫米)。接著，驅動馬達開始轉動(可按實際需求設定轉動周期)，與此同時，放置在陶瓷上的平面陣列攝影機開始拍照，這時攝影機所獲得的畫面是一個長方形(與掃描器掃描的圖像相似)，傳送至 PC電腦，電腦收到圖像，進行運算，電腦會在圖像中標記出外部圓形和阻塞的形狀，并將其展示，并將其傳送給下一臺電腦。下端收到的信息會分析這些資料，從而判定所測的蜂窩陶瓷是否合格，如果不符合則會在顯示屏上顯示，以方便工人及疏通系統對蜂窩陶瓷進行處理；如果被檢測的蜂窩陶瓷符合標準，顯示屏上會顯示正常，機械臂會將蜂窩陶瓷取出，送入下一個區域。綜上，完成蜂窩陶瓷檢測操作。

1.2 控制系統設計

目前在工業生產中被大量使用的方案是PC+PLC的控制方式，在該系統中使用PC+單片機控制方案的原因是這種方案能夠降低系統的生產成本，并且通過對單片機周圍電路合理設計的效果是不亞于PLC設備。該系統中PC主要負責控制相機拍照、圖像處理，然后將檢測之后的結果發送到單片從而控制整個系統[10]。單片機控制系統的其他部分，包括傳動機構控制、PC處理程序觸發、光源控制、系統保護等。本方案很好的利用了PC的高速數據處理能力，然后使用單片機擴展了PC的I/O口，簡單有效的解決了PC的I/O數量和電平限制[11]。蜂窩陶瓷堵塞s檢測及疏通系統的電氣框圖如圖3所示。

圖3 蜂窩陶瓷堵塞檢測及疏通系統的電氣框圖

PC和單片機之間通過串口進行通訊，其中上圖中的USB是一種串口(串口是一大類接口，包括但不僅限于RS232)，它擁有復雜的通訊協議，支持熱插拔，并可以以非常快的速度傳輸數據[12]；TTL表示的是一個三極管的邏輯電平。由于 MCU通訊的通訊界面與 PC通訊的電平邏輯不同，PC機通訊界面具有 USB，對應電平的邏輯也遵循 USB原理；在單片微處理器中，采用 RXD、 TXD、 VCC和 GND四個插針進行串口通訊。因此，必須把 USB轉變成 TTL的模式，把電平轉變成兩個人都能辨認的交流。在系統運行時如果單片機通過光電傳感器檢測到蜂窩陶瓷放入待檢位置，就會發送開始檢測的信息同時打開LED光源。PC機接收到數據后就會從視頻中截取一張圖片進行計算，在計算時PC機的程序會把外圓和堵塞的輪廓在圖片中標注出來并顯示這張圖片，同時將信息發送到下位機。下位機接收到信息會將數據解析出來，如果被檢測的蜂窩陶瓷外圓不符合標準，則會在顯示屏上顯示由工人將此蜂窩陶瓷剔除；如果被檢測的蜂窩陶瓷外圓符合標準但是有堵塞，下位機會控制細孔堵塞疏通機械臂將高壓噴嘴移動到堵塞位置打開高壓氣體進行疏通，疏通后由工人取出；如果被檢測的蜂窩陶瓷外圓符合標準并且無堵塞顯示屏上會顯示正常，PC機工人將蜂窩陶瓷取出。

2 蜂窩陶瓷圖像的預處理

圖像的預處理不僅可以使得后續的處理程序能夠有效的發現圖像的信息，還能夠極大的降低算法程序的處理難度，從而提高算法對圖像的檢測的穩定性。在進行圖像過濾時，除了要消除噪聲外，還應盡量保持圖像的細微特性。

2.1 中值濾波和均值濾波

中值濾波是一種基于非線性濾波的方法，它的基本思想是利用圖像中的一個象素為中心點的區域，對相鄰區域的所有象素進行分類，并以其中間點為中心點的灰度。

中值素組存在：

(1)

式中，k表示像素點數量，a=[f1，f2， ，fi]表示數組。

面陣工業相機直接采集的圖像中，像素點之間存在較大的相關度，因此選擇的某一個像素點附近的像素值較為接近，而蜂窩陶瓷圖像中只有部分像素會受到噪聲的污染，然而像素污染前后的灰度值并不會受到影響，因此可以通過極值特征對陶瓷圖像中受到噪聲污染的像素進行判斷。

蜂窩陶瓷中值濾波步驟如下。

步驟1：從蜂窩陶瓷圖像中選擇一個大小為3×3的窗口模板，窗口模板領域內任意點的像素為f(x，y)，在像素閾值為α的情況下，可以對噪聲像素值的范圍進行限定，其中，白噪聲像素值為[255-α，255]，黑噪聲像素值為[0，α]，信號點像素值為[α，255-α]。

步驟2：以步驟1中設定的窗口范圍為基礎對像素點進行判斷，表達式為：

(2)

受到蜂窩圖像邊緣點與細節點的影響，被標記為噪聲的像素點并非完全就可以確定噪聲像素點，因此需要對噪聲像素點進行進一步的判斷。

步驟3：當像素點數量滿足k≠0，則認為窗口區域內的像素點存在未受到噪聲干擾的影響，則需要對其中受到噪聲干擾的像素進行進一步的檢測與判斷。

1)當存在f(x，y)∈[255-α，255]時，受到噪聲干擾像素的判定公式為：

(3)

式中，β表示像素閾值，g′(x，y)表示非噪聲像素的中值。

2)當存在f(x，y)∈[0，α]時，受到噪聲干擾像素的判定公式為：

(4)

步驟4：當存在k=0時，則認為窗口區域內的所有像素均為受到噪聲干擾的像素，通過下列公式進行表述：

(5)

式中，g(x，y)表示窗口區域內所有像素點的中值。

完成中值濾波處理，為了進一步提高蜂窩陶瓷圖像的濾波效果，以中值濾波結果為基礎，進行均值濾波處理。

均值濾波器是一種基于線性的空間域濾波器，它利用滑移窗在圖象區域上的滑移，利用窗內象素點的灰色值來代替視窗中點處的灰度，從而實現了對中值濾波后的象素化。平均濾波器在抑制噪音方面表現出了很好的降噪能力，它可以利用過濾模板來實現對蜂窩陶瓷圖像的高效過濾。

均值濾波算法的實現原理是，對中值濾波處理后的蜂窩陶瓷圖像內所有像素的灰度值進行加權平均處理，具體的計算公式為：

(6)

式中，B表示領域點集合。

單一的濾波方法對蜂窩陶瓷圖像處理的效果均不能達到理想的效果，因此在此次研究過程中使用了先中值濾波再均值濾波的組合濾波方式[15-16]。結果如圖4所示。

圖4 先中值濾波再均值濾波結果圖

2.2 高反差保留

高反差保留算法可以很好保留圖片中相鄰像素點數值變化大的地方，應用在蜂窩陶瓷堵塞檢測中可以很好的保留蜂窩陶瓷的細孔壁細節。高反差保留原理就是先對圖片使用高斯濾波器平滑圖像，然后使用原圖減去高斯濾波之后的圖就會得到強化邊緣值，通過調整高斯濾波的濾波半徑大小可以調整圖像的邊緣強度[17]。計算公式如式(7)所示：

New_image=input_image-Gaussian_image

(7)

式中，New_image為高反差保留的圖像；Input_image為程序讀取的原圖像；Gaussian_image為高斯濾波圖像。

高反差保留的算法除了上述的標準形式外還有以下形式：

New_image=input_image-Gaussian_image+127

(8)

New_image=(Gaussian_image-input_image)*M

(9)

式中，M為常數。

但是上述3種形式都不能很好的增加圖像的對比度，為此本文提出了改良的高反差保留計算方法，公式如下：

New_image=Gaussian_image-N*input_image+A

(10)

式中，N為輸入圖片色彩的放大倍數；A為增加色彩的值(范圍為0～255)。

引入N的目的就是增加原圖的色彩值，在與高斯濾波后的圖片做差后就會產生增加像素點色彩值的情況使得圖片的對比度增加。在公式后面加入A是增加圖像整體的亮度，使得在后面進行二值化的時候不在使用閾值區間二值化，以達到減少計算的目的。

假設圖片中有相鄰的兩個像素點，一個像素點(X1，Y1)的灰度值為100，另外一個像素點(X2，Y2)的灰度值為99，這兩個像素的灰度值差距僅為1，因此對比度也較小。而使用上面的3個公式計算之后這兩個像素點之間的灰度值差距仍為1。在程序中本項目使用的N值為1.2，經過公式的計算(X1，Y1)的灰度值就變成了120，(X2，Y2)的灰度值成了118.8，這樣這相鄰像素點的灰度值差距就由1變成了1.2。并且當這兩個像素的灰度值差距越大，經過計算之后的灰度值差距就會更大。很好的解決了上述問題。計算結果如圖5所示。

圖5 高反差保留結果圖

3 蜂窩陶瓷圖像檢測

3.1 邊緣檢測

邊緣檢測作為圖像識別的第一部分，一直以來就是國內外對于機器視覺探索研究的熱門方向，盡管現在已經出現了一些神經網絡等基于大數據的識別方法都不能很好的解決一些問題。現在應用最廣泛的還是一些像Canny邊緣檢測等傳統的邊緣檢測算法[18-19]。為了有效的使用Canny邊緣檢測，在算法中引入了一個高斯濾波核對目標圖像進行濾波以消除噪聲的干擾，然后通過非極值抑制處理計算梯度值與梯度方向后確定出實際情況的圖像邊緣信息。

在這里引入高斯濾波主要是使圖像變得平滑，同時增大邊緣寬度。在二維的灰度圖中，對于任意像素點(X，Y)其灰度值是F(X，Y)。通過高斯濾波之后，高斯濾波公式如式(11)所示，當前像素點的灰度值變為G(X，Y)。

(11)

式中，σ為該像素點高斯濾波核的標準差。

下一步是通過公式對所得圖像輪廓的梯度進行計算。計算公式如式(12)，式(13)所示。然后根據當前像素點模板內的差分值進行計算圖像灰度變化的幅值和方向，如式(14)，式(15)所示。

(12)

(13)

注：I是初始圖像的像素值；DX、DY為圖像坐標X軸和Y軸方向邊緣檢測的圖像灰度值。

(14)

(15)

注：D為梯度方向；S為梯度幅值。

緊接著就是非極大值抑制步驟，為了比較精準的得出所的圖像的邊緣，在算法中使用跨越梯度方向的兩個相鄰像素之間的線性插值來得到像素梯度，還能夠起到細化邊緣的作用。

在邊緣尋找時，Canny檢測使用了高低雙閾值的算法。可以根據設定的最大值和最小值將像素點認定成邊界，當前點與邊緣的像素點相鄰就會被認定成邊界，反之就不是邊界。

3.2 特征提取

完成陶瓷蜂窩圖像的邊緣檢測后，為了提高擁堵檢測可靠性，采用核主成分分析方法提取蜂窩陶瓷圖像的特征。

核主成分分析方法是在線性成分分析的基礎上進行的非線性擴展，針對N個陶瓷圖像訓練樣本，可以通過映射函數φ將F(x，y)映射到更高維的空間，得到φ(F(x，y))。高維映射后陶瓷圖像需要滿足的條件為：

(16)

在特征空間內，陶瓷圖像樣本的協方差矩陣表達式為：

(17)

在協方差矩陣C內存在特征值λk，特征值對應的特征向量為vk，二者的表達式可以寫為：

λkvk=Cvk

(18)

根據再生核理論，可以得到vk∈span{φ1F(x，y)， ，φN(F(x，y))}，可以確定通過參數向量δk對特征向量進行計算：

(19)

設定核矩陣K的大小為n×n，其中第(m，n)個元素的表達式為：

Km，n=K(Fm(x，y)，Fn(x，y))=φ(Fm(x，y))TφFn(x，y)

(20)

式中，K(·)表示核函數。

將式(17)、(19)、(20)代入到式(18)中，可以得到：

Nλkδk=Kδk

(21)

由于式(16)是在一定條件下成立的，因此可能存在不成立的情況，因此需要進行中心化處理。中心化處理的計算公式為：

(22)

(23)

根據式(23)，可以將式(21)改寫為以下形式：

(24)

對式(24)進行求解，可以特征值與特征向量，則任意蜂窩陶瓷圖像樣本在特征空間內的特征值可以表示為：

(25)

式(25)輸出的結果即為蜂窩陶瓷圖像的特征提取結果，通過對蜂窩陶瓷圖像特征值的提取，可以提高后期輪廓尋找的有效性，有助于提高蜂窩陶瓷堵塞檢測的精度。

3.3 輪廓尋找

霍夫變換方法是為檢測直線或者曲線而產生的，后來經過改進，就可以檢測圓形等形狀，是一種常用的圖像算法，在線狀物和圓形物檢測等應用中具有很重要的意義[20]。在這里使用的霍夫圓變換是對霍夫變換的一個擴展和改進。該算法認為在圖像中每一個非零像素值都有可能在一個圓上，然后根據這個像素所在的圓的個數進行篩選，通過這個數對圓進行篩選并且定位圓。

對于霍夫圓變換在OPENCV庫中也提供了一個API例程，通過使用這個API編寫了輪廓查找和輪廓繪制的程序。對經過Canny邊緣檢測后的圖像執行了霍夫圓變換并且檢測出蜂窩陶瓷的外圓輪廓，然后將檢測出來的半徑大小和圓心位置繪制在最開始輸入的圖片上，結果如圖6所示。

圖6 霍夫圓變換檢測外圓結果

在進行霍夫圓變換檢測后確定了蜂窩陶瓷外圓的半徑大小和圓心位置，在進行蜂窩陶瓷外圓質量檢測時就可以根據檢測出來的半徑計算直徑和橫截面的面積[21]，從而篩選出不符合要求的蜂窩陶瓷。

為了提升蜂窩陶瓷的檢測速度，僅當蜂窩陶瓷的直徑和橫截面面積符合要求時才執行細孔堵塞檢測這一部分。在進行細孔堵塞檢測時使用的是高反差保留后的圖片，該圖片很好的保留了細孔的邊緣。通過二值化把細孔邊緣變成白色、細孔和背景變為黑色，之后使用Canny邊緣檢測檢測出了細孔的最邊緣的圖像。最后使用了findContours函數在細孔邊緣的圖像中進行尋找輪廓，該函數可以返回的是輪廓拐點的像素點坐標，根據這些信息可以計算出輪廓的面積和重心等信息。

在使用圖像對蜂窩陶瓷進行堵塞檢測時，如果蜂窩陶瓷細孔阻塞在圖像中會將相鄰若干個細孔連接成一個，然后檢測出來的輪廓面積就會大于標準的輪廓面積。此時，程序就會根據面積將這些細孔認定為堵塞，求出該輪廓的重心作為疏通噴嘴圓心的坐標，然后將重心坐標轉換成實際坐標發送到下位機，由自動疏通裝置進行疏通。最終計算結果如圖7所示，圖中的黑色點為蜂窩陶瓷堵塞點。

圖7 檢測堵塞輸出結果

由上解決了蜂窩陶瓷的關鍵的處理程序，最后的程序流程如圖8所示。

圖8 蜂窩陶瓷的關鍵的處理流程圖

3.4 系統測試

將蜂窩陶瓷放入蜂窩陶瓷阻塞自動疏通裝置觸發光點傳感器后，下位機會發送開始檢測的信息同時打開LED光源。上位機接收到數據后就會從視頻中截取一張圖片進行計算，在計算時程序會把外圓和堵塞的輪廓在圖片中標注出來并顯示這張圖片，同時將信息發送到下位機。下位機接收到信息會將數據解析出來，如果被檢測的蜂窩陶瓷外圓不符合標準，則會在顯示屏上顯示讓工人將此蜂窩陶瓷剔除；如果被檢測的蜂窩陶瓷外圓符合標準但是有堵塞，下位機會控制細孔堵塞疏通機械臂將高壓噴嘴移動到堵塞位置打開高壓氣體進行疏通，疏通后由工人取出；如果被檢測的蜂窩陶瓷外圓符合標準并且無堵塞顯示屏上會顯示正常，工人將蜂窩陶瓷取出。

進行測試時上位機顯示的畫面如圖9所示。

圖9 上位機測試結果圖

在進行整體測試完成之后確定了總體思路的正確性，本項目還需要對該檢測系統能否符合實際生產進行大量測試。首先驗證所設計系統是否可精準檢測蜂窩陶瓷外圓及蜂窩陶瓷的孔數，對同一塊蜂窩陶瓷進行20次重復檢測，將其結果作為評判其能否符合實際生產的指標，其檢測結果如圖10和圖11所示。

圖10 蜂窩陶瓷重復20次測量直徑數據

圖11 蜂窩陶瓷孔數測量結果

圖10和圖11中的理論值為標準。通過圖10的檢測結果可知，所提方法和機器視覺檢測的數值都大于標準值，但是無論是所提方法還是機器視覺檢測蜂窩陶瓷外圓均存在誤差，且兩種方法都將誤差控制在±1 mm以內，符合國家標準。其中所提方法的誤差最小，將誤差控制在0.2 mm以內，且得出的20次重復檢測結果上下浮動相比于機器視覺檢測要小。根據圖11可知，所提方法可精準測量蜂窩陶瓷的孔數，與理論值基本吻合，而機器視覺檢測出的蜂窩陶瓷孔數與理論值有些差距。由此說明，所提方法可精準檢測蜂窩陶瓷外圓且穩定性高，優于基于機器視覺的蜂窩陶瓷檢測方法。

經上述實驗已驗證該檢測系統符合實際生產，接著對其檢測蜂窩陶瓷堵塞點的定位進行測試，同樣對同一塊蜂窩陶瓷進行20次重復檢測，以確定堵塞檢測的精準度。分別采用所提方法和機器視覺檢測進行測試，其結果如圖12所示。

根據圖12所得定位準確性結果可知，所提方法對蜂窩陶瓷堵塞點進行20次檢測定位的準確性一直為100%，而機器視覺檢測的準確性略低一籌，20次蜂窩陶瓷堵塞點定位準確性僅有6次為100%，其余均保持在98%以上，兩者方法相比較，所提方法對于蜂窩陶瓷堵塞點的檢測更準確，更加可靠、穩定。

接著為進一步驗證所提方法的優越性，對比所提方法與機器視覺檢測方法對蜂窩陶瓷堵塞點檢測的速度。同樣對同一塊蜂窩陶瓷進行20次重復檢測，以檢測的時間最為評判指標，采用計算機的電子秒表進行計時，兩個方法檢測所用時間結果，如圖13所示。

圖13 蜂窩陶瓷堵塞檢測用時結果

根據圖13可知，所提方法的對于蜂窩陶瓷堵塞檢測用時控制在5.00 s到5.50 s之間，而機器視覺檢測蜂窩陶瓷堵塞用時浮動較大，控制在6.50 s到7.50 s之間。綜上說明，所提方法不僅可以精準檢測到堵塞點，且檢測速度快，穩定性高，具有實際應用價值。

4 結束語

本文針對目前蜂窩陶瓷人工檢測的不足，設計了基于輪廓重心法的蜂窩陶瓷堵塞檢測及疏通系統，該系統使用面陣相機采集蜂窩陶瓷的圖像信息，通過濾波、高反差保留計算圖像的灰度信息，采用Canny邊緣檢測計算蜂窩陶瓷的外圓和細孔邊緣，最后根據輪廓的面積作為特征識別堵塞缺陷。經過測試，該系統可以在短時間內精準穩定的完成蜂窩陶瓷堵塞檢測和疏通，極大地節省人工成本，提高了蜂窩陶瓷的出廠檢測速度。