基于X光圖像的繼電器簧片間距檢測(cè)方法

摘" 要：針對(duì)磁保持繼電器中的簧片在經(jīng)過高強(qiáng)度測(cè)試后會(huì)發(fā)生形變，而形變量的檢測(cè)較為困難的問題。提出了一種針對(duì)簧片X光片圖像的處理方法。首先對(duì)X光片圖像進(jìn)行灰度提取，以減少圖像的數(shù)據(jù)處理量；再通過圖像模式匹配精準(zhǔn)定位，以截取出目標(biāo)簧片所在位置的圖像區(qū)域；最后通過輪廓提取，獲取到較為精準(zhǔn)的簧片輪廓曲線，此曲線中包含有簧片輪廓的像素點(diǎn)坐標(biāo)信息，直接計(jì)算兩曲線的像素點(diǎn)坐標(biāo)距離，就可得到兩簧片間的最短距離，即所要檢測(cè)的簧片形變量。經(jīng)過實(shí)驗(yàn)驗(yàn)證，此方法可以準(zhǔn)確而高效地完成對(duì)簧片形變量的檢測(cè)。

關(guān)鍵詞：簧片；X光片；間距檢測(cè)；圖像處理

收稿日期：2023-09-04

作者簡(jiǎn)介：謝" 樂 （1991—），男，貴州遵義人，碩士，助教，研究方向?yàn)榍度胧杰浖?/p>

0" 引言

和其他繼電器一樣，磁保持繼電器也是一種開關(guān)裝置。其利用永久磁鋼的磁性可以穩(wěn)定保持繼電器的常開或常閉狀態(tài)，通過一定寬度的脈沖信號(hào)激勵(lì)線圈，即可實(shí)現(xiàn)對(duì)電路的開通和關(guān)斷作用。磁保持繼電器以其體積小、功耗低、負(fù)載大等優(yōu)點(diǎn)，在智能電網(wǎng)、航空航天、智能家居等領(lǐng)域得到廣泛的應(yīng)用［1-2］。

簧片是構(gòu)成磁保持繼電器接觸系統(tǒng)的重要組成部件，鮑光海等［3］研究了繼電器簧片彈性形變對(duì)觸頭彈性的影響；喬延華等［4］研究了簧片的剛度系數(shù)對(duì)繼電器斷開速度的影響；薄凱等［5］對(duì)簧片在繼電器斥開過程中的作用進(jìn)行了分析。

繼電器成品進(jìn)行封裝后，要進(jìn)行高強(qiáng)度的測(cè)試，而簧片的形變量，也是一個(gè)重要的檢測(cè)項(xiàng)目。在生產(chǎn)實(shí)際中，可以采用X光機(jī)的方式獲取繼電器內(nèi)部簧片影像，這樣在不破壞產(chǎn)品的前提下，可以準(zhǔn)確獲取目標(biāo)圖像特征。但在對(duì)X光片進(jìn)行分析時(shí)，還是以人工檢測(cè)方式為主，該方式效率低且受到主觀因素的影響［6-7］，容易造成檢測(cè)結(jié)果的不一致。

對(duì)此，本文提出一種圖像處理方法。對(duì)簧片X光片經(jīng)過灰度提取、模式匹配、輪廓提取，最終獲取到簧片輪廓的圖像信息，進(jìn)而計(jì)算出兩簧片間的間距，即可知道繼電器簧片的形變量。

1" 灰度圖像提取

在對(duì)X光機(jī)獲取到的原始圖像進(jìn)行分析時(shí)發(fā)現(xiàn)，原始圖像為24位灰度圖，如圖1所示，即RGB三個(gè)通道中的值是相等的。

對(duì)于此類圖像，R、G、B三個(gè)分量相等，并未能提供更多的圖像信息，還會(huì)導(dǎo)致在后續(xù)處理過程中有數(shù)據(jù)量過大的問題，尤其是在圖像特征提取中，等值RGB圖所能提供的信息較少，所以可將24位RGB灰度圖轉(zhuǎn)換為8位灰度圖像，便于后續(xù)的邊緣輪廓檢測(cè)。

24位RGB圖像是由3個(gè)顏色平面構(gòu)成，每個(gè)顏色平面都是8位的灰度圖，因此從彩色圖像中任意抽取1個(gè)平面即為所需灰度平面。灰度圖像中每個(gè)像素均表示1種顏色，顯示為從最暗到最亮的灰度。本文采用的灰度轉(zhuǎn)換方法是先將RGB模型轉(zhuǎn)換為YUV模型，即亮度-色度模型［8］。轉(zhuǎn)換公式為

Y=0.299R+0.587G+0.114B" U=－0.169R－0.331G+0.5B+128V=0.5R－0.419G－0.081B+128（1）

Y表示明亮度；U表示色度；V表示濃度。

在轉(zhuǎn)換為YUV模型后，Y通道值就是所需灰度圖像，所以只需保留Y通道數(shù)據(jù)，即可得到所需8位灰度圖。直方圖信息如圖2所示，像素值的位寬為8位，表示范圍為0～255，其中0表示黑色，255表示白色。

2" 圖像識(shí)別與匹配

為了測(cè)量出繼電器內(nèi)部?jī)苫善g距，需要在X光片灰度圖像中準(zhǔn)確找到其位置。原始的方法是由人工進(jìn)行定位，先截取出簧片所在位置的圖像后再進(jìn)行后續(xù)測(cè)量。此方法效率極低，且大大增加工作人員負(fù)擔(dān)。所以本文采用了圖像模式匹配算法以實(shí)現(xiàn)對(duì)簧片位置的快速定位。

圖像模式匹配是對(duì)比分析目標(biāo)圖像和模板圖像中的邊緣、灰度、外形結(jié)構(gòu)等特征的相似性和一致性，進(jìn)而從目標(biāo)圖像中找到與模板圖像相同或相似區(qū)域的過程，可以實(shí)現(xiàn)對(duì)目標(biāo)的定位、測(cè)量、檢測(cè)以及分類等應(yīng)用［9］。 圖像匹配過程以像素灰度信息為特征，通過計(jì)算模板圖像與目標(biāo)圖像之間的歸一化的互相關(guān)值來(lái)確定匹配區(qū)域。具體算法如下：

考慮尺寸大小為K×L的模板圖像w（x，y）在大小為M×N的圖像f（x，y）中從左到右、從上到下移動(dòng)時(shí)（K≤M且L≤N），w（x，y）和f（x，y）在點(diǎn)（x，y）處區(qū)域的互相關(guān)值可表示為

Ci，j=∑L－1x=0∑K－1y=0w（x，y）f（x+i，y+i）（2）

其中i=0，1，2，…，M-1；j=0，1，2，…，N-1。

具體操作過程如圖3所示。模板圖像w的像素乘以在目標(biāo)圖像f中與模板圖像重疊圖像的像素，即得到互相關(guān)值C，而C的最大值就表示了圖像f中最佳匹配w的區(qū)域。

但互相關(guān)值對(duì)于圖像灰度幅值的變化非常敏感，像素灰度的微小變化都會(huì)引起互相關(guān)值巨大的改變，比如在圖像較亮區(qū)域的相關(guān)性就可能大于實(shí)際匹配圖像區(qū)域的相關(guān)性。所以，還需要通過計(jì)算歸一化相關(guān)系數(shù)來(lái)克服這種敏感，消除圖像灰度幅值的影響，計(jì)算公式為

Ri，j=∑L－1x=0∑K－1y=0（wx，y－w-）（fx+i，y+i－f-i，j）∑L－1x=0∑K－1y=0［wx，y－w-］2∑L－1x=0∑K－1y=0［fx+i，y+i－f-（i，j）］2（3）

w-為模板圖像w的像素強(qiáng)度值的平均值；f-（i，j）為目標(biāo)圖像f中與w重疊區(qū)域的平均值。

歸一化互相關(guān)值對(duì)于圖像的幅值變化可保持不變性，且R值越大，表明模板圖像與目標(biāo)圖像重疊區(qū)域相似度越高。通過圖像匹配，可以自動(dòng)、快速地定位簧片在整張圖像中的位置。

3" 輪廓提取

在定位到目標(biāo)簧片區(qū)域后，即可開始測(cè)量?jī)苫善g的像素間距。由于兩簧片圖像特征較為明顯，所以只需提取出簧片輪廓，即獲取輪廓的相對(duì)坐標(biāo)，就可以計(jì)算出兩簧片間的最短距離，也即兩簧片間距。目標(biāo)輪廓的提取步驟如圖4所示。

曲線種子點(diǎn)是曲線跟蹤的起始點(diǎn)，其要滿足2個(gè)條件，一是此像素點(diǎn)不能屬于任何已知曲線，二是其邊緣強(qiáng)度必須大于設(shè)定的邊緣閾值。像素的邊緣強(qiáng)度為

Ci，j=" （Pi－1，j－Pi+1，j）2+（Pi，j－1－Pi，j+1）2（4）

Ci，j表示邊緣強(qiáng)度大??；Pi，j表示（i，j）處像素點(diǎn)的灰度值。

從種子點(diǎn)開始搜索鄰域中具有最強(qiáng)邊緣強(qiáng)度且邊緣強(qiáng)度大于設(shè)定邊緣閾值的像素點(diǎn)，將其添加到曲線上。不斷重復(fù)這一過程，直到當(dāng)前搜索方向上沒有合格像素點(diǎn)為止。然后返回種子點(diǎn)沿相反方向繼續(xù)搜索，直至遍歷所有種子點(diǎn)。為了提高算法速度，可以設(shè)置較大的搜索步長(zhǎng)來(lái)實(shí)現(xiàn)。此時(shí)已獲取到所有基于種子點(diǎn)的曲線，還需要設(shè)定限制條件來(lái)篩選出合適的輪廓曲線。本文設(shè)定了4種條件來(lái)進(jìn)行篩選，包括：設(shè)定歐氏距離范圍為0～25；設(shè)定角度距離為0～180；連接距離為0～25；梯度差為0～180。最終選擇最鄰近搜索起點(diǎn)的輪廓為目標(biāo)輪廓，如圖5所示。

4" 簧片間距計(jì)算

通過上述處理方法，對(duì)大量簧片X光片進(jìn)行圖像處理，均可以獲取到較為準(zhǔn)確的簧片輪廓曲線，如圖6所示。

因此，可以得到2組構(gòu)成輪廓曲線的像素點(diǎn)的坐標(biāo)。此時(shí)即可很方便地得到2組坐標(biāo)的最小值，此最小值就是本文所要獲取的兩簧片之間的間距。

5" 結(jié)語(yǔ)

本文提出一種針對(duì)簧片X光片的圖像處理方法，經(jīng)過灰度提取、圖像模式匹配、輪廓提取等處理后，可以準(zhǔn)確提取出簧片圖像輪廓曲線，進(jìn)而計(jì)算出兩簧片間距，得到簧片在高強(qiáng)度測(cè)試后的形變量。在實(shí)際應(yīng)用中，相較于人工檢測(cè)，效率和準(zhǔn)確度均有極大提升。

參考文獻(xiàn)：

［1］" 鄭育鑫，范興明，張?chǎng)?，?磁保持繼電器電磁驅(qū)動(dòng)力建模分析及其優(yōu)化設(shè)計(jì)［J］.計(jì)算機(jī)仿真，2022，39（5）：283-287.

［2］" 袁百慧.微型航天磁保持繼電器抗浪涌性能優(yōu)化方法研究［D］.哈爾濱：哈爾濱工業(yè)大學(xué)，2021.

［3］" 鮑光海，王金鵬，王毅龍.磁保持繼電器多物耦合模型設(shè)計(jì)與觸頭彈跳影響因素分析［J］.電工技術(shù)學(xué)報(bào)，2023，38（3）：828-840.

［4］" 喬延華，趙琳，蘇秀蘋，等.基于ADAMS的磁保持繼電器的動(dòng)態(tài)性能分析及優(yōu)化設(shè)計(jì)［J］.科學(xué)技術(shù)與工程，2019，19（8）：107-113.

［5］" 薄凱，周學(xué)，翟國(guó)富，等.智能電表用磁保持繼電器斷路電流條件下觸頭斥開機(jī)理仿真研究［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2018，38（17）：5238-5245，5321.

［6］" 林俊宇，康陳子，邢增繁，等.一種改進(jìn)的微波芯片金錫共晶焊接X光圖像空洞檢測(cè)方法［J］.傳感器世界，2022，28（7）：17-23.

［7］" 米勇，曾祥進(jìn).基于X光圖像的鋰電池正負(fù)極距離檢測(cè)［J］.激光與光電子學(xué)進(jìn)展，2022，59（10）：72-80.

［8］" 趙曉暉，申鉉京.基于亮度的自適應(yīng)色度空間模型膚色算法研究［J］.儀器儀表學(xué)報(bào)，2005（增刊1）：591-594.

［9］" 楊高科.圖像處理、分析與機(jī)器視覺［M］.北京：清華大學(xué)出版社，2018.