基于機(jī)器視覺(jué)的發(fā)動(dòng)機(jī)內(nèi)表面缺陷自動(dòng)檢測(cè)系統(tǒng)

基于機(jī)器視覺(jué)的發(fā)動(dòng)機(jī)內(nèi)表面缺陷自動(dòng)檢測(cè)系統(tǒng)

0基于機(jī)器視覺(jué)的發(fā)動(dòng)機(jī)缺陷檢測(cè)方法在線(xiàn)車(chē)輛缺陷檢測(cè)系統(tǒng)是智能檢測(cè)技術(shù)的應(yīng)用研究。它是一種應(yīng)用于智能設(shè)備的自動(dòng)損傷檢測(cè)系統(tǒng)?；跈C(jī)器視覺(jué)的發(fā)動(dòng)機(jī)缺陷檢測(cè)系統(tǒng),作為一種非接觸檢測(cè)方法,具有測(cè)量速度快,測(cè)量精度高,圖像包含的信息完整,能自動(dòng)連續(xù)檢測(cè),可滿(mǎn)足生產(chǎn)線(xiàn)上速度的需求,并可進(jìn)行遙測(cè),便于與微機(jī)連接做成智能儀器等優(yōu)點(diǎn)。利用機(jī)器視覺(jué)進(jìn)行檢測(cè)不僅可以排除主觀因素的干擾,降低勞動(dòng)強(qiáng)度,提高生產(chǎn)效率,而且還能對(duì)這些指標(biāo)進(jìn)行定量描述,對(duì)缺陷的形態(tài)、類(lèi)型進(jìn)行鑒別和統(tǒng)計(jì),具有人工檢測(cè)所無(wú)法比擬的優(yōu)越性。本文應(yīng)用機(jī)器視覺(jué)理論,主要研究基于機(jī)器視覺(jué)的發(fā)動(dòng)機(jī)缺陷檢測(cè)系統(tǒng),可實(shí)現(xiàn)發(fā)動(dòng)機(jī)缺陷在線(xiàn)檢測(cè)并報(bào)警。本文的工作主要有:圖像采集、圖像處理及結(jié)果判斷。1統(tǒng)按照功能的劃分本檢測(cè)系統(tǒng)分硬件系統(tǒng)和軟件系統(tǒng)兩部分。整個(gè)機(jī)器視覺(jué)的檢測(cè)系統(tǒng)如圖1所示,該系統(tǒng)按照功能可以分成四個(gè)模塊:光學(xué)傳感模塊(硬件)、圖像采集模塊(硬件)、圖像處理模塊(軟件)和自動(dòng)檢測(cè)結(jié)果的判斷模塊(軟件)。本文處理的圖像是某導(dǎo)彈研究院采用Schoelly公司生產(chǎn)的工業(yè)內(nèi)窺鏡拍攝的導(dǎo)彈發(fā)動(dòng)機(jī)裝藥內(nèi)表面的圖像。2處理完2.1中值濾波方法的選擇本檢測(cè)系統(tǒng)中內(nèi)窺鏡的攝像頭在成像過(guò)程中,由于導(dǎo)彈運(yùn)動(dòng)時(shí)的震動(dòng)與其它各種因素的干擾,造成圖像表面出現(xiàn)各種噪聲和毛糙。平滑掉圖像的噪聲后,可以提高圖像的質(zhì)量,為后期圖像處理做好充分的準(zhǔn)備。本文應(yīng)用中值濾波、均值濾波和自適應(yīng)濾波的方法對(duì)輸入的真實(shí)圖像進(jìn)行多次濾波實(shí)驗(yàn),并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析比較,如圖2所示,從實(shí)驗(yàn)可以得知:中值濾波有較好的平滑效果,自適應(yīng)濾波的效果最差;對(duì)圖像進(jìn)行均值處理相當(dāng)于圖像信號(hào)通過(guò)一個(gè)低通濾波器;中值濾波方法簡(jiǎn)單,易于實(shí)現(xiàn),而且能較好地保護(hù)邊界。結(jié)合圖像特點(diǎn),本文最后選用中值濾波方法。中值濾波的基本原理是把圖像中的每個(gè)像素值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值代替。設(shè)一組數(shù)n,把這n個(gè)數(shù)值按大小順序排列。當(dāng)n為奇數(shù)時(shí),位于中間位置的那個(gè)數(shù)值稱(chēng)為這n個(gè)數(shù)值的中值;當(dāng)n為偶數(shù)時(shí),位于中間位置的兩個(gè)數(shù)值的平均值稱(chēng)為這n個(gè)數(shù)值的中值。圖像中值濾波后某像素的輸出等于該像素灰度的中值。本實(shí)驗(yàn)選用如圖2(a)所示的真實(shí)圖片,該圖片是用內(nèi)窺鏡拍攝的導(dǎo)彈裝藥內(nèi)表面的圖像,分別選用均值濾波、自適應(yīng)濾波、中值濾波對(duì)三幅輸入圖像進(jìn)行去噪處理,輸出結(jié)果分別如圖2的(b)、(c)和(d)所示。中值濾波能夠在抑制隨機(jī)噪聲的同時(shí)不使邊緣模糊,并能較好地保持細(xì)節(jié),如圖像中的數(shù)據(jù)信息(位置和角度),并且中值濾波的方法簡(jiǎn)單,易于實(shí)現(xiàn)。2.2實(shí)驗(yàn)結(jié)果分析邊緣是圖像的最基本特征,是圖像分割所依賴(lài)的重要特征。邊緣在邊界檢測(cè)、圖像分割、機(jī)器視覺(jué)、模式識(shí)別等領(lǐng)域中有著重要的作用。由于邊緣是所要提取目標(biāo)和背景的分界線(xiàn),提取出邊緣才能將目標(biāo)與背景區(qū)分開(kāi),因此邊緣檢測(cè)技術(shù)對(duì)于數(shù)字圖像十分重要。本文應(yīng)用Sobel算子、Log算子及Canny算子對(duì)輸入圖像進(jìn)行邊緣檢測(cè)并得到實(shí)驗(yàn)結(jié)果,如圖3所示,對(duì)實(shí)驗(yàn)結(jié)果分析比較發(fā)現(xiàn):經(jīng)過(guò)Canny算子和Log算子檢測(cè)的圖像邊緣較好,尤以Canny算子檢測(cè)的邊緣效果最好,而Sobel算子檢測(cè)的圖像邊緣效果較差。因?yàn)長(zhǎng)og算子有不錯(cuò)的抗噪聲能力,但是在抑制噪聲的同時(shí)也可能將原有的比較尖銳的邊緣平滑掉,造成這些尖銳邊緣無(wú)法被檢測(cè)到,Canny算子采用高斯函數(shù)對(duì)圖像作平滑處理,因此具有較強(qiáng)的抑制噪聲的能力,可以檢測(cè)到弱邊緣。Canny算子采用雙閾值算法檢測(cè)和連接邊緣,采用的多尺寸檢測(cè)和方向性搜索比Log算子好。結(jié)合圖像特點(diǎn)和實(shí)驗(yàn)比較,本文選用Canny算子。2.3圖像分割的實(shí)現(xiàn)為了有效地進(jìn)行圖像描述和分析,往往需要先將圖像劃分成若干個(gè)有意義的區(qū)域。圖像分割是從圖像處理到圖像分析的關(guān)鍵步驟,也是圖像理解的基礎(chǔ)。一方面,它是目標(biāo)表達(dá)的基礎(chǔ),對(duì)特征測(cè)量有重要影響。另一方面,圖像分割也為更高層的圖像分析和理解提供可能。圖像分割主要有兩種方法:一是鑒于度量空間的灰度閾值分割法,它是根據(jù)圖像灰度直方圖來(lái)決定圖像空間域像素聚類(lèi),但它只利用了圖像灰度特征,并沒(méi)有利用圖像中的其它有用信息,使得分割結(jié)果對(duì)噪聲十分敏感;二是空間區(qū)域增長(zhǎng)分割方法,它是對(duì)在某種意義上具有相似性質(zhì)的像素連通集構(gòu)成分割區(qū)域,該方法具有很好的分割效果。本文對(duì)圖像進(jìn)行分割利用了像素灰度值的兩個(gè)性質(zhì):不連續(xù)性和相似性,非邊界區(qū)域一般具有灰度的相似性,而在邊界上一般具有灰度的不連續(xù)性,利用這種方法將缺陷從背景圖像中分離出來(lái)。3缺陷特征選取對(duì)已提取缺陷的特征值進(jìn)行計(jì)算,在實(shí)際測(cè)量工程領(lǐng)域中有廣泛的應(yīng)用。特征提取時(shí)為了得到可以有效識(shí)別缺陷的分類(lèi)信息,正確選取有代表性的特征可以有效地減小錯(cuò)誤判別率?？紤]到圖像進(jìn)行上述處理后仍會(huì)有一些噪聲,但是缺陷的面積和周長(zhǎng)像素值要比這些噪聲的像素值大,因此可以選用面積值和周長(zhǎng)值作為缺陷的特征,將兩者綜合考慮。在本系統(tǒng)中,設(shè)定一個(gè)長(zhǎng)度閾值和面積閾值,通過(guò)計(jì)算輪廓長(zhǎng)度和面積,當(dāng)輪廓長(zhǎng)度和面積大于閾值,則認(rèn)為是發(fā)動(dòng)機(jī)表面的劃痕或裂縫或麻坑等;當(dāng)輪廓長(zhǎng)度或面積小于閾值時(shí),則認(rèn)為是噪聲點(diǎn),在缺陷判決時(shí)忽略該區(qū)域,這樣可進(jìn)一步減少噪聲造成的誤判。當(dāng)發(fā)動(dòng)機(jī)表面存在缺陷時(shí),實(shí)現(xiàn)計(jì)算機(jī)自動(dòng)做出判決并報(bào)警,計(jì)算缺陷的特征量等工作。4實(shí)驗(yàn)結(jié)果分析將上述功能進(jìn)行整合,設(shè)計(jì)GUI用戶(hù)界面,如圖4所示。該系統(tǒng)主要功能如下:(1)可以導(dǎo)入多張待處理的圖片。(2)分別設(shè)計(jì)了3種濾波方法(均值濾波、中值濾波和自適應(yīng)濾波)和3種邊緣檢測(cè)方法(Sobel算子,Log算子和Canny算子),檢測(cè)時(shí)可任意選擇已提供的方法。(3)進(jìn)行圖像分割,獲得發(fā)動(dòng)機(jī)表面缺陷。(4)人機(jī)交互環(huán)節(jié)。對(duì)獲得的缺陷特征進(jìn)行計(jì)算,再與給定的面積閾值和周長(zhǎng)閾值相比較。判斷原則:當(dāng)缺陷特征的計(jì)算結(jié)果都小于給定的閾值時(shí),判斷為合格;否則,判斷為不合格。載入不同的包含缺陷的發(fā)動(dòng)機(jī)表面圖片,實(shí)驗(yàn)結(jié)果分別如圖5和圖6所示。經(jīng)過(guò)多次實(shí)驗(yàn),表明該系統(tǒng)能成功地進(jìn)行缺陷檢測(cè),并能有效地實(shí)現(xiàn)人機(jī)交互功能。5缺陷自動(dòng)檢測(cè)系統(tǒng)設(shè)計(jì)本文應(yīng)用機(jī)器視覺(jué)理論,研究基于機(jī)器視覺(jué)的發(fā)動(dòng)機(jī)表面缺陷檢測(cè)系統(tǒng),應(yīng)用Schoelly公司生產(chǎn)的工業(yè)內(nèi)窺鏡采集導(dǎo)彈發(fā)動(dòng)機(jī)裝藥內(nèi)表面的