基于CCD與紅外的導爆管檢測中的信息融合方法

李九靈，高全杰，馮 維，代 新，彭 磊

（1. 武漢科技大學，武漢 430081；2. 湖北工業大學， 武漢 430068）

0 引言

導爆管[1]是導爆管雷管的重要組成部分，其在爆破工程中應用廣泛，而爆破工程對爆破器材的質量要求很高，因此，提高爆破器材的檢測質量非常重要。傳統的導爆管檢測手段僅僅依靠落后的人工方式以及精度有限的紅外方式[2]，不僅勞動強度大、精度低，而且檢測項目有限。機器視覺的快速發展和信息融合技術的逐漸興起為導爆管的高速高精度檢測創造了條件，研究多傳感器的信息融合技術，對于促進導爆管的自動化檢測具有重要的意義。

當前，信息融合技術主要應用于軍事領域，民用還比較少。美國是信息融合技術起步最早、發展最快的國家，它開發了一系列的C4ISR系統及IW系統[3]。在國內，趙龍等[4]使用Matlab 6.1中的模糊邏輯工具箱編輯模糊推理系統，提出了一種基于模糊邏輯的像素級多傳感器圖像融合算法，通過與其他融合算法的比較，性能評估結果顯示該算法具有更好的效果。王明輝等[5]提出了一種通過優化跟蹤門的方法提高多目標多傳感器跟蹤系統實時性，實驗表明在強雜波或者虛警的環境中，該方法的效果尤為明顯。

為了實現高速和高精度檢測導爆管的藥量、黑點以及管徑，本文設計了一種基于CCD與紅外的導爆管自動檢測系統，填補了圖像處理在導爆管檢測領域的空白，并提出了一種基于決策層的導爆管缺陷信息融合方案，實現了CCD與紅外雙傳感器的信息融合，促進了導爆管檢測的自動化。

1 導爆管自動檢測系統總體方案設計

1.1 感器的選擇方案

在導爆管檢測中，常用的傳感器有CCD、紅外等。由于導爆管需要檢測黑點缺陷，單獨使用一個傳感器檢測可能會出現盲區（如圖1所示），因此，本檢測系統采用雙傳感器同步檢測。傳感器選擇方案如表1所示。

表1 傳感器組合方案

表1中，紅外檢測的精確較低，面陣CCD檢測的速度較慢，因此放棄方案一和方案二。單線陣CCD檢測速度雖快，但其檢測中存在的盲區會導致較高的黑點漏檢率。方案四檢測精度最高、檢測速度也最快，但其價格昂貴；方案五在保證檢測精度較高的前提下，檢測速度也是最快的，價格也并不昂貴。因此，在保證精度兼顧成本的前提下，方案五是最優的。鑒于此，本系統采用CCD與紅外同步檢測的方式，其空間位置如圖1所示。

圖1 CCD與紅外的空間位置示意圖

1.2 系統總體方案設計

導爆管自動缺陷檢測以CCD為主，紅外為輔，并且需標示不合格產品。整個系統的工作流程如圖2所示。

圖2 導爆管檢測系統的工作流程圖

變頻器控制電動機啟停，電動機控制導爆管運動，CCD傳感器和紅外傳感器采集導爆管表面信息，并將這些信息傳遞給圖像采集卡和工控機，圖像處理軟件對這些信息進行分析處理，工控機控制噴碼器根據分析結果進行噴碼處理。

2 多任務下的信息融合技術

如前所述，本系統的運行任務繁多，應采用多線程編程技術創建各種任務，而在多線程管理多任務的過程中，實現多傳感器的信息融合是其難點，本文為此提出了一種基于決策層的導爆管缺陷信息融合方案，實現了CCD與紅外雙傳感器的信息融合。

2.1 多傳感器決策層信息融合模型

由于采用了CCD與紅外配合進行導爆管質量檢測，產品出現缺陷的時候，雙傳感器可能都檢測到此缺陷。對于多傳感器的信息融合，主要有三種研究方法：數據層融合、特征層融合和決策層融合。由于紅外傳感器可以很容易的輸出開關信號，因此本系統選擇方法3進行信息融合。

2.2 CCD與紅外信息融合過程

圖3 CCD與紅外信息融合過程

如圖3所示，CCD與紅外所采集的圖像均以圖像幀來度量，X1～Xn代表紅外傳感器檢測到的缺陷圖像幀號，Y1～Yn代表CCD檢測到的缺陷圖像幀號，Z1～Zn代表信息融合后存放缺陷圖像幀號的隊列，Dt代表圖像傳感器到噴碼器的距離。

系統創建線程1管理紅外傳感器采集到的缺陷信息，并將紅外傳感器采集到的缺陷信息按圖像幀號Xn存儲到雙向缺陷鏈1中；創建線程2管理CCD檢測到的缺陷信息，并將CCD檢測到的缺陷信息按圖像幀號Yn存儲到單向缺陷鏈2中；創建線程3融合線程1和線程2的缺陷信息。

管理信息融合的線程3需要不斷的訪問線程2中的數據Yn，對于數據鏈2的訪問采用的是互斥體方式。通過鎖定和取消鎖定資源控制對缺陷鏈2的訪問。線程3對數據Xn的訪問也采取同樣通信方式。

缺陷鏈1和缺陷鏈2的缺陷經過融合以后，線程3要求占用臨界區，然后將缺陷數據寫入臨界區的隊列Zn中，最后釋放對臨界區對象的占用。隊列Zn被修改完畢后，線程4和線程5就可以同時讀取Zn。線程4讀取Zn后，引入修正值Dt，當軟件檢測到第(Zn+Dt)幀圖像時，通過PCI發送信號給噴碼器進行噴碼動作。線程5讀取到Zn以后，將Zn所包含的信息全部都存儲到數據庫中。

通過使用互斥體和臨界區編程，實現了基于CCD和紅外檢測的決策層融合，保證了多任務的協調高效運行。

2.3 數據遍歷比較算法設計

當CCD檢測到的缺陷圖像幀幀號Yi時，在CCD檢測缺陷鏈2中單向查找，如果缺陷鏈2中存在缺陷幀號Yj=Yi時，則需舍棄Yj，以保證當同一幀圖上有多個缺陷時，只標定和記錄一個幀號；如果經查找后，沒有找到有與Yi相同的幀號時，則將Yi依次放入檢測缺陷鏈2中，如此循環，即可得到CCD檢測缺陷鏈2。紅外檢測缺陷鏈1亦是如此。如圖4所示。

線程3訪問線程2中缺陷鏈的鏈尾CY1，并提取Y1，將Y1與缺陷鏈1中的幀號Xn進行雙向遍歷比較，遍歷的過程如下：如果X1＜Y1＜Xn，說明短時間內紅外先檢測到了部分缺陷，而CCD只檢測到了其中的一個，在雙向鏈1中進行雙向查找，如果能找到數據值等于Y1的元素Xk，取X1～Xk依次壓入隊列Z中，Y1不再重復壓入；如果不能找到數據值等于Y1的元素Xk，則在在缺陷鏈1中單向逐一查找，直到能滿足Xi＜Y1＜Xj條件的兩幀號Xi和Xj，此時將X1～Xi和Y1依次放入隊列Z中；如果Y1≤X1，說明短時間內只有CCD檢測到了缺陷，紅外沒有檢測到缺陷，因此，只要將Y1壓入隊列Z即可；如果Xn≤Y1，說明短時間內紅外檢測到了導爆管前面的缺陷，CCD檢測到的是導爆管后面的缺陷，因此要將X1～Xn和Y1依次放入隊列Z中。

3 實驗結果

取XY兩種不同的導爆管，長度均為50米，在X管上標記黑點35個，在Y管上標記黑點32個。啟動導爆管自動檢測系統對XY進行5次重復性檢測實驗，每次的檢測結果如表2所示。對兩根缺陷導爆管進行人工復檢，檢查結果如表3所示。

表2 疵點檢測數據

表3 人工復檢結果

圖4 數據遍歷比較的流程圖

表2中，可以計算出兩組的疵點識別率分別為：Rca=96%，Rcb=98%；導爆管自動檢測系統的平均識別率為 Rc=97%。表3中，人工復檢的識別率為：Rea=88.6%，Reb=88.5%；復檢的平均識別率為 Re=88.55%。隨著對同一導爆管復檢次數的增加，X管人工識別率從80%上升到了100%，Y管的識別率從78%上升到了100%。人眼復查的識別率遠不及導爆管自動檢測系統的識別率，雖然經過訓練以后，人眼的復查率能提高到接近100%，但是人工在線識別的要求遠遠高于人工復查的要求，由此可見，基于CCD與紅外的導爆管檢測中的信息融合方法保證了檢測的實時性，提高了黑點缺陷識別率。

4 結論

傳統的對導爆管外觀質量的檢測采用的是人工方式和紅外方式，本文設計了基于CCD和紅外的導爆管自動檢測系統，采用CCD和紅外結合檢測的方式極大地提高了黑點的識別率，同時，基于決策層的CCD與紅外信息融合方法的應用徹底消除了重復計數。本系統實現了對導爆管外觀質量的自動、實時監控，響應了工信部制定的民爆行業“十二五”規劃要求，對于提高國內民爆行業的整體競爭力具有重要意義。

[1] 張正宇.塑料導爆管起爆系統理論與實踐[M].中國水利水電出版社,2009.

[2] 王志剛,李國新.塑料導爆管紅外無損檢測技術研究[J].火工品,1996,23-25.

[3] [美]David. Hall, James Llinas.多傳感器數據融合手冊[M].電子工業出版社,2008.

[4] Zhao Long,Xu Baochang, Tang Weilong, Chen Zhe. A pixel-level multisensor image fusion algorithm based on fuzzy logic[J]. Lecture Notes in Artificial Intelligence(Subseries of Lecture Notes in Computer Science). 2005,3631(1): 717-720.

[5] Wang MingHui,Peng YingNing,You ZhiSheng,Tie Jun.A novel method for improving the real-time of multitargetmultisensor[J]. IEEE Nat Radar Conf Proc.2003,223-227.