藥柱銀絲位置多重算法識別技術研究

楊時敏，張 渝，袁睿斌，吳戰武，張英杰，劉 洋,，徐志剛

(1.上海航天化工應用研究所, 浙江 湖州 313002; 2.中國科學院沈陽自動化研究所, 沈陽 110179)

固體推進劑廣泛應用于火箭、導彈等發動機作為動力源，是一種含能的復合材料。由于火箭燃氣發生器內壓強較低，固體推進劑通常在貧氧狀態下燃燒，燃速偏低，不易滿足使用性能要求[1]。為了提高燃速，通常采用嵌銀絲的方法。金屬絲有很好的導熱性，在藥柱中嵌入金屬絲可以有效將熱量傳遞給藥柱各部分[2]。為了增大燃面，縮短燃面爬升坡段，在藥柱端面上沿銀絲方向鉆盲孔。盲孔采用復合加工系統加工，需要配合機器視覺系統對銀絲位置進行識別，并使系統滿足加工精度要求。

機器視覺系統是指通過圖像傳感器對圖像進行攝取，并轉換成數字信號，根據像素分布、亮度和顏色等信息，完成對目標特征的提取，實現檢測、定位、監控等功能[3]。CMOS(互補金屬氧化物半導體)和CCD(電荷耦合器件)作為半導體是目前最常見的兩種圖像傳感器，兩者各有優缺點。CCD相比于CMOS具有靈敏度高，成像品質好等優點，因此工業相機多數應用CCD傳感器[4]。隨著視覺技術的發展，機器視覺系統對圖像的處理更加智能化，在工業應用中可以進行有效的缺陷識別、測量、環境建模等工作，具有效率高、精度高等特點，對工業制造領域中智能化生產起到了非常重要的作用。

本研究目的是利用 CCD相機捕捉圖像，通過圖層優化、邊緣檢測、灰度閾值處理、感興趣區域提取、面積識別、遞歸貪心算法多種方式進行藥柱銀絲位置的識別與精確定位。本文研究的細銀絲位置識別技術對其他類似圖像中篩選特征點具有一定的參考價值。國內對于藥柱金屬絲的檢測未有詳細說明，文獻[5-6]主要集中于藥柱燃燒的速率和殺傷力，國外由于技術封鎖對于藥柱檢測報道很少。

1 藥柱復合加工系統

復合加工系統是以通用部件為基礎，可以同時擁有幾種組合方式，配以按工件特定外形和加工工藝設計的專用部件和夾具組成的半自動或自動專用機床，生產效率比單工位加工系統高幾倍至幾十倍。由于通用部件已經標準化和系列化，可根據需要靈活配置，能縮短設計和制造周期。多工位加工系統兼有低成本和高效率的優點，在大批、大量生產中得到廣泛應用，并可用以組成自動生產線,目前技術難點在于如何保證多工位加工系統的加工精度，既能實現加工自動化，又保證加工的精度，需要精確的識別定位。

1.1 復合加工系統的功能及要求

藥柱復合加工系統具有整主形端面、銀絲位置自動識別處理與精確定位、盲孔加工、孔內藥屑清理、孔深及直徑自動測量、刀具溫度檢測等功能。復合加工系統能根據相機檢測的銀絲位置，自動找準，對中心，鉆孔定位精度：不大于Ф0.35 mm；孔徑中心軸線與工件中心軸線平行度：≤0.2 mm。鉆孔的定位精度主要由銀絲位置的識別精度保證，鉆頭軸線與藥柱銀絲軸線平行度由系統設計與安裝調試保證。機械臂、復合加工系統及打孔刀具剛度是保障此項精度的重要因素。

1.2 復合加工系統的組成

復合加工系統包括藥柱夾具、直角坐標驅動單元、整形加工模塊。其中整形加工模塊整合了CCD相機、打孔鉆頭、銑刀、毛刷清根、高壓氣針吹屑、內窺鏡探測、磁滯尺測深、紅外溫度傳感器，可實現系統要求的多種功能，滿足自動化要求。 復合加工系統結構如圖1所示。

銀絲位置的識別與定位由高精度彩色CCD工業相機完成，安裝在整合加工模塊的安裝板的固定位置。CCD相機具有圖像捕捉快速，圖像清晰，相機位置擺放靈活，檢測方法精度易控制等特點，支持快速連續曝光，動態圖像無拖影，能夠在任何時刻完成圖像捕捉任務。彩色CCD相機有利于計算機從色度上篩選銀絲所在區域，同時，自適應的處理圖像亮度以及自動增益和自動曝光效果，在原圖的基礎上優化了對用戶顯示的效果。同時操作人員對加工準確與否的辨識度較高，通過改寫程序可適應多種類型的工件。

工業變焦鏡頭采用全新超低失真、高分辨率設計，具有清晰度高，倍率可變，光學無畸變，高對比度等特點。采用焦闌法，測量誤差少，能配合百萬像素以上1/3、1/2、2/3工業相機使用，用于高精確檢測、高精度尺寸測量、目標位置定位等機器視覺系統。

2 銀絲位置多重算法識別技術

在藥柱定長切割結束后，利用工業相機完成藥柱斷面拍照，完成端面上圓周陣列的6個銀絲位置的精確識別，獲得銀絲相對于鉆頭的位置。未處理藥柱圖片如圖2所示。

由于藥柱端面上銀絲極細，肉眼不易觀察，為準確找到銀絲位置，使用CCD相機獲取圖像，通過數字圖像處理系統，得到當前狀態下銀絲的位置，需要對藥柱斷面的表面形貌進行圖像處理。

視覺系統采用六重識別算法，包括圖層優化、邊緣檢測、灰度閾值處理、感興趣區域提取、面積識別、遞歸貪心算法，利用此方法可以在銀絲位置快速識別的前提下保證檢測結果準確無誤。

2.1 圖層優化處理

由于自然光是混合光源，通過自然打光下的圖像提取三基色圖層(RGB)，根據銀絲在不同圖層中的明顯程度，對灰度圖像進行加權求和，得到最有效的銀絲識別圖像。加權求和即將RGB三個分量分別作為該點的灰度值，然后相加得到一個灰度值：

Gray=R+B+C

(1)

三基色圖層優化處理及灰度處理后如圖3所示。

2.2 邊緣檢測

由于藥柱斷面的表面形貌的圖像處理受表面粗糙度、光照環境等因素影響，故選擇合適的邊緣檢測算子對圖像進行邊緣特征的提取，并且盡可能減少由噪聲引起的偽邊緣的干擾。本系統采用算法相對簡單，應用廣泛的Canny算子進行邊緣檢測[7]。

基于canny算法的邊緣檢測實現過程如下：

1) 利用高斯濾波對圖像進行平滑降噪處理

采用高斯函數對藥柱斷面圖像進行處理，函數形式如下。

(2)

σ為高斯曲線標準差，影響圖像中檢測的邊緣平滑程度。

2) 計算梯度的幅值和方向

圖像I(i,j)的邊緣包括梯度幅值M(i,j)和梯度方向θ(i,j)，可采用2×2鄰域一階偏導的有限差分進行近似計算。本文取x、y方向一階近似偏導模板如下：

(3)

梯度幅值和梯度方向計算公式如下：

(4)

(5)

3) 對梯度幅值進行非極大值抑制

非極大值抑制(NMS)是指保留局部極大值，將非極大值的像素點的灰度值設置為0，這樣可以有效去除大多數非邊緣點，達到細化邊緣的目的。

非極大值抑制的實現是利用梯度方向，與相鄰像素梯度賦值進行比較，即以梯度值為M(i,j)的點(i,j)為中心，與3×3鄰域內沿梯度方向θ(i,j)的元素比較，如果M(i,j)比沿梯度方向相鄰元素大，則將其設為候選邊緣點；若相反則將其灰度值設為零，這樣可以得出候選邊緣圖像C(i,j)。

4) 檢測和連接邊緣

Canny算法采用雙閾值法，即選取高閾值T1和低閾值T2分別與非極大值抑制后圖像進行比對。若像素點梯度幅值大于高閾值，則將該點確定為邊緣點，若梯度幅值低于高閾值，則將該點確定為非邊緣點；若梯度幅值在高閾值和低閾值之間，但是在該點鄰域像素中有已被確認的邊緣點，則將該點也確定為邊緣點，否則為非邊緣點。進行雙閾值法檢測和連接的邊緣三維效果圖及邊緣示意圖如圖4。

2.3 灰度圖像閾值處理

若要從藥柱斷面中識別銀絲位置，需要對藥柱斷面的表面形貌進行分析。為了提取銀絲位置的特征點，需要對藥柱斷面圖像進行處理。通過將灰度圖進行二值化處理，即通過給定閾值，以該閾值為門限將灰度圖轉換成黑白圖像[9]。

(6)

式中，T為給定閾值，由于是批量生產，可憑經驗選取。

閾值T取10后的灰度閾值處理圖如圖5所示。由于銀絲所在位置與其他部分會顯示出不同的灰度值，可以通過篩選類似銀絲所表現的像素點確定銀絲位置。

2.4 ROI感興趣區域提取

通過提取圖像中邊緣樣本坐標點，采用最小二乘橢圓擬合的方法，求得中心點位置坐標。

設平面任意位置橢圓方程為

Ax2+Bxy+Cy2+Dx+Ey+F=0

(7)

Pi(xi,yi)(i=1,2,…,n)為橢圓上的測量點，依據最小二乘法，所擬合的目標函數為

(8)

欲求中心點坐標即：

(9)

因此得方程組：

(10)

結合約束條件可以求得方程系數A,B,C,D,E,F的值。結合橢圓的幾何知識，可以計算出橢圓的5個參數：位置參數(θ,x0,y0)以及形狀參數(a,b,)，即可求得中心坐標。

由于銀絲位置分布是圓周陣列的形式，故感興趣區域可以設置為以藥柱邊緣計算得到的中心點作為中點的環形區域，其外內圓直徑為R±p，R為藥柱上銀絲可能所在直徑，但由于藥柱生產時銀絲位置會有一定誤差，故留出一定裕度p，以便使感興趣區域將6個銀絲位置全部包含進去。

其他區域通過漫水填充法進行填充，將灰度都設置為0，這樣可以有效生成掩碼區域，通過只處理掩碼區域，可以得到感興趣區域。

通過ROI的提取，能有效提高計算機處理速度，并且避免干擾產生的誤差。藥柱斷面圖像中感興趣區域提取后如圖6所示。

2.5 特征區域面積識別

特征區域面積識別是通過比對可疑銀絲位置特征區域的面積，篩選面積部分過小或過大的區域，排除絕對不可能是銀絲的點。

由于圖像是由一個一個像素組成的，因此在對圖像逐行采用區域標記算法將各特征區域進行標記，區域標記法[11]是把連續區域附上相同標記，常見的有四連通域和八連通域標記算法。本文采用八連通域算法[12]，在對特征連通區域進行標記的同時對各特征區域中像素個數進行統計。然后對各區域像素個數進行比對，去除不可能是銀絲位置的特征區域。設銀絲位置特征點像素個數范圍是[n1,n2]，像素個數不在該范圍內的標記區域的灰度值設為0。干擾特征消除后的效果圖如圖7。

2.6 結合遞歸和貪心算法確定銀絲坐標

藥柱端面圖像最終的處理包括圖像檢索及坐標值計算。圖像檢索的方式采用以區域塊為單位進行圖像掃描，區域塊是指利用遞推算法合并四鄰域(上下左右)相同灰度值像素從而得到若干一定尺寸的區域塊[13]。檢索出包含所有疑似銀絲位置的區域塊，區域塊中心位置坐標為(xi,yi)。

假設圖像I中還存在n個疑似銀絲位置點，從上到下的區域塊依次標記為i=1,2,…,n，利用貪心算法，即通過解局部最優解來達到整體最優解的方法，比對兩兩區域塊中心坐標之間的距離，在圖像I中尋找6個兩兩之間近似等距的圓周陣列的銀絲位置點(陣列中相鄰銀絲位置之間距離設為l±a)。如符合銀絲相對位置關系，將此兩點標記為可能是銀絲的點，如果某一點被重復標記3次以上，則認為它就是銀絲所在位置，反之則將該區域塊的灰度值全設置為0，最后提取最優結果，并通過坐標變換得到世界坐標系下銀絲的絕對位置，以便進行盲孔的精確定位加工。

通過遞歸貪心算法得到的最終銀絲位置示意圖如圖8。

3 結論

本文采用CCD相機，利用圖層優化處理、邊緣檢測、灰度閾值處理、感興趣區域提取、面積識別、遞歸貪心算法六重算法成功對整形后的圓柱型藥柱斷面進行銀絲位置識別與定位，有效去除了非銀絲位置的特征區域。本文研究的藥柱銀絲位置識別的方法識別速度較快，可以滿足批量生產的要求。

[1] 于寧,楊濤,劉巍,等.嵌銀絲端燃藥柱燃氣發生器理論性能分析[J].彈箭與制導學報,2009,29(1):180-183.

[2] 張有為,王曉宏,楊舉賢.嵌金屬絲端燃藥柱燃燒過程的數值研究[J].推進技術,2007,28(1):4-8.

[3] 卞正崗.機器視覺技術的發展[J].中國儀器儀表,2015(6)：71-75.

[4] 房加強,何建萍,王付鑫,等.視覺傳感技術的應用研究與發展趨勢[J].電焊機,2013,43(4):46-50.

[5] 王元有,王新華.含金屬絲端燃藥柱的燃燒機理[J].兵工學報,1980,1(2):42-53.

[6] 李鳳生.嵌涂層金屬絲藥柱的穩態燃燒模型[J].南京理工大學學報,1984(3):65-74.

[7] 李牧,閆繼紅,李戈,等.自適應Canny算子邊緣檢測技術[J].哈爾濱工程大學學報,2007,28(9):1002-1007.

[8] JOHN C.A computationai approach to edge detection[J].IEEE Transaiction Pattern Anaiysis， 1986(8)：679 - 698.

[9] 李平,張廷安,汪秉宏,等.灰度閾值對圖像分形特征參數提取的分析[J].東北大學學報(自然科學版),2006,27(1):57-60.

[10] 許浩均,黃茜,梁兆敏,等.基于MCSA的感興趣區域定位方法[J].現代電子技術,2015,38(17):103-106.

[11] 曹長虎,李亞非.一種二值圖像連通區域標記快速算法[J].科學技術與工程,2010,33(10):8168-8171,8180.

[12] 李儀芳,劉景琳.基于連通域算法的區域測量[J].科學技術與工程,2008,9(8):2492-2494.

[13] 盧敏,伍鐵軍.一種基于區域特征的圖像檢索方法及實現[J].圖學學報,2004,25(1):42-46.