吳秀東，李東興，常曉剛，王建軍

(山東理工大學(xué) 機(jī)械工程學(xué)院,山東 淄博 255049)

在工業(yè)強(qiáng)基工程中，軸承被列為機(jī)械基礎(chǔ)零部件的首位，高轉(zhuǎn)速高精度軸承更是被作為發(fā)展的重點(diǎn)方向[1]。鋼球?qū)儆跐L動(dòng)軸承中的關(guān)鍵零件，其表面缺陷狀況對(duì)軸承的動(dòng)態(tài)性能、使用壽命等有著舉足輕重的影響，統(tǒng)計(jì)表明，由于鋼球表面缺陷導(dǎo)致的軸承失效占比高達(dá)61.2%[2]，因此，鋼球表面缺陷檢測(cè)成為鋼球生產(chǎn)中一道必不可少的檢測(cè)工序。

目前，AVIKO-K型鋼球表面缺陷檢測(cè)儀廣泛應(yīng)用于鋼球表面質(zhì)量檢測(cè)，其利用光電、渦流檢測(cè)方法[3]，具有效率高、操作簡(jiǎn)單等優(yōu)點(diǎn)。然而，為減小對(duì)渦流傳感器檢測(cè)精度的干擾，對(duì)檢測(cè)環(huán)境、儀器結(jié)構(gòu)提出了很高要求；該檢測(cè)儀的展開機(jī)構(gòu)等只能使用非金屬材料，耐磨性較差，必須頻繁更換，且對(duì)麻點(diǎn)缺陷類型識(shí)別能力弱。文獻(xiàn)[4-5]研制了均勻散射的光源照明系統(tǒng)，設(shè)計(jì)了基于雙CCD相機(jī)的鋼球表面一維滾動(dòng)展開方法，使用水平、垂直投影粗略定位與Canny算子準(zhǔn)確定位結(jié)合的方法確定直線軌道上每個(gè)鋼球的位置，采用實(shí)時(shí)背景差分方法提取鋼球表面缺陷；但該系統(tǒng)僅針對(duì)φ1.5 mm的鋼球，適用性低，實(shí)時(shí)背景差分方法的連續(xù)性、穩(wěn)定性也存在很大問(wèn)題[6]；文獻(xiàn)[7-8]設(shè)計(jì)了基于最小圓形外接矩形得到鋼球檢測(cè)區(qū)域的方法，采用剪影法及BP神經(jīng)網(wǎng)絡(luò)方法提取鋼球表面特征，但其所檢測(cè)的鋼球直徑范圍為10～20 mm，檢測(cè)范圍窄且油液介質(zhì)和展開系統(tǒng)還有待研究。文獻(xiàn)[9-10]運(yùn)用光纖檢測(cè)方法，但并未設(shè)計(jì)展開裝置、上位機(jī)界面等；還有其他針對(duì)鋼球表面展開方法[11]及模式識(shí)別方法[12]的研究，但均缺乏實(shí)際應(yīng)用。

綜上，結(jié)合Halcon軟件提出一種鋼球表面缺陷檢測(cè)系統(tǒng)設(shè)計(jì)方案，將采集到的鋼球表面圖像實(shí)時(shí)傳入計(jì)算機(jī)，通過(guò)建立的圖像處理缺陷檢測(cè)算法提取表面缺陷，能夠有效地從復(fù)雜背景中計(jì)算出鋼球表面缺陷面積，進(jìn)而控制電動(dòng)機(jī)帶動(dòng)機(jī)械手工作，準(zhǔn)確實(shí)現(xiàn)鋼球優(yōu)劣的自動(dòng)分揀，并在實(shí)際的鋼球生產(chǎn)過(guò)程中取得了良好的效果。

1 鋼球表面質(zhì)量檢測(cè)系統(tǒng)

1.1 硬件結(jié)構(gòu)

鋼球表面缺陷檢測(cè)系統(tǒng)如圖1所示，主要包括上料裝置、照明裝置、鋼球表面展開裝置、圖像采集傳輸裝置、計(jì)算機(jī)和分選控制裝置。其工作原理為：裝料箱中的被測(cè)鋼球通過(guò)往復(fù)運(yùn)動(dòng)的出球滑板到達(dá)過(guò)渡通道，當(dāng)過(guò)渡通道上的磁敏傳感器判斷鋼球達(dá)到設(shè)定數(shù)量時(shí)，裝料箱上的出球滑板停止運(yùn)動(dòng)從而停止出球。2個(gè)往復(fù)進(jìn)球機(jī)械手之間的距離可以調(diào)節(jié)，用來(lái)控制每組檢測(cè)鋼球的數(shù)目，限位機(jī)械手將每組鋼球限制在檢測(cè)區(qū)域內(nèi)。過(guò)渡通道上方裝有保護(hù)液噴淋管，減少檢測(cè)過(guò)程中的鋼球碰撞、摩擦損傷，同時(shí)提高鋼球表面清潔度。整個(gè)檢測(cè)通道的寬度可以調(diào)節(jié)，檢測(cè)鋼球直徑范圍為10～50 mm。檢測(cè)區(qū)域兩側(cè)為L(zhǎng)ED照明裝置，檢測(cè)區(qū)域下方是作往復(fù)、周向運(yùn)動(dòng)的展開盤，可使得鋼球表面充分展開。在鋼球表面展開過(guò)程中，光學(xué)鏡頭、CCD相機(jī)配合完成鋼球表面圖像采集，通過(guò)基于Halcon的鋼球表面缺陷檢測(cè)算法實(shí)時(shí)計(jì)算采集圖像的鋼球表面缺陷面積，從而判別鋼球是否合格，分球機(jī)械手和分球板相互配合使鋼球進(jìn)入相應(yīng)的品料倉(cāng)。

圖1 鋼球表面缺陷檢測(cè)系統(tǒng)示意圖Fig.1 Diagram of detecting system for surface defects on steel ball

1.2 圖像處理軟件

該檢測(cè)系統(tǒng)的圖像處理軟件基于Halcon 10.0編程開發(fā)[13]。根據(jù)實(shí)際使用需求，所設(shè)計(jì)的系統(tǒng)主界面如圖2所示。主要包括開始與停止檢測(cè)控制、檢測(cè)方案設(shè)置、相機(jī)設(shè)置、電動(dòng)機(jī)控制、缺陷面積與檢測(cè)結(jié)果顯示。通過(guò)這些功能模塊的相互結(jié)合，可高效、準(zhǔn)確地實(shí)現(xiàn)鋼球優(yōu)劣的自動(dòng)化分揀。

圖2 檢測(cè)系統(tǒng)主界面Fig.2 Main interface of detecting system

2 基于Halcon的鋼球表面缺陷檢測(cè)算法

2.1 感興趣區(qū)域選取

圖像過(guò)大、背景復(fù)雜、對(duì)象過(guò)多都會(huì)干擾對(duì)目標(biāo)的處理。為提高圖像處理的針對(duì)性和準(zhǔn)確度，去掉無(wú)用區(qū)域，提高圖像處理速度，通常會(huì)采用感興趣區(qū)域(Region of Interest，ROI)選取[14-15]，從而優(yōu)化系統(tǒng)性能。

檢測(cè)過(guò)程中，鋼球每4個(gè)一組進(jìn)入展開盤，每組鋼球所在位置固定。由于LED燈兩側(cè)式照明方式的影響，鋼球正上方存在反射盲區(qū)，相鄰鋼球表面也會(huì)存在光線的相互反射，使得CCD相機(jī)所采集到圖像如圖3所示。

圖3 CCD相機(jī)采集到的鋼球圖像Fig.3 Steel ball image captured by CCD camera

為去除與鋼球表面圖像無(wú)關(guān)的背景、反射盲區(qū)以及相鄰鋼球反射成像的區(qū)域，系統(tǒng)通過(guò)4個(gè)橢圓區(qū)域取并集，然后與矩形區(qū)域取差集的方法獲取含有鋼球表面缺陷圖像作為感興趣區(qū)域，具體步驟如下：

1)在鋼球成像的固定位置分別繪制4個(gè)橢圓區(qū)域Ellipse1～Ellipse4，對(duì)于包含鋼球表面缺陷區(qū)域進(jìn)行合并，同時(shí)去除圖像背景和相鄰鋼球反射成像的區(qū)域，如圖4所示。橢圓區(qū)域靈活性強(qiáng)，可以充分包含每個(gè)鋼球的表面圖像。

圖4 合并區(qū)域Fig.4 Union region

2)根據(jù)所檢鋼球尺寸以及反射盲區(qū)大小繪制矩形區(qū)域Rectangle，如圖5所示。矩形區(qū)域應(yīng)包含鋼球表面圖像的盲區(qū)以及盲區(qū)相鄰的偏暗區(qū)域，若矩形區(qū)域過(guò)大會(huì)減小鋼球表面有效面積，造成缺陷漏檢；若矩形區(qū)域偏小會(huì)使得背景圖像殘留在檢測(cè)區(qū)域中，造成鋼球的誤檢。

圖5 矩形區(qū)域Fig.5 Rectangle region

3)令合并區(qū)域UnionRegion與矩形區(qū)域Rectangle取差集，最終得到感興趣區(qū)域ROI_0，如圖6所示。

圖6 感興趣區(qū)域Fig.6 Region of interest

2.2 形態(tài)學(xué)濾波

由于采集裝置、傳輸方式、工作環(huán)境等因素的影響，采集到的鋼球表面圖像往往夾雜噪聲，使得表面質(zhì)量下降，所計(jì)算的缺陷面積不準(zhǔn)確，從而產(chǎn)生誤判。

通過(guò)形態(tài)學(xué)濾波處理[16]可有效除去圖像中含有的噪聲成分，保護(hù)鋼球外部輪廓與缺陷區(qū)域細(xì)節(jié)特征，并且使得圖像亮度有所增強(qiáng)，濾波結(jié)果如圖7所示。

圖7 感興趣區(qū)域形態(tài)學(xué)濾波Fig.7 Morphological filtering of region of interest

2.3 鋼球表面缺陷邊緣檢測(cè)

邊緣是圖像最基本的特征，邊緣檢測(cè)是圖像處理的重要組成部分，其準(zhǔn)確性直接影響后續(xù)的圖像處理、分析和識(shí)別。為計(jì)算鋼球表面缺陷面積，進(jìn)行判別分選，需要運(yùn)用邊緣檢測(cè)算法提取鋼球表面缺陷邊緣。

2.3.1 多方向計(jì)算梯度幅值并進(jìn)行非極大值抑制

設(shè)不同方向的模板分別為

將形態(tài)學(xué)濾波后的圖像J(x,y)分別與各模板卷積，得到的梯度分量分別為L(zhǎng)0°(x,y)，L45°(x,y)，L90°(x,y)，L135°(x,y)，則

(2)

式中：L(x,y)為梯度幅值；θ(x,y)為梯度方向。對(duì)J(x,y)內(nèi)的像素點(diǎn)，比較3×3鄰域中心點(diǎn)像素的梯度幅值與梯度方向上相鄰2個(gè)像素點(diǎn)的梯度幅值，如果鄰域中心點(diǎn)像素的梯度幅值比梯度方向上相鄰2個(gè)像素點(diǎn)的梯度幅值都大，則將當(dāng)前鄰域的中心點(diǎn)記為可能的邊緣點(diǎn)，否則當(dāng)前鄰域的中心點(diǎn)為非邊緣點(diǎn)，賦值為0。

2.3.2 類間方差和類內(nèi)方差比值最大化

將非極大值抑制后的圖像分為前景區(qū)域和背景區(qū)域，使這兩類的總類間方差與總類內(nèi)方差比值最大，從而自適應(yīng)獲得高低閾值。

假設(shè)非極大值抑制后的圖像中灰度值i的像素?cái)?shù)為ni，灰度范圍是[0,255]，總像素?cái)?shù)目為V，各個(gè)灰度值出現(xiàn)的概率為pi=ni/V。把圖像中的像素由閾值T分為前景區(qū)域類C0=[0,T-1]和背景區(qū)域類C1=[T,255]，則C0和C1產(chǎn)生的概率分別為

(3)

對(duì)應(yīng)的平均灰度分別為

(4)

整幅圖像的平均灰度為

(5)

P0P1(μ0-μ1)2。

(6)

(7)

(8)

(9)

(10)

比值函數(shù)α(T)只有一個(gè)自變量T，比值函數(shù)α(T)取最大值時(shí)，即總類間方差與總類內(nèi)方差比值最大。

在[0,255]內(nèi)閾值T從小到大順次取值，令α(T)最大的T值便是高閾值Th，則低閾值Tl=Th/2。使用高低閾值在3×3鄰域內(nèi)檢測(cè)和連接邊緣，即若像素點(diǎn)(x,y)的梯度值大于Th，則為邊緣點(diǎn)；若梯度值小于Tl，則不是邊緣點(diǎn)；若像素點(diǎn)(x,y)的梯度值位于Th與Tl之間，在3×3鄰域內(nèi)如果存在梯度值大于Th的像素點(diǎn)，則為邊緣點(diǎn)，否則不是邊緣點(diǎn)。最終得到邊緣檢測(cè)圖像，如圖8所示。

圖8 邊緣檢測(cè)圖像Fig.8 Edge detection image

2.4 計(jì)算鋼球表面缺陷面積

對(duì)鋼球表面缺陷圖像進(jìn)行邊緣檢測(cè)后，為防止屬于同一區(qū)域的缺陷像素被分為不同區(qū)域，以及方便計(jì)算缺陷面積，需要進(jìn)行連通區(qū)域，在Halcon 10.0中，連通區(qū)域算子為connection。

常用判別連通性的方法有4連通區(qū)域和8連通區(qū)域，如圖9所示。4連通區(qū)域包括中心像素相鄰的上、下、左、右4個(gè)位置；8連通區(qū)域包括中心像素相鄰的上、下、左、右、左上、左下、右上、右下8個(gè)位置[17]。擦痕、劃條等缺陷往往有一定的傾斜角度，4連通區(qū)域容易把這類屬于同一區(qū)域的缺陷錯(cuò)誤地分為不同區(qū)域，而8連通區(qū)域可更好的根據(jù)周圍像素對(duì)缺陷區(qū)域分類，故本系統(tǒng)采用8連通區(qū)域。

圖9 連通區(qū)域示意圖Fig.9 Diagram of connected regions

鋼球表面缺陷面積S實(shí)際上是指一個(gè)缺陷區(qū)域包括的像素點(diǎn)的總數(shù)目，可以使用Halcon 10.0中的算子area_center計(jì)算缺陷區(qū)域的中心位置和缺陷面積。鋼球表面缺陷檢測(cè)軟件系統(tǒng)坐標(biāo)系如圖10所示，從圖10b可以看出，根據(jù)缺陷區(qū)域的橫坐標(biāo)值和每粒鋼球圖像的橫坐標(biāo)區(qū)間即可確定每個(gè)缺陷的具體位置。

圖10 軟件系統(tǒng)坐標(biāo)系示意圖Fig.10 Diagram of software system coordinates

2.5 算法流程

綜上可知，基于Halcon的鋼球表面缺陷檢測(cè)算法流程如圖11所示。

圖11 本文算法的流程圖Fig.11 Flow chart of textual algorithm

3 系統(tǒng)的測(cè)試與分析

實(shí)際檢測(cè)過(guò)程中，采用分辨率1 032×778，像素尺寸4.65 μm×4.65 μm的IK081M-30面陣CCD相機(jī)和TEC-M55光學(xué)鏡頭進(jìn)行圖像采集。

鋼球質(zhì)量判別前需要進(jìn)行缺陷面積閾值設(shè)定。根據(jù)鋼球感興趣區(qū)域選取圖像，在Halcon 10.0中分別進(jìn)行缺陷邊緣連通和缺陷面積計(jì)算。某3粒鋼球缺陷的計(jì)算結(jié)果如圖12所示，圖中從左至右分別為感興趣區(qū)域選取圖像、缺陷邊緣連通結(jié)果和缺陷面積。由于鋼球表面缺陷面積數(shù)據(jù)較多，因此將缺陷面積從大到小進(jìn)行排列，只截取了部分缺陷面積數(shù)據(jù)。

圖12 鋼球的部分缺陷面積數(shù)據(jù)Fig.12 Partial defect area data of steel balls

為說(shuō)明判別方法，以φ12.7 mm的鋼球?yàn)槔f(shuō)明判別閾值的選擇。選擇不合格鋼球和合格鋼球各20粒，在檢測(cè)區(qū)域觀察并記錄每粒鋼球的缺陷面積數(shù)值(為保證鋼球表面充分展開，同時(shí)最小程度避免缺陷重復(fù)檢測(cè)，根據(jù)展開盤的運(yùn)行速度，應(yīng)保證觀察時(shí)間4～5 min)，每粒鋼球的缺陷面積峰值見表1。由表可知：不合格鋼球的最小峰值為23，合格鋼球的最大峰值為17。為減少誤檢，可將第1判別閾值設(shè)定為20。

表1 鋼球的缺陷面積峰值Tab.1 Peak defect area of steel balls

將每粒鋼球的表面缺陷圖像的缺陷面積S建立數(shù)組，并從大到小排列，則數(shù)組中第1個(gè)數(shù)值Smax為最大值，第2個(gè)數(shù)值S2為次大值。如果僅僅以Smax>20作為判別鋼球不合格的標(biāo)準(zhǔn)，會(huì)造成誤判，因?yàn)楫?dāng)滿足20≥Smax>10且次大值S2大于10時(shí)鋼球也是不合格的，故添加了第2個(gè)判別步驟，則鋼球表面合格與否的判別方法為：

1)若Smax>20，則鋼球不合格，否則執(zhí)行第2步；

2)若Smax>10且S2>10，則鋼球不合格，否則鋼球合格。

在確定鋼球表面缺陷面積的閾值后，需要對(duì)系統(tǒng)進(jìn)行性能測(cè)試。由于該檢測(cè)系統(tǒng)用于流水線作業(yè)的工業(yè)生產(chǎn)，應(yīng)具備較高的實(shí)時(shí)性與準(zhǔn)確性。為驗(yàn)證系統(tǒng)在實(shí)際檢測(cè)過(guò)程中的效率，將企業(yè)生產(chǎn)的5 000粒φ12.7 mm鋼球進(jìn)行實(shí)時(shí)分揀，每組所檢測(cè)鋼球數(shù)量為4粒，每組鋼球采集的圖像數(shù)為5幅，通過(guò)往復(fù)、周向運(yùn)動(dòng)的展開盤相互作用，使得鋼球表面充分展開。檢測(cè)結(jié)果見表2。

表2 鋼球表面缺陷檢測(cè)結(jié)果Tab.2 Testing result of surface defects on steel ball

由表2可知：鋼球表面缺陷檢測(cè)系統(tǒng)的錯(cuò)檢率小于2%，可達(dá)到工業(yè)生產(chǎn)中檢測(cè)準(zhǔn)確性的要求。雖然分球機(jī)械手的協(xié)同作用會(huì)對(duì)檢測(cè)速度產(chǎn)生一定影響，但在鋼球合格率較高的情況下，該系統(tǒng)每小時(shí)可檢測(cè)鋼球仍可達(dá)6 000粒，保證了檢測(cè)的實(shí)時(shí)性，能夠滿足企業(yè)實(shí)際生產(chǎn)的需要。

4 結(jié)束語(yǔ)

針對(duì)傳統(tǒng)鋼球表面質(zhì)量檢測(cè)所存在的檢測(cè)效率低、錯(cuò)檢率高、勞動(dòng)力需求大等缺點(diǎn)，提出了一種基于Halcon圖像處理平臺(tái)的鋼球表面缺陷檢測(cè)系統(tǒng)設(shè)計(jì)方案。根據(jù)建立的圖像處理算法，對(duì)工業(yè)相機(jī)采集的鋼球表面圖像進(jìn)行缺陷檢測(cè)，然后通過(guò)缺陷面積計(jì)算并與缺陷面積閾值比較完成鋼球的自動(dòng)分揀，實(shí)現(xiàn)鋼球表面缺陷的非接觸性檢測(cè)。實(shí)際檢測(cè)結(jié)果表明，該系統(tǒng)結(jié)構(gòu)簡(jiǎn)單，檢測(cè)速度快，誤檢率低，滿足大批量的鋼球生產(chǎn)過(guò)程，可大大提高工業(yè)生產(chǎn)的效率和自動(dòng)化水平，具有很大理論研究和實(shí)際應(yīng)用價(jià)值。但檢測(cè)系統(tǒng)的照明方式以及表面展開機(jī)構(gòu)仍存在缺陷，在實(shí)際檢測(cè)過(guò)程中會(huì)出現(xiàn)光照不均勻及表面展開不充分等問(wèn)題，這將成為后續(xù)研究的重點(diǎn)。