基于紅外熱像技術(shù)的汽車座椅皮革質(zhì)量檢測

萬長青 張新敏

摘 要：針對當(dāng)前汽車座椅皮革表面質(zhì)量檢測易受光照和皮革顏色影響等問題，筆者提出使用基于紅外熱像技術(shù)的汽車座椅皮革質(zhì)量檢測方法。本文以汽車座椅皮革為研究對象，在加熱的功率、時間、角度和距離等因素下，以試件表面溫度差異為目標(biāo)設(shè)計(jì)均勻?qū)嶒?yàn)，以回歸分析確定最優(yōu)的實(shí)驗(yàn)參數(shù)，并進(jìn)行迭代閾值分割處理，檢測結(jié)果表明細(xì)節(jié)特征清晰。

關(guān)鍵詞：紅外熱像；均勻設(shè)計(jì)；質(zhì)量檢測

中圖分類號：U472.9 文獻(xiàn)標(biāo)識碼：A 文章編號：1003-5168（2018）14-0084-02

Decision Method For Re-Design Quality

Coefficients of Waste Machine Tools

WAN Changqing ZHANG Xinmin

（School of Mechanical Engineering， Shenyang University of Technology，Shenyang Liaoning 110870）

Abstract： In view of the problem that the surface quality inspection of the automobile seat leather is easily affected by the light and the color of leather， the author proposes the use of the infrared thermal image technology to detect the quality of the leather in the car seat. This paper took the automobile seat leather as the research object. Under the factors of heating power， time， angle and distance， the uniform experiment was designed for the surface temperature difference of the specimen. The optimal experimental parameters were determined by regression analysis， and the iterative threshold segmentation was carried out. The detection results showed that the details were clear.

Keywords： infrared thermography；uniform design；quality inspection

傳統(tǒng)的汽車座椅皮革表面質(zhì)量檢測主要是靠人工完成的，朱凌云等[1]提出了一種基于視覺顯著模型的檢測方法；李健等[2]提出了采用改進(jìn)決策樹結(jié)合前饋神經(jīng)網(wǎng)絡(luò)選擇最優(yōu)的分類屬性的方法，大大縮短了檢測時間；賀福強(qiáng)等[3]采用小波重構(gòu)的方法對皮革表面進(jìn)行了缺陷檢測；辛登科等[4]提出了一種可以比較準(zhǔn)確地檢測出皮革表面缺陷信息的算法。Patricio V等[5]提出了一種濕藍(lán)皮革缺陷分類的自動檢測方法。

本文提出一種基于紅外熱像技術(shù)的汽車座椅皮革質(zhì)量檢測方法，用迭代閾值分割算法處理紅外熱成像，實(shí)現(xiàn)汽車座椅皮革的質(zhì)量檢測。

1 實(shí)驗(yàn)分析

1.1 均勻?qū)嶒?yàn)設(shè)計(jì)

試件為汽車座椅皮革，實(shí)驗(yàn)中所用的紅外熱像儀采用專業(yè)型檢測用紅外熱像Testo890-2。汽車座椅皮革表面溫度差的各影響因素及水平見表1。

表1 溫度差問題中的因素及水平

[因素 功率/kW 時間/s 距離/m 角度/° L1 0.25 2 0.02 0 L2 0.35 4 0.04 15 L3 0.45 6 0.06 30 L4 0.55 8 0.08 45 L5 0.65 10 0.10 60 L6 0.75 12 0.12 75 L7 0.85 14 0.14 90 ]

本文用均勻設(shè)計(jì)表[U774]進(jìn)行實(shí)驗(yàn)，結(jié)果如表2所示。

1.2 實(shí)驗(yàn)結(jié)果分析

1.2.1 回歸模型的建立。對表2的實(shí)驗(yàn)數(shù)據(jù)用以下模型進(jìn)行回歸分析：

[y=β0+m=1kβmxm+m=1kn=1kβmnxmxn] （1）

表2 均勻?qū)嶒?yàn)結(jié)果

[序號 功率/kW 時間/s 角度/° 距離/m 溫差/℃ 1 0.25 8 60 0.12 0.5 2 0.35 2 30 0.10 0.7 3 0.45 10 0 0.08 1.8 4 0.55 4 75 0.06 1.4 5 0.65 12 45 0.04 2.8 6 0.75 6 15 0.02 2.7 7 0.85 14 90 0.14 3.2 ]

在（1）式中，[β0]、[βm]、[βmn]為回歸系數(shù)，[x1]、[x2]、[x3]、[x4]分別為加熱功率、時間、距離以及角度。

根據(jù)均勻?qū)嶒?yàn)設(shè)計(jì)的實(shí)驗(yàn)結(jié)果，利用均勻設(shè)計(jì)軟件進(jìn)行回歸計(jì)算，得到的回歸方程如下所示：

[y=-1.007 1+4.202 9x1+0.144 4x2-0.117 4x1×x2+0.023 7x1×x3-0.011 8x3×x4-2.038 2x23] （2）

為確認(rèn)所選的模型是否合適，需進(jìn)行回歸診斷。進(jìn)行回歸診斷的主要工具是殘差e，e=yc-y，回歸模型的具體計(jì)算結(jié)果與實(shí)驗(yàn)結(jié)果見表3。

表3 回歸模型的計(jì)算結(jié)果與實(shí)驗(yàn)結(jié)果

[序號 y yc e [（yc-y）/y]×100/% 1 0.800 0.801 0.001 0.125 2 0.400 0.399 -0.001 -0.250 3 1.400 1.409 0.009 0.643 4 1.600 1.607 0.007 0.438 5 2.600 2.603 0.003 0.115 6 2.500 2.499 -0.001 -0.040 7 3.300 3.311 0.011 0.333 ]

圖1所示的實(shí)驗(yàn)值與回歸值之間的關(guān)系曲線，直觀體現(xiàn)了本文建立的回歸方程的合理性。

[a][b

][b

][a][實(shí)驗(yàn)值][回歸值][3.5

3.0

2.5

2.0

1.5

1.0

0.5][溫度差/°C][1 2 3 4 5 6 7 ][實(shí)驗(yàn)序號]

圖1 回歸值與實(shí)驗(yàn)值比較

1.2.2 最優(yōu)因素水平的確定。根據(jù)回歸方程的極值點(diǎn)，最優(yōu)因素水平組合即加熱功率、時間、角度、距離分別為0.85kW、14s、45°、0.02m，得到的最終實(shí)驗(yàn)圖像如圖2所示。