大靶面光幕靶背景光源狀態監測與故障定位

田 會，袁 云，倪晉平，甘學文，田亞男

(1.西安工業大學光電工程學院，陜西 西安 710021；2.重慶建設工業(集團)有限責任公司技術中心，重慶 400054)

0 引言

彈丸飛行速度是衡量身管武器作用效能的基礎指標，在武器研制、交驗和定性過程中都需要準確測試。基于光電探測原理的光幕探測器可實時測量彈丸在預定位置的飛行速度，具有響應速度快、靈敏度高、非接觸測試和成本低等優勢，現已成為武器生產、企業研制的主力測速設備[1-3]。針對更大探測靶面的測試需求，研究者提出采用2條長度為10 m的線陣列光源構成L形背景光源，配合鏡頭式光幕探測器件，可在室內形成10 m×10 m的探測幕面[4]。L形背景光源由數量約為4 800個直徑為5 mm子彈頭LED形成，當背景光源中的某個LED發生故障時，會直接影響測試系統的穩定性，嚴重時造成測試系統無法正常工作。傳統的光源狀態監測方法主要以人員進入靶道直接觀察為主，在強光照射下當視覺疲勞時易出現錯檢、漏檢現象，當LED發生高頻閃爍或針對近紅外光源人眼無法進行有效判定[5-7]。本文針對上述不足，提出了大靶面光幕靶背景光源狀態監測與故障定位方法。

1 光源狀態監測裝置搭建

L形背景光源在結構上可認為是由多段弧形光源按照一定的位置和角度所構成，鏡頭式光幕探測器安裝在光源主光線匯聚點位置處，線陣列相機安裝在光幕探測器的上方，相機成像視場盡量與光幕探測器視場重合，如圖1所示。L形背景光源中的每段LED線陣列光源模塊上均固定有12個直徑為5 mm的LED，相鄰LED的中心距離為6 mm，光源模塊間距為2 mm。選用分辨率為7 K，行頻為3.9 kHz的線陣相機配合焦距為14 mm定焦鏡頭，搭建圖像采集系統其視場可有效監測10 m×10 m靶面內LED的狀態。

圖1 光源狀態監測系統整體結構示意圖Fig.1 The structure diagram of light source condition monitoring system

限于實驗室尚不具備10 m×10 m的L形光源，本文采用與L形背景光源構造方式一致的半徑為2 m的弧形光源作為被測目標，以驗證研究方法的有效性與可行性，該弧形光源結構長度為1.2 m，包括17個光源模塊。

2 光源故障類型分析

光源在實際使用過程中出現的故障主要包括3種類型：某個光源發生短路或斷路時，導致對應模塊上的部分LED熄滅，當彈丸從該探測區域內穿過時，探測器無法有效輸出彈丸過幕信號[8]；光源長時間使用后光源光能量衰減，導致光幕探測靈敏度下降[9]；個別LED發生閃爍，引起探測器持續輸出干擾信號，無法進行正常測試。如圖2所示為相機采集弧形光源發生3種故障時所對應的灰度圖像。依據背景光源電路設計特點，當LED光強發生衰減和熄滅時，以選取適當的閾值對圖像進行二值化處理，即可對該類型的故障進行直觀判斷[10-12]。當LED發生閃爍時，特別是人眼無法判別的高頻閃爍，傳統圖像處理算法已無法準確識別LED閃爍的頻率高低和故障位置。本文針對LED發生閃爍時，研究了快速準確判定閃爍頻率和故障定位的方法。

圖2 光源發生不同故障的灰度示意圖Fig.2 Gray diagram of different failures of light source

3 圖像預處理與故障定位

3.1 目標圖像預處理

圖3為采用光源狀態監測系統采集背景光源工作狀態的圖像，其中圖3(a)為光源工作狀態正常時的標準圖像，圖3(b)為背景光源不同位置處的LED發生了1 kHz和5 kHz頻率閃爍時的目標圖像。由于采集到的圖像具有一定噪聲干擾，先需進行降噪處理。因光源狀體圖像中條紋信息居多，降噪算法選取不當將直接影響故障定位精度。通過對均值濾波、高斯濾波、中值濾波、維納濾波進行客觀評價后，采用對圖像水平和垂直方向紋理信息保持較好的均值濾波算法進行降噪處理，處理后的圖像如圖4所示。

光源模塊各特征結構在灰度圖像中所占的像素數直接決定故障定位精度。通過采集的光源標準圖像，結合光源結構特征確定每個特征結構所占的像素數：光源模塊所占像素數為410；相鄰光源模塊之間縫隙所占像素數為13；單個LED所占像素數為28±3(因光源存在一定的發散角)，相鄰LED之間縫隙所占像素數為6。

圖3 相機采集光源工作過程中圖像Fig.3 Use the camera to capture light source working images

圖4 均值濾波后的目標圖像
Fig.4 The mean filtered target image

3.2 故障定位

對經預處理后的目標圖像4，按圖5所示的故障檢測流程進行故障監測與定位。依據光源模塊不同結構所占的像素數，建立缺陷位置對應的像素點與對應背景故障光源LED之間的對應關系，通過反解可準確判定背景光源發生故障的位置。

以目標圖像第78行像素灰度值為參考值(行數的選取在掃描范圍之內)，取目標圖像第76—85行像素灰度值，與第78行像素灰度值逐次進行差值運算，結果如圖6所示。在同一位置出現不同程度的灰度跳躍現象。設跳躍灰度值大于20時(結合鏡頭式光幕探測器件的響應特性確定閾值)，該位置的LED發生了閃爍。即圖4中的缺陷定位于第2 557

-2 585像素點處；同樣可定位另一處的缺陷位于第4 923-4 895像素點處。

圖5 缺陷檢測算法流程圖Fig.5 The flow chart of defect detection algorithm

圖6 故障圖像固定行與不同行像素值灰度差值結果示意圖Fig.6 The result of pixel gray value difference between the fixed line and other lines of the fault image

按照上述方式確定缺陷對應的像素點后，通過式(1)—式(4)對故障進行定位：

eq1=410x+13×(x-1)-Piont(end)

(1)

eq2=ceil(eq1)

(2)

eq3=410×(eq2-1)+13×(eq2-1)

(3)

eq4=6×(m-1)+28m+eq3-Piont(end)

(4)

式(1)—式(4)中，x表示故障光源模塊位置，m表示該模塊上對應的故障LED位置，ceil(eq1)表示如果eq1有小數部分則進一位，Piont(end)表示單一缺陷所對應的最后一個像素點。

由上式反解可知第一處故障位于第6個光源模塊上第7個LED處；第二處故障位于第12個光源模塊上第4個LED處。

3.3 閃爍頻率判定

依據上述故障定位結果，取目標圖像第一處缺陷中心位置即第2 570像素點對應的列灰度值，其灰度曲線如圖7(a)所示；第二處缺陷中心位置即第4 936像素點對應的列灰度值，其灰度曲線如圖7(b)所示；再取第二處缺陷位置的第4 933像素點對應的列灰度值，其灰度曲線如圖7(c)所示；分析兩處缺陷對應的列灰度曲線分布可LED發生閃爍時的灰度值分布特點：閃爍頻率越高故障中心處灰度幅值越高且接近255，故障邊緣灰度值呈現鋸齒狀分布；閃爍頻率較低時，故障中心處對應的灰度值呈梳狀分布且值幅值差異較大。因此可直觀判定目標圖像第二處的閃爍頻率比第一處的閃速頻率的高。

圖7 目標圖像故障位置對應列的灰度分布曲線圖Fig.7 The column grayscale curve of fault in the target image

4 結論

本文提出了大靶面光幕靶背景光源狀態監測與故障定位方法。該方法使用差影法獲取目標圖像中缺陷位置對應的行、列像素特征值；結合不同光源模塊結構所占像素數，建立了缺陷像素位置與光源參數之間的轉換模型，實現了光源故障準確定位。試驗表明該方法有效可行，LED故障定位精度優于5 mm，為大靶面光幕測速系統的可靠工作提供技術保障。