基于小波變換的金屬表面缺陷檢測(cè)算法

馮國(guó)勇

（蘭州資源環(huán)境職業(yè)技術(shù)學(xué)院，甘肅 蘭州 730021）

小波變換的思想來(lái)自于平移與伸縮方法，是八十年代左右發(fā)展起來(lái)的一支應(yīng)用數(shù)學(xué)分支[1]。小波變換在頻域與時(shí)域領(lǐng)域內(nèi)都表現(xiàn)出了良好的局部化性質(zhì)，并且由于小波變換能夠?qū)崿F(xiàn)對(duì)高頻分量使用逐步而精細(xì)的頻域或時(shí)域來(lái)對(duì)步長(zhǎng)進(jìn)行取樣，因而能夠聚焦到觀察對(duì)象的任意細(xì)節(jié)，因此小波變換被譽(yù)為數(shù)學(xué)上的顯微鏡[2]。而金屬表面缺陷通常十分細(xì)微，因此基于小波變換的原理提出了一種新的金屬表面缺陷算法。金屬表面缺陷是指金屬表面局部化學(xué)性質(zhì)或物理性質(zhì)不均勻的區(qū)域。通常情況下，金屬表面缺陷是在提煉過(guò)程中產(chǎn)生的，包括臺(tái)階、表面空位、吸附雜質(zhì)原子、位錯(cuò)或晶界露頭、其他第二相顆粒以及非金屬夾雜物等等。金屬表面缺陷由于原子活性相對(duì)較高，常常會(huì)成為金屬最先被腐蝕的部位。

1 設(shè)計(jì)新的金屬表面缺陷檢測(cè)算法

在金屬提煉過(guò)程中，如果電流、電壓、預(yù)熱等操作不夠規(guī)范，或溫度設(shè)置出現(xiàn)失誤，將影響所形成的熔池的溫度、大小和形狀等，造成金屬表面缺陷。或者由于金屬提煉不純也容易出現(xiàn)金屬表面缺陷。由于通過(guò)小波變換原理能夠觀察到觀察對(duì)象的任意細(xì)節(jié)，因此在分形邊緣檢測(cè)方法和形態(tài)學(xué)方法的基礎(chǔ)上結(jié)合了小波變換，提出了一種新的金屬表面缺陷檢測(cè)算法。利用金屬缺陷區(qū)域的一些突出的特征信息，例如紋理信息、邊緣信息、灰度值等，通過(guò)閾值分割或邊緣提取等方法從原始圖像中提取該金屬的表面缺陷，其中需要利用小波變換的多尺度特性來(lái)實(shí)現(xiàn)大尺度下對(duì)噪聲的抑制以及小尺度下對(duì)缺陷部位的精準(zhǔn)定位從而對(duì)邊緣進(jìn)行可靠的識(shí)別或提取出該金屬的閾值面缺陷。

當(dāng)金屬表面局部亮度有差異時(shí)，這種表面亮度的差異容易影響金屬缺陷提取的準(zhǔn)確程度。這時(shí)可以采取如下公式進(jìn)行計(jì)算：

其中I為表面區(qū)域圖像，Mr與Mc分別是該圖像每一行以及每一列的灰度平均值，Mr與 Mc的最大值求出后分別記為MAXr與MAXc，I(x，y)是圖像I上的每一個(gè)像素點(diǎn)，利用該公式就可以生成亮度平衡圖像的相應(yīng)點(diǎn)Ib(x，y)。

2 仿真實(shí)驗(yàn)

2.1 實(shí)驗(yàn)組

小波變換是通過(guò)分解將原始信號(hào)變成一系列小波，這些小波是由基本小波經(jīng)平移和縮放之后得到的。不同于傅里葉變換，小波變換既可以通過(guò)平移基本小波獲得信號(hào)的時(shí)間信息，又可以獲取信號(hào)的頻率信息。因此使用小波變換來(lái)進(jìn)行圖像增強(qiáng)。對(duì)這種新的金屬表面缺陷檢測(cè)算法設(shè)計(jì)仿真實(shí)驗(yàn)。在該實(shí)驗(yàn)種設(shè)計(jì)實(shí)驗(yàn)組與對(duì)比組。實(shí)驗(yàn)組在實(shí)驗(yàn)過(guò)程中，以某種稀有金屬為實(shí)驗(yàn)對(duì)象，結(jié)合小波變換原理對(duì)圖像進(jìn)行增強(qiáng)，當(dāng)縮放系數(shù)逐漸增大時(shí)，增強(qiáng)效果沒(méi)有仍然保持平穩(wěn)，沒(méi)有明顯減弱，仍然可以保障圖像的增強(qiáng)效果。實(shí)驗(yàn)數(shù)據(jù)如表1. 圖像增強(qiáng)效果得到保障后，可以較為輕易的捕捉到金屬表面缺陷。

表1 實(shí)驗(yàn)組實(shí)驗(yàn)數(shù)據(jù)

2.2 對(duì)比組

對(duì)比組也同樣以某種稀有金屬為實(shí)驗(yàn)對(duì)象，采用傳統(tǒng)基于圖像處理的缺陷檢測(cè)算法進(jìn)行實(shí)驗(yàn)，在縮放系數(shù)逐漸增大時(shí)可以清晰的發(fā)現(xiàn)圖像增強(qiáng)效果逐漸減弱，對(duì)圖像的識(shí)別能力也逐漸減弱，無(wú)法保障圖像的增強(qiáng)效果。因此對(duì)金屬表面缺陷的捕捉越來(lái)越困難。

2.3 實(shí)驗(yàn)結(jié)果對(duì)比

經(jīng)過(guò)實(shí)驗(yàn)結(jié)果的對(duì)比可以發(fā)現(xiàn)，結(jié)合小波變換原理設(shè)計(jì)的新的金屬表面缺陷檢測(cè)算法與傳統(tǒng)基于圖像處理的缺陷檢測(cè)算法相比，在圖像縮放系數(shù)逐漸增大時(shí)，明顯可以保證圖像增強(qiáng)效果的穩(wěn)定，從而更容易捕捉到金屬表面的微小缺陷。而且新的金屬表面缺陷檢測(cè)算法也可以保障金屬表面缺陷的識(shí)別效率，區(qū)別于人工檢測(cè)與傳統(tǒng)基于圖像處理的缺陷檢測(cè)算法，檢測(cè)速度快，結(jié)果精確客觀。

人工檢測(cè)標(biāo)準(zhǔn)是由人去進(jìn)行主觀判斷，容易受到人的主觀影響，不同工人即使對(duì)同樣的缺陷進(jìn)行判斷出現(xiàn)的結(jié)果也不一定相同。并且人工檢測(cè)的檢測(cè)準(zhǔn)確率不夠穩(wěn)定，人眼長(zhǎng)期進(jìn)行金屬表面缺陷觀察很容易就會(huì)出現(xiàn)視覺(jué)疲勞，從而影響對(duì)缺陷判斷的準(zhǔn)確程度。而且人工檢測(cè)的效率較低，受到工人熟練程度的影響。傳統(tǒng)基于圖像處理的缺陷檢測(cè)算法通常存在著參數(shù)設(shè)置過(guò)于繁雜、準(zhǔn)確度低與速度慢等不足之處，很難滿足企業(yè)在實(shí)際工業(yè)生產(chǎn)中進(jìn)行金屬表面缺陷在線檢測(cè)的實(shí)際需求。

而且企業(yè)的生命就在于產(chǎn)品質(zhì)量能夠得到保障，企業(yè)占領(lǐng)市場(chǎng)的重要手段就是保證效率。當(dāng)前國(guó)內(nèi)外的金屬制造企業(yè)在金屬缺陷檢測(cè)上都在追求更高的檢測(cè)效率來(lái)實(shí)現(xiàn)生產(chǎn)周期的縮減，從而更迅速的占領(lǐng)市場(chǎng)，因此金屬制造企業(yè)對(duì)新的金屬表面缺陷檢測(cè)算法有著迫切的需求。新的金屬表面缺陷檢測(cè)算法可以更加高效的進(jìn)行金屬缺陷檢測(cè)，擁有良好的市場(chǎng)前景，并具有很大的研究意義。

3 結(jié)語(yǔ)

基于小波變換提出的新的金屬表面缺陷檢測(cè)算法經(jīng)過(guò)實(shí)驗(yàn)對(duì)比可以發(fā)現(xiàn)該算法在圖像增強(qiáng)效果方面遠(yuǎn)優(yōu)于傳統(tǒng)基于圖像處理的缺陷檢測(cè)算法。因此可以基于這個(gè)新的金屬表面缺陷檢測(cè)算法進(jìn)行高效的金屬表面缺陷檢測(cè)，并預(yù)計(jì)有一定投入市場(chǎng)的價(jià)值。