網格布斷裂缺陷檢測方法的研究

方利華，郤志星，房昭輝，伏燕軍

（南昌航空大學無損檢測教育部重點實驗室，江西 南昌 330000）

1 引言

網格布是手機生產中一個基礎且重要的部件，主要起到保護聽筒的作用。在網格布的制造中，常會因為生產工藝或其他因素導致網格斷裂現象的發生，這會使得灰塵和其他雜質進入聽筒內部，造成語音通話故障，影響客戶體驗，因此各大生產廠商都十分重視該產品的質量。目前，大多數廠家都使用人工檢測的方式對網格布表面缺陷進行識別，但這種方法速度慢，誤判率高，而網格布面積小，結構復雜的特點，使得傳統的自動化檢測方法并不適用，因此提出一種基于機器視覺的網格布斷裂缺陷檢測方法具有重要意義。機器視覺是一門包含了計算機技術，光學工程等一系列相關學科在內的綜合性技術，它主要是借助多媒體設備采集得到待測物體的圖像，通過圖像處理獲得被測工件對象的各種可描述參數，并利用這些參數完成目標物體的識別，測量，或檢測。

對于一些高危環境或者人工不能滿足需求的場合下，機器視覺技術發揮著重要的作用[1]。隨著硬件設備的普及，理論知識的發展，機器視覺在表面缺陷檢測領域得到了廣泛應用。西安理工大學利用Kirsch 和Canny 算子對陶瓷碗表面的缺陷進行了檢測[2]。文獻[3]采用基于SVM 分類器的方式實現了對啤酒瓶口缺陷的檢測。文獻[4]利用機器視覺技術實現了光柵表面缺陷的檢測。基于機器視覺技術，以網格布為研究對象，提出了一種網格斷裂缺陷的檢測方法。針對網格斷裂的程度，將其分為完全斷裂和部分斷裂兩類，并分別完成了算法設計。實驗結果表明，提出的方法，正檢率為97%，可以滿足實際的檢測需要，有利于企業降低成本。

2 圖像采集系統設計

機器視覺技術主要包括圖像獲取，圖像處理和外部通訊三個單元[5]。圖像獲取是指通過多媒體設備獲取待測物體的高對比度圖像的過程，圖像質量的高低，直接影響到整個視覺系統的成敗。圖像處理主要是對采集到的圖像進行算法設計，生成各種可描述的參數。外部通訊主要是完成數據的交互。常見的機器視覺系統示意圖，如圖1 所示。

圖1 機器視覺系統示意圖Fig.1 System Diagram of Machine Vision

為了保證檢測結果的統一性和準確度，在這里圖像采集設備采用海康威視MV-CA003-20GC 千兆網工業相機。為了減少因鏡頭畸變所帶來的誤差，選擇Edmund 公司的金系列遠心鏡頭。基于待測物體的特點，照明系統采用背部打光的方式，突出網格結構，弱化背景。

3 圖像處理算法設計

通過多媒體設備采集圖像只是整個系統中的第一步，要實現網格布斷裂缺陷的精確識別，還需要通過必要的算法設計，提取出可描述參數。檢測流程圖，如圖2 所示。主要包括圖像濾波，閾值分割，Blob 分析，凸包檢測，骨架提取，缺陷識別幾個步驟。網格布的兩種主要缺陷，如圖3 所示。

圖2 檢測流程圖Fig.2 Flow Diagram of Detection

圖3 缺陷類型Fig.3 Defect Types

3.1 圖像濾波

在對待測物體進行圖像采集時，常會因周圍環境的干擾而引入噪聲，影響圖像質量，因此有必要對采集到的原始圖像進行濾波操作。頻率域濾波和空間域濾波是圖像濾波中的兩種主要手段。頻率域濾波需要將圖像轉換到頻域空間，計算較為復雜，而空間域濾波不需要對圖像進行空間的轉換，只是借助于某一大小的模板，處理其內部像素，計算量小，實現簡單，在圖像處理領域應用更為廣泛。均值濾波[6]和中值濾波[7]是常用的兩種空間域濾波算法。其中，均值濾波是計算窗口內所有像素點的平均值，方法簡單，但容易丟失邊緣，計算公式為：

式中：f（i，j）—原始像素點的灰度值；

g（i，j）—均值濾波后像素點的灰度值；

m—窗口內像素點的數量。

不同于均值濾波，中值濾波是一種非線性濾波器，實現方式是使用某一大小的領域窗口遍歷圖像，排序窗口內像素點的灰度值，將中間灰度值賦予目標點，尤其適用于椒鹽噪聲。在本實驗中，采用3*3 的濾波模板對采集到的網格布原始圖像進行中值濾波操作。

3.2 閾值分割

一副圖像可以分為目標和背景兩個部分，而閾值分割是最常用的一種分割手段。它是將圖像中的每個像素點與一給定的閾值進行比較，小于該值的點記為一類，而不小于該值得點記為另一類，計算公式為：

式中：f（i，j）—原始像素點的灰度值；g（i，j）—閾值分割后像素點的灰度值；T—選取的閾值；b0—小于閾值時設定的灰度值；b1—不小于閾值時設定的灰度值。

Otsu 最大類間方差法[8]是一種自適應的閾值分割算法，它的基本思想是如果選擇的閾值，使得目標和背景方差最大，則該閾值為最合適閾值。

3.3 Blob 分析

通過閾值分割，只是得到了具有相同屬性的一塊區域，為了對網格布缺陷進行精確識別，還需要通過Blob 分析將其分為多個獨立區域，主要包括連通域標記和特征提取兩個步驟[9]。

圖像的連通域是指具有同一像素值并且像素點位置關系符合某種規則的區域，通常使用的是4-鄰域和8-鄰域[10]。采用8-鄰域的方法對閾值分割后的圖像進行處理。處理后的圖像，某些連通區域并不滿足缺陷特征，還需要通過特征提取的方式進一步優化。其中，網格的面積是一個很好的參數，通過將其與高低閾值進行比較，可以很容易篩選出目標區域。

3.4 凸包檢測

對于二維的圖像，凸包就是將最外層的點連接起來構成凸多邊形，它能包含點集中所有的點[11]。通過對上面分割出來的連通區域進行凸包檢測，可以得到包括不同內容的凸包區域。合格產品，內部元素統一，如圖4（a）所示。當網格部分斷裂時，網格會出現在凸包內部，如圖4（b）所示。因此，對連通區域進行凸包檢測，判斷其內部是否包含有網格，就可以實現網格部分斷裂缺陷的檢測。

圖4 網格部分斷裂缺陷檢測Fig.4 Detection of Grid Partial Fracture Defect

3.5 骨架提取

骨架是模型幾何形態的一種重要拓撲描述，是一種重要的幾何特征，它是所有中心點元素（骨架子集）組成的集合[12]。通過對網格進行骨架提取操作，可以突出它的結構信息，便于提取網格之間的交點（區域）。經過處理后的網格骨架圖，如圖5（a）所示。網格骨架之間的交點，如圖5（b）所示。

圖5 骨架提取Fig.5 Skeleton Extraction

由圖5（b）可知，通過圖像處理得到的骨架交點存在冗余，還需要通過算法設計去掉其中距離相近的點。記其中的一個交點為A（x1，y1），另一交點為B（x2，y2），當兩個交點的距離d小于閾值δ時，可認為兩個交點相近，需舍棄其中一個。

式中：d—兩交點的距離；（x1，y1）—交點A的坐標；（x2，y2）—交點B的坐標。

網格完全斷裂缺陷檢測，如圖6 所示。

圖6 網格完全斷裂缺陷檢測Fig.6 Defect Detection of Grid Complete Fracture

對于合格產品而言，以骨架交點所生成的圓形區域內，包含有4 個獨立的連通區域。而完全斷裂的網格，因其結構的不完整，導致圓形區域內，只會包含有3 個獨立的連通區域。因此，通過連通域的數目，就可以識別網格是否完全斷裂。

式中：（x，y）—像素坐標；C（x，y）—圓形區域內連通域的集合；N—獨立的連通區域數目。當N=4 時，為合格。當N=3 時，為不合格。

3.6 缺陷識別

這里的缺陷包括網格部分斷裂和完全斷裂兩類，對于某一待測網格，當其滿足上述兩種缺陷的一種時，即可判定其為不合格產品，這里缺陷識別流程，如圖7 所示。

圖7 缺陷識別示意圖Fig.7 Diagrammatic Sketch of Defect Recognition

4 實驗與分析

4.1 實驗環境

系統采用研華工控機，CPU 型號為Inter I5-6300 處理器。圖像采集設備選用海康威視MV-CA003-20GC 千兆網工業相機，分辨率為（672×512）pixel，鏡頭選擇Edmund 公司金系列遠心鏡頭。照明系統采用（110×110）mm 平行背光源。選取合格和未合格產品共100 個進行試驗，采用Halcon 視覺工具包進行編程。

4.2 結果與分析

檢測結果，如表1 所示。通過對其分析可以發現，提出的網格斷裂缺陷檢測方法的正檢率為97%，可以滿足實際的檢測需要。其中，網格部分斷裂的正檢率為94%，網格完全斷裂的正檢率為93%。

表1 檢測結果Tab.1 Test Results

只是對網格布的二維圖像進行了處理，其立體邊緣部分并沒有考慮，這是下一步工作的主要內容。

5 結論

以網格布為研究對象，借助于機器視覺技術實現了網格完全斷裂和網格部分斷裂兩種缺陷的識別。實驗檢測結果表明，提出的網格斷裂缺陷檢測方法的正檢率為97%，可以滿足實際的檢測需要，有利于企業降低成本。