基于數字圖像處理的砂紙缺陷自動檢測系統設計

李冰　李坤福

摘 要：目前在傳統工業生產中，為了提高砂紙的生產質量，通常的做法是依靠人眼識別的方式來篩選問題砂紙，這種方式由于受人員因素影響，準確率和可靠性不高，且生產成本高，效率低下。本文設計了一種基于數字圖像處理技術的砂紙缺陷自動檢測系統，可以有效提高缺陷砂紙的識別率，縮減生產成本，提升生產效率。

關鍵詞：數字圖像處理;砂紙缺陷;檢測系統

中圖分類號：TP391.41 文獻標識碼：A 文章編號：1003-5168（2021）11-0008-03

Automatic Detection System for Sandpaper Defects Based

on Digital Image Processing

LI Bing LI Kunfu

（Wuhan Railway Vocational College of Technology，Wuhan Hubei 430205）

Abstract： At present， in the traditional industrial production， in order to improve the production quality of sandpaper， the usual way was to rely on human eye recognition to screen the problem sandpaper. Due to the influence of personnel factors， this way had low accuracy and reliability， high production cost and low efficiency. This paper designed a sandpaper defect automatic detection system based on digital image processing technology， which can effectively improve the recognition rate of defective sandpaper， reduce production costs and improve production efficiency.

Keywords： digital image processing; sandpaper; detection system

1 研究背景

砂紙是一種特殊的紙張，上面附有研磨顆粒，常用于產品表面的平整，或去除物品表面的附著物，是一種工業生產、日常生活中常用的磨削工具。但是，由于工藝原因，生產出來的砂紙并不是全部達標的。砂紙的生產流程包括坯布開卷、涂膠、植砂、復膠、烘干固化、成品出廠等[1]。

在砂紙生產過程中，植砂是決定砂紙生產質量的關鍵工藝。該工藝是將砂礫均勻涂覆到原料紙的表面，經復膠、烘干后制成砂紙，但由于受環境、操作、設備、原材料等因素的影響，在實際生產過程中，砂礫無法均勻覆蓋在原料紙表面，使所生產的砂紙出現缺陷。常見的砂紙缺陷及其產生的原因如表1所示[2]。

為了保證砂紙生產質量，要及時識別并篩選出有缺陷的砂紙。砂紙生產企業最常用的砂紙缺陷檢測手段是安排專人輪班，通過不間斷的目測方式觀察生產線上出產的砂紙是否存在質量缺陷。這種方式技術成本低且實施容易，但是存在效率低下、準確率不高、人力成本高的問題。為了保障砂紙生產質量，同時提高生產效率并降低生產成本，需要一種可靠性和自動化程度高的砂紙缺陷實時檢測方法。因此，本文基于數字圖像處理技術，設計出一套砂紙缺陷自動檢測系統，從而有效解決砂紙生產企業在實際生產中遇到的無法自動化檢測、效率低下的問題。

2 系統總體方案設計

2.1 硬件系統設計

本砂紙缺陷檢測系統的硬件部分設計是建立在不破壞砂紙生產流程，并在現有砂紙生產線上直接架設實現的，不需要對原有生產線進行改造和調整。由于生產車間制作好的砂紙是由傳送帶運送至貨倉并打包存放的，因此，為了將缺陷砂紙在打包發貨前篩選剔除，本系統的硬件裝置架設在傳送帶上方，主要由控制主機、攝像機、條形燈（光源）、光電傳感器四個部分組成。系統的硬件結構如圖1所示。

2.1.1 控制主機。控制主機采用AIIS-1440型工控機。該型工控機支持4-CH以太網供電（PoE），將電源和信號結合在一根電纜中，支持IEEE-1588協議，實現多攝像頭同步采集，極大地減少了連接線纜，簡化了系統安裝，且維護成本較低。

2.1.2 攝像機。攝像機選型是否得當決定了圖像采集質量和后期圖像處理的難易程度。通過對生產車間中傳送帶上砂紙投放速度進行測量發現，每隔1 461 ms便會有一張砂紙成品通過檢測點，因此所使用的攝像機必須低延遲，再加上砂紙本身顏色較為單一，所以黑白工業面陣攝像機即可滿足系統要求。綜上所述，本系統選取海康威視的MV-CE200-11UM攝像機，該攝像機為一種感光元件（Complementary Metal Oxide Semiconductor，COMS）卷簾快門面陣相機，具有硬件觸發、軟件觸發和自由運行三種工作模式，不需要安裝數據采集卡，可以通過USB3.0方式傳輸數據直接與上位機通信，有效像素1 280 ×1 024，幀率14 f/s，10 bit采樣精度，造價低廉，且工業生產中應用較為廣泛[3]。

2.1.3 條形燈（光源）。光源照射方式常用的有垂直照射法、透射法、漫反射法等，但無論采用哪種光源照射方式，都必須充分考慮光照均勻性、光源亮度等因素。

為了使光源照射效果均勻分布于待檢砂紙表面，本系統采用兩個LED條形燈作為光源，燈型尺寸大于砂紙即可，將其對稱布置于傳送帶進出口兩端，不僅避免了光源照射不均勻的問題，而且有效擴大了光源照射方位。

2.1.4 光電傳感器。本系統所使用的光電傳感器實際上是由發光二極管、光電管和必要的驅動與檢測電路組合在一起構成的，主要用于控制攝像機采樣，起到開關的作用，其工作方式有透射式、反射式和散射式等三種。系統工作時并不是實時監測傳送帶，而是通過光電傳感器探測是否有砂紙經過攝像機下方。當砂紙到達測量位置時，遮擋住光源發出的光，產生觸發信號，該信號傳遞給攝像機的觸發端口，告知砂紙已到達指定位置，準備抓取圖像并監測。

2.2 軟件系統設計

作為檢測系統的組成部分，軟件系統主要包括圖像采集、數字圖像處理、砂紙缺陷識別、檢測結果輸出等功能。當光電傳感器檢測到砂紙通過時，向上位機發送信號，系統圖像采集模塊下達指令讓攝像機獲取待檢砂紙圖像信息，并將該幀圖像輸送到上位機顯示屏中。數字圖像處理模塊對采集到的待檢砂紙圖像進行濾波、邊緣檢測、閾值分割、二值化等處理，由于外界光照強度變化、設備抖動等原因會造成噪聲干擾，因此還需要對圖像進行去噪處理。圖像處理完畢后，缺陷分析模塊通過圖像識別算法完成缺陷的檢測工作，從而確定該砂紙是否存在缺陷。檢測結果輸出模塊是將識別缺陷后檢測的結果通過上位機進行輸出顯示，同時將不合格砂紙的信息報告給生產線的其他設備，以便剔除該張砂紙。

3 砂紙缺陷識別檢測

由于砂紙缺陷種類較多，且針對每一種缺陷的算法也不盡相同，由于篇幅有限，本節以條狀缺陷和塊狀缺陷為代表，說明砂紙缺陷識別圖像處理算法。

3.1 條狀缺陷識別

砂紙條狀缺陷主要是由原料紙折痕造成的，一般成直線。由于霍夫（Hough）變換具有良好的魯棒性和較強的抗干擾能力，常用于直線檢測，因此通過使用Hough變換進行砂紙條狀缺陷檢測是非常合適的[4]。常用的Hough變換直線檢測方法是在圖像空間中選取一條直線[L]的某些特征，作為參數空間的一個點[M]，并且該直線[L]上所有點，運用公式（1），在圖像空間和參數空間之間建立“線-點”對偶變換：

[ρ=xcosα+ysinα] ? ? ? ? ? ? ? ? ? ? ? ? ?（1）

式（1）中：[ρ]為極徑;[α]為極角，[α]取值范圍為0°～180°;[x]為像素點相對圖像原點的行坐標;[y]為像素點相對圖像原點的縱坐標。

在檢測直角坐標系中由非零點所構成的直線，需要根據檢測分辨率的要求，將[α]離散化為[Nα]個參數區間，將[ρ]離散化為[Nρ]個參數區間，也就是說，將極坐標系量化成許多小格，建立參數空間，經過Hough變換后，條狀缺陷砂紙的圖像折痕處可以得到明顯增強。

3.2 塊狀缺陷識別

差影法是一種對待處理圖像進行代數運算數字圖像處理算法，即對待處理圖像與標準圖像進行點對點的加、減、乘、除的代數運算。使用差影法可以有效去除待處理圖像的周期性噪聲，例如，光源照射抖動、物體遮擋、照射不均等，經過差影處理后的圖像可以反映出待檢圖像與標準圖像間的差異信息，因此可以較好地用于砂紙塊狀缺陷檢測[5]。本系統用到的是差影法中的圖像點對點減運算，即將待檢測砂紙圖像[Mx，y]與標準砂紙圖像[Nx，y]進行減運算，得到兩者差異圖像[Lx，y]的方法，圖像減運算的表達式為：

[Lx，y=Mx，y-Nx，y] ? ? ? ? ? ? ? ? ?（2）

為了減少環境光照對檢測系統的干擾，本系統使用了兩個標準砂紙圖像作為基準圖像，即圖像[N1x，y]、[N2x，y]，將疑似帶有塊狀缺陷的砂紙圖像作為待檢圖像[Mx，y]，如圖2所示，像素大小都是1 280×1 024，待檢圖像[Mx，y]分別與兩幅標準砂圖像[N1x，y]、[N2x，y]做點對點減運算。

差影法具體實施過程如下：①采集砂紙圖像信息后傳遞給上位機并對圖像進行預處理;②開辟內存空間，設定內存大小為255 KB;③將待檢圖像[Mx，y]與基準圖像[N1x，y]的每一個像素灰度值做差運算，凡計算結果不大于0的，將該點賦值為0，結果大于0的，將差值保存于所設內存中;④重復以上內容，將待檢圖像[Mx，y]與基準圖像[N2x，y]進行同樣的差運算;⑤完成以上步驟后即得到差異圖像[Lx，y]，嘗試不同閾值，當[Lx，y]的像素灰度值大于這個閾值時，對每個像素進行水平投影;⑥重復上述第④和⑤步，對下一幀待檢圖像進行差影法運算;⑦比較分析數據圖像，計算非零像素點的比例。

實現差影法后像素統計結果如表2所示。從表2可知，無缺陷圖像[N1]、[N2]的差異圖像[L]非零像素雖然隨著閾值提升而逐漸升高，但增加幅度并不大，當閾值為70時也僅為42.0%，當低閾值為20時只有4.8%。而當無缺陷圖像[N1]與有缺陷圖像[M]進行差影法運算后所得差異圖像[L]非零像素隨著閾值提升而增加，并且始終處于較高水平，比在閾值為20時達到69.1%，閾值為70達到99.1%。因此，在實際檢測中，通過確定合理閾值，即可通過差異圖像[L]非零像素的取值范圍來判斷砂紙是否存在塊狀缺陷。

4 結語

本文基于數字圖像處理技術實現了砂紙缺陷的自動檢測，并分別就硬件系統和軟件系統的設計進行介紹，在砂紙缺陷識別方面，主要介紹用Hough變換和差影法等方式實現砂紙條狀缺陷和塊狀缺陷的識別。系統實用可靠，建設成本低，對提高砂紙生產質量、提升企業產能具有積極意義。

參考文獻：

[1]顏志強，曾欽志，張巧玲.機器視覺技術在木材工業中的應用研究概況[J].木材加工機械，2013（4）：55-59.

[2]喬文治，繆君.基于機器視覺的航空零件表面刮痕檢測系統研究[J].計算機與現代化，2012（6）：47-49.

[3]張楠，安然.機器視覺在現代包裝工業中的應用[J].中國包裝工業，2012（2）：16-19.

[4]袁淵，丁勝，徐新.基于顏色與紋理特征的安防視頻遮擋樹葉檢測[J].計算機工程與設計，2016（6）：1549-1554.

[5]許志文，廉迎戰，陳陽，等.基于機器視覺的紡織品缺陷檢測系統的研究與實現[J].工業控制計算機，2014（11）：20-21.