基于圖像識別的管材尺寸特征參數采集與檢測系統

陳 燁, 卞光輝, 楊 平, 于利鵬, 王傳洋

(1.蘇州大學 機電工程學院, 蘇州 215137； 2.蘇州東澤物聯科技有限公司, 蘇州 215000)

管材是一種廣泛用于航空航天、船舶、車輛等行業的常見材料[1]。金屬管回彈是影響管件加工精度的一個主要因素。提高管材成型精度的一個有效方法是預測回彈，進行回彈量補償，進而保證管材的一次成型[2]。因此準確檢測管材的關鍵尺寸對于工藝調整和回彈量預測十分重要。

管材的檢測方式主要包括手工檢測、X射線和超聲波成像檢測、三維光學測量等。目前廣泛使用的手工檢測為使用游標卡尺等檢具對管材的外徑、壁厚進行測量，但是對于大尺寸或者極小尺寸的管材，該方法卻難以進行操作，且人工檢測成本高，檢測耗時，不穩定性強，同時檢具檢測屬于接觸式檢測，容易劃傷管材表面，因此發展機器檢測對于提高生產的自動化至關重要。KIAPASHA等[3]利用數字X射線照相技術及圖像處理技術來檢測管道壁厚的腐蝕情況,在進行圖像處理時，采用了3種不同的處理方式來提高圖像質量，使管道壁厚和腐蝕的檢測結果具有較高的準確度。KUMAR等[4]基于超聲波成像原理設計了一種4通道水浸超聲波探傷檢測系統，通過獲取飛行時間來進行薄壁管材的垂度和尺寸測量。但是上述方式多應用于管道內部缺陷的檢測，并且所使用的設備體積較大，并不適用于實際生產中管材回彈只需要采集外徑和壁厚兩個參數的情況，所以應該開發一種簡單、易操作和低成本的檢測系統。

圖像識別技術具有低成本、非接觸、高精度等優點，因此一直是國內外的重點關注方向[5-11]。ARUNMUTHU等[12]利用Hough變換從射線照相圖像中自動檢測和確定焊縫中孔隙的大小,通過分割圖像以及提取輪廓特征，提高了焊縫孔隙大小的識別精度。THOMAS等通過檢測旋轉支架上一個圓柱體的截面狀態來判斷整個旋轉支架的角度狀態,拍攝的圓柱體截面可近似看成一個橢圓，在調整到合適角度時拍攝到的截面形狀會變成圓形，通過Hough變換進行圓周檢測來調整角度。JIN等[13]基于圖像處理技術設計了一套自動檢測管板焊縫的在線焊接路徑檢測系統。該系統使用了兩個相機，一個用于檢測焊接路徑，一個用于獲取焊件形貌，然后通過中值濾波、Canny邊緣檢測、霍夫變換進行圖像處理，最后通過識別到的數據進行焊接路徑規劃。SAIF等[14]基于銑床開發了一款擁有攝像系統和照明系統的3SMVI系統，利用搭載了OpenCV庫的樹莓派進行工件表面特征檢查,該文指出了照明系統的使用可以避免圖像識別時的一些不確定因素，提高系統圖像識別的魯棒性。

管徑與壁厚是影響管材回彈量的重要參數，文章將圖像識別技術應用于管材壁厚與直徑的測量，首先設計了一種便于進行管材圖像采集的機械結構，其次設計了圖像采集程序與圖像處理算法進行圖像采集與檢測，最后使用不同管徑、壁厚和工藝制備的管材進行測試，驗證了該檢測系統的準確性。

1 圖像采集系統的設計

1.1 機械結構

為了保證圖像采集系統能夠準確拍攝到管材截面，設計了一種可以實現圖像采集系統與管材截面保持平行的夾具機構。整體機械的三維結構如圖1所示，主要由爪手、圖像采集系統和照明模塊組成。

圖1 管材夾具機構三維結構

機構的工作原理如下：整體機構的動力通過主動軸傳入系統，并通過主動軸的齒輪副驅動平面螺紋盤，最后由平面螺紋盤帶動3個爪手進行同步運動。為了更準確地拍攝管材圖片，將圖像采集模塊置于管材正上方的圓形孔洞處。為了提高拍攝圖片中管材輪廓的辨識度，在采集區域的上方安裝了環形照明模塊，照明模塊使用了漫射板，保證了光線的均勻擴散。

機構實物如圖2(a)所示，制作時，通過3D打印完成結構件(爪手、外殼、齒輪副、傳動軸等)，然后使用螺栓、軸承等通用零件完成結構的整體裝配。為了突出顯示參照物與管材邊緣的輪廓，對爪手末端進行了染黑處理。管材的抓取測試如圖2(b)所示，可以看出，該機構可以穩定抓取并照亮管材。

圖2 管材夾具機構實物及測試

1.2 圖像采集程序設計

圖像采集系統采用型號為STM32F429的開發板作為主控模塊，該系統配備了圖像顯示模塊、OV2640圖像采集模塊。由于OV2640模塊不能自動調整焦距，所以在進行圖像拍攝之前需要手動將焦距調整至參照物所在的平面。

進行圖像采集時，首先通過夾具機構完成管材的夾取，使管材截面與參照物保持在同一平面內，其次操作開發板的按鍵進行圖像采集，將采集到的圖像數據發送至PC(計算機)端，采集現場如圖3(a)所示,圖3(b)為采集到的圖像(圖中左側為作為參照物的白色氧化鋁陶瓷圓片)。

圖3 實際圖像采集現場及采集到的圖像

1.3 圖像處理算法

根據實際采集的圖像以及被測管材的輪廓特征進行圖像處理,算法流程如圖4所示。整體算法可根據功能分為4部分：圖像預處理、輪廓提取、輪廓識別、管材尺寸計算。

圖4 管徑壁厚檢測圖像處理流程

1.3.1 圖像預處理

噪聲的存在會嚴重影響后續邊緣檢測的質量，因此在圖像識別前進行濾波降噪處理對于提升圖像識別準確率是十分重要的。使用高斯濾波進行圖像降噪，圖5為濾波前后的二值化圖像對比，可以看出，相比于未濾波的圖像，濾波后圖像邊緣較為清晰，有利于提高識別準確度。

圖5 高斯濾波前后的二值化圖像對比

此外進一步探究了濾波核大小對于邊緣輪廓清晰度的影響,不同濾波核下的圖像對比如圖6所示，可見，隨著濾波核的增大，邊緣輪廓的模糊程度逐漸增加，這將影響后續圖像邊緣識別的精度。綜合考慮，文章選擇3 × 3的高斯濾波核進行管材圖像的預處理。

圖6 不同高斯濾波核下的圖像對比

圖7 邊緣檢測前后與不同滯后閾值下的管材輪廓效果

1.3.2 輪廓提取

Canny邊緣檢測算法是一種較為流行的圖像邊緣檢測算法，由Canny在1986年提出[15]。該算法首先計算圖像梯度提取出圖像中灰度值變化較大的邊緣像素，其次建立非極大值將邊緣細化為單個像素點，最后通過建立滯后閾值濾除亮度過低的像素，完成輪廓的提取。

該檢測算法中滯后閾值的選取對于邊緣檢測的結果至關重要。圖7是邊緣檢測前后與不同滯后閾值下得到的管材輪廓效果，可以看出：① 相較于原始圖像，經過Canny邊緣檢測后的二值化圖像，管材的輪廓清晰準確;② 相較于較低或較高的閾值，采用下閾值為100、上閾值為200時,識別得到的輪廓邊緣最光滑。因此，選用滯后閾值為[100, 200]的Canny邊緣檢測算法進行管材輪廓的提取。

1.3.3 輪廓識別

使用的輪廓識別算法為SUZUKI于1985年提出的基于邊界跟隨的二值數字化圖像拓撲結構分析算法[16]。該算法可以對二值圖像進行從左到右，從上到下的掃描，建立輪廓編號與輪廓層級關系。通過該算法識別的圖像只需要根據編號即可定位圖像中的輪廓。

圖8為使用提取的輪廓圖像建立的層級關系圖,其中1、2是最外層的輪廓，處于同一輪廓等級;輪廓2a為輪廓2的子輪廓，輪廓2為輪廓2a的父輪廓;輪廓3為輪廓2a的子輪廓，輪廓3a為輪廓3的子輪廓。這些輪廓的層級關系都會以編號的方式進行標記，因此根據編號即可選中指定的輪廓。參照物使用的輪廓為1a，管材外徑所使用的輪廓為2a，內徑所使用的輪廓為3。

圖8 被測樣本輪廓的層級關系

1.3.4 輪廓計算

輪廓尺寸的計算方式如圖9所示。由于參照物與管材截面都處于同一平面內，且參照物的實際大小已知，因此只需要通過參照物計算出圖像比例尺(μm/像素點)即可進行圖像上管徑與壁厚的測量。

圖9 輪廓尺寸計算方式

實際管材截面受加工工藝參數的影響，存在一定的偏差,比如由帶鋼卷制焊接的焊管在加工過程中會產生一定的內應力，導致其截面近似為橢圓而非理想的圓形(見圖10)，這一現象在管材的內徑測量中尤為明顯。為了提高測量精度，文章提取管徑外徑D的最大值Dmax和最小值Dmin，管徑內徑d的最大值dmax和最小值dmin進行分析。由于焊縫的存在會影響dmax的測量，因此選擇外徑和內徑的最小值進行計算，即壁厚t為[(Dmin-dmin)]/2。綜上，選用管材的外徑和壁厚作為關鍵參數進行分析，并將管材的外徑記作[Dmin,Dmax]，壁厚記作t。

圖10 管材截面形變示意

2 試驗驗證

2.1 試驗部分

為了驗證該算法的準確性和普適性，使用電火花線切割的方法制備了不同管徑(16，19，22 mm)、不同壁厚(1.0，1.2，1.5 mm)、不同工藝參數(焊管、無縫管)的管材樣件。實際值通過游標卡尺進行手工測量，為了保證測量結果的準確性，每種樣件至少測量3個，每個樣件至少進行3次測量并計算平均值以獲得較為準確的結果。樣件的尺寸測量結果如表1所示。

表1 樣件尺寸測量結果 mm

應用文章提出的管材參數識別方法，對表1中的管材樣件進行尺寸檢測，結果如表2所示。

表2 樣件尺寸的圖像識別數據 mm

2.2 管徑的檢測結果

為了定量分析該檢測系統的識別精度，使用偏差率對最大管徑Dmax和最小管徑Dmin進行分析。偏差率的計算公式為

(1)

管徑參數識別的偏差率如圖11所示，其中柱狀圖表示管徑偏差率的平均值，誤差棒表示該樣本偏差率的標準差；同組樣本中，左側柱狀圖為最小外徑誤差，右側柱狀圖為最大外徑誤差。從管徑識別效果來看，最大外徑與最小外徑識別偏差率的平均值均在2%以內，標準差均在2%以內。當管徑為22 mm時，其最大外徑的檢測偏差率為(0.9±0.12)%。以上分析表明該識別方法對不同外徑均具有較高的識別精度。其次，隨著管徑的增大，識別偏差率有所下降，表明該檢測系統對大管徑樣件的識別精度更高；這主要是因為管徑越大，管徑區域的面積越大，單個像素造成的偏差影響降低，檢測更為準確。

圖11 管徑參數識別的偏差率

2.3 壁厚的檢測結果

管材壁厚參數識別的偏差率如圖12所示，其中tmax為最大壁厚，tmin為最小壁厚。由圖12可以看出，該檢測系統對于壁厚識別的整體偏差率小于15%。對于壁厚為1.0 mm的管材，最小壁厚的識別偏差率為(13±1.6)%，最大壁厚的識別偏差率為(11±1.2)%;其次，隨著壁厚的增大，該檢測系統的識別精度逐漸提高。具體地，對于壁厚為1.5 mm的管材，其識別偏差率小于10%，說明該識別方式對于壁厚較大的管材具有更高的識別精度。這主要是因為隨著壁厚增加，壁厚部分所占像素增加，像素點對識別偏差的影響降低。

圖12 管材壁厚參數識別的偏差率

2.4 不同工藝制備的管材的檢測結果

根據制備工藝不同，管材分為有縫管和無縫管，選取上文中識別效果最好的焊管(22/1.5 mm)與無縫管(16/1.5 mm)進行試驗，進一步驗證該檢測系統的普適性。

有縫管與無縫管的管材參數識別偏差率如圖13所示。由圖13可見，對于管材外徑，無縫管的整體識別精度比焊管的精度高。具體地，無縫管的管徑識別偏差率為(0.8±0.3)%；焊管的管徑識別偏差率為(2±0.3)%。對于管材壁厚，無縫管的整體識別精度比焊管的精度高5%，無縫管的壁厚識別偏差率為(2.2±1.9)%；焊管的壁厚識別偏差率為(9.1 ±0.4)%。

圖13 有縫管與無縫管的管材參數識別偏差率

由此可見，不管是對管徑還是對壁厚的識別，檢測系統對無縫管的識別精度都顯著高于對有縫管的識別精度。這主要是因為相較于無縫管，焊管是通過鋼板卷制焊接制成的，管材內部存在一定的殘余應力，這部分應力會隨著自然時效而不斷釋放出來，同時受內側焊縫的影響，焊管的實際截面可能與圖10(b)的示意圖存在一定的偏差。

3 結語

基于圖像識別技術設計了一種能夠快速檢測管材外徑與壁厚的檢測系統。該檢測系統的夾取機構可快速定位管材位置，幫助圖像采集裝置拍攝出輪廓清晰的管材截面圖像。圖像處理算法部分采用了Canny邊緣檢測以及矩形輪廓提取的方式進行管材邊緣的輪廓識別，并根據圖像比例尺計算管材的管徑與壁厚。試驗部分從管徑、壁厚、工藝參數等3個方面對管材輪廓尺寸的算法進行了測試。結果表明，該采集算法與檢測系統識別輪廓尺寸的準確度較高，其中對于無縫管的識別，整體偏差率在2%以內。