為了能讓密封圈與密封部件之間實現(xiàn)完全的黏合，工業(yè)用的石墨密封圈表面必須平整光滑，嚴(yán)禁出現(xiàn)裂縫、暗紋等瑕疵。 通過機器視覺捕獲的密封圈表面圖像可能因種種因素呈現(xiàn)出光照不均勻、對比度低、噪聲大，這時可以利用DSP捕捉圖像，對圖像特點進(jìn)行分析，并通過中值濾波、二值化、圖像縮小、哈弗圓檢測法、區(qū)域生長等一系列圖像算法來識別密封圈缺陷（如表面裂縫、模影、暗紋等）。密封圈表面缺陷檢測系統(tǒng)將密封圈放置在合適的光源正下方，將工業(yè)智能相機搭載光源正上方。用相機模擬數(shù)據(jù)傳輸線或者以太網(wǎng)接口將相機數(shù)據(jù)傳送到嵌入式系統(tǒng)中。這樣密封圈的圖像就采集到圖像識別系統(tǒng)中了，我們就可以在該嵌入式系統(tǒng)內(nèi)對該圖像進(jìn)行算法識別，判斷所拍密封圈是否為合格產(chǎn)品。

經(jīng)過反復(fù)的實驗測試，在紅色同軸光和紅色環(huán)形光的照射下，相機采集到的圖像瑕疵成像效果比較清晰。其中裂紋、暗紋等細(xì)瑕疵在紅色同軸光下比較明顯；模影等瑕疵在紅色環(huán)形光下成像明顯。兩套檢測系統(tǒng)共同使用，其中一套用紅色同軸光源，另一套用紅色環(huán)形光源，接上相應(yīng)的光源驅(qū)動后，就可以對密封圈分2次進(jìn)行檢測。 圖像經(jīng)過智能識別系統(tǒng)處理過后，會出現(xiàn)合格與次品的兩種結(jié)果，利用PLC通信，對密封圈分類裝置進(jìn)行電信號的通信。讓其對密封圈進(jìn)行篩選歸類。在兩套系統(tǒng)檢測過程中，如果有其中任意一套將產(chǎn)品識別為不合格，那么在與密封圈分類裝置通信時，該產(chǎn)品便為不合格產(chǎn)品。

檢測系統(tǒng)的通信如圖所示，系統(tǒng)采用4個IO通信口與檢測平臺建立聯(lián)系。

通信IO口示意圖 工件靜止后，PLC給DSP拍照命令，out1高電平。 DSP處理完畢 DSP首先發(fā)生結(jié)果信號，DSP輸出到in2高電平，再發(fā)生確認(rèn)處理完畢信號，DSP輸出到in1，OK為高電平，NG為低電平。 PLC接收到結(jié)果并不馬上回復(fù)給 DSP，而是等到進(jìn)料機械手到達(dá)時，移位寄存器記錄并做30ms的延時后發(fā)出確認(rèn)信號給DSP，確認(rèn)信號發(fā)生的同時，要求DSP的確認(rèn)信號同時有效。也就是DSP未收到PLC的確認(rèn)信號之前要保持高電平狀態(tài)，DSP 收到PLC的確認(rèn)信號后需要把確認(rèn)信號置為低電平。 系統(tǒng)在收到PLC的拍照信號后，檢測系統(tǒng)便會將當(dāng)前要檢測的密封圈圖像通過傳輸線從相機中寫入到系統(tǒng)內(nèi)存，如下圖密封圈8比特BMP位圖數(shù)據(jù)所示便是把從相機寫入內(nèi)存的數(shù)據(jù)以BMP8比特位圖格式輸出的圖像。

密封圈8比特BMP位圖數(shù)據(jù) 可以發(fā)現(xiàn)密封圈表面是呈淺色圓環(huán)狀的，在密封圈表面的左邊有一道黑色的縫，這就是我們需要檢測到的瑕疵。 考慮到不同種類的瑕疵在不同的光源下的清晰度不同，所以該系統(tǒng)用的是兩套不同的光源，一個是紅色同軸光源，另一個是紅色低角度環(huán)形光源。 同軸光源有內(nèi)部的光學(xué)鏡片經(jīng)過特殊的位置設(shè)置，使得光源的發(fā)光光路可以與相機成90°直角。間接地起到了棱鏡的使用效果。在該同軸光源的照射下，密封圈上比較細(xì)的裂紋都清晰可見。下圖是該同軸光源下的成像效果：

環(huán)形90度水平低角度光源，該光源LED后部基板與水平面成90度，因此LED顆粒變成水平方向，光源通常為1排LED顆粒，水平照射后可以實現(xiàn)對于光滑表面的裂痕和表面凹凸造成的細(xì)微缺陷形成很好的反光效果。如下圖低角度環(huán)形光源幾何原理所示：

在低角度環(huán)形光源的照射下，密封圈上的暗紋可以清晰可見。下圖便是密封圈在該環(huán)形光源下的成像效果：

由于密封圈表面的瑕疵往往都很細(xì)小，容易受到圖像噪聲的干擾。如果圖像傳輸?shù)倪^程中摻雜了過多的噪聲因素，無疑增加了識別算法的困難程度。所以為了避免產(chǎn)生過多的噪聲。只能選用抗噪性良好的相機。密封圈表面瑕疵檢測算法算法處理流程如下圖

捕捉源圖像 首先在相機里直接采集到的數(shù)組信息并不是灰度圖。因為相機除了灰度信息外，還帶有顏色上的分量。在圖像處理中，顏色分量起不到太大的作用，我們可以將它去掉。直接保留圖像的灰度信息。對于大部分的模擬相機，單位像素是以2像素4個數(shù)字保存的，如下圖相機中圖像灰度值保存的位置所示，表示相機捕捉到的圖像的8個像素，每個像素包含的信息都是用黑色的粗框圍成的，每個2像素包含4個數(shù)據(jù)，以橫向2像素為1單位，其中藍(lán)色和綠色數(shù)據(jù)表示顏色信息，每個像素的紅色數(shù)據(jù)為灰度信息。因此要通過特定公式提取灰度值。

相機中圖像灰度值保存的位置 圖片預(yù)處理 由于圖像在傳輸線中傳輸?shù)臅r候不可避免會出現(xiàn)干擾，所以提取出的灰度圖像要進(jìn)行濾波處理以便減小干擾。傳統(tǒng)的濾波方法是中值濾波和均值濾波，可以不同程度地減少噪聲干擾，但是這些方法也存在一些問題，可以看到這些噪聲的特點和瑕疵邊緣的特點近似，進(jìn)行去噪的同時也模糊了瑕疵的邊緣。這不利于對瑕疵的識別。因此要克服這個問題，對這兩種經(jīng)典方法進(jìn)行了改進(jìn)，把這種干擾降到最低。 分角度的中值濾波法可以適應(yīng)瑕疵具有線性特征的特點，在二維的滑動窗口中，過中心點分別在0度，45度，90度，135度方向形成4個一維子窗口，分別對4 個子窗口求中值，然后取其最小值作為中心點的值。具體算法如下圖分角度中值濾波示意圖所示，分別統(tǒng)計二維滑動窗口中綠色、藍(lán)色、灰色、紫色部分的灰度分布。

分角度中值濾波示意圖 二值化 從密封圈8比特BMP位圖數(shù)據(jù)中可以觀察到，密封圈表面的顏色是比周邊顏色要亮出許多的。為了要盡快找到要檢測的目標(biāo)區(qū)域。粗略二值化時可以采用全局二值化法。

目標(biāo)提取 圖像二值化后，已經(jīng)去掉了大部分背景的干擾，因此在密封圈二值圖的基礎(chǔ)上可以繼續(xù)進(jìn)行目標(biāo)提取過程。對于算法系統(tǒng)，目標(biāo)提取實際上就是提取密封圈的圓環(huán)的過程。傳統(tǒng)的找圓算法是哈弗圓檢測法找圓。哈弗圓檢測法找圓的速度很慢，但是可以在哈弗圓檢測法上進(jìn)行了優(yōu)化。具體算法步驟如下： 由于哈弗圓檢測法要遍歷整張圖像，所以圖像內(nèi)存越小，遍歷的速度越快，所以我們可以嘗試將圖像縮小后再處理。系統(tǒng)采用縮小16倍圖像（長寬各縮短4倍），再在縮小的圖像上進(jìn)行哈弗圓檢測法找圓，為了盡可能保留原圖的信息，縮小時先申請一個縮小圖像內(nèi)存，構(gòu)建一個4×4的二維活動窗，當(dāng)窗里的灰度值為0的個數(shù)等于或超過8個時，縮小圖像相對應(yīng)的點的灰度值為0，反之，縮小圖像相對應(yīng)的點的灰度值為255。如下圖所示圖像縮小過程。

二值圖縮小16倍圖像 優(yōu)化哈弗圓檢測法找圓心 為了要快速找到圓心，首先要通過學(xué)習(xí)模式，讓系統(tǒng)掌握要搜索的圓環(huán)的外半徑和內(nèi)半徑，之后在圖像上遍歷各個點，對每個點往 24 個方向上掃描，如下圖優(yōu)化哈弗所示，每隔15°遍歷。

密封圖表面提取 在二值圖中確定內(nèi)圓心與外圓心的位置后便可以根據(jù)外半徑和內(nèi)半徑的長短，進(jìn)行動態(tài)計算，取出最適合的內(nèi)半徑與外半徑的值，進(jìn)行匹配。

密封圖目標(biāo)捕捉 瑕疵提取 我們知道密封圈在圖像上的位置后，就可以對原灰度圖進(jìn)行更細(xì)致的分區(qū)域二值化，以便找到瑕疵位置。 OTSU法二值化是由日本學(xué)者大津提出的一種自適應(yīng)閾值確定方法，其原理是統(tǒng)計出圖片內(nèi)的灰度直方圖，根據(jù)直方圖的波谷位置分布來確定合適的閾值。其橫坐標(biāo)表示像素的灰度級別，縱坐標(biāo)表示該灰度出現(xiàn)的像素個數(shù)，通過人工觀察輸入閾值的方法，來實現(xiàn)閾值分割圖像的目的。如下圖 OTSU法確定閾值示意圖所示，該曲線為圖像信息的灰度直方圖分布。紅線所示位置所對應(yīng)的圖像亮度值便是OTSU法計算出的閾值。

密封圈圓環(huán)的內(nèi)外半徑和圓心位置確定后，則可以在取區(qū)域過程中只對圓環(huán)表面上分布的像素點進(jìn)行分區(qū)域統(tǒng)計。OTSU統(tǒng)計的區(qū)域劃分如下圖所示

分區(qū)域OTSU法示意圖 對藍(lán)色區(qū)域的a～h一共8個區(qū)域分別進(jìn)行直方圖統(tǒng)計，每個區(qū)域都求出相對應(yīng)的閾值。當(dāng)像素值與閾值之間的灰度差距大于人為設(shè)定的參數(shù)時，就說明該點與周圍像素環(huán)境之間存在著明顯的不同?？蓪⒃擖c的灰度值賦值為0，否則該點賦值為255。 最終得到的新二值圖像內(nèi)存數(shù)組，該數(shù)組的亮度信息如下圖所示。

OTSU 二值圖 可以在上圖中看出，瑕疵的信息因為局部二值化的關(guān)系而被很好地保留了下來。 瑕疵特性參數(shù)計算 瑕疵特征的提取主要包括瑕疵面積、長度和寬度的計算等。為了要提取出這些信息，可以用區(qū)域生長法來完成。 區(qū)域生長法提取 普通的區(qū)域生長法是8連通法。就是對一個點的上，左上，右上，左，右，下，左下，左下，右下一共8個方向進(jìn)行遍歷掃描，如果在該遍歷方向上也存在與當(dāng)前遍歷點的像素值相同的點時，就將該2個點看作都是屬于同一個瑕疵上的像素點。但是考慮到當(dāng)前系統(tǒng)中捕捉到的瑕疵往往是屬于狹長的縫。在使用 8 連通法提取狹長縫隙的信息時就很有可能就會造成縫的“斷裂”，導(dǎo)致將一條縫的信息分為了2塊或多塊連通區(qū)域信息來處理。為了避免這一現(xiàn)象，可將區(qū)域生長法做一定改進(jìn)：采用可調(diào)節(jié)的全方位拓展法求區(qū)域生長，如下圖：

全方位拓展法求區(qū)域生長 瑕疵的判斷 雖然根據(jù)全方位拓展法求得了瑕疵數(shù)組。但是并不是所有的瑕疵都會影響產(chǎn)品的合格與否。所以還要通過計算各個瑕疵的特性，排除掉一些無關(guān)緊要的瑕疵。對于一般密封圈表面來說，一些很小的點瑕疵，極短的縫瑕疵，以及位于圓環(huán)表面的瑕疵都對密封圈的使用沒有任何影響。所以我們要通過計算，將這些瑕疵排除在外。 1. 瑕疵面積的計算法：當(dāng)瑕疵面積小于人為設(shè)定的參數(shù)時，我們就對該瑕疵判斷為合格。反之，則判斷為不合格。 2. 瑕疵長度的計算法：計算瑕疵長時，基于瑕疵的線性特征，首先對瑕疵做細(xì)化操作，得到單像素寬的瑕疵骨架曲線。瑕疵的長度實際上就是骨架圖像骨干點之間的長度之和。骨化后的圖像是一個單像素寬度的連通性好的骨干圖像?？梢苑謩e求取相鄰像素之間的長度，然后把所有的相鄰像素之間的距離求和即為所得。（總長度即為所有相鄰像素之間的長度之和。） 當(dāng)瑕疵長度小于人為設(shè)定的參數(shù)時，我們就對該瑕疵判斷為合格。反之，則判斷為不合格。 3. 瑕疵寬度的計算法：計算瑕疵寬時，仍然對瑕疵做細(xì)化操作后，骨架各點所在的瑕疵的位置的寬度反映出瑕疵各段的寬度。由于骨架曲線是單像素曲線，則一個骨架點與相鄰點的其他兩個骨架點相接，分別求出與相鄰點的斜率。則每個斜率的垂線與瑕疵邊緣相交兩點，兩點的連線的大小即為寬度值。比較這兩個寬度值其中較小的為這個瑕疵的寬度。 當(dāng)瑕疵寬小于人為設(shè)定的參數(shù)時，我們就對該瑕疵判斷為合格。反之，則判斷為不合格。 檢測結(jié)果如下，左圖為相機采集到的密封原圖，通過算法處理后的結(jié)果為右圖，可以看到，所有位于密封圈表面上的瑕疵都被檢測出來了：

密封圈灰度圖 算法最終的處理結(jié)果

審核編輯 ：李倩