為了能讓密封圈與密封部件之間實(shí)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(jī)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(duì)比度低、噪聲大，這時(shí)可以利用DSP捕捉圖像，對(duì)圖像特點(diǎn)進(jìn)行分析，并通過中值濾波、二值化、圖像縮小、哈弗圓檢測(cè)法、區(qū)域生長(zhǎng)等一系列圖像算法來識(shí)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(cè)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(jī)搭載光源正上方。用相機(jī)模擬數(shù)據(jù)傳輸線或者以太網(wǎng)接口將相機(jī)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(shí)別系統(tǒng)中了，我們就可以在該嵌入式系統(tǒng)內(nèi)對(duì)該圖像進(jìn)行算法識(shí)別，判斷所拍密封圈是否為合格產(chǎn)品。

經(jīng)過反復(fù)的實(shí)驗(yàn)測(cè)試，在紅色同軸光和紅色環(huán)形光的照射下，相機(jī)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(cè)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(dòng)后，就可以對(duì)密封圈分2次進(jìn)行檢測(cè)。 圖像經(jīng)過智能識(shí)別系統(tǒng)處理過后，會(huì)出現(xiàn)合格與次品的兩種結(jié)果，利用PLC通信，對(duì)密封圈分類裝置進(jìn)行電信號(hào)的通信。讓其對(duì)密封圈進(jìn)行篩選歸類。在兩套系統(tǒng)檢測(cè)過程中，如果有其中任意一套將產(chǎn)品識(shí)別為不合格，那么在與密封圈分類裝置通信時(shí)，該產(chǎn)品便為不合格產(chǎn)品。

檢測(cè)系統(tǒng)的通信如圖所示，系統(tǒng)采用4個(gè)IO通信口與檢測(cè)平臺(tái)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(hào)，DSP輸出到in2高電平，再發(fā)生確認(rèn)處理完畢信號(hào)，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(jī)械手到達(dá)時(shí)，移位寄存器記錄并做30ms的延時(shí)后發(fā)出確認(rèn)信號(hào)給DSP，確認(rèn)信號(hào)發(fā)生的同時(shí)，要求DSP的確認(rèn)信號(hào)同時(shí)有效。也就是DSP未收到PLC的確認(rèn)信號(hào)之前要保持高電平狀態(tài)，DSP 收到PLC的確認(rèn)信號(hào)后需要把確認(rèn)信號(hào)置為低電平。 系統(tǒng)在收到PLC的拍照信號(hào)后，檢測(cè)系統(tǒng)便會(huì)將當(dāng)前要檢測(cè)的密封圈圖像通過傳輸線從相機(jī)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(jī)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(cè)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(gè)是紅色同軸光源，另一個(gè)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(jī)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(shí)現(xiàn)對(duì)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(shí)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(jī)。密封圈表面瑕疵檢測(cè)算法算法處理流程如下圖

捕捉源圖像 首先在相機(jī)里直接采集到的數(shù)組信息并不是灰度圖。因?yàn)橄鄼C(jī)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(duì)于大部分的模擬相機(jī)，單位像素是以2像素4個(gè)數(shù)字保存的，如下圖相機(jī)中圖像灰度值保存的位置所示，表示相機(jī)捕捉到的圖像的8個(gè)像素，每個(gè)像素包含的信息都是用黑色的粗框圍成的，每個(gè)2像素包含4個(gè)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(gè)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(jī)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(shí)候不可避免會(huì)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(diǎn)和瑕疵邊緣的特點(diǎn)近似，進(jìn)行去噪的同時(shí)也模糊了瑕疵的邊緣。這不利于對(duì)瑕疵的識(shí)別。因此要克服這個(gè)問題，對(duì)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(diǎn)，在二維的滑動(dòng)窗口中，過中心點(diǎn)分別在0度，45度，90度，135度方向形成4個(gè)一維子窗口，分別對(duì)4 個(gè)子窗口求中值，然后取其最小值作為中心點(diǎn)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(jì)二維滑動(dòng)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(cè)的目標(biāo)區(qū)域。粗略二值化時(shí)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(duì)于算法系統(tǒng)，目標(biāo)提取實(shí)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(cè)法找圓。哈弗圓檢測(cè)法找圓的速度很慢，但是可以在哈弗圓檢測(cè)法上進(jìn)行了優(yōu)化。具體算法步驟如下： 由于哈弗圓檢測(cè)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(zhǎng)寬各縮短4倍），再在縮小的圖像上進(jìn)行哈弗圓檢測(cè)法找圓，為了盡可能保留原圖的信息，縮小時(shí)先申請(qǐng)一個(gè)縮小圖像內(nèi)存，構(gòu)建一個(gè)4×4的二維活動(dòng)窗，當(dāng)窗里的灰度值為0的個(gè)數(shù)等于或超過8個(gè)時(shí)，縮小圖像相對(duì)應(yīng)的點(diǎn)的灰度值為0，反之，縮小圖像相對(duì)應(yīng)的點(diǎn)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(cè)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(gè)點(diǎn)，對(duì)每個(gè)點(diǎn)往 24 個(gè)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(zhǎng)短，進(jìn)行動(dòng)態(tài)計(jì)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(duì)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(jì)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(jí)別，縱坐標(biāo)表示該灰度出現(xiàn)的像素個(gè)數(shù)，通過人工觀察輸入閾值的方法，來實(shí)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(duì)應(yīng)的圖像亮度值便是OTSU法計(jì)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(duì)圓環(huán)表面上分布的像素點(diǎn)進(jìn)行分區(qū)域統(tǒng)計(jì)。OTSU統(tǒng)計(jì)的區(qū)域劃分如下圖所示

分區(qū)域OTSU法示意圖 對(duì)藍(lán)色區(qū)域的a～h一共8個(gè)區(qū)域分別進(jìn)行直方圖統(tǒng)計(jì)，每個(gè)區(qū)域都求出相對(duì)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(shí)，就說明該點(diǎn)與周圍像素環(huán)境之間存在著明顯的不同。可將該點(diǎn)的灰度值賦值為0，否則該點(diǎn)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?yàn)榫植慷祷年P(guān)系而被很好地保留了下來。 瑕疵特性參數(shù)計(jì)算 瑕疵特征的提取主要包括瑕疵面積、長(zhǎng)度和寬度的計(jì)算等。為了要提取出這些信息，可以用區(qū)域生長(zhǎng)法來完成。 區(qū)域生長(zhǎng)法提取 普通的區(qū)域生長(zhǎng)法是8連通法。就是對(duì)一個(gè)點(diǎn)的上，左上，右上，左，右，下，左下，左下，右下一共8個(gè)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(diǎn)的像素值相同的點(diǎn)時(shí)，就將該2個(gè)點(diǎn)看作都是屬于同一個(gè)瑕疵上的像素點(diǎn)。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(zhǎng)的縫。在使用 8 連通法提取狹長(zhǎng)縫隙的信息時(shí)就很有可能就會(huì)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(zhǎng)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(zhǎng)，如下圖：

全方位拓展法求區(qū)域生長(zhǎng) 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(huì)影響產(chǎn)品的合格與否。所以還要通過計(jì)算各個(gè)瑕疵的特性，排除掉一些無關(guān)緊要的瑕疵。對(duì)于一般密封圈表面來說，一些很小的點(diǎn)瑕疵，極短的縫瑕疵，以及位于圓環(huán)表面的瑕疵都對(duì)密封圈的使用沒有任何影響。所以我們要通過計(jì)算，將這些瑕疵排除在外。 1. 瑕疵面積的計(jì)算法：當(dāng)瑕疵面積小于人為設(shè)定的參數(shù)時(shí)，我們就對(duì)該瑕疵判斷為合格。反之，則判斷為不合格。 2. 瑕疵長(zhǎng)度的計(jì)算法：計(jì)算瑕疵長(zhǎng)時(shí)，基于瑕疵的線性特征，首先對(duì)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(zhǎng)度實(shí)際上就是骨架圖像骨干點(diǎn)之間的長(zhǎng)度之和。骨化后的圖像是一個(gè)單像素寬度的連通性好的骨干圖像。可以分別求取相鄰像素之間的長(zhǎng)度，然后把所有的相鄰像素之間的距離求和即為所得。（總長(zhǎng)度即為所有相鄰像素之間的長(zhǎng)度之和。） 當(dāng)瑕疵長(zhǎng)度小于人為設(shè)定的參數(shù)時(shí)，我們就對(duì)該瑕疵判斷為合格。反之，則判斷為不合格。 3. 瑕疵寬度的計(jì)算法：計(jì)算瑕疵寬時(shí)，仍然對(duì)瑕疵做細(xì)化操作后，骨架各點(diǎn)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(gè)骨架點(diǎn)與相鄰點(diǎn)的其他兩個(gè)骨架點(diǎn)相接，分別求出與相鄰點(diǎn)的斜率。則每個(gè)斜率的垂線與瑕疵邊緣相交兩點(diǎn)，兩點(diǎn)的連線的大小即為寬度值。比較這兩個(gè)寬度值其中較小的為這個(gè)瑕疵的寬度。 當(dāng)瑕疵寬小于人為設(shè)定的參數(shù)時(shí)，我們就對(duì)該瑕疵判斷為合格。反之，則判斷為不合格。 檢測(cè)結(jié)果如下，左圖為相機(jī)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(cè)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