基于機器視覺的發(fā)動機內(nèi)表面缺陷自動檢測系統(tǒng)

基于機器視覺的發(fā)動機內(nèi)表面缺陷自動檢測系統(tǒng)

0基于機器視覺的發(fā)動機缺陷檢測方法在線車輛缺陷檢測系統(tǒng)是智能檢測技術(shù)的應用研究。它是一種應用于智能設(shè)備的自動損傷檢測系統(tǒng)?；跈C器視覺的發(fā)動機缺陷檢測系統(tǒng),作為一種非接觸檢測方法,具有測量速度快,測量精度高,圖像包含的信息完整,能自動連續(xù)檢測,可滿足生產(chǎn)線上速度的需求,并可進行遙測,便于與微機連接做成智能儀器等優(yōu)點。利用機器視覺進行檢測不僅可以排除主觀因素的干擾,降低勞動強度,提高生產(chǎn)效率,而且還能對這些指標進行定量描述,對缺陷的形態(tài)、類型進行鑒別和統(tǒng)計,具有人工檢測所無法比擬的優(yōu)越性。本文應用機器視覺理論,主要研究基于機器視覺的發(fā)動機缺陷檢測系統(tǒng),可實現(xiàn)發(fā)動機缺陷在線檢測并報警。本文的工作主要有:圖像采集、圖像處理及結(jié)果判斷。1統(tǒng)按照功能的劃分本檢測系統(tǒng)分硬件系統(tǒng)和軟件系統(tǒng)兩部分。整個機器視覺的檢測系統(tǒng)如圖1所示,該系統(tǒng)按照功能可以分成四個模塊:光學傳感模塊(硬件)、圖像采集模塊(硬件)、圖像處理模塊(軟件)和自動檢測結(jié)果的判斷模塊(軟件)。本文處理的圖像是某導彈研究院采用Schoelly公司生產(chǎn)的工業(yè)內(nèi)窺鏡拍攝的導彈發(fā)動機裝藥內(nèi)表面的圖像。2處理完2.1中值濾波方法的選擇本檢測系統(tǒng)中內(nèi)窺鏡的攝像頭在成像過程中,由于導彈運動時的震動與其它各種因素的干擾,造成圖像表面出現(xiàn)各種噪聲和毛糙。平滑掉圖像的噪聲后,可以提高圖像的質(zhì)量,為后期圖像處理做好充分的準備。本文應用中值濾波、均值濾波和自適應濾波的方法對輸入的真實圖像進行多次濾波實驗,并對實驗結(jié)果進行分析比較,如圖2所示,從實驗可以得知:中值濾波有較好的平滑效果,自適應濾波的效果最差;對圖像進行均值處理相當于圖像信號通過一個低通濾波器;中值濾波方法簡單,易于實現(xiàn),而且能較好地保護邊界。結(jié)合圖像特點,本文最后選用中值濾波方法。中值濾波的基本原理是把圖像中的每個像素值用該點的一個鄰域中各點值的中值代替。設(shè)一組數(shù)n,把這n個數(shù)值按大小順序排列。當n為奇數(shù)時,位于中間位置的那個數(shù)值稱為這n個數(shù)值的中值;當n為偶數(shù)時,位于中間位置的兩個數(shù)值的平均值稱為這n個數(shù)值的中值。圖像中值濾波后某像素的輸出等于該像素灰度的中值。本實驗選用如圖2(a)所示的真實圖片,該圖片是用內(nèi)窺鏡拍攝的導彈裝藥內(nèi)表面的圖像,分別選用均值濾波、自適應濾波、中值濾波對三幅輸入圖像進行去噪處理,輸出結(jié)果分別如圖2的(b)、(c)和(d)所示。中值濾波能夠在抑制隨機噪聲的同時不使邊緣模糊,并能較好地保持細節(jié),如圖像中的數(shù)據(jù)信息(位置和角度),并且中值濾波的方法簡單,易于實現(xiàn)。2.2實驗結(jié)果分析邊緣是圖像的最基本特征,是圖像分割所依賴的重要特征。邊緣在邊界檢測、圖像分割、機器視覺、模式識別等領(lǐng)域中有著重要的作用。由于邊緣是所要提取目標和背景的分界線,提取出邊緣才能將目標與背景區(qū)分開,因此邊緣檢測技術(shù)對于數(shù)字圖像十分重要。本文應用Sobel算子、Log算子及Canny算子對輸入圖像進行邊緣檢測并得到實驗結(jié)果,如圖3所示,對實驗結(jié)果分析比較發(fā)現(xiàn):經(jīng)過Canny算子和Log算子檢測的圖像邊緣較好,尤以Canny算子檢測的邊緣效果最好,而Sobel算子檢測的圖像邊緣效果較差。因為Log算子有不錯的抗噪聲能力,但是在抑制噪聲的同時也可能將原有的比較尖銳的邊緣平滑掉,造成這些尖銳邊緣無法被檢測到,Canny算子采用高斯函數(shù)對圖像作平滑處理,因此具有較強的抑制噪聲的能力,可以檢測到弱邊緣。Canny算子采用雙閾值算法檢測和連接邊緣,采用的多尺寸檢測和方向性搜索比Log算子好。結(jié)合圖像特點和實驗比較,本文選用Canny算子。2.3圖像分割的實現(xiàn)為了有效地進行圖像描述和分析,往往需要先將圖像劃分成若干個有意義的區(qū)域。圖像分割是從圖像處理到圖像分析的關(guān)鍵步驟,也是圖像理解的基礎(chǔ)。一方面,它是目標表達的基礎(chǔ),對特征測量有重要影響。另一方面,圖像分割也為更高層的圖像分析和理解提供可能。圖像分割主要有兩種方法:一是鑒于度量空間的灰度閾值分割法,它是根據(jù)圖像灰度直方圖來決定圖像空間域像素聚類,但它只利用了圖像灰度特征,并沒有利用圖像中的其它有用信息,使得分割結(jié)果對噪聲十分敏感;二是空間區(qū)域增長分割方法,它是對在某種意義上具有相似性質(zhì)的像素連通集構(gòu)成分割區(qū)域,該方法具有很好的分割效果。本文對圖像進行分割利用了像素灰度值的兩個性質(zhì):不連續(xù)性和相似性,非邊界區(qū)域一般具有灰度的相似性,而在邊界上一般具有灰度的不連續(xù)性,利用這種方法將缺陷從背景圖像中分離出來。3缺陷特征選取對已提取缺陷的特征值進行計算,在實際測量工程領(lǐng)域中有廣泛的應用。特征提取時為了得到可以有效識別缺陷的分類信息,正確選取有代表性的特征可以有效地減小錯誤判別率?？紤]到圖像進行上述處理后仍會有一些噪聲,但是缺陷的面積和周長像素值要比這些噪聲的像素值大,因此可以選用面積值和周長值作為缺陷的特征,將兩者綜合考慮。在本系統(tǒng)中,設(shè)定一個長度閾值和面積閾值,通過計算輪廓長度和面積,當輪廓長度和面積大于閾值,則認為是發(fā)動機表面的劃痕或裂縫或麻坑等;當輪廓長度或面積小于閾值時,則認為是噪聲點,在缺陷判決時忽略該區(qū)域,這樣可進一步減少噪聲造成的誤判。當發(fā)動機表面存在缺陷時,實現(xiàn)計算機自動做出判決并報警,計算缺陷的特征量等工作。4實驗結(jié)果分析將上述功能進行整合,設(shè)計GUI用戶界面,如圖4所示。該系統(tǒng)主要功能如下:(1)可以導入多張待處理的圖片。(2)分別設(shè)計了3種濾波方法(均值濾波、中值濾波和自適應濾波)和3種邊緣檢測方法(Sobel算子,Log算子和Canny算子),檢測時可任意選擇已提供的方法。(3)進行圖像分割,獲得發(fā)動機表面缺陷。(4)人機交互環(huán)節(jié)。對獲得的缺陷特征進行計算,再與給定的面積閾值和周長閾值相比較。判斷原則:當缺陷特征的計算結(jié)果都小于給定的閾值時,判斷為合格;否則,判斷為不合格。載入不同的包含缺陷的發(fā)動機表面圖片,實驗結(jié)果分別如圖5和圖6所示。經(jīng)過多次實驗,表明該系統(tǒng)能成功地進行缺陷檢測,并能有效地實現(xiàn)人機交互功能。5缺陷自動檢測系統(tǒng)設(shè)計本文應用機器視覺理論,研究基于機器視覺的發(fā)動機表面缺陷檢測系統(tǒng),應用Schoelly公司生產(chǎn)的工業(yè)內(nèi)窺鏡采集導彈發(fā)動機裝藥內(nèi)表面的