苑玮琦;贾国靖
【摘 要】为提高雪糕棒产品质量,避免雪糕棒对人体造成伤害,根据雪糕棒缺陷类型对其进行分类处理是一种有效手段.但雪糕棒各类缺陷复杂多样且具有一定的相似性使得区分缺陷类别成为一个难点.针对以上问题,文章采用了一种基于区域生长的缺陷检测方法对毛刺与矿物线缺陷进行准确分类.首先对图像进行滤波处理来排除噪声干扰,然后获取缺陷区域骨架,并通过分析骨架端点8邻域内像素灰度值特征来获取区域生长的起点;在此基础上将骨架的方向以及骨架端点的灰度值作为相似性度量准则进行下一步生长,最后根据生长后的区域与雪糕棒边缘的连通性区分缺陷类别.利用该方法对建立的ICS-F缺陷图库进行测试,毛刺与矿物线的准确识别率分别达到99.6％、98.4％.该方法为雪糕棒工业现场实时缺陷分类提供可行性,具有一定的实用价值. 【期刊名称】《电脑与信息技术》
【年(卷),期】2018(026)004
上海国乐
【总页数】5页(P33-37)
静电场复习
【关键词】雪糕棒;缺陷检测;区域生长;连通性
【作 者】苑玮琦;贾国靖
【作者单位】沈阳工业大学视觉检测技术研究所,沈阳 110870;辽宁省机器视觉重点实验室,沈阳 110870;沈阳工业大学视觉检测技术研究所,沈阳 110870;辽宁省机器视觉重点实验室,沈阳 110870
【正文语种】中 文
【中图分类】TP391.41
目前国内的雪糕棒生产行业以桦木为主要材料，经过蒸煮、剥皮、旋切、烘干、冲切、磨光等生产步骤加工而成[1]。桦木本身材质的影响以及加工过程中刀具等器械的磨损会导致加工完成的雪糕棒经常带有各种缺陷。在雪糕棒加工行业中，雪糕棒缺陷的检测与分类对雪糕棒的生产具有重要意义。目前国内大部分企业的雪糕棒检测都是以人工筛选为主，人
工检测主要依赖工人的主观判断，工作量大，检测结果不稳定，容易出现雪糕棒表面缺陷的误检和漏检，尤其是对于变形较小、畸变不大的夹杂缺陷更容易出现漏检，极大降低了雪糕棒的表面质量，因此迫切需要一种雪糕棒自动化检测方法来弥补人工检测的不足。
目前雪糕棒缺陷的自动化检测方法主要分为射线法和视觉法两大类[2]。射线法成本低、操作简单，但其检测精度较低并且只适用于检测出现物理形变的雪糕棒缺陷。视觉法通过对雪糕棒表面进行成像以实现无接触无损伤检测，其检测精度远远超过人眼。在表面缺陷检测领域，视觉法得到了广泛的应用。
针对毛刺、矿物线这两种雪糕棒表面的常见缺陷，本文采用一种基于区域生长[3]的视觉法实现缺陷的分类识别。
1 雪糕棒缺陷特征分析
烘干是雪糕棒加工过程中的重要环节，由于工人操作不当及其它原因，烘干过程中的温度与时间难以保持稳定，烘干处理不当极易导致雪糕棒表面开裂，企业将这种缺陷称之为毛刺。由于雪糕棒表面开裂的程度各不相同，经过磨光环节处理后的雪糕棒毛刺缺陷包括被
劈开向外支出的毛刺（即硬毛刺）、向内延伸表现为裂纹的毛刺，如图1（a）、（b）所示。毛刺缺陷是雪糕棒表面最常见缺陷之一，由于它极易对人体造成伤害，因此是所有缺陷检测标准中要求最为严格的缺陷。由于雪糕棒材质为桦木，雪糕棒表面以及边缘处可能存在暗的条纹，企业将这种缺陷称之为矿物线，如图1（c）、（d）所示。矿物线缺陷不会对人体造成伤害并且不违反行业卫生标准，因此是检测标准中要求相对宽松的缺陷。由于毛刺缺陷与矿物线缺陷的检测标准不同，因此需要对两种缺陷分别进行准确识别并分类。
如图 1（b）、（d）所示，雪糕棒表面向内延伸的毛刺与边缘矿物线具有很大的相似性。通过对缺陷图库样本进行分析得出：在灰度图像中以上两种缺陷处的灰度值均明显低于周围区域灰度值，二者之间灰度差异性不大。在几何形态上两种缺陷都呈条状并且具有一定的倾斜角度。不同之处在于向内延伸的毛刺缺陷与雪糕棒侧面边缘连通，矿物线缺陷与雪糕棒侧面边缘未连通，因此本文通过分析缺陷与雪糕棒边缘的连通性来实现雪糕棒毛刺缺陷和矿物线缺陷的识别和分类。
图1 雪糕棒表面缺陷图例
2 图像预处理
由于雪糕棒材质以及其它因素的影响，在成像过程中雪糕棒表面图像通常带有很多噪声点，这些噪声为缺陷检测带来一定的干扰。如图2所示，雪糕棒表面灰度值近似服从正态分布，为了改善图像质量本文采用高斯滤波技术来消除噪声[4]。高斯滤波是对整幅图像进行加权平均的过程，每一个像素点的值都由其本身和邻域内的其他像素值经过加权平均后得到，能够有效的消除高斯噪声。
优酷影视指数盛典图2 雪糕棒表面灰度值分布图
高斯滤波器以当前像素点为中心选取适当大小的窗口，用窗口扫描图像中的每一个像素，以窗口内像素的加权平均灰度值替代当前像素点的灰度值，其过程如图3所示。
图3 高斯滤波原理示意图
对于一个大小为m*n的模板，其中m=2a+1且n=2b+1,a,b为正整数，该像素点灰度值的计算公式如式（1）所示。对于图像中的任意一点（x,y），滤波器的响应g（x,y）是滤波器系数与由该滤波器包围的图像像素的乘积之和。滤波效果如图4所示。
图4 高斯滤波效果示意图
3 模型与理论
区域生长的基本思想是将具有相似性的像素集合起来构成一个区域。首先对每个需要分割的区域出一个种子像素作为生长的起点，然后将种子像素周围邻域中与其有相同或相似性质的像素合并到种子像素所在的区域中，而新的像素继续作为种子向四周生长，直到再没有满足条件的像素可以包括进来，一个区域就生长而成了。区域生长算法的关键步骤是种子像素[5]和相似性度量准则[6]的选取。
区域生长实现的步骤如下:关于党政机关厉行节约若干问题的通知>泷泽秀明山下智久
（1）对图像顺序扫描，到第1个还没有归属的像素,设该像素为(x0,y0);
（2）以(x0,y0)为中心,如果(x0,y0)的邻域像素(x,y)满足生长准则,将(x,y)与(x0,y0)合并在同一区域内,同时将(x,y)压入堆栈;
路政信息（3）从堆栈中取出一个像素,把它当作(x0,y0)返回到步骤2;
（4）当堆栈为空时，返回到步骤1；
（5）重复步骤1-4直到图像中的每个点都有归属时，生长结束。
3.1 种子像素的选取
如图5所示，通过Candy边缘检测算子[7]提取缺陷区域的亚像素精度[8]轮廓并将其转换为像素精度的区域A。通过记录图像目标区域A内所有最大内切圆圆心的轨迹来提取区域A的骨架。如式（2）所示，利用腐蚀和开操作骨架S（A）可以表示为
其中，Sk(A)=(AΘkB)-(AΘkB)·B （3）
式（3）中，B是一个结构元，而(AΘkB)表示对 A 的连续k次腐蚀，如式（4）所示
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议