【正文】 長春理工大學(xué)本科畢業(yè)設(shè)計 27 表 54 實驗結(jié)果 缺陷類型 實驗數(shù)據(jù) 掉角 麻坑 劃痕或裂紋 刀痕 應(yīng)識別出的工件數(shù) 10*10 10*10 10*10 10*10 10*10 實驗 1 軟件識別 9 9 8 7 9 硬件識別 9 9 8 7 9 實驗 2 軟件識別 8 8 6 7 9 硬件識別 8 8 7 7 8 實驗 3 軟件識別 9 8 7 7 8 硬件識別 9 8 8 7 8 實驗 4 軟件識別 9 8 8 7 8 硬件識別 9 8 8 7 8 實驗 5 軟件識別 8 9 7 5 9 硬件識別 8 9 7 5 9 實驗 6 軟件識別 8 8 8 6 9 硬件識別 8 8 8 6 9 實驗 7 軟件識別 9 8 7 6 8 硬件識別 9 8 7 6 8 實驗 8
。 表 53 圓環(huán)形工件缺陷的判斷閾值（單位：像素） 缺陷 類型 掉角 劃痕 刀痕 麻坑 面積 周長 面積 周長 面積 周長 面積 周長 數(shù)值 36 17 53 31 384 98 31 14 表 53 圓形工件缺陷的判斷閾值（單位：像素） 缺陷 類型 掉角 劃痕 刀痕 麻坑 面積 周長 面積 周長 面積 周長 面積 周長 數(shù)值 51 27 65 40 455 112 38 15 三 、 將人工檢測出的規(guī)格為 **(D9*)的圓環(huán)形 (圓形 )合格品20 片 、 掉角 10 片 、 劃痕 10 片 、 裂紋 10 片 、 刀痕 10 片 、 麻坑 10 片及砂眼 10片共 80 片工件混合在一起 ， 放入初步研制成功的表面缺陷自動檢測系統(tǒng)進(jìn)行缺陷的檢測和分類識別 ， 經(jīng)多次反復(fù)實驗 ， 記錄數(shù)據(jù) 分析結(jié)果 。 同樣只 要 有缺陷就判定為不合格 。 只要檢測到有裂紋缺陷 ， 則 判定為不合格品。 進(jìn)行合格限度樣品檢測的目的是為了確定區(qū)分工件合格與否的標(biāo)準(zhǔn) ， 即周長和面積兩個特征的數(shù)據(jù) ， 以便將各種缺陷的面積和周長與之對比 ， 從而確定判斷的依據(jù) 。 長春理工大學(xué)本科畢業(yè)設(shè)計 25 第 5 章 實驗結(jié)果及分析 實驗數(shù)據(jù) 一 、 將企業(yè)提供的各種缺陷的合格限度樣品按已經(jīng)完成的程序進(jìn)行檢測獲得其缺陷的特征參數(shù)面積值 、 周長值 ， 單位為 ： 像素個數(shù) 。 （ 3） 識別刀紋 、 裂紋和劃痕 刀紋一般寬度和長度較大 ， 而且面積也大 ， 不變矩長短徑之比要比裂紋和劃痕小 ， 同時 ， 缺陷區(qū)域的分散度和復(fù)雜度較大 ， 綜合利用這幾點就可以確定刀紋 。 表 41 圓度判斷數(shù)據(jù) 工 件 工 件 半 徑 R 最 小 半 徑 r (Rr) ? ?Rr /R 掉 角 方 向 掉 角 角 度 工 件 A 152像 素 149像 素 3像 素 工 件 B 152像 素 142像 素 10像 素 （ 2） 識別麻坑和掉角 麻坑和掉角區(qū)別就是麻坑在工件表面的內(nèi)部 ， 而掉角在工件表面的邊緣 。 我們可以 利用這個數(shù)據(jù)曲線可以計算最小半徑、掉角方向和掉角角度。 圖 427 圓度判斷 （ 1）圓度判斷 圓度判斷主要是 針對 掉角的缺陷，根據(jù)工件的特性，如圖 427 所示，我們采取 的 方法 ： 首先遍歷圓周，因為背景的灰 度值是很低的，可以比較容易將工件和背景分割開，提取出工件的外形 ； 然后計算圓周上各點到圓心的距離，并和半徑比較，如果比半徑小于某一個設(shè)定值時，認(rèn)為該點不在圓周上，如果這樣的點連續(xù)而它們個數(shù)超過掉角缺陷的設(shè)定值時，可以認(rèn) 為這個工件是不圓的。利用二叉樹線性分類器，如圖 426 所示，逐層選用不同的描述特 征 ，選擇描述特征的準(zhǔn)則是同種特征值相差最明顯的，保證描述特征具有較大 相互 獨立性。同時，這些描述特征對于目標(biāo)缺陷大小的變化、旋轉(zhuǎn)、平移是不變的。根據(jù)缺陷的形狀信息，可以用一組描述特征來表示其特性。 圖 425 去除小面積區(qū)域 4. 6 缺陷識別模塊 經(jīng)過以上處理，從原始圖像中提取出了含有缺陷的圖像信息，得到了目標(biāo)缺陷。 圖 424 缺陷標(biāo)識 二值圖像的小區(qū)域消除 通過對圖像內(nèi)每個標(biāo)記操作的區(qū)域進(jìn)行計算，求得總區(qū)域的數(shù)目，同時求得每個區(qū)域的像素個數(shù)。 連接性 8 連通 ， 如圖 423 所示 ， 圖中有 A、 B、 C 三個不連通的缺陷 。 圖 421 圖像掃描示意圖 圖 422 圖像標(biāo)記示意圖 二值圖像區(qū)域標(biāo)記 在二值圖像中 ， 相互連接的白像素或 黑像素的集合成為一個區(qū)域 ， 通過對圖像內(nèi)每個區(qū)域進(jìn)行標(biāo)記操作 ， 求得區(qū)域的數(shù)目 。 (a)當(dāng)左前一點和上一點皆為背景 0， 則 P 點加新標(biāo)記 ； (b)當(dāng)左前一點和上一點有一個為 0， 另一個為已加標(biāo)記 ， 則點 P 和已加標(biāo)記的鄰點加上相同的標(biāo)記 ； (c)當(dāng)左前一點和上一點兩個鄰點皆為已加標(biāo)記 ， 則 P 點標(biāo)記 與左點標(biāo)記 相同 。 設(shè)有一幅已經(jīng)分割出的二值圖像 ， 如圖 420 所示 ， 圖中 A 代表缺陷 ， 0 代表背景 ， 規(guī)定用 4 連通準(zhǔn)則加標(biāo)記 。 圖 419 閾值分割及反色后圖像 4. 5 缺陷檢測模塊 對缺陷進(jìn)行檢測，首先必須確定經(jīng)過處里后的圖像是否有缺陷，如果沒有， 則工件無缺陷 。 長春理工大學(xué)本科畢業(yè)設(shè)計 20 0 100 200 300 400 500 600 極坐標(biāo)半徑 灰度值 600 500 400 300 200 100 0 圖 418 工件內(nèi)光圈和外光圈寬度掃描曲線 檢測圖像經(jīng)過圖像預(yù)處理、去除光圈，選取合適的閾值對所得到的圖像數(shù)據(jù)進(jìn)行分割，再通過膨脹和腐蝕，就可以把圖像的缺陷信息提取出來，如圖 419所示。由此，可得到此角度方向上的內(nèi)光圈和外光圈的寬度為 ： 2143==內(nèi)外k r rk r r?? 如果所檢測的工件為圓片，遇到第二次灰度突變之后，當(dāng)極半徑 r 的大小增大到所檢測工件的外徑大小時，停止該 灰 度方向的繼續(xù) 掃描二可得到此角度方向上的內(nèi)光圈和外光圈的寬度為 ： 21=0=內(nèi)外kk r r? 另外，由于在同一個方向，即 1 2 3 4= = =? ? ? ? 。 根據(jù)圓環(huán)和圓片的判斷結(jié)果來確定是掃描圓環(huán)還是圓片，如果是圓環(huán)就要從小于工件內(nèi)環(huán)半徑的區(qū)域開始掃描，一直掃描到工件外徑外的區(qū)域 ； 如果是圓片，就 以根據(jù)該工件的外徑大小，只從外徑內(nèi)的區(qū)域掃描到外徑外的區(qū)域，根據(jù)所檢測的工件形狀適當(dāng)減小運 算量，提高圖像的處理速度。為了在實際應(yīng)用中得到比較理想的圖像數(shù)據(jù)，而且又有利于后續(xù)的圖像處理，必須把光圈去掉。 其次，當(dāng)逐個掃描每個像素遇到灰度突變時，記錄極半徑產(chǎn) r 的大小和極角? 的角度 ： 長春理工大學(xué)本科畢業(yè)設(shè)計 18 按弧度計算的內(nèi)圓半徑大小 0 20 40 60 80 100 弧度 按弧度計算的內(nèi)圓半徑大小 半徑大小 200 180 160 140 120 100 80 60 40 20 0 弧度 0 20 40 60 80 100 半徑大小 200 180 160 140 120 100 80 60 40 20 0 圖 415 去除誤差前、后內(nèi)徑數(shù)據(jù)曲線 最后，掃描完畢， 得到的其數(shù)據(jù)曲線如圖 415 左圖所示 ； 將掃描到的數(shù)據(jù)進(jìn)行處理，去除偏差比較大的數(shù)據(jù)，其數(shù)據(jù)曲線如圖 415 右圖所示 ； 計算出圓環(huán)的內(nèi)徑大小。從圖 412 和圖 41 可以看出，如果所檢測的工件是圓環(huán)形，則在圓心左右會有明顯的間斷 ； 如果是圓片形，則在圓心左右沒有明顯的間斷。圓環(huán)和圓片的區(qū)別就是：圓環(huán)的中心是空心，也是就說所采集工件圖像的中心數(shù)據(jù)為背景信息；而圓片的中心為實心，所采集工件圖像的中心數(shù)據(jù)為工件表面信息。 圖 411 x方向 和 y 方向上的半徑數(shù)據(jù)曲線 圖 411 中的數(shù)據(jù)曲線就是 x 方向和 y 方向的上的半徑數(shù)據(jù)線，兩個方向上的半徑大小基本一致，如果有一定的相差，需要及時調(diào)整攝像頭，使攝像角度垂直工件表面。下面圖 49 是經(jīng)過剔出粗大誤差之后工件圓心的 x 坐標(biāo)和 y 坐標(biāo)的曲線圖，可以明顯地看出經(jīng)過處理的數(shù)據(jù)已經(jīng)比較統(tǒng)一 。 為了把掃描到的粗大誤差去除掉，采用 3? 準(zhǔn) 則來判斷每個檢測數(shù)據(jù)是否是存在誤差。圖 48 中三個測量列所得的分布曲線不同，其標(biāo)準(zhǔn)差 ? 也不 相同，且 1 2 3? ? ???。而 ? 值愈小，在 ? 前面的系數(shù)值變大，即對應(yīng)于誤差為零（ ? =0）的縱坐標(biāo)也大，曲線變高。設(shè)被測量的真值為 0L ，一系列測得值為 il ，則測量列中的隨機(jī)誤差 ?i 為 0? ??iilL 式中 1,2, ,…?in 0 100 200 300 400 500 600 700 800 圖像寬（ Y） 灰度值 直方圖 0 50 100 150 200 250 0 50 100 150 200 250 直方圖 像素值 6000 5000 4000 3000 2021 1000 0 像素值 6000 5000 4000 3000 2021 1000 0 灰度值 圖像數(shù)據(jù) 灰度值 直方圖 0 50 100 150 200 250 0 50 100 150 200 250 直方圖 像素值 6000 5000 4000 3000 2021 1000 0 像素值 6000 5000 4000 3000 2021 1000 0 灰度值 圖像高（X） 600 500 400 300 200 100 0 0 100 200 300 400 500 600 700 800 圖像數(shù)據(jù) 灰度值 直方圖 0 50 100 150 200 250 0 50 100 150 200 250 直方圖 像素值 6000 5000 4000 3000 2021 1000 0 像素值 6000 5000 4000 3000 2021 1000 0 灰度值 圖像寬（ Y） 灰度值 直方圖 0 50 100 150 200 250 0 50 100 150 200 250 直方圖 像素值 6000 5000 4000 3000 2021 1000 0 像素值 6000 5000 4000 3000 2021 1000 0 灰度值 圖像高（X） 600 500 400 300 200 100 0 長春理工大學(xué)本科畢業(yè)設(shè)計 14 1 0 1 2 1 0 正態(tài)分布的分布密度 ()?f 為： 2/ ( 2 )1() 2 ??? ?? ??fe 式中 ? —— 標(biāo)準(zhǔn)差（或均方根誤差）； e —— 自然對數(shù)的底，值為 … 。 圖 47 x坐標(biāo)數(shù)據(jù)曲線和 y 坐標(biāo)數(shù)據(jù)曲線 由于在實際圖像中存在噪聲或者其他干擾，圖像的背景并不是理想的那種單純灰度級，所以在對整幅圖像進(jìn)行逐個像素掃描時，所檢測到的圖像信息也會存在干擾信息，即存在粗大誤差，在圖 47 中可以比較直觀地顯現(xiàn)。 圖 44 濾波前及濾波后的灰度直方圖 4. 4 圖像測量模塊 （ 1） 工件尺寸和位置測量 根據(jù)閾值選取模塊所計算的閾值分割圖像，將圖像二值化處理，便于圖像整體信息的掃描，如圖 45 所示。 圖 42 原始圖像及灰度調(diào)整后圖像 經(jīng)過預(yù)處理后，圖像的