藺佳哲，王 茜，耿廣龍

（空軍勤務(wù)學(xué)院，江蘇 徐州 221000）

基于LabVIEW Vision的航空炮彈缺陷檢測方案設(shè)計(jì)

藺佳哲，王 茜，耿廣龍

（空軍勤務(wù)學(xué)院，江蘇 徐州 221000）

航空炮彈在勤務(wù)保障過程中，容易受到環(huán)境和外力的破壞而造成表面的損傷，影響正常的飛行訓(xùn)練甚至危及載機(jī)安全。采用虛擬儀器平臺提供的LabVIEW Vision視覺開發(fā)工具包，結(jié)合灰度直方圖篩選、Saturation分量圖像提取、灰度形態(tài)學(xué)Erode和Dilate變換以及最大熵閾值分割的圖像處理等技術(shù)手段，對待測航空炮彈圖像進(jìn)行分析處理，精確判斷炮彈銹蝕和劃痕缺陷問題。試驗(yàn)結(jié)果表明，系統(tǒng)具有較高的可行性和可靠性，可以實(shí)現(xiàn)炮彈缺陷的快速魯棒檢測，提高了炮彈檢測的效率和精度，對于提升航空彈藥保障信息化、智能化水平具有重要意義。

LabVIEW Vision，虛擬儀器技術(shù)，航空炮彈，缺陷檢測

0 引言

現(xiàn)階段，空軍部隊(duì)在進(jìn)行航空炮彈勤務(wù)保障作業(yè)時，沒有科學(xué)有效的炮彈缺陷檢測方法，基本依托人力，工作效率低、檢測精度差，阻礙了空軍戰(zhàn)斗力的進(jìn)一步提升。因此，亟待設(shè)計(jì)一套航空炮彈缺陷檢測系統(tǒng)。

借助美國國家儀器公司（NI）提供的視覺開發(fā)工具包，可以快速便捷地實(shí)現(xiàn)航空炮彈缺陷檢測的相關(guān)工作，滿足空軍部隊(duì)航空彈藥的快速保障需求。一般的機(jī)器視覺系統(tǒng)由圖像采集、圖像處理和結(jié)果輸出3部分構(gòu)成，其中圖像處理技術(shù)是核心部分［1-2］。機(jī)器視覺簡單來說就是利用各類圖像采集設(shè)備，在一些不適合人眼的危險工作領(lǐng)域以及人眼無法滿足測試需求的場合進(jìn)行測量和判斷，是一種快速、魯棒、非接觸和高精準(zhǔn)的檢測方法［3］。

1 航空炮彈缺陷分析

結(jié)合空軍部隊(duì)航空彈藥保障經(jīng)驗(yàn)，如圖1所示，航空炮彈缺陷問題主要包括以下兩點(diǎn)：

圖1 航空炮彈缺陷情況

（1）彈體劃痕。在進(jìn)行航空炮彈彈帶排裝以及裝載飛機(jī)的過程中，很可能損傷炮彈彈體，常見情況是留下劃痕；

（2）表面銹蝕。由于航空炮彈一旦啟封后，經(jīng)常暴露在空氣中，尤其是在炮彈掛飛訓(xùn)練時，環(huán)境條件較為惡劣，容易造成航空炮彈表面的銹蝕。

存在缺陷的航空炮彈在飛行訓(xùn)練中可能出現(xiàn)不炸或者早炸的現(xiàn)象，危及載機(jī)和飛行員的安全，甚至造成飛行事故。所以，有必要開展航空炮彈缺陷檢測的研究，以此消除航空炮彈缺陷問題造成的飛行危險因素。

2 硬件系統(tǒng)的搭建

虛擬儀器的核心理念是軟件代替硬件，即利用計(jì)算機(jī)豐富的數(shù)據(jù)處理能力簡化硬件設(shè)計(jì)［4-5］。如圖2所示，系統(tǒng)的硬件組成較為精簡，為了全面檢測航空炮彈的缺陷問題，將航空炮彈放置于傳送帶上，掃描相機(jī)的鏡頭對正需要檢測的航空炮彈表面，隨著炮彈滾動經(jīng)過相機(jī)時，可以實(shí)現(xiàn)炮彈全側(cè)面的圖像檢測。系統(tǒng)利用NI CVS-1458實(shí)現(xiàn)圖像信息的采集，虛擬儀器視覺開發(fā)工具包實(shí)現(xiàn)信息的分析處理，最終的結(jié)果顯示在觸摸屏上。

圖2 系統(tǒng)硬件組成

3 缺陷檢測軟件的設(shè)計(jì)

利用虛擬儀器技術(shù)開發(fā)檢測系統(tǒng)，其核心部分是軟件設(shè)計(jì)。軟件設(shè)計(jì)之前，首先確定缺陷檢測程序的執(zhí)行順序，如圖3所示，利用NI CVS-1458中的圖像采集卡將面掃描相機(jī)采集的圖像信息傳輸?shù)教摂M儀器開發(fā)平臺LabVIEW中，利用灰度直方圖的方式進(jìn)行圖像的篩選，灰度直方圖可以直接排除明顯沒有缺陷的待測元件，減輕下一步圖像分析的工作量。

圖3 缺陷檢測軟件工作流程

無法排除缺陷的元件視為疑難件，進(jìn)入重點(diǎn)圖像檢測流程中進(jìn)一步分析處理，主要是利用單分量灰度直方圖分析和灰度形態(tài)學(xué)變換協(xié)同處理圖像信息。處理完成的圖像再利用最大熵閾值分割的圖像處理技術(shù)，將干擾判定的灰度級圖像盡可能地排除，直至分離出缺陷部位的精確圖像信息。

3.1 圖像篩選程序的設(shè)計(jì)

圖4 標(biāo)準(zhǔn)件和待測件灰度直方圖

灰度直方圖一般用來分析圖像的灰度分布情況，以曲線的方式直觀地顯示不同灰度級像素的個數(shù)，橫坐標(biāo)是灰度級，縱坐標(biāo)是灰度出現(xiàn)的頻數(shù)［6-7］。缺陷檢測軟件設(shè)計(jì)時，通過采集標(biāo)準(zhǔn)件的灰度直方圖，以此作為基準(zhǔn)，簡單判別待測件是否存在缺陷。具體的判別方法是，通過大量統(tǒng)計(jì)經(jīng)驗(yàn)數(shù)據(jù)，確定在灰度級78～142之間的范圍內(nèi)，基本無缺陷炮彈的像素總數(shù)的大小。經(jīng)統(tǒng)計(jì)，剛開封的新品像素總數(shù)在47 500左右，堪用品像素總數(shù)不會超出46 500～48 300的像素范圍。圖4中待測件在78～142灰度級間的像素總數(shù)為47 503，基本上不存在缺陷。

3.2 單分量圖像的灰度分析

由圖4標(biāo)準(zhǔn)件灰度直方圖可以看出，炮彈圖像和背景的灰度級有較多的交叉部分，無法直接利用灰度閾值的分割方法對圖像進(jìn)行處理。

利用視覺開發(fā)工具提供的IMAQ ExtractSingle-ColorPlane VI，可以提取圖像的單分量，即Red、Green、Blue、Hue（色調(diào)）、Saturation（飽和度）、Luminance（亮度）、Value和Intensity共計(jì)8個分量。如下頁圖5、圖6所示，不同分量的圖像信息和灰度直方圖差別較大，可以看出，只有S分量的圖片可以清晰的顯示出航空炮彈的缺陷部位，且其灰度直方圖為雙峰（第2個峰值在灰度級135附近）?；叶戎狈綀D具有雙峰的圖像便于使用閾值分割的方法對缺陷信息進(jìn)行分析處理和特征參數(shù)的提取。

圖5 單分量圖像信息

3.3 圖像增強(qiáng)程序的設(shè)計(jì)

圖像增強(qiáng)的相關(guān)技術(shù)是用來增強(qiáng)圖像中目標(biāo)區(qū)域圖像的清晰程度，減弱甚至消除干擾判斷的圖像區(qū)域，工業(yè)實(shí)踐中使用較多的是形態(tài)學(xué)變換的處理方式。形態(tài)學(xué)變換一般用作提取圖像中的顆粒結(jié)構(gòu)，實(shí)現(xiàn)圖像的平滑處理，處理完成的圖像，其灰度特征更為明顯，這一方法也可用來濾除圖像的噪聲［8-9］。

利用灰度形態(tài)學(xué)IMAQ GrayMorphology函數(shù)，將采集的圖像進(jìn)行相關(guān)處理。LabVIEW Vision中提供的灰度形態(tài)學(xué)變換的運(yùn)算類型有7種方式，分別為自動中值（AutoM）、閉合（Close）、擴(kuò)張（Dilate）、侵蝕（Erode）、開放（open）、7次閉合和開放（Pclose）以及7次開放和閉合（Popen）。其中Erode運(yùn)算可以降低被低亮度像素圍繞的像素亮度；Dilate運(yùn)算可以增加被高亮度像素圍繞的像素亮度。結(jié)合航空炮彈缺陷實(shí)際，銹蝕缺陷及其周圍圖像亮度較低，劃痕缺陷及其周圍圖像亮度較高，所以Erode運(yùn)算可以將圖像中的銹蝕缺陷較為清晰的顯示，而Dilate運(yùn)算可以將劃痕缺陷突出顯示出來，如圖7所示。

3.4 圖像閾值分割程序的設(shè)計(jì)

處理單一分量灰度級的圖像時，經(jīng)常采用圖像分割技術(shù)。利用圖像分割，可以清晰地找出圖像中航炮彈體的缺陷信息。具體的方式是采用閾值分割的方法，閾值分割簡要來說，就是通過灰度值的取值范圍，去除圖像中不符合要求的圖像部分，只保留所需灰度范圍內(nèi)的圖像［10-11］。在工業(yè)實(shí)踐過程中，閾值分割通常有兩種算法，即最大類間方差法和最大熵閾值法。其中最大類間方差法處理過后的圖像，圖像中原本的邊界細(xì)節(jié)特征較為突出；最大熵閾值法則注重整體缺陷信息的突出。因此，本文選用最大熵閾值法進(jìn)行圖像的閾值分割，以此凸顯炮彈缺陷部位的圖像特征。

圖6 單分量圖像的灰度直方圖

圖7 灰度形態(tài)學(xué)變化前后的圖像信息

根據(jù)選取的閾值分割最優(yōu)值，對S分量上的Erode變換和Dilate變換后的圖像進(jìn)行閾值分割處理，得到如圖8所示的缺陷圖像信息。圖8（a）中所示的是炮彈彈體銹蝕缺陷的圖像信息，可以看出，炮彈銹蝕的部位主要集中在彈體中部和下部，這兩部分是炮彈和彈帶連接的地方，由于長期的磨損，容易造成銹蝕；圖8（b）中顯示出炮彈殼體劃痕的缺陷信息，可以看出，劃痕部分和銹蝕部分位置基本接近，其特點(diǎn)是劃痕小而細(xì)。其中，圖8（b）中標(biāo)記區(qū)1是殼體反射閃光燈的干擾圖像，不是劃痕缺陷，標(biāo)記區(qū)2是一道明顯的劃痕。

圖8 銹蝕缺陷和劃痕缺陷的圖像信息

3.5 缺陷特征分析

通過調(diào)用IMAQ Particle Analysis VI函數(shù)，可以計(jì)算圖8中銹蝕和劃痕缺陷區(qū)域的面積，通過缺陷面積占?xì)んw總面積的百分比定量判斷航空炮彈的合格與否。經(jīng)過試驗(yàn)驗(yàn)證，銹蝕缺陷利用該方法進(jìn)行判斷準(zhǔn)確性較高，完全滿足測試需求；但是，劃痕缺陷需要對計(jì)算的面積進(jìn)行部分修正才能滿足檢測需求。

由于劃痕缺陷采用Dilate形態(tài)學(xué)變換的處理方式，殼體反光部分隨著劃痕圖像的增強(qiáng)也進(jìn)一步凸顯出來，所以，需要在缺陷面積的基礎(chǔ)上減去反光部分的面積，這樣的設(shè)計(jì)大大提高了檢測系統(tǒng)的魯棒性能。同時，根據(jù)炮彈劃痕的實(shí)際情況，需要設(shè)計(jì)專門的識別程序，匹配劃痕圖像中是否存在5 px×30 px的缺陷區(qū)域，如果存在，直接判定為不合格炮彈。

4 航空炮彈缺陷檢測試驗(yàn)

航空炮彈圖像經(jīng)過缺陷分析處理，分析結(jié)果如表1、表2所示。由表1可以看出，利用銹蝕缺陷面積占整個圖像面積的百分比，可以定量判斷炮彈表面銹蝕缺陷的情況。需要強(qiáng)調(diào)的是，整個圖像區(qū)域包括炮彈周圍的背景區(qū)域。統(tǒng)計(jì)經(jīng)驗(yàn)表明，如果銹蝕缺陷面積所占百分比超過6%，則可以判斷該炮彈銹蝕嚴(yán)重，無法繼續(xù)使用。

對于劃痕缺陷的分析較為復(fù)雜，首先計(jì)算缺陷面積的像素總數(shù)，然后去除反光干擾的像素面積，得到修正后的面積總數(shù)，根據(jù)其占整個圖像的百分比粗略判斷炮彈劃痕缺陷是否合格。然后，依據(jù)圖像中是否存在5 px×30 px的劃痕缺陷最終判定炮彈彈體劃痕是否滿足使用要求，如果存在這樣的區(qū)域，此炮彈無法繼續(xù)使用，需要及時更換。由第2組、第6組數(shù)據(jù)可知，缺陷面積相對較小的炮彈也可能存在致命劃痕，即5 px×30 px的劃痕缺陷。

表1 銹蝕缺陷分析結(jié)果

表2 劃痕缺陷分析結(jié)果

5 結(jié)論

經(jīng)過實(shí)驗(yàn)分析可知，本文設(shè)計(jì)的缺陷檢測系統(tǒng)完全滿足航空炮彈缺陷檢測的相關(guān)使用需求，利用灰度直方圖篩選，大大降低了檢測系統(tǒng)的工作量。借助單分量灰度直方圖分析、Erode和Dilate灰度形態(tài)學(xué)變換，實(shí)現(xiàn)炮彈殼體缺陷圖像的增強(qiáng)，為最大熵閾值分割的圖像處理奠定了基礎(chǔ)。通過缺陷區(qū)域像素面積的計(jì)算和矩形缺陷區(qū)域匹配的特定分析，最終準(zhǔn)確判定了航空炮彈的缺陷問題。

在航空彈藥保障作業(yè)中，還存在很多方面需要進(jìn)行視覺缺陷檢測，比如空空導(dǎo)彈的舵面檢測、紅外制導(dǎo)彈藥導(dǎo)引頭整流罩檢測等。因此，本文設(shè)計(jì)的缺陷檢測系統(tǒng)具有一定的推廣價值。

［1］黃震，顧啟民.高精度插件引腳機(jī)器視覺檢測系統(tǒng)的研究與開發(fā)［J］.機(jī)床與液壓，2015，43（16）：139-142.

［2］蔡述庭，郭金華.基于機(jī)器視覺雙尖燈泡燈絲同軸檢測系統(tǒng)［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2015，36（9）：2591-2595.

［3］張巧麗，李光明，王孝敬.模式匹配方法的LabVIEW設(shè)計(jì)與實(shí)現(xiàn)［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2015，36（9）：2422-2426.

［4］PHILLIP W，HEBERT S，ALEX C.NASA data acquisition system software development for rocket propulsion test facilities［R］.NASA Report，2015.

［5］REEHORST A，BRINKER D，RATVASKY T.NASA icing remote sensing system comparisons from AIRS II［R］.Glenn Research Center，2005.

［6］宋小燕，白福忠，武建新，等.應(yīng)用灰度直方圖特征識別木材表面節(jié)子缺陷［J］.激光與光電子學(xué)進(jìn)展，2015，52（3）：199-204.

［7］王崴，王曉軍，劉曉衛(wèi)，等.基于圖像復(fù)雜度的圖像分割算法［J］.探測與控制學(xué)報(bào)，2015，37（3）：5-9.

［8］羅元.基于改進(jìn)的形態(tài)學(xué)灰度圖像邊緣檢測算法［J］.半導(dǎo)體光電，2014，35（5）：941-944.

［9］王立欣，孫正.血管內(nèi)超聲圖像序列關(guān)鍵幀的自動檢索［J］.光電工程，2015，42（10）：83-89.

［10］宋斌，楊恢先，曾金芳，等.基于平均中值離差的二維最小誤差閾值分割法［J］.激光技術(shù)，2015，39（5）：717-722.

［11］陳金位，吳冰.二維直方圖重建和降維的Otsu閾值分割算法［J］.圖學(xué)學(xué)報(bào)，2015，36（4）：570-575.

［12］岑譽(yù)，高健.基于LabVIEW的電容器缺陷檢測系統(tǒng)研究［J］.組合機(jī)床與自動化加工技術(shù)，2014，56（10）：80-84.

［13］周靖鴻，周璀，朱建軍，等.基于非下采樣輪廓波變換遙感影像超分辨重建方法［J］.光學(xué)學(xué)報(bào)，2015，35（1）：98-106.

Research of Defect Detection System of Airborne Shell Based on LabVIEW Vision

LIN Jia-zhe，WANG Qian，Geng Guang-long
（Air Force Logistics College，Xuzhou 221000，China）

Airborne shell is vulnerable to environment and external force that caused surface damage in the process of service guarantee，which affects normal training and even endanger the aircraft flight safety.Adopting virtual instrument platform LabVIEW Vision visual development kit，combining with the gray histogram screening，Saturation component extraction，image gray-scale morphological Dilate and Erode transform and maximum entropy threshold segmentation of image processing technology，it analyses the image of airborne shell and accurately judge the shell rust and scratch defects.Test results show that the system has high feasibility and reliability，can realize the rapid and robust shell defect detection，improve the efficiency and precision of the artillery detection，which has great significance for raising the level of aviation ammunition support.

LabVIEW vision，virtual instrument，airborne shell，defect detection

TP391；TJ412.+8

A

10.3969/j.issn.1002-0640.2017.07.028

1002-0640（2017）07-0129-04

2016-05-25

2016-06-17

藺佳哲（1991- ），男，河北張家口人，碩士研究生。研究方向：機(jī)載彈藥技術(shù)維護(hù)。