樊 偉，吳定祥，唐立軍+

(1.長沙理工大學(xué) 物理與電子科學(xué)學(xué)院，湖南 長沙 410114；2.長沙理工大學(xué) 近地空間電磁環(huán)境監(jiān)測與建模湖南省普通高校重點(diǎn)實(shí)驗(yàn)室，湖南 長沙 410114；3.長沙億旭智能科技有限公司，湖南 長沙 410000)

0 引 言

小型觸發(fā)式彈簧由彈簧鋼繞制而成，是一些機(jī)械裝備的重要配件，主要起到提供恒定或可調(diào)的壓緊力/支撐力、存儲能量、緩沖減震等作用，其磨損、裂紋、劃痕等表面缺陷[1]對觸發(fā)式彈簧的力學(xué)性能有嚴(yán)重影響，甚至影響設(shè)備整體性能和使用壽命[2]。

然而，由于彈簧鋼的弧形表面結(jié)構(gòu)和自身材質(zhì)具有極強(qiáng)的反光特性，尤其是彈簧的螺旋狀立體結(jié)構(gòu)，不僅增強(qiáng)了彈簧表面的反光特性，還遮擋自身細(xì)節(jié)部分，給缺陷檢測帶來了極大的難度。對觸發(fā)式彈簧，常用的缺陷檢測方法如磁粉檢測、滲透檢測、渦流檢測、超聲波檢測[3]等，存在檢測流程復(fù)雜、效率低、檢測材料受限、結(jié)構(gòu)復(fù)雜誤差大等問題[4]，難以實(shí)現(xiàn)檢測目的。機(jī)器視覺檢測的方式[5-8]，對光源的依賴性大，但由于彈簧的反光特性，導(dǎo)致無法完全采集到彈簧表面缺陷部分的影像，造成缺陷檢測不完整甚至無法檢測到缺陷。為了提高觸發(fā)式彈簧表面缺陷的檢測精度和檢測效率，探索一種多角度光源補(bǔ)償?shù)臋C(jī)器視覺檢測方法，研究一種快速聚類彈簧表面缺陷檢測算法，設(shè)計(jì)協(xié)同控制的多光源影像采集處理平臺，實(shí)現(xiàn)實(shí)時(shí)有效的彈簧表面缺陷檢測。

1 檢測原理

1.1 多角度光源補(bǔ)償原理

多角度光源補(bǔ)償是指通過分批多分角度打光的方式實(shí)現(xiàn)影像采集，通過改變光源的照射角度，根據(jù)其表面反光程度的不同，采集不同程度影像，有效避免觸發(fā)式彈簧表面缺陷無法完整采集的問題。若在固定的光源角度下采集彈簧表面的缺陷部分，因其材料本身的反光性及螺旋結(jié)構(gòu)造成的陰影，彈簧鋼的弧形表面以及缺陷部分凹凸不平，會導(dǎo)致光源產(chǎn)生的光線到達(dá)彈簧表面后，向4周折射及衍射，這時(shí)，部分表面缺陷將會被光線掩蓋，從而無法采集到含有全部表面缺陷的彈簧影像，更無法進(jìn)行后續(xù)的缺陷算法檢測。本設(shè)計(jì)光源結(jié)構(gòu)如圖1所示，圖1中①、②、③、④、⑤、⑥為6塊可控光源。每塊光源板的位置關(guān)系為互為30°，以半圓形的方式，環(huán)繞在采集平臺的周圍。在每次觸發(fā)光源時(shí)，同步觸發(fā)相機(jī)對觸發(fā)式彈簧進(jìn)行影像采集。在彈簧處于某一固定位置下，系統(tǒng)每次觸發(fā)光源都選用多組光源交替打光的方式，多次觸發(fā)后，可采集彈簧表面不同程度的缺陷影像，將采集影像中缺陷部分識別、提取并融合，得到觸發(fā)式彈簧表面的缺陷部分。同時(shí)，多組光源交替打光的方式也可避免單一光源因打光角度過偏，而導(dǎo)致其它區(qū)域光照不足形成偽缺陷的問題。

圖1 光源結(jié)構(gòu)

1.2 觸發(fā)式彈簧表面缺陷檢測算法

缺陷檢測算法是在影像采集平臺的基礎(chǔ)上，實(shí)現(xiàn)每張影像中觸發(fā)式彈簧表面缺陷識別及提取。缺陷檢測算法主要由影像預(yù)處理、缺陷檢測兩部分組成。

1.2.1 影像預(yù)處理

影像預(yù)處理是指缺陷識別前，對每張采集到的影像進(jìn)行的算法處理，將彈簧所在區(qū)域從每張影像中提取出來。其目的在于降低背景環(huán)境對檢測區(qū)域的干擾，規(guī)定影像中觸發(fā)式彈簧的位置，減少后續(xù)缺陷檢測算法的運(yùn)算開銷。

影像二值化及灰度化，在影像的預(yù)處理中，首先，需對采集的影像進(jìn)行灰度化和二值化處理，采用加權(quán)平均的方式進(jìn)行影像的灰度化，即將一張RGB格式的影像轉(zhuǎn)化為灰度值0～255之間的灰度影像。通過不同的權(quán)值來提取YUV格式下R、G、B的分量，計(jì)算公式如式(1)所示

(1)

在灰度影像的基礎(chǔ)上，對其進(jìn)行二值化的處理，從而將識別目標(biāo)與背景分離，采用閾值法的方式，即設(shè)定的閾值T對影像進(jìn)行兩個(gè)區(qū)域的分割，計(jì)算公式如式(2)所示

(2)

式中：f(x,y)為灰度影像的灰度值，g(x,y)為二值化后的灰度影像，T為閾值。因系統(tǒng)檢測平臺的采集背景為黑色，且光源強(qiáng)度穩(wěn)定，則閾值的選取方式為T=1/3(255-0)。

目標(biāo)獲取，需求得觸發(fā)式彈簧在影像中的位置信息。繼影像灰度化和二值化之后，對其結(jié)果進(jìn)行連通域的處理，可求得影像中待檢測彈簧所在的目標(biāo)區(qū)域。因觸發(fā)式彈簧的結(jié)構(gòu)為非標(biāo)準(zhǔn)結(jié)構(gòu)，需通過求取最大連通域的最小外接矩，來獲得檢測區(qū)域的位置信息和尺寸參數(shù)。連通域通過對整幅影像的遍歷方式完成，將一幅二值化影像，從左上角的頂點(diǎn)開始，對每個(gè)像素點(diǎn)及其周圍像素點(diǎn)的像素值判斷并進(jìn)行標(biāo)記。遍歷整幅影像中所有的連通域后，從影中所有的連通域中選取最大連通域，并求取其最小外接矩，可獲取最小外接矩4個(gè)頂點(diǎn)的坐標(biāo)，即待檢測區(qū)域的尺寸參數(shù)，求得彈簧在影像中的位置信息。

影像矯正及ROI提取，即為了滿足后續(xù)影像缺陷融合算法的需求，以提高缺陷檢測的準(zhǔn)確性。由于待檢測區(qū)域的位置在每張采集影像中并不處于規(guī)定的標(biāo)準(zhǔn)位置，所獲取最小外接矩的長、寬并非與影像參考平面的X軸、Y軸相平行，如圖2所示。

圖2 檢測區(qū)域位置

對待檢測區(qū)域進(jìn)行必要的矯正，計(jì)算公式如式(3)所示

(3)

x′=m11*x+m12*x+m13

(4)

y′=m21*x+m22*y+m23

(5)

式中：將(x,y)映射到(x′,y′),其中m11，m12，m21，m22為線性變化參數(shù)，m13，m23為平移參數(shù)。通過矯正算法獲取所需要的結(jié)果，即將待檢測區(qū)域以1∶1的比例，以影像左上角頂點(diǎn)為原點(diǎn)進(jìn)行矯正，使待檢測區(qū)域的長、寬分別與X軸、Y軸相平行。如圖2所示，通過求取非標(biāo)準(zhǔn)位置Ⅰ的參數(shù)H，W，可計(jì)算得到矯正到標(biāo)準(zhǔn)位置的矯正參數(shù)

(6)

(7)

在對影像進(jìn)行矯正后，以坐標(biāo)(0,0)為頂點(diǎn)，以H，W為參數(shù)，將待檢測區(qū)域從采集到的影像中提取出來，即可得到影像預(yù)處理后的結(jié)果。

1.2.2 缺陷識別

影像缺陷檢測包括缺陷的識別、提取以及缺陷的融合。其目的，是識別彈簧是否含有缺陷，并將含有缺陷的彈簧表面中所包含的缺陷部分標(biāo)記并提取出來。

彈簧缺陷的識別、標(biāo)記及提取，是識別出彈簧影像中表面缺陷部分的像素點(diǎn)，并將缺陷部分從整幅影像中分割出來且不改變?nèi)毕莶糠值奈恢眯畔?。在影像預(yù)處理的結(jié)果中，由于觸發(fā)式彈簧自身特殊結(jié)構(gòu)，彈簧邊緣輪廓與缺陷區(qū)域相互干擾。難以通過形態(tài)區(qū)域和位置提取的方式對彈簧的缺陷部分進(jìn)行定位和提取。

因此，根據(jù)預(yù)處理后影像的自身特性。對影像預(yù)處理結(jié)果進(jìn)行灰度值統(tǒng)計(jì)并分析，可發(fā)現(xiàn)含有缺陷彈簧表面的像素點(diǎn)，較彈簧無損表面的像素點(diǎn)和影像自身及影像采集環(huán)境背景部分的像素點(diǎn)相比，在灰度值的分布上具有明顯的差異。因此，可通過聚類的方式，將影像預(yù)處理結(jié)果中的每個(gè)像素點(diǎn)的灰度值作為樣本，進(jìn)行聚類。根據(jù)樣本的內(nèi)在相似性，以迭代的方式將所有的像素點(diǎn)歸類并標(biāo)記，劃分出多個(gè)簇類，通過簇類中心，識別出缺陷部分像素點(diǎn)所在的簇，并提取出來。

(8)

(9)

式(10)中，μy為簇y的中心，ny為簇y的樣本總數(shù)。對所有的簇y=1,…,c進(jìn)行計(jì)算

(10)

可得關(guān)于μ1,μ2,…,μy的凸函數(shù)，求其駐點(diǎn)，即最終得到的簇類中心，并將樣本逐個(gè)分配到距離其最近的聚類中，并重復(fù)這個(gè)過程

(11)

在式(11)中，隨著樣本數(shù)的增加，其優(yōu)化過程的時(shí)間呈指數(shù)級增長，為了加快聚類速度，實(shí)現(xiàn)快速聚類，在樣本初始聚類中心的選定上，可隨機(jī)選擇一樣本為聚類中心，進(jìn)行迭代，可根據(jù)式(12)尋得下一個(gè)聚類中心，再次進(jìn)行迭代，依次進(jìn)行，直到尋找到設(shè)定K個(gè)簇的K個(gè)聚類中心后，進(jìn)行整體迭代，調(diào)整K個(gè)聚類中心，直到再次迭代聚類中心不再變化時(shí)停止迭代，即最優(yōu)解

(12)

對每張預(yù)處理后的影像進(jìn)行快速聚類，可將影像標(biāo)記為K個(gè)簇類，根據(jù)每個(gè)簇類中心的像素點(diǎn)的大小對簇類進(jìn)行排序，選擇缺陷部分代表的簇類，對該簇類內(nèi)的像素點(diǎn)進(jìn)行標(biāo)記，同時(shí)統(tǒng)計(jì)該簇類內(nèi)像素點(diǎn)的數(shù)量，通過像素點(diǎn)的數(shù)量來判斷彈簧表面是否含有缺陷。將代表觸發(fā)式彈簧表面缺陷部分簇類內(nèi)所有的像素點(diǎn)進(jìn)行提取，同時(shí)提取每個(gè)像素點(diǎn)對應(yīng)的X軸和Y軸，即得到影像中彈簧表面的缺陷部分，并保留了彈簧缺陷部分的位置信息。

簇類K值的選取，K值為對預(yù)處理后影像進(jìn)行聚類類別的個(gè)數(shù)。K值的選取基于觸發(fā)式彈簧本身具有的亮度特性，主要包含以下幾個(gè)方面：由于觸發(fā)式彈簧自身呈螺旋上升狀結(jié)構(gòu)，在光照條件下，在觸發(fā)式彈簧彈簧鋼的拐角處，彈簧自身靠近光源的彈簧鋼會對后面的彈簧鋼進(jìn)行遮擋，導(dǎo)致光源無法充分的照射到彈簧內(nèi)部拐角處的彈簧鋼的表面，產(chǎn)生較為明顯的亮度變化；觸發(fā)式彈簧的彈簧鋼為圓柱形結(jié)構(gòu)，光源的光線在照射到彈簧的邊緣部分時(shí)，觸發(fā)式彈簧表面的邊緣部分的亮度會產(chǎn)生由亮到暗的變化。越靠近邊緣部分，亮度越低；觸發(fā)式彈簧在不受力的情況下，彈簧各個(gè)圈之間有固定的間距，在觸發(fā)式彈簧的影像采集系統(tǒng)中，采集區(qū)域的背景部分為黑色吸光材料，因此彈簧各圈的間距部分的亮度極低且較為固定；在靠近的光源的觸發(fā)式彈簧部分，其表面完整無損部分的亮度極高且較為固定；而在觸發(fā)式彈簧表面的缺陷部分，缺陷部分呈現(xiàn)凹痕、凹凸不平的表面現(xiàn)象，光線經(jīng)過缺陷部分時(shí)則會產(chǎn)生折射、反射現(xiàn)象，導(dǎo)致彈簧表面缺陷部分的亮度分布不均勻，相比于彈簧表面完整無損部分的亮度，缺陷部分呈整體較暗的現(xiàn)象。通過對觸發(fā)式彈簧影像的采集，不同光源條件下，不同的彈簧表面下，所采集到彈簧影像的灰度值分布代表觸發(fā)式彈簧表面不同的部分。因此，在對預(yù)處理后彈簧采集影像的像素點(diǎn)進(jìn)行聚類，簇類K值的選擇則根據(jù)彈簧自身不同亮度設(shè)為5類。

缺陷融合，是指將多張影像所提取的缺陷部分融合疊加，最終得到觸發(fā)式彈簧完整的缺陷。彈簧影像經(jīng)過預(yù)處理和缺陷檢測算法后，可獲取觸發(fā)式彈簧表面缺陷部分的影像。但由于彈簧表面缺陷部分像素點(diǎn)的灰度值和彈簧部分邊緣輪廓的像素點(diǎn)的灰度值很相近，因此，所獲取的缺陷部分包含彈簧部分的像素點(diǎn)，在影像預(yù)處理的結(jié)果中，通過Canny邊緣檢測對彈簧的輪廓部分進(jìn)行提取，并刪除彈簧缺陷部分影像內(nèi)所包含邊緣部分的像素點(diǎn)。如式(13)所示

M(A)xorM(B)(xA=xB,yA=yB)

(13)

式中：M(A)，M(B)分別為將兩張圖片的像素集，x，y分別表示像素點(diǎn)的X軸，Y軸。經(jīng)過同樣算法處理，在同一位置，不同光源角度下的彈簧影像進(jìn)行疊加可實(shí)現(xiàn)彈簧表面缺陷部分的完整識別。由于影像在預(yù)處理中，含有彈簧位置矯正的算法。因此每張影像經(jīng)過預(yù)處理和缺陷檢測算法后，所提取到的缺陷部分的位置相對于影像中彈簧的相對位置是不變的，可直接通過影像中的或操作實(shí)現(xiàn)多張圖片的疊加。如式(14)所示

M(A)|M(B)(xA=xB,yA=yB)

(14)

2 系統(tǒng)組成及實(shí)現(xiàn)

2.1 系統(tǒng)組成

觸發(fā)式彈簧檢測系統(tǒng)整體結(jié)構(gòu)如圖3所示，主要分為3個(gè)部分：光源控制系統(tǒng)、彈簧轉(zhuǎn)動(dòng)系統(tǒng)及影像采集處理平臺。

圖3 檢測系統(tǒng)結(jié)構(gòu)框架

影像采集處理平臺的主要實(shí)現(xiàn)影像的采集及處理，并將處理結(jié)果在顯示器界面上的顯示。平臺主要圍繞四核ARM EXYNOS 4412設(shè)計(jì)搭建，影像采集部分的傳感器選用CMOS類型數(shù)字影像傳感器OV5640，像素為500萬，通過MIPI接口與EXYNOS 4412進(jìn)行通信。采用光電觸發(fā)器產(chǎn)生采集起始信號，當(dāng)完成觸發(fā)式彈簧在某一位置下影像采集后，影像采集處理平臺通過RS232與彈簧轉(zhuǎn)動(dòng)系統(tǒng)進(jìn)行通信，控制滾軸帶動(dòng)彈簧發(fā)生位置偏移，進(jìn)行下一位置的影像采集。

光源控制系統(tǒng)由光源驅(qū)動(dòng)板和6塊光源板構(gòu)成，光源選用平行光源，結(jié)構(gòu)如圖1所示。光源驅(qū)動(dòng)板由單核微處理器的控制，電路結(jié)構(gòu)采用電壓電流雙閉環(huán)的反饋回路，實(shí)現(xiàn)6路光源驅(qū)動(dòng)輸出電路的調(diào)壓恒流。光源控制系統(tǒng)通過調(diào)節(jié)6路PWM的占空比來實(shí)現(xiàn)每路光源的亮滅可控，亮度可調(diào)。由于小型觸發(fā)式彈簧為圓柱形結(jié)構(gòu)，在固定位置下的攝像頭只能采集彈簧的正面部分，通過設(shè)計(jì)彈簧轉(zhuǎn)動(dòng)系統(tǒng)實(shí)現(xiàn)彈簧自身旋轉(zhuǎn)，改變當(dāng)前位置的目的。彈簧轉(zhuǎn)動(dòng)系統(tǒng)由電機(jī)驅(qū)動(dòng)板、滾軸、42步型步進(jìn)電機(jī)組成，電機(jī)帶動(dòng)兩個(gè)滾軸經(jīng)同步同方向轉(zhuǎn)動(dòng)，繼而帶動(dòng)觸發(fā)式彈簧轉(zhuǎn)動(dòng)。實(shí)現(xiàn)彈簧進(jìn)行任意角度的旋轉(zhuǎn)，從而采集到彈簧的整體表面。

2.2 系統(tǒng)功能實(shí)現(xiàn)

整個(gè)系統(tǒng)以四核ARM 4412為核心，多個(gè)ARM的協(xié)同控制。搭載Linux內(nèi)核及ext2文件系統(tǒng)，將COMS攝像頭OV5640的驅(qū)動(dòng)掛載在I2C總線上，并配置其以視頻流的方式進(jìn)行采集，傳輸速率為30幀/s。系統(tǒng)監(jiān)控界面及輸出結(jié)果在應(yīng)用層通過QT設(shè)計(jì)，并加載檢測算法實(shí)現(xiàn)缺陷檢測。

出于系統(tǒng)穩(wěn)定性和快速響應(yīng)能力，光源控制系統(tǒng)、影像采集處理系統(tǒng)以及彈簧轉(zhuǎn)動(dòng)系統(tǒng)都單獨(dú)圍繞一塊CPU進(jìn)行設(shè)計(jì)。系統(tǒng)的整體流程如圖4所示，在光源控制系統(tǒng)中，微處理器輸出4組不同頻率和占空比的6路PWM，可得到4組不同角度的多角度復(fù)合光源，4組復(fù)合光源的組成順序分別如圖1所示結(jié)構(gòu)中的：②④→③⑤→①③⑤→②④⑥，根據(jù)多角度復(fù)合光源的打光順序依次進(jìn)行4次影像采集。獲取彈簧在同一位置下的一組彈簧的采集影像。然后，依靠滾軸帶動(dòng)彈簧轉(zhuǎn)動(dòng)，改變彈簧當(dāng)前位置，再次進(jìn)行下一組彈簧影像的采集，最終采集到觸發(fā)式彈簧正反面的全部影像。

圖4 系統(tǒng)處理流程

對采集到的每組彈簧影像依次進(jìn)行算法處理，其過程如圖5所示。以一組彈簧影像為例，依次對一組內(nèi)的4張影像進(jìn)行預(yù)處理，得到彈簧在影像中的位置參數(shù)，根據(jù)位置參數(shù)對原影像進(jìn)行矯正并提取檢測目標(biāo)所在的區(qū)域，然后進(jìn)行缺陷檢測。依次將組內(nèi)4張彈簧影像的表面缺陷部分提取出來，并對缺陷提取的結(jié)果進(jìn)行缺陷融合，最終將檢測結(jié)果顯示在QT監(jiān)控界面上。然后進(jìn)行第二組彈簧影像的算法檢測，以此類推，直至檢測完所有的影像組。最終實(shí)現(xiàn)彈簧全部表面缺陷的檢測。

圖5 圖像算法處理流程

3 系統(tǒng)測試及分析

基于多光源補(bǔ)償采集系統(tǒng)，檢測系統(tǒng)實(shí)物如圖6所示，基于多角度光源補(bǔ)償原理，選用不同角度的光源組成多角度復(fù)合光源。分別選用4組復(fù)合光源，對同一位置下的彈簧進(jìn)行4次影像采集，并對每張采集影像分別進(jìn)行缺陷檢測算法處理，識別采集影像中彈簧位置，對其位置進(jìn)行矯正并實(shí)現(xiàn)彈簧所在區(qū)域的ROI提取，得到彈簧所在的目標(biāo)區(qū)域，通過快速聚類算法對目標(biāo)區(qū)域的影像進(jìn)行聚類，識別彈簧的缺陷部分并進(jìn)行標(biāo)記，繼而實(shí)現(xiàn)對缺陷部分進(jìn)行提取。最終將4張影像中，所提取的缺陷部分進(jìn)行融合，得到彈簧在同一位置下的表面所有的缺陷部分。通過滾軸帶動(dòng)彈簧轉(zhuǎn)動(dòng)，改變彈簧的當(dāng)前位置，重復(fù)上述的操作，實(shí)現(xiàn)彈簧整體表面缺陷的檢測。

圖6 觸發(fā)式彈簧多光源補(bǔ)償檢測系統(tǒng)實(shí)物

3.1 實(shí)驗(yàn)過程

3.1.1 影像預(yù)處理實(shí)驗(yàn)

由于觸發(fā)式彈簧結(jié)構(gòu)特殊及彈簧表面的反光特性，分別選用4組多角度的復(fù)合光源，對同一位置下的觸發(fā)式彈簧進(jìn)行4次影像采集，可得到4張含有不同表面缺陷的彈簧影像。如圖7中原圖所示，在影像預(yù)處理中，通過灰度化、二值化及連通域算法處理，獲取影像中彈簧所在位置并獲得其位置參數(shù)。通過位置參數(shù)，對原圖進(jìn)行位置矯正，對標(biāo)準(zhǔn)位置進(jìn)行ROI截取，得到彈簧所在的目標(biāo)區(qū)域，即預(yù)處理結(jié)果。實(shí)現(xiàn)在保留彈簧影像自身細(xì)節(jié)的基礎(chǔ)上，減小背景環(huán)境的影像，同時(shí)也減小了后續(xù)缺陷檢測算法的運(yùn)算開銷。

圖7 影像預(yù)處理過程

3.1.2 影像缺陷檢測實(shí)驗(yàn)

對彈簧采集影像進(jìn)行預(yù)處理后，對預(yù)處理結(jié)果進(jìn)行快速聚類，并識別、標(biāo)記彈簧表面的缺陷部分。根據(jù)1.2.2小節(jié)中，簇類K值的設(shè)定原理，根據(jù)彈簧在光照條件下，因其自身結(jié)構(gòu)特性所反映出的采集影像像素點(diǎn)灰度值的分布結(jié)構(gòu)。將簇類的個(gè)數(shù)K設(shè)定為5，5個(gè)簇類按照影像中像素點(diǎn)灰度值從低到高的分布，分別為采集環(huán)境的背景部分，彈簧拐角部分，彈簧表面缺陷部分，彈簧邊緣輪廓部分以及彈簧表面完整無損的部分。如圖8中K=5所示，圖中不同灰度值對應(yīng)的部分，表示不同的聚類像素點(diǎn)標(biāo)記的結(jié)果。且快速聚類算法的時(shí)間與簇類K值成正比的關(guān)系，見表1。如圖8中K=4所示，由于彈簧表面缺陷部分和彈簧邊緣輪廓部分的像素點(diǎn)灰度值較為接近，將彈簧缺陷部分和邊緣輪廓部分歸為一類以減少快速聚類的時(shí)間，但其結(jié)果包含太多的偽缺陷，缺陷檢測精確度太低。如圖8中K=6所示，以增加簇類的個(gè)數(shù)來提高彈簧的檢測精度，細(xì)分彈簧邊緣輪廓部分的像素點(diǎn)。但其結(jié)果與K=5相比，結(jié)果相似且快速聚類時(shí)間較長，因此選定K=5的快速聚類方式。

表1 聚類分析

圖8 快速聚類分析

通過K=5的聚類方式，對4張預(yù)處理結(jié)果圖進(jìn)行缺陷檢測算法處理，其結(jié)果如圖9所示，將每張影像中彈簧表面缺陷部分進(jìn)行識別以及標(biāo)記。同時(shí)根據(jù)缺陷部分像素點(diǎn)的位置信息，將彈簧表面的缺陷在其輪廓中定位，最終將彈簧表面缺陷部分提取出來。由于在影像預(yù)處理的過程中，對每張影像進(jìn)行矯正操作，同時(shí)缺陷提取后影像均為二值化影像，因此對同一位置下，不同角度光源下的4張觸發(fā)式彈簧表面缺陷提取的影像，直接進(jìn)行或操作，實(shí)現(xiàn)彈簧缺陷部分的位置疊加，即一組彈簧缺陷影像的融合，最終得到觸發(fā)式彈簧整體表面的缺陷，極大提高了觸發(fā)式彈簧表面缺陷檢測的精確度。

圖9 缺陷提取及融合圖組

3.2 系統(tǒng)測試結(jié)果及分析

通過100根不同缺陷的觸發(fā)式彈簧對本系統(tǒng)進(jìn)行測試，其中隨機(jī)選取6根彈簧及測試結(jié)果，如圖10所示，其中原圖為常規(guī)燈光下所采集矯正后得到的彈簧影像，真值圖為預(yù)期希望得到的彈簧表面缺陷部分，結(jié)果圖為多光源補(bǔ)償檢測系統(tǒng)所檢測到的表面缺陷。對真值圖和結(jié)果圖進(jìn)行IOU計(jì)算，即計(jì)算兩張圖像的交并比

圖10 6組彈簧系統(tǒng)檢測結(jié)果

(15)

式中：C,G分別代表兩張圖像，A,B分別代表不同的集合。通過IOU可驗(yàn)證系統(tǒng)檢測缺陷與預(yù)期中缺陷大小及位置關(guān)系的重合度的比例，以此來評估多光源補(bǔ)償檢測系統(tǒng)對彈簧表面缺陷的檢測的準(zhǔn)確度。并且，測量單個(gè)彈簧檢測消耗的時(shí)間。如表2所示，隨機(jī)選取20組彈簧，統(tǒng)計(jì)其IOU和算法消耗的時(shí)間，均能檢測出含有缺陷的彈簧，單個(gè)彈簧檢測的平均時(shí)間在15 ms左右，IOU達(dá)到0.85以上，即系統(tǒng)檢測缺陷的準(zhǔn)確率可達(dá)到85%以上。

表2 20組彈簧系統(tǒng)檢測結(jié)果

4 結(jié)束語

本系統(tǒng)針對觸發(fā)式彈簧因表面反光特性導(dǎo)致表面缺陷難以檢測的問題，設(shè)計(jì)了一種多角度光源補(bǔ)償?shù)挠跋癫杉幚砥脚_，研究了一種快速聚類缺陷檢測算法，對目標(biāo)區(qū)域的影像進(jìn)行聚類，識別彈簧的缺陷，采用Linux+ARM架構(gòu)，設(shè)計(jì)實(shí)現(xiàn)了一種彈簧表面缺陷檢測系統(tǒng)。測試結(jié)果表明，該系統(tǒng)能有效識別觸發(fā)式彈簧的表面缺陷并進(jìn)行缺陷提取，含有缺陷彈簧的識別率在99%以上，單個(gè)彈觸發(fā)式彈簧表面缺陷提取的準(zhǔn)確率在85%以上，且檢測時(shí)間在15 ms之內(nèi)，系統(tǒng)還具有了較強(qiáng)的抗抖動(dòng)、抗干擾能力。