第３７卷第２期 兵器装备工程学报 ２０１６年２月 【机械制造与检测技术】 ｄｏｉ：１０．１ １８０９／ｓｃｂｇｘｂ２０１６．０２．０２６ 基于机器视觉的弹壳表面缺陷检测系统设计 苟文韬，谢蔚卿 （西南自动化研究所，四川绵阳６２１０００） 摘要：针对落后的检测弹外观品质工艺，利用机器视觉技术，设计了包含基于线阵相机的图像采集方式、缺陷分割 算法以及缺陷分类算法的一套完整的解决方案。试验表明，该方案能准确实现对缺陷的分割和分类。 关键词：机器视觉；弹；表面缺陷；检测；分类 本文引用格式：苟文韬，谢蔚卿．基于机器视觉的弹壳表面缺陷检测系统设计［Ｊ］．兵器装备工程学报，２０１６（２）：１０５ —１０８． Ｃｉｔａｔｉｏｎ ｆｏｒｍａｔ：ＧＯＵ Ｗｅｎ—ｔａｏ，ＸＩＥ Ｗｅｉ—ｑｉｎｇ．Ｃａｒｔｒｉｄｇｅ Ｃａｓｅ Ｓｕｒｆａｃｅ Ｄｅｆｅｃｔ Ｄｅｔｅｃｔｉｏｎ Ｓｙｓｔｅｍ Ｄｅｓｉｇｎ Ｂａｓｅｄ ｏｎ Ｍａｃｈｉｎｅ Ｖｉｓｉｏｎ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆＯｒｄｎａｎｃｅ Ｅｑｕｉｐｍｅｎｔ Ｅｎｇｉｎｅｅｒｉｎｇ，２０１６（２）：１０５—１０８． 中图分类号：ＴＰ３９１；ＴＪ２ 文献标识码：Ａ 文章编号：１００６—０７０７（２０１６）０２—０１０５—０４ Ｃａｒｔｒｉｄｇｅ Ｃａｓｅ Ｓｕｒｆａｃｅ Ｄｅｆｅｃｔ Ｄｅｔｅｃｔｉｏｎ Ｓｙｓｔｅｍ Ｄｅｓｉｇｎ Ｂａｓｅｄ ｏｎ Ｍａｃｈｉｎｅ Ｖｉｓｉｏｎ ＧＯＵ Ｗｅｎ—ｔａｏ，ＸＩＥ Ｗｅｉ—ｑｉｎｇ （Ｓｏｕｔｈｗｅｓｔ Ａｕｔｏｍａｔｉｏｎ Ｒｅｓｅａｒｃｈ Ｉｎｓｔｉｔｕｔｅ，Ｍｉａｎｙａｎｇ ６２１０００，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎ ｏｒｄｅｒ ｔｏ ｉｍｐｒｏｖｅ ｔｈｅ ｂｕｌｌｅｔ ｄｅｆｅｃｔ ｄｅｔｅｃｔｉｏｎ ｐｒｏｃｅｓｓ ｌｅｖｅｌｓ ｗｉｔｈ ｔｈｅ ｍａｃｈｉｎｅ ｖｉｓｉｏｎ ｔｅｃｈｎｏｌｏ— ｇＹ，ｗｅ ｄｅｓｉｇｎｅｄ ａ ｃｏｍｐｌｅｔｅ ｓｅｔ ｏｆ ｓｏｌｕｔｉｏｎ ｉｎｃｌｕｄｅ ｉｍａｇｅ ａｃｑｕｉｓｉｔｉｏｎ ｗａｙ ｂａｓｅｄ ｏｎ ｌｉｎｅａｒ ＣＣＤ，ｄｅｆｅｃｔｓ ｓｅｇｍｅｎｔａｔｉｏｎ ａｌｇｏｒｉｔｈｍｓ ａｎｄ ｄｅｆｅｃｔｓ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｌｇｏｒｉｔｈｍｓ．Ｔｈｅ ｒｅｓｕｌｔｓ ｏｆ ｔｈｅ ｅｘｐｅｒｉｍｅｎｔ ｓｈｏｗ ｔｈａｔ ｔｈｉｓ ｓｏｌｕｔｉｏｎ ｗｏｒｋｓ ｗｅｌｌ ｉｎ ｄｅｆｅｃｔｓ ｓｅｇｍｅｎｔａｔｉｏｎ ａｎｄ ｃｌａｓｓｉｆｉｃａｔｉｏｎ． Ｋｅｙ ｗｏｒｄｓ：ｍａｃｈｉｎｅ ｖｉｓｉｏｎ；ｂｕｌｌｅｔ；ｓｕｒｆａｃｅ ｄｅｆｅｃｔ；ｄｅｔｅｃｔｉｏｎ；ｃｌａｓｓｉｆｉｃａｔｉｏｎ 在弹壳生产过程中，由于冲压设备、加工工艺、原材料及 化学成分等因素的影响，导致弹壳外观出现表面线痕、油渍、 缺口、尺寸偏差等缺陷。从弹诞生到目前为止，弹外观 易，特征数值的计算也更方便。由于弹壳的弧形表面和材料 的因素，光照射到表面上会产生强反光，弹壳轻微的摆动都 会对进光量产生影响，普通的光源或单一的线光源并不能使 弹壳表面亮度均匀。本检测系统采用了两个白色线光源从 左右两侧对弹壳进行照明，照明方式如图１所示。其中一个 主光源亮度较低，起主要照明作用，亮度低、弹壳微小摆动引 起的变化量很小；另一个副光源亮度较大，作为光源补偿，提 高图像的整体灰度。实际应用时，需要对光源的安装角度进 行各种调整测试，才能确定相机和光源的最佳相对角度。弹 壳被上方压弹壳机构压紧，弹壳下方旋转机构带动弹壳旋 转，利用线阵相机对弹壳表面逐行进行连续扫描形成二维图 品质检测方式基本上还是依靠手工测量和目视检测这种传 统的检测方法。采用机器视觉技术对弹缺陷检测在国内 已经开始研究ｌ】－３ｊ，这也代表着弹外观品质检测的发展 力‘向 ｌ 图像采集 本系统采用了基于线阵相机采集图像的方式，这种方式 采集到的弹壳表面图像为矩形形状，对缺陷的准确分割更容 像，达到对其整个表面进行完整图像采集的目的。 收稿日期：２０１５—０８—１８；修回日期：２０１５—０８—２９ 基金项目：８６３计划（２０１４ＡＡ０４１６０４） 作者简介：苟文韬（１９８９一），男，主要从事机器视觉及模式识别研究。 １０８ 兵器装备工程学报ｈｔｔｐ：／／ｓｃｂｇ．ｑｋｓ．ｃｑｕｔ．ｅｄｕ．ｃｎ／ 设有一组ｎ维特征向量 和其类别标签ｗ。通过定义可 区分的超平面得到两类的判别函数ｗ· ＋ｂ＝０。为了最大 化间隔，定义两个平行的超平面Ｗ· ＋ｂ＝１，Ｗ· ＋ｂ＝一１， ４ 结论 采用机器视觉技术检测弹外观缺陷对于降低人工劳 动强度、提高检测效率和产品品质等有重要意义。本研究从 图像采集、图像分割、模式识别３个方面介绍了弹壳缺陷检 测解决方案。试验表明，该设计方案成功实现了亮、暗缺陷 的准确分割，对缺陷的分类也取得了很好的分类效果。 经过支持向量，并且它们之间没有训练模式。则对于所有的 训练模式 必须满足下面的不等式： Ｗ （Ｗ· ＋ｂ）≥１ （７） 这个超平面的距离是２／Ｊｌ Ｗ ｌｌｏ为了最大化间隔，需要 最小化Ｉ ＩＷ １Ｉ，运用拉格朗日原理表述这个最小化问题，从而 简化优化过程，最后计算可得到判别函数为 ，（ ）：∑。 （ ． ）＋６ （８） 参考文献： ［１］ 张亚军，齐杏林，董成基．机器视觉下基于灰度值形态学 使用核技巧可以把这种方法推广到非线性可分的问题 中。线性支持向量分类器的点积可以用非线性核函数来 代替 ｋ（ ， ）＝ （ ）· （ ） （９） 产生的判别函数是 ＿厂（ ）＝∑ａｉｗ （ ， ）＋ｂ （１ｏ） 以１５０组弹壳表面缺陷作为训练样本，采用支持向量机 方法训练样本得到缺陷分类器，其中非线性核函数为Ｓｉｇ— ｍ。ｉｄ函数 ，并对５０组测试样本进行分类，结果如表２ 所示。 表２支持向量机分类结果 的弹钢芯表面检测［Ｊ］．四川兵工学报，２０１２，３３（６）： ５９—６１． ［２］ 苟文韬，诸洪，刘彬，等．一种基于自适应阈值的弹壳表 面缺陷分割方法［Ｊ］．四川兵工学报，２０１５，３６（１）：１２２ —１２３． ［３］ 孙文缎，叶玉堂．基于线阵相机采集平台的弹表面质 量检测技术［Ｊ］．兵工自动化，２０１３，３２（１）：８７—９０． ［４］ 党兴菊，吴文良．最小二乘法拟合直线公式的初等推导 ［Ｊ］．重庆科技学院学报，２０１０，１２（４）：１８４—１８７． ［５］ ＣＨＵＴＡＴＯＰＥ Ｏ，ＧＵＯ Ｌｉｌｆｅｎｇ．Ａ ｍｏｄｉｆｉｅｄ Ｈｏｕｇｈ ｔｒａｎｓ— ｆｏｒｍ ｏｆｒ ｌｉｎｅ ｄｅｔｅｃｔｉｏｎ ａｎｄ ｉｔｓ ｐｅｒｆｏｒｍａｎｃｅ［Ｊ］．Ｐａｔｔｅｒｎ Ｒｅｃ— ｏｇｎｉｔｉｏｎ，１９９９，３２（２）：１８１—１９２． ［６］ 张德丰．ＭＡＴＬＡＢ数字图像处理［Ｍ］．北京：机械工业出 版社，２ｏｏ９：２２３—２２４． ［７］王植．一种基于Ｃａｎｎｙ理论的自适应边缘检测方法［Ｊ］． 中国图像图形学报Ａ辑，２００４，９（８）：９５７—９６２． ［８］ 张洪涛．钢板表面缺陷在线视觉检测系统关键技术研究 ［Ｄ］．天津：天津大学，２００８：６２—６４． ［９］ 李晓冬，康戈文．基于数字滤波器的镀锌板缺陷分割 ［Ｊ］．电子科技大学学报，２００５，３４（３）：３８９—３９１． ［１０］刘洪－江．基于机器视觉的毛杆缺陷检测技术的研究 ［Ｄ］．广州：广东工业大学，２０１１：８５—９０． ［１１］ＴＨＥＯＤＯＲＩＤＩＳ Ｓ，ＫＯＵＴＲＯＵＭＢＡＳ Ｋ．模式识别［Ｍ］．４ 版．北京：电子工业出版社，２０１０：８１—９７． （责任编辑唐定国）
