Page 106 - 无损检测2023年第八期

税法典, 等:

基于机器视觉的数据线焊接缺陷检测

测和机器视觉检测等 [ 1 ] 。射线检测成像直观, 对体 式中:( u , v ) 为窗口移动的大小;( x , ) 为窗口所
y
积型缺陷敏感, 但需要使用目视评测的方式来进行 对应的像素坐标位置; w ( x , ) 为窗口函数; E ( u ,
y
焊接的质量评估 [ 2 ] 。超声检测技术可以有效检测焊 v ) 为以像素点为中心的窗口沿x 和 y 方向分别移
接表面的缺陷, 但检测速度慢 [ 3 ] 。磁粉检测技术主 动 u 和 v 的灰度强度变化; I ( x , ) 为图像在( x , )
y
y
要用于焊接裂纹的检测, 难以检测数据线焊接表面 点的像素值。
的小刮痕 [ 4 ] 。渗透检测主要用于检测表面开口缺 1.2 颜色提取
陷, 但难以对粗糙或表面开口被堵塞的表面进行检 首先, 笔者为表面检测场景定制了一种基于
测。相对而言, 基于机器视觉的焊接表面检测技术, LBP ( 局部二值模式) 的特征提取器, LBP 作为一种
配以合适的图像处理算法, 能很好地对数据线焊接 特征提取方法, 被用来描述图像的局部纹理 [ 11 ] 。
缺陷进行检测。 对于图像中的给定像素, 通过与相邻像素进行
陈滔等 [ 5 ] 利用灰度共生矩阵对采集的 X 射线 比较计算 LBP代码, 可得到
焊接缺陷图像进行特征提取, 然后使用 SVM ( 支持 N- 1
g k -g c 2
向量机) 分类器对缺陷进行分类。高向东等 [ 6 ] 以检 L N , R = ∑ Φ ( ) k
k= 0
测高强钢表面微小焊接缺陷为例, 采用分形维数进 1 , x >0
Φ ( x ) = ( 2 )
行特征提取, 然后根据 Adabost分类算法对特征进
0 , x <0
行分析和训练, 设计了一种基于磁光成像原理的焊 式中: 为中心像素的灰度值; 为其邻域值; N
g k
g c
接缺陷检测方法。高堂盼 采用最大类间方差法对 为涉及的邻域总数; R 为邻域半径。
[ 7 ]
ROI ( 感兴趣区域) 进行图像分割以及特征提取, 实现 此外, 旋转不变量L N , R 可定义为
r
了对锂电芯极耳焊接缺陷的检测与识别。蔡文龙 L N , R =min { ROR ( L N , R β | β= 0 , 1 ,…, N -1 }
r
,)
等 利用 O p enCV 算法获取焊杯轮廓信息, 根据轮廓 ( 3 )
[ 8 ]
面积检测缺焊和漏焊, 实现了对航空插头焊接异常的
,) 表示对
式中: r 可表示旋转不变性, ROR ( L N , R β
检测。李文静等 利用图像分割及焊点缺陷模式识 二进制模式进行 β 倍循环位旋转, 并计算出相应的
[ 9 ]
别的算法实现了电路板主要焊接缺陷的精确检测。 十进制值, 最后保留最小的十进制值作为中心像素
笔者根据数据线焊接区域各个部分颜色特征进
的旋转不变 LBP码。
行分割和识别, 以每种颜色的位置、 面积、 轮廓特征 将 LBP扩展到彩色图像中, 通过与相邻彩色像
为检测依据, 将各个特征分别组合放入 SVM 中进
素比较计算 LBPC ( 彩色图像局部二值模式) 代码,
行分类, 完成了数据线焊接质量检测, 结果表明, 所
即
提检测方法缺陷分类准确率为 96% , 针对性强, 操
N- 1 K- 1
BPC
Φ
g ki-g ci 2 ,

作简单, 具有较高的实用性。 L N , R = ∑ ∑ Θ ( ) k
k= 0 i = 0
( 4 )
1 检测算法原理 1 , x >0 1 , x >2
Θ ( x ) = , Φ ( x ) =
1.1 角点检测 0 , x <0 0 , x ≤2
式中: 为第 i 通道像素的阈值, 为其邻域值的
g ci
g ki
在图像中, 角点具有 3 个特征: ① 其为轮廓之 第 i 个通道上的值; N 为涉及的总数; K 为彩色图

间的交点; ② 对于同一场景, 即使视角发生变化, 其
像通道数。

也具备稳定性质; ③ 该点附近区域的像素点无论在
此外, 彩色图像中旋转不变量可定义为
梯度方向上还是其梯度幅值上都有着较大变化 [ 10 ] 。
BPC
L N , R =
角点检测的基本思想是使用确定好大小的窗口在图
BPC
,)
min { ROR ( L N , R β | β= 0 , 1 ,…, N -1 }( 5 )
像上进行任意方向上的滑动, 比较滑动前后窗口中
1.3 轮廓检测
的像素灰度变化程度, 如果对于任意方向上的滑动,
图像轮廓是图像中非常重要的一个特征信息,
灰度都有较大的变化, 那么可以认为该窗口中存在
通过对图像轮廓的操作, 能够获取目标图像的大小、
角点, 即
位置、 方向等信息。
y ×
E ( u , v ) = ∑ w ( x , ) 求取图像( 灰度或彩色) 中物体轮廓的过程主
x , y
[ I ( x+ u , - y 2 ( 1 ) 要有 4 个步骤 [ 12 ] 。第一步是对图像进行平滑处
y+ v ) I ( x , )]
8
6
2023年 第45卷 第8期
无损检测