发动机包覆层表面缺陷自动检测技术研究

杨建华 刘进圣 金永

1.中北大学电子测试技术国家重点实验室，山西太原 030051；2.辽宁庆阳特种化工有限公司，辽宁辽阳 111002

关键字：包覆层；缺陷；图像增强；阈值分割

一、引言

在现代固体火箭和导弹设计中，包覆层已成为发动机装药的重要组成部分，它是发动机内弹道性能和使用寿命的决定因素之一[1]。在包覆层生产过程中，构成包覆层的化学原料按一定比例配比后形成料浆，再经过高速离心机转动、常温固化、抽真空等一系列操作后，最终形成包覆层。然而由于生产工艺以及原料配比不当的影响，在包覆层的表面可能会产生裂纹、凸起、凹坑等缺陷。这些缺陷会导致包覆层的厚度偏差以及装药量的偏差，若偏差超过指标要求，会影响到发动机的工作性能，甚至会引起安全事故[2]。

针对发动机包覆层表面缺陷的自动检测技术，采用高分辨率大光圈工业相机作为主要检测装置，安装于水平测量臂末端的工业相机在伺服电机的驱动下，对包覆层表面进行等间距自动采集，采用实时的图像增强和阈值分割方法增强缺陷的分辨率，快速判断包覆层表面是否有缺陷存在，并找出缺陷的具体位置和大小。检测结果能够为包覆层生产工艺改进提供依据。

二、缺陷自动检测原理及实现

针对发动机筒状的结构和发动机的直径较大，采用工业相机检测发动机包覆层表面缺陷，采集原理示意图如图1所示。

环形光源和高分辨率的工业相机安装于水平的测量臂末端，另一端与伺服电机驱动机构连接，工业相机对包覆层四周进行360°图像拍摄，其中环形光源提供照明，大光圈的工业相机成像质量高，有助于提高缺陷图像的对比度。

为了防止相机采集的图像发生畸变，在固定摄像装置时微调工业相机的位置，使其焦点与发动机的圆心在水平方向和垂直方向都处于同一平面。

在检测的过程中，一幅图像也可以将整个包覆层拍摄下来，但是图像的清晰度随着拍摄距离的增大，是会出现递减趋势的。即在一幅图像中，某些区域可以达到很高的检测精度，而其他区域则不能，工业相机拍摄图像如图2所示。

因此间距的选择至关重要。尽管间距越小，检测精度越高，但是随之检测的效率也大大降低。结合工业相机的分辨率和视距，选择间距30mm，这样兼顾了检测精度和效率。通过软件编程实现了工业相机等间距检测发动机包覆层表面图像。

三、图像处理

1、图像增强

对发动机包覆层表面进行缺陷检测，采集到大量的包覆表面缺陷图像，由于环境以及噪声的影响，图像比较模糊，分辨率较低,难以准确的定位和识别缺陷如图2所示，缺陷为相对于背景灰度的高灰度和低灰度区域。

本文提出了基于形态学处理高低帽变换结合的图像增强算法，用来提高采集的原始图像的对比度。高帽变换用于突出暗背景上的亮物体，而低帽变换用于突出亮背景上的暗物体，因此采用原始图像加上高帽变换的结果再减去低帽变换的结果的方法，可以使图像前景进一步被拉伸，降低背景灰度的影响，突出细节来增强图像的对比度。高帽变换的定义为原始图像与图像的开运算结果的差，低帽变换定义为原始图像与图像的闭运算的差[3]。

其中，b为5*5结构元素；

将采集的图像加上高帽变换的结果减去低帽变换的结果的算法为：

从而得到增强后的图像F(x,y)如图3所示，在增强后的图像中，缺陷的特征更加明显。

2、阈值分割

为了能更精确的获取包覆层缺陷的大小，需要对增强后的图像进行阈值分割。由于包覆层表面缺陷属于复杂背景上的小目标图像，常用的单阈值方法很难将目标从复杂背景中分割出来，本文采用Ostu双阈值二值化的阈值选取方法来提取包覆层缺陷特征。Ostu阈值分割方法又称“大津阈值法”或“最大类间方差法”，由日本人大津提出，该方法的原理为用某一灰度值将图像分为两部分，当这两部分类间方差最大，同时类内方差最小时，此灰度值就作为图像二值化处理的阈值t[4]。

采用Ostu法得到的阈值t处理后的图像由于前景与背景差数值小导致阈值分割效果不好，本文设计了加权的双阈值t1和t2来分割图像。在阈值t的基础上，设定两个权值k1、k2，调节k1、k2的值,使得二值图像背景与目标缺陷完好的分离处理。

采用上述方法对增强后的图像进行阈值分割结果如图4所示。分割后的图像在图4(a)中有一部分背景没能彻底分离，再进一步通过求分割图像的连通分量并使其单独成像，提取目标缺陷所在的连通分量并显示。如图4(b)所示。目标缺陷完整的显示。采用种子填充算法求的目标缺陷所在连通分量的大小，检测结果如表1所示。

四、结论

采用形态学的方法对图像增强，Ostu双阈值分割的方法提取缺陷特征，对发动机包覆层缺陷进行重复多次的检测，得到大量的数据，检测结果表明，该方法重复性好，准确的检测出了缺陷的具体位置以及缺陷的大小。

表1 检测结果