基于LabVIEW Vision的航空炮弹缺陷检测方案设计

蔺佳哲，王 茜，耿广龙

（空军勤务学院，江苏 徐州 221000）

基于LabVIEW Vision的航空炮弹缺陷检测方案设计

蔺佳哲，王 茜，耿广龙

（空军勤务学院，江苏 徐州 221000）

航空炮弹在勤务保障过程中，容易受到环境和外力的破坏而造成表面的损伤，影响正常的飞行训练甚至危及载机安全。采用虚拟仪器平台提供的LabVIEW Vision视觉开发工具包，结合灰度直方图筛选、Saturation分量图像提取、灰度形态学Erode和Dilate变换以及最大熵阈值分割的图像处理等技术手段，对待测航空炮弹图像进行分析处理，精确判断炮弹锈蚀和划痕缺陷问题。试验结果表明，系统具有较高的可行性和可靠性，可以实现炮弹缺陷的快速鲁棒检测，提高了炮弹检测的效率和精度，对于提升航空弹药保障信息化、智能化水平具有重要意义。

LabVIEW Vision，虚拟仪器技术，航空炮弹，缺陷检测

0 引言

现阶段，空军部队在进行航空炮弹勤务保障作业时，没有科学有效的炮弹缺陷检测方法，基本依托人力，工作效率低、检测精度差，阻碍了空军战斗力的进一步提升。因此，亟待设计一套航空炮弹缺陷检测系统。

借助美国国家仪器公司（NI）提供的视觉开发工具包，可以快速便捷地实现航空炮弹缺陷检测的相关工作，满足空军部队航空弹药的快速保障需求。一般的机器视觉系统由图像采集、图像处理和结果输出3部分构成，其中图像处理技术是核心部分［1-2］。机器视觉简单来说就是利用各类图像采集设备，在一些不适合人眼的危险工作领域以及人眼无法满足测试需求的场合进行测量和判断，是一种快速、鲁棒、非接触和高精准的检测方法［3］。

1 航空炮弹缺陷分析

结合空军部队航空弹药保障经验，如图1所示，航空炮弹缺陷问题主要包括以下两点：

图1 航空炮弹缺陷情况

（1）弹体划痕。在进行航空炮弹弹带排装以及装载飞机的过程中，很可能损伤炮弹弹体，常见情况是留下划痕；

（2）表面锈蚀。由于航空炮弹一旦启封后，经常暴露在空气中，尤其是在炮弹挂飞训练时，环境条件较为恶劣，容易造成航空炮弹表面的锈蚀。

存在缺陷的航空炮弹在飞行训练中可能出现不炸或者早炸的现象，危及载机和飞行员的安全，甚至造成飞行事故。所以，有必要开展航空炮弹缺陷检测的研究，以此消除航空炮弹缺陷问题造成的飞行危险因素。

2 硬件系统的搭建

虚拟仪器的核心理念是软件代替硬件，即利用计算机丰富的数据处理能力简化硬件设计［4-5］。如图2所示，系统的硬件组成较为精简，为了全面检测航空炮弹的缺陷问题，将航空炮弹放置于传送带上，扫描相机的镜头对正需要检测的航空炮弹表面，随着炮弹滚动经过相机时，可以实现炮弹全侧面的图像检测。系统利用NI CVS-1458实现图像信息的采集，虚拟仪器视觉开发工具包实现信息的分析处理，最终的结果显示在触摸屏上。

图2 系统硬件组成

3 缺陷检测软件的设计

利用虚拟仪器技术开发检测系统，其核心部分是软件设计。软件设计之前，首先确定缺陷检测程序的执行顺序，如图3所示，利用NI CVS-1458中的图像采集卡将面扫描相机采集的图像信息传输到虚拟仪器开发平台LabVIEW中，利用灰度直方图的方式进行图像的筛选，灰度直方图可以直接排除明显没有缺陷的待测元件，减轻下一步图像分析的工作量。

图3 缺陷检测软件工作流程

无法排除缺陷的元件视为疑难件，进入重点图像检测流程中进一步分析处理，主要是利用单分量灰度直方图分析和灰度形态学变换协同处理图像信息。处理完成的图像再利用最大熵阈值分割的图像处理技术，将干扰判定的灰度级图像尽可能地排除，直至分离出缺陷部位的精确图像信息。

3.1 图像筛选程序的设计

图4 标准件和待测件灰度直方图

灰度直方图一般用来分析图像的灰度分布情况，以曲线的方式直观地显示不同灰度级像素的个数，横坐标是灰度级，纵坐标是灰度出现的频数［6-7］。缺陷检测软件设计时，通过采集标准件的灰度直方图，以此作为基准，简单判别待测件是否存在缺陷。具体的判别方法是，通过大量统计经验数据，确定在灰度级78～142之间的范围内，基本无缺陷炮弹的像素总数的大小。经统计，刚开封的新品像素总数在47 500左右，堪用品像素总数不会超出46 500～48 300的像素范围。图4中待测件在78～142灰度级间的像素总数为47 503，基本上不存在缺陷。

3.2 单分量图像的灰度分析

由图4标准件灰度直方图可以看出，炮弹图像和背景的灰度级有较多的交叉部分，无法直接利用灰度阈值的分割方法对图像进行处理。

利用视觉开发工具提供的IMAQ ExtractSingle-ColorPlane VI，可以提取图像的单分量，即Red、Green、Blue、Hue（色调）、Saturation（饱和度）、Luminance（亮度）、Value和Intensity共计8个分量。如下页图5、图6所示，不同分量的图像信息和灰度直方图差别较大，可以看出，只有S分量的图片可以清晰的显示出航空炮弹的缺陷部位，且其灰度直方图为双峰（第2个峰值在灰度级135附近）。灰度直方图具有双峰的图像便于使用阈值分割的方法对缺陷信息进行分析处理和特征参数的提取。

图5 单分量图像信息

3.3 图像增强程序的设计

图像增强的相关技术是用来增强图像中目标区域图像的清晰程度，减弱甚至消除干扰判断的图像区域，工业实践中使用较多的是形态学变换的处理方式。形态学变换一般用作提取图像中的颗粒结构，实现图像的平滑处理，处理完成的图像，其灰度特征更为明显，这一方法也可用来滤除图像的噪声［8-9］。

利用灰度形态学IMAQ GrayMorphology函数，将采集的图像进行相关处理。LabVIEW Vision中提供的灰度形态学变换的运算类型有7种方式，分别为自动中值（AutoM）、闭合（Close）、扩张（Dilate）、侵蚀（Erode）、开放（open）、7次闭合和开放（Pclose）以及7次开放和闭合（Popen）。其中Erode运算可以降低被低亮度像素围绕的像素亮度；Dilate运算可以增加被高亮度像素围绕的像素亮度。结合航空炮弹缺陷实际，锈蚀缺陷及其周围图像亮度较低，划痕缺陷及其周围图像亮度较高，所以Erode运算可以将图像中的锈蚀缺陷较为清晰的显示，而Dilate运算可以将划痕缺陷突出显示出来，如图7所示。

3.4 图像阈值分割程序的设计

处理单一分量灰度级的图像时，经常采用图像分割技术。利用图像分割，可以清晰地找出图像中航炮弹体的缺陷信息。具体的方式是采用阈值分割的方法，阈值分割简要来说，就是通过灰度值的取值范围，去除图像中不符合要求的图像部分，只保留所需灰度范围内的图像［10-11］。在工业实践过程中，阈值分割通常有两种算法，即最大类间方差法和最大熵阈值法。其中最大类间方差法处理过后的图像，图像中原本的边界细节特征较为突出；最大熵阈值法则注重整体缺陷信息的突出。因此，本文选用最大熵阈值法进行图像的阈值分割，以此凸显炮弹缺陷部位的图像特征。

图6 单分量图像的灰度直方图

图7 灰度形态学变化前后的图像信息

根据选取的阈值分割最优值，对S分量上的Erode变换和Dilate变换后的图像进行阈值分割处理，得到如图8所示的缺陷图像信息。图8（a）中所示的是炮弹弹体锈蚀缺陷的图像信息，可以看出，炮弹锈蚀的部位主要集中在弹体中部和下部，这两部分是炮弹和弹带连接的地方，由于长期的磨损，容易造成锈蚀；图8（b）中显示出炮弹壳体划痕的缺陷信息，可以看出，划痕部分和锈蚀部分位置基本接近，其特点是划痕小而细。其中，图8（b）中标记区1是壳体反射闪光灯的干扰图像，不是划痕缺陷，标记区2是一道明显的划痕。

图8 锈蚀缺陷和划痕缺陷的图像信息

3.5 缺陷特征分析

通过调用IMAQ Particle Analysis VI函数，可以计算图8中锈蚀和划痕缺陷区域的面积，通过缺陷面积占壳体总面积的百分比定量判断航空炮弹的合格与否。经过试验验证，锈蚀缺陷利用该方法进行判断准确性较高，完全满足测试需求；但是，划痕缺陷需要对计算的面积进行部分修正才能满足检测需求。

由于划痕缺陷采用Dilate形态学变换的处理方式，壳体反光部分随着划痕图像的增强也进一步凸显出来，所以，需要在缺陷面积的基础上减去反光部分的面积，这样的设计大大提高了检测系统的鲁棒性能。同时，根据炮弹划痕的实际情况，需要设计专门的识别程序，匹配划痕图像中是否存在5 px×30 px的缺陷区域，如果存在，直接判定为不合格炮弹。

4 航空炮弹缺陷检测试验

航空炮弹图像经过缺陷分析处理，分析结果如表1、表2所示。由表1可以看出，利用锈蚀缺陷面积占整个图像面积的百分比，可以定量判断炮弹表面锈蚀缺陷的情况。需要强调的是，整个图像区域包括炮弹周围的背景区域。统计经验表明，如果锈蚀缺陷面积所占百分比超过6%，则可以判断该炮弹锈蚀严重，无法继续使用。

对于划痕缺陷的分析较为复杂，首先计算缺陷面积的像素总数，然后去除反光干扰的像素面积，得到修正后的面积总数，根据其占整个图像的百分比粗略判断炮弹划痕缺陷是否合格。然后，依据图像中是否存在5 px×30 px的划痕缺陷最终判定炮弹弹体划痕是否满足使用要求，如果存在这样的区域，此炮弹无法继续使用，需要及时更换。由第2组、第6组数据可知，缺陷面积相对较小的炮弹也可能存在致命划痕，即5 px×30 px的划痕缺陷。

表1 锈蚀缺陷分析结果

表2 划痕缺陷分析结果

5 结论

经过实验分析可知，本文设计的缺陷检测系统完全满足航空炮弹缺陷检测的相关使用需求，利用灰度直方图筛选，大大降低了检测系统的工作量。借助单分量灰度直方图分析、Erode和Dilate灰度形态学变换，实现炮弹壳体缺陷图像的增强，为最大熵阈值分割的图像处理奠定了基础。通过缺陷区域像素面积的计算和矩形缺陷区域匹配的特定分析，最终准确判定了航空炮弹的缺陷问题。

在航空弹药保障作业中，还存在很多方面需要进行视觉缺陷检测，比如空空导弹的舵面检测、红外制导弹药导引头整流罩检测等。因此，本文设计的缺陷检测系统具有一定的推广价值。

［1］黄震，顾启民.高精度插件引脚机器视觉检测系统的研究与开发［J］.机床与液压，2015，43（16）：139-142.

［2］蔡述庭，郭金华.基于机器视觉双尖灯泡灯丝同轴检测系统［J］.计算机工程与设计，2015，36（9）：2591-2595.

［3］张巧丽，李光明，王孝敬.模式匹配方法的LabVIEW设计与实现［J］.计算机工程与设计，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.应用灰度直方图特征识别木材表面节子缺陷［J］.激光与光电子学进展，2015，52（3）：199-204.

［7］王崴，王晓军，刘晓卫，等.基于图像复杂度的图像分割算法［J］.探测与控制学报，2015，37（3）：5-9.

［8］罗元.基于改进的形态学灰度图像边缘检测算法［J］.半导体光电，2014，35（5）：941-944.

［9］王立欣，孙正.血管内超声图像序列关键帧的自动检索［J］.光电工程，2015，42（10）：83-89.

［10］宋斌，杨恢先，曾金芳，等.基于平均中值离差的二维最小误差阈值分割法［J］.激光技术，2015，39（5）：717-722.

［11］陈金位，吴冰.二维直方图重建和降维的Otsu阈值分割算法［J］.图学学报，2015，36（4）：570-575.

［12］岑誉，高健.基于LabVIEW的电容器缺陷检测系统研究［J］.组合机床与自动化加工技术，2014，56（10）：80-84.

［13］周靖鸿，周璀，朱建军，等.基于非下采样轮廓波变换遥感影像超分辨重建方法［J］.光学学报，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

蔺佳哲（1991- ），男，河北张家口人，硕士研究生。研究方向：机载弹药技术维护。