基于红外光电成像的后挡玻璃加热丝检测方法

周庆飞，张 雷

(1. 中国科学院大学，北京 100000； 2. 江苏物联网研究发展中心 光电信息中心，江苏 无锡 214000； 3. 华东师范大学 空间信息与定位导航上海高校工程研究中心，上海 200062)

基于红外光电成像的后挡玻璃加热丝检测方法

周庆飞1,2，张 雷2,3

(1. 中国科学院大学，北京 100000； 2. 江苏物联网研究发展中心 光电信息中心，江苏 无锡 214000； 3. 华东师范大学 空间信息与定位导航上海高校工程研究中心，上海 200062)

加热丝一般是通过网印的方式将专用的导电银浆印刷到玻璃的表面，玻璃经钢化后，导电银浆烧结到玻璃表面。但是生产的加热丝很容易出现加热丝断裂和异常高温点等质量问题，传统的后挡玻璃加热丝检测方法多采用接触法初略检测其电阻值，根本无法检测出后挡玻璃是否存在加热丝断裂和异常高温点。针对这一问题，提出了一种基于红外光电成像的汽车后挡玻璃加热丝检测方法，即用红外热像仪获取汽车后挡玻璃加热丝通电加热后的热像图，基于该图进行图像预处理和细化处理，然后对其中的后挡玻璃加热丝的根数进行识别统计。将该方法应用在汽车后挡玻璃生产线上后，可以有效检测出每块后挡玻璃的加热丝是否存在缺陷，提高了玻璃生产线的检测效率。

加热丝；红外热像图；细化

Abstract: Heating wire’s printing is generally through the screen printing method to dedicate conductive silver on the glass surface, after tempering, conductive silver paste sintered to the glass surface. But the production of heating wire is prone to appear fracture and have abnormal high temperature points and other quality problems, and the traditional method of heating wire detection is just to detect its resistance value, simply can not detect the presence of the breakage and high temperature points. Aiming at this problem, this paper presents a detection method of the heating wire of automobile rear glass based on infrared photoelectricity,through obtaining the thermal image of the heating wire of the glass after the heating wire is heated by the infrared thermal imager. After pretreatment and refinement processing, the number of the heating glass in the rear glass is counted and the abnormal high temperature points is labeled. The method can effectively detect whether the heating wire of each rear glass is defective and can improve the detection efficiency.

Key words:heating wire; infrared image; thinning

0 引言

汽车后挡玻璃上的加热线用于除霜雾，已成为汽车必不可少的装置之一[1]。车后挡玻璃除霜加热线可用于快速消除后挡玻璃上的霜雾，直接影响到汽车的舒适性和安全性[2]。在后挡玻璃生产线上，加热丝的检测多采用人工抽检的方式检测其电阻以及人工在线肉眼监视的方法，但人工检测速度慢，人眼检测还会受到外界因素的影响[3]，所以传统的检测方法效率低下且不能检测出是否存异常高温点和加热丝断裂等缺陷，很容易让存在加热丝缺陷的后挡玻璃流入市场，既影响了公司形象又增加了售后成本。贾倩倩等人为了在光切法三维形貌测量中快速准确提取光条的中心位置，保证测量精度，研究了一种光条中心的亚像素提取方法[4]；李大鹏等人在对裂纹红外无损检测的试验和数值研究基础上，研究了裂纹特征提取算法，制定了裂纹重建流程[5]；彭向前等人设计了浮法玻璃质量在线检测与分析系统[6]。针对后挡玻璃加热丝的红外图像，快速、有效、准确地从图像提取出直线与曲线对于准确构建识别对象模型具有很重要的意义[7]。所以需要一种高效的检测方法帮助其解决质量检测问题。本文提出了一种基于红外的方法，不但可以实时检测出每块后挡玻璃加热丝的电阻和功率等数据，而且可以检测其是否存在异常高温点和加热丝断裂等缺陷，并可以获取、保存有缺陷的后挡玻璃的热像图等数据，以供后续的分析。

其中，存在异常高温点的缺陷是生产的后挡玻璃的加热丝上某一点或某一区域的导电银浆太集中，使该点在正常加热时温度远高于安全温度，存在这种高温点的后挡玻璃很可能在使用的时候烧坏后挡玻璃的贴膜，甚至会灼伤乘客；存在加热丝断裂的缺陷的后挡玻璃加热丝是其局部或者边缘处的导电银浆出现断开，使加热丝形成断路，所以这部分加热丝不会被加热，影响后挡玻璃的整体加热效果，是很严重的质量问题。基于红外光电成像的后挡玻璃加热丝检测方法是用可编程电源加载电压在后挡玻璃加热丝两端，由于加热丝是导电银丝，通电一段时间后加热丝的温度会明显高于周围玻璃的温度，获取加热丝的红外热像图，可以分辨出被加热的加热丝部分，经过图像预处理和细化处理后，可以有效识别加热丝，并可以在检测的过程中获得区域的最高温点和加热丝的电阻、功率等数据。实验结果表明，该检测方法可以准确检测出后挡玻璃的加热丝根数和异常高温点，适用于生产车间流水线检测。

1 系统硬件框图

系统硬件框图如图1所示。系统的硬件部分主要由红外热像仪、可编程电源、I/O模块和四色指示灯四个部分组成。该硬件系统设计的主要目的是给后挡玻璃加热丝通电并获取其通电后的红外图像，以便于系统后续进行图像预处理、识别检测和数据处理等。

图1 系统硬件框图

异常高温点的检测方法是获取图像的最高温度值，将该值与设定的阈值进行比较从而做出判断；而是否存在加热丝断裂的缺陷则需要运用下文的图像处理和加热丝识别算法。

2 图像预处理

如图2所示，后挡玻璃的加热丝部分在通电加热后其温度上升明显，通过红外热像仪获取到其红外图像，可以很清晰地分辨出图像中的加热丝。但是为了凸显出其中的加热丝部分，采用了差值法对其进行处理。

图2 加热丝通电加热前后对比

本文所采用的差值法为：保证后挡玻璃板不移动的情况下，把加热丝通电加热前的一帧图像作为基础帧f0，经通电加热一段时间后的一帧图像作为f1，将两帧红外图像相减可以得到差异帧：

fd=f1-f0

(1)

做差值处理后的图像如图3所示。由于做差值处理后图像中还存在很多噪声，本文首先针对差值处理后的图像做中值滤波处理，去除图像中的椒盐噪声；然后做维纳滤波，因为维纳滤波对高斯噪声和乘性噪声都有明显的抑制作用；最后根据所检测目标的特点，即线的方向为接近竖直方向的曲线，采用特殊算子对图像进行连接处理，即弥补滤波过程中造成的加热丝局部断裂现象，最后利用形态学的膨胀腐蚀消除最后的噪点，流程如图4所示。

图3 做差值处理后的图像

图4 滤波去噪流程

获得差异帧fd并做滤波处理后，为方便后续的识别，需要对预处理后的图像进行二值化，该方法中选择的是迭代阈值法[8]对图像进行二值化。

3 识别算法

3.1传统的边缘检测方法

Canny边缘提取效果如图5所示。分析图像后发现，图中的加热丝部分和周围背景存在明显的差异，可以提取加热丝的边缘，即提取出感兴趣的部分，有利于加热丝根数的检测和识别。

图5 Canny边缘提取效果

传统的方法一般是采用边缘检测的方法来对图像进行边缘提取，凸显出加热丝的边缘，然后针对边缘提取后的图像进行识别统计，算法描述如下：

(1)用Canny算子对图像进行边缘提取；

(2)按照设定的检测区域由左边界开始从左至右扫描图像，记录每行出现灰度值跃迁的次数Lx；

(3)找出所记录的扫描结果中出现最多的数LMax，将LMax作为识别出的线数结果。

该识别方法是基于提取的加热丝的边缘来对根数进行识别，缺点是一旦操作人员的肢体或者其他设备进入图像会对使识别出错，且线的边缘出现的毛刺会对识别结果带来很大的影响，识别出的根数往往大于实际的根数，识别准确率不能达到要求，需要对图像中感兴趣的部分，也就是加热丝的白线的提取方法和统计的方法进行改进。

3.2加热丝细化提取

观察发现所识别的加热丝的形状一般是接近直线的曲线段，且每条线段都有一定的宽度，因此可以采用细化算法将二值图像中的加热丝细化，即保证原线连通且保持原来形状的的情况下，将图像中每条曲线的宽度细化为一个像素。陈瑞改等人研究了一种干涉条纹中心线提取与细化的新方法[9]，但是由于系统是应用在实际的生产线上，对于检测的效率要求比较高，因此需要采取一种高效的细化算法对图像中的加热丝部分进行细化，以利于后续的识别，可以利用像素八邻域的连通性对其进行统计[10]。

如图6所示，某像素点为P(x,y)，则在其周围总共存在8个相邻的像素点，称为该像素的八邻域，分别为P1(x-1,y-1)、P2(x,y-1)、P3(x+1,y-1)、P4(x-1,y)、P5(x+1,y)、P6(x-1,y+1)、P7(x,y+1)、P8(x+1,y+1)。

图6 像素P(x,y)的八邻域

本文采用的细化算法是基于像素点P(x,y)邻域点的个数和邻域块数来对像素进行处理，其中的邻接块的概念是用来表示周围邻接点的连通的情况，用图7来说明具体的含义。其中*表示正在被处理的像素点，该像素点的八邻接点的位置标记如图7(a)所示，图7(b)～(d)中标为1的位置的像素为图像像素，标为0的为背景像素。其中图7(b)中的2,3,4,5位置的点是连通的，8位置的点是单独一个区域，所以图7(b)的邻接块数为2；图7(c)中2,3位置的点是连通的，6,7位置的点是连通的，所以图7(c)的邻接块数为2；图7(d)中2位置和4位置和6位置都分别为单独的区域，所以图7(d)的邻接块数为3。

图7 P(x,y)邻接块

细化算法可描述为将检测目标细化的过程等价于将细化对象外层的像素不断玻璃，直到获得连通线是单个像素，所以其中最关键的是删除的规则。同时,细化的过程中要保证对象的连通性，并且细化后的单像素曲线最好是原曲线的中心线，因此，可以得出像素不可以删除的限制条件是：

(1)该像素是端点(即只有一个邻接点)；

(2)删除该像素之后破坏原来线的连通性[11]。

图8举出了一些例子来说明该细化算法中删除像素点的规则。其中,在图8(a)～(d)中的情况下，该像素点是不可以被删除的，因为删除后会破坏线原来的连通性。而在图8(e)和图8(f)的情况下像素点是可以删除的，因为删除前后的线的连通性不会被改变。

图8 删除规则说明

综上所述，便可概括出像素点可以被删除的所有情况，由统计出的像素邻接点的数量(用Node.Sum来表示)和邻接块的数量(用Node.Count来表示)对相应的像素点进行删除，以实现细化。

图像识别步骤如下：

(1)将细化后的图像进行连接处理，消除小的断裂；

(2)从左向右、从上到下扫描图像，记录每行的像素的灰度值，依次统计每行等间隔出现波峰的区域，计算波峰间隔的平均值Dis。

(3)将开始等间隔出现波峰的横坐标的最小值记录为Xmin，将等间隔出现波峰的横坐标的最大值记录为Xmax，确定统计区域为[Xmin-2Dis,Xmax+2Dis]。

(4)在统计区域内，从左到右统计每行的峰值数County,根据设置的区域数，统计每个区域所有行中出现最多的峰值数作为该区域识别出的加热丝的根数。

图9为将细化后的图像从上到下等间隔取5条线，然后绘制其每行的灰度值，可以看到每行集中出现峰值的区间约为[180,380]，每行的灰度曲线这个区间内出现的波峰个数均为17，最终的识别结果为17根。该算法相对边缘提取方法的优势是：将加热丝细化为单像素宽度的曲线，能更有效地提取加热丝，并且可以防止工作人员肢体或设备对图像的干扰，如图9中的第二和第三条灰度曲线，步骤(3)中确定的统计区域有效防止了对根数统计的影响。

图9 统计算法说明

4 实验结果与分析

为了验证算法的有效性，将该方法用C#编写为具体的代码在软件中实现，图10所示为实际检测的结果，方框部分标注出的为每根加热丝的标记,左图中的后挡玻璃加热丝不存在质量问题，右图中的下方区域存在一根断的加热丝。经过验证，该检测方法可以将检测的准备率控制在98.5%以上，与传统的检测方式相比，该方法具有无视电路结构复杂性、非接触测量、扩展性强和识别率高等优点。

图10 实际检测结果展示

与经典的Steger、Hilditch、Pavlidis等细化算法相比，本文采用的细化算法优点是效率高，细化效果好。该检测方法和系统已成功应用在具体的生产检测中。

5 结论

本文提出一种基于红外光电成像的汽车后挡玻璃加热丝检测方法，成功将细化算法应用在后挡玻璃加热丝的红外图像检测识别上。该方法可以有效检测出后挡玻璃

加热丝可能存在的各种缺陷，不仅提高了生产线上产品检测的效率，还可以将每块玻璃的平均检测时间控制在为3 s以内，保证了检测效率和准确率。

同时，本文提出的一整套的硬件系统和解决方案，不仅扩展性强，而且稳定性高，针对传统的人工抽检无法检测出后挡玻璃存在的各种缺陷的不足，可以检测出每一块的后挡玻璃的加热丝存在的质量问题，并可以将检测的各项数据保存至数据库。该系统已成功应用于天津和上海等汽车后挡玻璃生产厂的生产线上。另外，本文提出检测的方法适用于检测其他一些通电或加热后温度有明显变化的产品或材料。

[1] 付明，陈栋.汽车后挡玻璃银加热线的耐酸性研究[J].材料导报，2010,24(22)：113-115.

[2] 陈栋.汽车后挡玻璃加热线银浆研究[D].武汉：武汉科技大学，2010.

[3] 赵健，高军，罗超，等.基于数字图像处理的玻璃缺陷在线检测系统[J].电子技术应用，2013,39(12)：90-92.

[4] 贾倩倩, 王伯雄, 罗秀芝.光切法形貌测量中光条中心的亚像素提取[J].光学精密工程, 2010, 2(2):390-396.

[5] 李大鹏, 张利群, 赵岩松.红外无损检测中的裂纹特征提取和图形重建方法研究[J].计算机测量与控制,2005,13(7):624-626.

[6] 杨成, 闫治国, 朱合华，等.公路隧道衬砌质量红外热像检测技术初探[C].运营安全与技能环保的隧道及地下空间交通基础设施建设第四届学术研讨会，2013：137-140.

[7] 彭向前，谢经明，陆万顺，等.浮法玻璃质量在线检测与分析系统[J].玻璃，2009，36(12):43-46.

[8] 汪海洋,潘德炉,夏德深.二维Otsu 自适应阈值选取算法的快速实现[J]. 自动化学报, 2007, 33(9): 968-971.

[9] 陈瑞改, 陈怀新.干涉条纹中心线提取与细化的新方法[J].激光杂志, 2006, 26(5):40-41.

[10] 赵京东, 叶传秀.连通和连通边缘跟踪中的梯度函数[J].计算机工程与应用, 2008, 44(33):181-183.

[11] 张翌.复杂场景下直线与曲线检测方法研究[D].长沙：湖南大学，2014.

Detecting method of heating wire for rear glass based on infrared optoelectronic imaging

Zhou Qingfei1,2, Zhang Lei2,3

(1. University of Chinese Academy of Sciences, Beijing 100000, China; 2. Photoelectric Information Center, JiangSu R&D Center for Internet of Things, Wuxi 214000, China; 3. Space Information and Positioning Navigation Shanghai University Engineering Research Center, East China Normal University, Shanghai 200062, China)

TP274+.52

A

10.19358/j.issn.1674- 7720.2017.18.027

周庆飞，张雷.基于红外光电成像的后挡玻璃加热丝检测方法[J].微型机与应用，2017,36(18)：92-95.

2017-03-21)

周庆飞(1990-)，通信作者，男，硕士研究生，主要研究方向：红外光电、红外图像处理、信号处理等。E-mail:357604901@qq.com。

张雷(1978-)，男，博士，教授，主要研究方向：电子与信息、光电子物理、卫星导航定位等。