全自动生产线上制动盘无损检测方法的研究

李 静，韩 慜，段元成，张立军

（长春工业大学 机电工程学院，吉林 长春 130012）

1 引言

制动盘故障在车辆事故中占有较大比重，对其进行周期性无损检测是确保人身安全的关键因素，所以对制动盘进行检测十分重要。在众多的无损检测方法中选择一种适合的方法进行检测，是确保制动盘检测的经济性和效率性的关键。通过介绍磁粉检测的优势，提出并利用复合式阈值分析算法进行检测。

2 检测方法的选择与检测原理

无损检测方法包括力学和光学检测，射线检测，电学和电磁检测，声和超声检测，热力学方法和化学分析方法[1]。无损检测主要是用来检测材料和结构的宏观缺陷，从而完成人们对生活或工业的要求。目前应用最广的无损检测方法是涡流检测法，磁粉检测法，液体渗透检测法，射线检测法和超声检测法[2]。相比于磁粉检测，其他检测方法的劣势，如表1所示。

表1 其他检测方法的劣势Tab.1 Disadvantages of Other Detection Methods

制动盘材料一般是灰铸铁或添加Cr、Ni等合金铸铁这类磁性物质，磁粉检测可以发现裂纹，夹杂，折叠和输送等多种缺陷，并且能直观的表示出缺陷的形状大小和严重程度，具有很高的灵敏度，可以检测到最小宽度可到达0.1um，不受形状限制，利用多种磁化方法，能检测到任何位置，因此选择磁粉检测[3]。磁粉检测的原理是在缺陷处磁场线外泄，荧光磁粉被吸附，形成两端少中间多的山峰形状[4]，如图1所示。

图1 原理图Fig.1 Schematic Diagram

3 复合式阈值分析算法

3.1 检测的实际问题

制动盘在检测过程中因为自身问题，如表面不光滑、油渍，或者荧光液在表面的残留，紫外线灯的反光等这些因素，导致荧光液残留，图片荧光处显示的并不全是真实缺陷，也存在磁粉被均匀的吸附在物件表面而形成伪缺陷。在这种情况下，原有的算法如自适应动态阈值分隔法或梯度值法不能解决这些复杂的情况，而基于分水岭聚类的裂纹识别方法能清晰的识别这些伪缺陷，但需要很长时间。这些算法通用性差[5-6]，因此提出了复合式阈值分析算法来解决这些问题。

3.2 复合式阈值分析算法

制动盘经清洗、磁化和淋粉后，经过磁化上磁后在暗室中用紫外光照射下，用CCD摄像机[7]进行取像获得前期图像。裂纹和缺陷会在荧光磁粉的作用下，呈现鲜艳的绿色，方便图像的下一步处理。由于图片中多少保留一些背景信号，要对图片进行灰度化，这样经过取整之后得到灰度为（0～255）级的灰度图像，通过公式1可以在一定程度上改变三个分量，从而消除杂光等对图像的影响。公式为：X=0.3r+0.59g+0.11b （1）式中：r—图像的红色分量；b—图像的蓝色分量；g—图像的绿色分量。

这种检测方法要运用到工业检测中，采集到的图像简单，只有背景和目标两类[8]。把图像的灰度信息和边缘信息相结合，在初期的降噪之后，利用梯度算法检测边缘，能够形象的表现出上升沿和下降沿，在上升沿和下降沿的中间区间灰度值确定缺陷的真伪[9]。首先选取一个较小的值作为阈值A1，目的是确保背景和目标可以区分出来。这样就可以先把噪声去除，减小目标的数量。算法步骤如下：

计算每个点的梯度值di，di=xi-xi-1。

给定一个预先设定的较小的梯度阈值A2，如果 di＞A2，则保留di原值，若 di≤A2，则，di=0 。A：若 di＞0，则将 i点标记为 1；B：若di＜0，则将 i点标记为-1；显然，这样就把图像的边缘点表现出来了，标记为1的点是图像的上升边缘点，标记为-1的点是图像下降边缘点，而标记为0的则不是边缘点。因此，只需要将1与-1之间的点分割成目标即可。根据0点多少区分缺陷的种类，此时0点区域称为判别区，由此得到的数据为判别数据。

当判别区较小时，为条纹式裂纹与荧光液的水流痕迹造成的伪缺陷难以区分，因为1与-1之间的间距较窄，要在上述的方法中再加入阈值的判别，一般条纹裂痕多发生于物件表面，容易堆积大量的磁粉，灰度值比较大。因此需要给定另外一个较A1大的阈值Ax进行判别，将1与-1所在的灰度值提取求均值与Ax进行判别。

式中：xi—选取i点的灰度值

x小于Ax的判定为伪缺陷，反之判断为真缺陷。此方法同样也适用于点状式缺陷的判别和规模较小的缺陷判别。当判别区较大时，为目标点较多的缺陷，逐行搜索1与-1之间目标，将判定区灰度值提取出来，而这时的伪缺陷的形成原因多是因为油渍或其他表面问题导致荧光液附着在表面，这种情况一般是由于制动盘内部存在气泡形成的缺陷，而因为反光造成的伪缺陷是这个情况的干扰因素。区分这一缺陷的方法是将提取出来的目标点的灰度值进行标准差计算，与预先给定的标准差W进行对比。

式中：xi—选取判别区的灰度值

如果较W小，说明此处磁粉为均匀分布，是伪缺陷；反之，说明此处缺陷有明显起伏，为真缺陷。此方法同样用于不规则大范围缺陷的判别。其流程，如图2所示。

图2 算法流程图Fig.2 Algorithm Flow Chart

4 实验验证

为验证该方法是否正确，截取一张荧光磁粉图片，如图3所示。灰度化后该图片中含有两种缺陷，分别为荧光灯造成的伪缺陷A和狭小细长的线性缺陷B。该照片具有鲜明的对比性。

图3真伪缺陷灰度图Fig.3 Grayscale Images of True or False Defect

图3 的A、B两处缺陷可以形象的显示出在实际检测中可能出现的情况，在制动盘检测中一般会出现真实的线性缺陷B和伪缺陷A，其中A也可以表示出附着液造成的为缺陷。首先将选取的荧光磁粉图片在MATLAB中转化为灰度图像然后在灰度图像中提取灰度值。从灰度图中得到了（594*794）的灰度值矩阵，这么大的数据量对数据处理造成了困难，所以先选取进行初步的筛选，把低于该值的数值去掉，这样简化数据量，加快数据的处理。然后从灰度值矩阵中把A处位置的相应灰度值调出。按照上述算法对数据进行处理。处理情况，如表2所示。

表2 A处数据处理表Tab.2 Data Processing Table of A

通过部分数组表示出该处属于判别区较大的区域，要提取判别区灰度值求标准差，从而与预先给定的W进行大小比较决定A出是否为缺陷。显然，该处是由于图像采集过程中紫外线光由于液面反射造成的，是伪缺陷。而梯度法和自适应动态阈值[10]分隔法只能区分此处存在缺陷，并不能识别真伪。提取B处的相应灰度值按照上述算法得到数据，如表3所示。

表3 B处数据处理表Tab.3 Data Processing Table of B

通过部分数组判别出该处属于判别区较小的区域，要经过提取i点及1、-1点的灰度值求均值，从而与预先给定的W进行大小比较决定B出是否为缺陷。对于线性缺陷的真伪的判别，在于灰度值的大小。真实的缺陷灰度值大，而伪缺陷灰度值相对比较小。而基于分水岭聚类的裂纹识别方法能区分真伪但计算量过于大，不适应在线检测。

5 结论

对制动盘探伤的方法进行了比较，从各个方面权衡考虑得到磁粉探伤这种方法。在原有的自适应动态阈值分割算法的基础上，结合梯度信息和灰度值进行算法改进，使之用于制动盘在线检测。而利用数学法方法增加了算法的可靠性，使之适应不同情况下真伪裂纹的识别，增加了检测的准确性，更好的满足了自动化的需要。该方法可以减少计算量，精确判别缺陷的真伪，在按照时间要求的情况下，提高了检测精度，适用于流水线式制动盘检测。并且该算法还可以运用到其他零件的检测。

［1］宋志哲.磁粉磁性的测试研究［J］.无损检测，1996（6）：161-163.（Song Zhi-zhe.Testing and research of magnetic particle［J］.Nondestructive Testing，1996（6）：161-163.）

［2］唐忠君.航天用钢管的全自动荧光磁粉探伤系统研究与实现［D］.北京工业大学硕士学位论文，1999：16-17.（Tang Zhong-jun.Research and implementation of full automatic fluorescent magnetic particle detection system for steel tubes for aerospace applications［D］.Thesis for master's degree thesis，Beijing University of Technology，1999：16-17.）

［3］邓嘉鸣.高速动车制动盘箍磁粉自动探伤机的研制［J］.机械设计与制造，2008（10）：143-145.（Deng Jia-ming.Development of automatic magnetic powder testing machine for brake plate hoop for the highspeed train［J］.Mechanical Design and Manufacture，2008（10）：143-145.）

［4］刘磊.全自动荧光磁粉检测系统的分析与改进［D］.北京：北京工业大学，2005.（Liu Lei.Analysis and improvement of automatic fluorescent magnetic particle inspection system［D］.Beijing：Beijing University of Technology，2005.）

［5］陆宝春，李建文，陈吉朋.荧光磁粉探伤自动缺陷识别方法研究［J］.南京理工大学学报：自然科学版，2010（6）：803-808.（Lu Bao-chun，Li Jian-wen，Chen Ji-peng.Fluorescent magnetic particle detection method for automatic defect recognition［J］.Nanjing Science Journal of University of Technology：Natural Science Edition，2010（6）：803-808.）

［6］张强，霍凯.轴承荧光磁粉探伤自动识别技术的研究［J］.现代电子技术，2009（7）：107-110（Zhang Qiang，Huo Kai.Research on automatic identification technology of bearing fluorescent magnetic particle flaw detection［J］.Modern Electronic Technology，2009（7）：107-110.）

［7］刘磊，刘秀兰，俞庠.全自动荧光磁粉检测系统的研究［J］.机械工程与自动化，2004（6）：26-29+32.（Liu Lei，Liu Xiu-lan，Yu Xiang.Automated fluorescent magnetic particle detection system of［J］.Mechanical Engineering and Automation，2004（6）：26-29+32.）

［8］马银平，江伟.基于局部均值和标准差的图像增强算法［J］.计算机工程，2009（22）：205-206+209.（Ma Yin-ping，Jiang Wei.An image enhancement algorithm based on local mean and standard deviation［J］.Computer Engineering，2009（22）：205-206+209.）

［9］吴瑞芳，宣士斌，荆奇.基于局部特征的分数阶微分图像增强方法［J］.计算机工程与应用，2014（3）：160-164.（Wu Rui-fang，Xuan Shi-bin，Jing Qi.Fractional order differential image enhancement method based on local features［J］.Computer Engineering and Application，2014（3）：160-164.）

［10］刘秀兰，马丹，刘兵.一种新的快速动态阈值图像分割算法［J］.北京工业大学学报，1999（2）：92-96.（Liu Xiu-lan，Ma Dan，Liu Bing.A new fast dynamic threshold image segmentation algorithm［J］.Journal of Beijing University of technology，1999（2）：92-96.