基于机器视觉的线缆表面缺陷快速检测算法研究

何历怀

（铜仁职业技术学院 贵州省铜仁市 554300）

现今生活中，使用线缆的地方已经非常广泛，具体包括电力传输、光纤通信等。其中，内部线缆传输被夹合在保护外套之中，这是保证传输介质完整和速度的重要因素。而随着机器视觉处理技术的日趋完善，更多的实验目标倾向于以计算机处理对应的图像数据，通过机器检查其中的缺陷和不足，以代替传统人工检查方法。

机器视觉处理缆表技术在国外已经发展多年，但在国内机器视觉研究起步较晚，这一概念是在本世纪初引入的，并且已经很长时间处于普及阶段。在过去的十年中，中国机器视觉领域的进步非常明显，并且在许多大学和公司意识到视觉处理技术的巨大潜力之后不断增长，他们开始投资研究机器视觉的理论和应用。现在，我国有许多智能工厂，其中许多都是以及其视觉作为测算前提和质量检测重要方法。对此，也延伸出将线缆表面检测利用多个摄像机围绕电缆表面，并通过设计图像处理算法（例如过滤、增强、分割、提取和检测）来实现电缆表面缺陷检测。

1 线缆图像特征分析

由于外在光照分布和强度不同等影响，尽管电缆表面的亮度略有增加，可是由于背景受到光纤的照射面积和照射分布的角度及区域不同，导致与线缆表面所呈现的印象也不尽相同。图中所示，对三个点作为背景阴影部分，对背景进行分别分析和提取信息。以保证线缆表面的缺陷区域和无缺陷区域的随机性。从三个表格能够表明各个层次的灰度等级和彼此之间的差异，其中灰度等级密度所显示的影响因素复杂，从中间到两边区域灰度突然发生变化，差异性较大，表示出其缺陷。缺陷稀疏地分布在电缆表面上，仅占电缆表面的很小一部分。其中，能够提取出的灰度值中，所隐含的缺陷区域相对较少，不必计入到最终的检测结果当中。其中，灰度表面所能检测到的峰值接近20，恰好对应缆表灰度区域。对此，由背景灰度与缆表灰度的差异能够更容易判断出其中缺陷所存在的范围。

2 检测系统总体设计及硬件的选型

整体快速检测系统和硬件软件构成，具体有着五个部分，如图3 所示。对线缆每120°或90°分别安装相机，以进行分析和检测。电缆的横截面通常是圆形的，三个摄像头就能够全面观察线缆图，不过截面非圆形的电缆则需要4 台摄像机。

通过伺服电机带动从恒定角度和速率穿过所设定的系统和设备，对特定频率进行采集分析，进而得到对应的频率，实现全方位的线缆表面测试图，并将所收集到的图像和光纤数据回传到计算机中，从而在软件支持下进行分析和处理。对其中出现的缺陷时，工业计算机会发出警报并反映到具体图像之中，并在计算机中显示对应缺陷相关的程度、区域、位置、类型和其他信息。缺陷信息记录日志已经保留下来，能够方便后期进行观察研究。

2.1 相机与镜头的选择

CCD 相机体积小、能耗低、性能稳定、节约成本，正适用于这样移动测量对应阵列中的图像采集程序和过程，因此CCD 相机是合理且科学的选项。

系统参量能分辨出的最小缺陷为ω=1mm；线缆最大直径为d=20mm；同时就移动线缆的抖动，应在线缆圆周周边流出20mm空间，且视场视野长度L=60mm，应用到实践生产过程中则移速相对达到v=2mm/s。以下计算过程中所需分辨率R 和摄像机的行频H的大小为：

通常根据各种实际参数，例如焦距、光圈、视场和景深来判断镜头的质量。系统选择具有25mm 固定焦距的Computar 系列M2514-MP2 镜头。

2.2 光源的选择

光源是照明系统和对应模块中的重要参照因素，依据光源的变化能够使得检测结果差异性更加清晰，计算也能更加简洁。检测系统以120°弧形LED 灯作为光源，并将弧形灯布置在相机多个角度。安装过程中，所有两个弧形光源均对称分布在摄像机的两侧。

之所以选择弧形LED 灯作为光源，是因为其可以对图像均匀获得光照，所能得到的分析角度和信息能更加接近缆面，减少平行镜面所带来的角度因素影响。

3 检测系统软件与算法设计

为了减少时间成本，应优先从线缆提取信息并进行优先级处理，最重要的对滤波噪声和同态滤波噪声的变相处理方式，而在分段滤波处理过程中通过对缺陷区域的详细分类并进行对比，从而得出是否存在缺陷，若是则从缺陷分割步骤往下继续进行，并将所得到的缺陷区域保存到检测日志中；否则，就要重新输入并循环分析处理。

3.1 线缆区域提取

算法前期感兴趣区域（Region of Interest：ROI）的收集和采集程序能够对背景的外在影响进行抵消，对所需要处理的数据和图像资料也能够极大减小数量，进而加快实验进度的同时，提升实验效率。对ROI 的算法一定要保证简洁高效，这样对灰度测算才能保证准确程度。而线缆表面的灰度明显低于背景，因此，应用线灰度平均算法过程中，要对所需要测算的数据进行对应的定位。此方法对图形整体均值线条u(x)，并将图像单个灰度值（阈值T1）中的小部分作为缆表对应灰度区。通过多次检测，这样能够准确定位到线缆和对应所需的采集图，但是许多其他环境因素也会影响所收集到的数据，例如线缆颜色不均匀、照明不均匀和弯曲的光反射特性，以及浅色和深色背景都会使数据信息的采集和分析更加困难。

对此，对线缆表面应进行更加准确的测算和定位，并加强输入图像到线性灰度乘以基于高斯分布的位置权重，并从图像f(x, y)中的第x 行的特征值λ(x)为：

式中：ω(x)为位置权重值，其计算式为：

位置权重函数曲线见图5。函数曲线特征为对称，并以x=μ 作中心。变量逐步和μ 接近，函数值越小，在x=μ 时获得最小值。因此，在计算过程中，中心区域的线缆权重较小，进而增加了其特征值，与背景所显示灰值也变得更大。

4 线缆表面缺陷快速检测算法

4.1 缆面区域提取

通过对整体图像中的快速测算的判定，加快对部分区域中所存在灰度值测算，以保证能直接对应到缆面背景区域。而在第1 部分中所展现的灰度值分析结果，使用了快速测算中的均值统计法。其中，具体的均值阈值（T1），在μ(x)中小于T1的那组线是线缆表面积。然而，由于环境所造成的线缆影响就会造成意外影响，不仅会使得收集到的图像不能正确评估结果，还会使得缆面无法获得更多比较数据和详细灰度值。因此，基于线缆μ(x)的原始灰度平均值乘以高斯分布的位置权重ω(x)，以得到图像中第x 条线的特征值λ(x)：

4.2 图像预处理

为了减少光线不均匀以及光线反射等环境因素对线缆表面的影响，本文对所采集到的图像数据和表格进行对应预处理，包括了同态滤波。这样讲图像频率进行分割和重组，减少低频分量，使得高频量逐步增加，提升对应图片中的对比和透明度，极大程度减小了光照因素所造成的数据误差。

4.3 建立自适应模板

对所设立的模板提供对应参数值，评析最终图中缺陷的存在周期，凸显出缺陷区域灰度值差异，自定义出的模板需具备以下特点：

（1）能平滑过渡对应缺陷区；

（2）补足缺陷区域与原图像差异。

4.3.1 自适应滤波窗口设计

自适应滤波器窗口算法是对CV Kmeans 区域分类的进一步延伸和扩展，具体分成结构纹理区域和平坦区域。结构面是缆面的缺陷部分，而平面是无缺陷的部分。方法如下：

（1）对滤波图提取整体变差系数（像素点x 处的CV 值），变差系数公式如下：

（2）利用Kmeans 算法将CV 值图进行聚算测试分析，具体划分出缺陷区域和非缺陷区域，对应种类所能反映出滤波为：

4.3.2 自适应高斯滤波

高斯滤波能对所采集到的整体灰度及对相关图像进行分析聚算和加权平均，二维高斯滤波公式为：

式中，（x，y）为正弦窗口部分像素关联标点，α 为高斯滤波标准差。

通过滤波窗口对图像进行卷积操作，对具体所含的像素测算和对应邻窗口进行分析和平均测算，从而所需要的到缺陷测算图像进行剖析，并能够根据对应平滑度得到灰度值大小以及缺陷区域和非缺陷区域的临界点。

5 实验结果分析

实验进行过程平台皆为win7，软件配置是带有OpenCV2.49 的VS2010。测试对象总共有235 张图像，包括204 张正常图像和31张有缺陷的图像，t 为检测时间，误检率是没有缺陷但被错误识别为缺陷图像在正常图像中的百分比，漏检率是检测过程中遗漏的缺陷图像占全部缺陷图像的百分比，识别时间t 是识别个体图像到整体图像所花费的平均时间。

5.1 n取值对缺陷分割的影响

Pearson 所对应得出阈值ρh对正在进行过程中的测试图像分辨出缺陷图。ρh太小是没有意义的，因此本文进行了ρh从0.01 到0.28的灰度区和缺陷区检测，得出对应所需要的指标数据和数值。图8显示速率如何变化，图中显示随着ρh的增加，漏检率也在减少，误检率却随之上升。当ρh为0.18～0.22 时，漏检率和误检率保持在较低范围，当然这之中更重要的是降低漏检率。据此，最终选择的ρh为0.22。此时，漏检率为3.22%，误检率为5.39%。

6 结语

本文针对过往人工检测时所遇到的诸多问题，包括误检等基本问题进行分析和提出对应解决方法，在机器视觉基础上提出缺陷快速测算方法。其是通过对缆表和阴影背面的参考和对照，模拟出缆表可能出现的缺陷区域，进而创建出能够直接应用到质量检测过程的模板。同时，提出要计算原始图像和更改后的自定义系数之间的Pearson 对应指标，并将Pearson 对应指标系数应用到能确定的阈值中，再反过来进行质量快速检测，使得最终结果能够反映实践状况，对缺陷区域将出现的时间和范围能够更快定位，从而极大减少误检率和漏检率。当然，本文中只是对缆表缺陷的检测方法，还需要更深一步识别到内部缺陷区域和背景区域。