荧光磁粉表面缺陷检测系统

高敏杰，卜雄洙，孙 斌，王正成，张 振

(1.南京理工大学 机械工程学院，南京 210094；2.南京晨光集团有限责任公司,南京 210094)

荧光磁粉表面缺陷检测系统

高敏杰1，卜雄洙1，孙 斌1，王正成1，张 振2

(1.南京理工大学 机械工程学院，南京 210094；2.南京晨光集团有限责任公司,南京 210094)

介绍了荧光磁粉检测缺陷自动识别系统的工作原理、结构及数字图像处理技术，包括从CCD相机中提取原始图像、中值滤波、边缘检测和图像二值化等；同时, 分析了荧光磁粉的物理特性和光源的特性及其打光方式，介绍了系统光学结构的设计。使用该系统对缺陷进行检测验证试验，结果表明，该系统可有效识别出直径0.5 mm的圆形缺陷和长度1.5 mm的线性缺陷。

荧光磁粉检测；数字图像处理；中值滤波；二值化

金属轴(见图1)是支撑和动力传递的重要零件，其质量直接关系到设备的正常运转和操作人员的安全。荧光磁粉方法是检测金属轴外表面质量的重要手段。

图1 金属轴外观

目前，国内荧光磁粉检测的全自动化设备还处于发展阶段，存在漏检、误检、系统适用面窄及可靠性低等问题[1]。

文章介绍的检测系统利用机器视觉代替人眼来进行缺陷识别与分类，利用计算机控制CCD相机进行图像采集，并将图像实时显示在计算机界面上。然后，利用上位机的图像处理软件系统对采集到的图像进行处理和缺陷识别与分类，并对计算结果进行保存；同时，也可以实现测量结果的格式化输出。

这种基于机器视觉的缺陷检测系统可以在不破坏受检试件的条件下检测出受检试件表面的缺陷,且灵敏度高、检测方便，能非常直观地显示缺陷的大小、形状和位置等缺陷特征[2];有效解决了传统质量检测过程中，由于检测人员疲劳和经验积累水平等差异造成的误检、漏检及效率低等问题。

1 系统工作原理及方案设计

该检测系统的检测对象——金属轴具有如下特点：① 轴向尺寸长，直径相对较小(见图1)；② 表面缺陷以裂纹、发纹等居多，而在各类缺陷中以线形裂纹为主。

1.1 系统检测的工作原理

金属轴被磁化后，在金属轴上会建立一个磁场；当金属轴表面或近表面有缺陷时，缺陷部位的磁力线会部分逸出,从而在缺陷部位形成漏磁场。金属轴上喷洒荧光磁悬液后，磁粉将被吸附在漏磁场处，从而形成磁痕[3-4]。在紫外光的照射下，荧光磁粉中的荧光物质受激发而发射出荧光，再由高像素的CCD对其摄像，并将采集到的图像传入计算机进行图像处理[5]。最后，通过对检测结果与相关标准的比对，得出被检金属轴的检测结果[6]。

1.2 检测系统的总体方案

检测系统主要包括：① 图像获取模块，包括CCD相机、光源以及光学镜头等；② 图像处理模块，包括图像采集、预处理和缺陷检测等；③ 人机接口模块以及系统与转台控制系统的通信模块。

检测系统框图如图2所示[7]。

图2 检测系统框图

该方案采用计算机和自动控制技术实现对运动机构的控制，从而实现自动检测。系统主要由磁粉检测装置、图像采集系统、上位机软件系统三部分组成，系统的硬件结构如图3所示。

图3 系统的硬件结构示意(不含上位机)

各部分功能如下：

(1) 磁粉检测装置主要由CDG-6000交直流荧光磁粉探伤机、控制单元、磁悬液喷淋装置、夹持工装等组成。

(2) 图像采集系统主要包括MER-200-20GM型工业数字摄像机、M0814-MP2型Computar百万像素定焦镜头、照明光源以及多自由度运动机构等。

(3) 软件系统主要包括运动机构控制软件和上位机图像采集处理识别软件。

图像处理软件流程如图4所示。

图4 系统图像处理软件流程框图

检测系统的工作流程为：当待测金属轴与外部硬件设备连接准备完毕后，用计算机控制采集系统对金属轴进行磁化喷淋，然后再通过CCD进行图像拍摄，并将图像实时显示在计算机界面上。最后，利用计算机上的图像处理软件系统对采集到的图像进行处理，实现对目标缺陷的检测识别与量化，并对结果进行保存。

2 光学系统结构分析

机器视觉系统中，照明的目的就是凸显被测物的重要特征，抑制不需要的特征。为避免各类光线的互相干涉，获取最佳质量的原始图像，系统要求金属轴表面的磁粉在缺陷处附着均匀，没有磁粉淤积的现象。

现对光学系统中的光源质量和磁粉荧光的激发、发射光谱以及光源的打光方式进行如下分析。

2.1 荧光磁粉的特性

为保证较高检测灵敏度，系统采用ZnS∶Zn,Pb荧光磁粉；磁粉颗粒大小控制在5～25 μm，磁导率较高且剩磁较低，由球状和条状磁粉按一定比例配制[4]。

ZnS∶Zn,Pb荧光磁粉的频谱特性如图5所示[5]。

图5 ZnS∶Zn,Pb荧光磁粉的频谱特性

从图5(a)可知，当激发光波长为350 nm时，该荧光磁粉的激发效果最好；考虑到可用光源的实际情况，仍采用365 nm的紫外光作为激发光；同时,照射强度要大于10 W·m-2。而由图5(b)可知，在波长365 nm激发光的照射下，该荧光磁粉的发射光谱峰值约为510 nm。

2.2 光源的特性

文章使用定制的环形LED紫外灯作为检测系统的光源，光谱范围窄、光色单一、寿命长。为提高荧光磁粉的激发特性，系统应尽量采用纯紫外光作为激发光；并且，应避免其他光线照射到金属轴上，以免其被反射后与荧光磁粉的激发光重叠，而影响缺陷识别的准确性。故金属轴和相机均应置于暗室中，进行暗场拍摄。为此，笔者在采用的紫外灯前加一块滤光片，过滤掉波长小于300 nm的有害紫外线及波长大于420 nm的无用光，对光谱功率较为集中的365 nm紫外光线也具有较高的透过率，满足系统的需要。

为采集到高质量的原始金属轴图像，系统所选相机的光谱响应的峰值波长也应在510 nm左右。由于CCD相机对长波紫外线有较高的响应灵敏度，为避免产生明场干扰，在镜头前加装了波长为450 nm的短波截止片。

2.3 光源的打光方式

光源的安装方式直接影响着被检金属轴的可辨识度和对比度，不合理的打光方式会造成金属轴表面大面积亮斑，掩盖相应区域的缺陷，造成缺陷的漏检。

笔者综合现有的技术条件和光源照明的实际效果，经过多次试验后决定采用紫外灯环形打光方式，可得到对比度较好、缺陷明显的金属轴原始图像，为后续的图像处理提供了有力的基础。

3 图像处理与分析

由于在图像采集过程中，金属轴往往携带水迹、表面污染等干扰信息；同时，受光源照度、温度的波动和CCD相机自身因素的影响，计算机采集到的原始图像不可避免地存在一些噪声。为使背景和缺陷之间的对比更加明显，提高图像的对比度，必须去除噪声和干扰信息。

笔者根据金属轴特征和实际采集到的原始图像，设计了如下的图像处理流程：首先，对图像进行中值滤波，抑制噪声和散粒状干扰信息；然后，用边缘检测算子对经平滑处理后变模糊了的图像进行边缘提取，将图像的边缘凸现出来；最后，通过图像的阈值分割，得到一个去除了噪声和干扰信息的可疑缺陷图像[5]。

3.1 中值滤波

中值滤波是一种非线性滤波方式。具体操作时，用一个窗口在图像上进行像素级扫描，将窗口中包含的像素按灰度值升序或降序排列起来，取灰度值居中的像素灰度值为窗口中心像素的灰度进而消除噪声[2]。中值滤波相比均值滤波而言，能够更有效地消除随机噪声和脉冲噪声。但是在降噪的同时，也会平滑图像的边缘，导致图像边缘模糊，故需要对图像进行增强[8]。

图6 中值滤波的效果

中值滤波时中值的大小受窗口的阶次和形状影响。经过多次试验验证，系统采用方形窗口，对于一些复杂的图像，还可以多次使用不同形状和阶次窗口的中值滤波器，以获得更好的降噪效果，并达到保护边缘的效果。中值滤波的效果如图6所示。

3.2 边缘提取

图像经过平滑降噪以后，不可避免地会造成边缘出现一定程度的模糊，而边缘提取则可以将图像中模糊了的边缘重新提取出来，勾勒出图像中的目标对象，便于后续进行缺陷检测和特征提取。

图像边缘可分成凸缘型、阶跃型和房顶型。文章实际检测的缺陷边缘主要属于房顶型和凸缘型边缘，其一阶方向导数在边缘处呈零交叉，二阶方向导数在边缘处取极值；通过检测一阶方向导数的零点就可以确定边缘的位置[9]。

Laplacian算子是各向同性的二阶微分算子，因此，笔者采用Laplacian算子进行边缘检测以得到较好的处理效果。文章借助模板来实现此功能，采用的模板如下[10]：

采用Laplacian算子的作用效果如图7所示。

图7 采用Laplacion算子的边缘检测图像

3.3 图像二值化

图像在经过前面预处理以后，目标缺陷已经很明显了，但是仍有少量噪声和伪缺陷。为了提取目标缺陷，同时抑制不需要的图像特征，需要对图像进行二值化处理。图像二值化以后，数据量减小，目标特征更加明显，有助于提高图像处理和缺陷检测的效率[2]。

二值化的效果取决于阈值。通常由于非均匀照明、输入设备参数不一致等因素的影响，单一阈值的处理效果不太好。在这种情况下，使用变化的阈值进行分割可以得到较好的处理效果，这时的阈值是局部图像特征的函数，其在图像范围内是变化的，称为自适应阈值化。

文章采用自适应阈值处理，避免固定阈值对不同亮度的图像产生不适应性，提高阈值分割的通用性。同时，对图像采用填充算法处理得到较为清晰的缺陷图像，阈值分割的效果如图8所示。

图8 阈值分割图像

3.4 缺陷提取

文章采用LabVIEW及其视觉开发模块作为程序开发语言，通过IMAQ Particle Analysis VI等函数对预处理图像进行逐行扫描，最终实现了目标缺陷的面积、周长、方向角、质心和外切矩形等特征参量的检测、量化和显示[7]。为使检测结果显示更加简洁和直观，对缺陷进行了编号，同时，将缺陷所有特征参量的结果都显示在表格中；并且，可以以查表的形式，由用户选择系统当前标识的缺陷，通过矩形框在图像显示界面中将对应缺陷标出，单独显示出该缺陷的具体结果。

对具有不同缺陷的标准试件进行验证试验，显示界面如图9所示。试验结果表明，系统实现了对直径φ0.5 mm的圆形缺陷和长度1.5 mm的线性缺陷的准确识别，并且相对误差小于5%，满足最初的要求。

图9 标准试件缺陷检测的结果显示

4 结语

由CCD相机、计算机及图像处理软件构成的荧光磁粉表面缺陷图像检测系统可以实现金属轴表面缺陷的全自动化检测、量化和定位，可以很好地识别金属轴表面的裂纹等缺陷。系统不仅大大改善了磁粉检测人员的工作环境，同时也降低了劳动强度，有效防止了漏检事故的发生，对生产效率的提高和质量检测具有重大意义。

最后，感谢荧光磁粉检测图像处理系统设计校级重点课题的极力支持。

[1] 唐鲁楠,冯文慧.无损检测技术在地铁检修中的应用[J].无损检测,2016,38(3):82-84.

[2] 高义林.基于线阵CCD的车轮表面荧光磁粉探伤系统的研究[D].合肥：安徽大学,2010.

[3] 万建荣,刘子珍,余爱国. 球墨铸铁曲轴表面荧光磁粉探伤[J]. 汽车工艺与材料, 2001(8):39-41.

[4] 付千发,李朋,李邱达,等. 核电厂汽轮机转子叶片的荧光磁粉检测[J]. 无损检测, 2015,37(8):80-82.

[5] 吴海滨,郑宏伟,李明琥,等.轮箍表面自动荧光磁粉探伤系统及其图像处理技术[J].无损检测,2007,29(3):128-131.

[6] 李喜孟.无损检测[M].北京：机械工业出版社,2001:83-96.

[7] 李桂娟.身管内膛疵病检测系统设计及实现[D].南京:南京理工大学,2013.

[8] YONG H L, KASSAM S A. Generalized median filtering and related nonlinear filtering techniques[J].IEEE Transactions on Acoustics Speech & Signal Processing,1985, 33(3):672-683.

[9] 韩九强. 机器视觉技术及应用[M].北京:高等教育出社,2009.

[10] BARBEDO J G A. Digital image processing techniques for detecting, quantifying and classifying plant diseases[J]. Springerplus, 2012, 2(1):660-661.

The Surface Defect Detection System of Fluorescent Magnetic Particle

GAO Min-jie1, BU Xiong-zhu1, SUN Bin1, WANG Zheng-cheng1, ZHANG Zhen2

(1.School of Mechanical Engineering, Nanjing University of Science and Technology, Nanjing 210094, China;2. Nanjing Chenguang Group Co., Ltd., Nanjing 210094, China)

The working principle, the structure and the digital image processing technology of a fluorescent magnetic particle testing defect automatic recognition system were introduced in this paper, including extracting the original image from CCD camera, median filtering, edge detection and image binarization. Moreover, the optical structure was analyzed, the physical characteristics, excitation spectra and emission spectra of the fluorescent magnetic powder and the lighting methods of light source were included. The system can effectively identify the circular defects of 0.5 mm diameter and the linear defects of 1.5mm in length.

Fluorescent magnetic particle inspection; Digital image processing; Median filter; Binarization procession

2016-06-31

高敏杰(1992-)，男，硕士研究生，主要从事无损检测图像处理方面的工作。

卜雄洙，E-mail:buxu105@njust.edu.cn。

10.11973/wsjc201702017

TG115.28

A

1000-6656(2017)02-0067-04