基于边缘聚类与筛选的压力容器数量视觉检测方法研究

2017-11-18魏剑新

计算机时代 2017年11期

魏剑新

摘要：自动检测压力容器数量是压力容器气密性视觉检测应用中的重要环节。为此，提出了基于边缘聚类与筛选的压力容器数量视觉检测方法：首先，针对气密性试验场地多样性和环境光变化大等干扰导致图像难以二值化的问题，提出基于直方图波峰数量的动态阈值方法；其次，提出8邻域卷积算子以检测压力容器的轮廓；然后，采用Hough直线算法检测出压力容器边缘，并通过边缘聚类与筛选得到压力容器轮廓上下边缘进而实现压力容器数量的检测。经实验验证，该方法简单高效，可满足压力容器气密性视觉检测的实际應用。

关键词：压力容器；图像识别；灰度直方图；边缘检测；直线检测

中图分类号：TP391.41 文献标志码：A 文章编号：1006-8228（2017）11-08-05

A method of counting pressure vessels based on edge clustering and filtering

Wei Jianxin

（Traffic police detachment of Lishui Public Security Bureau， Lishui， Zhejiang 310030， China）

Abstract： The automatic detection of the number of pressure vessels is an important part of the visual inspection of pressure vessel air tightness. For this purpose， a visual inspection method of pressure vessel number based on edge clustering and filtering is put forward： First， a novel binarization method is proposed according to the number of peaks of the gray histogram， which overcomes the diversity of the air tightness test site and the change of the ambient light； Second， the 8-neighborhood convolution operator is proposed to extract the outline of the pressure vessel； Then the edges of the pressure vessel is obtained by using Hough straight line algorithm， and the upper and lower edges of the pressure vessel are measured by edge clustering and filtering to realize the detection of the number of pressure vessels. The experimental results show that the method is simple and efficient， and can meet the practical application of visual inspection of pressure vessel air tightness.

Key words： pressure vessel； image recognition； histogram； edge detection； line detection

0 引言

近年来，随着计算机视觉的自动检测技术在工业中的广泛应用，压力容器生产厂家也开始采用计算机视觉方式实现浸水法气密性检测的自动化，如Johnsson F等[1]利用图像处理技术对二维流化床中气泡的大小、速率、空隙率进行研究分析；Hubers JL等[2]对三相流化床中气泡拍摄后从气泡队列中计算得出气相含率；唐远河等[3]提出了基于片光源二维平面的气泡测速方法，能够对垂直于片光源方向运动的气泡进行有效地测速；Busciglio A等[4]在研究气固两相流体中气泡行为时，结合图像处理技术，对气泡的大小、速率进行了检测；闫丽等[5]提针对气液两相流场中气泡行为的三维测量算法，实现了对单个气泡的行为测量，并具有较高的测量精度；O.Zielinski等[6]将光流法应用于水中气泡的检测，并通过实验分析了可行性；吴春龙等[7]提出了一套基于PLC控制的气密性自动检测系统，并将基于光流理论的Hom-Schunck图像处理算法应用于气液两相流场中气泡的识别与跟踪，实现了对钢瓶漏气点气泡的检测与识别；甘建伟等[8]提出一种基于FPGA的气泡边缘检测图像处理系统，等等。

目标数量的自动识别通常是视觉检测应用中不可或缺的环节之一，如管接头上密封圈数量的自动检测[9]、储备粮仓袋装粮数量智能测算[10]、叠层纸张数量检测[11-12]、储备生猪统计[13]、高黏着度棒材的精确检测计数[14]等。在压力容器气密性视觉检测中，存在同样的问题，而在现有压力容器气密性试验视觉检测应用中，大多数[7-8]采用交互方式直接输入钢瓶数量的数据，为此，本文提出基于边缘聚类与筛选的压力容器数量视觉检测方法。

1 检测方法框架

针对计算机视觉在压力容器气密性检测中的实际应用，提出一种基于边缘聚类与筛选的压力容器数量视觉检测方法。如图1所示，首先根据压力图像灰度直方图波峰数采用不同的二值化方法分割出压力容器；然后，采用8邻域卷积算子提取压力容器的轮廓；最后，结合Hough直线检测和先验知识筛选出压力容器特征轮廓并进行计数，从而检测出压力容器数量。endprint

图1 压力容器数量视觉检测方法流程

2 压力容器轮廓识别

考虑压力容器气密性试验场地背景的复杂性和多样性，对压力容器图像进行二值化时将无法使用固定的阈值，下面提出一种基于直方图波峰数的动态阈值二值化方法。

2.1 压力容器图像二值化

获得压力容器图像的灰度分布直方图后，以每5个像素值为一个灰度级，将灰度范围划分为51个灰度级.统计各个灰度级中像素点数量的分布情况，令，其中i表示灰度级序号。根据式⑴对集合P进行标记，得到集合，pi计算如式⑴所示：

其中，若pi=1，则认为灰度级ni处于灰度直方图波峰处，若pi=0，则认为灰度级ni处于灰度直方图非波峰处，K表示波峰总个数，计算如式⑵所示。

当K=2时，使用OTSU进行二值化操作；当K=3时，使用双阈值二值化；当K为其他值时，统一使用灰度均值进行二值化；根据直方图波峰数量的二值化过程如图2和图3所示。

2.2 压力容器轮廓提取

为得到压力容器边缘，通常采用Sobel、Canny等传统边缘检测算子来解决，但这些方法需要对图像求导计算梯度。针对二值化压力容器图像的特点，下面提出一种8领域卷积算子，如式⑶所示。利用该算子对二值图像进行卷积运算，统计每个像素点的8邻域值的情况，即可确定该像素点是否为边缘点，从而实现压力容器的轮廓提取。

从二值图像的左上角第一个像素开始，使用式⑶的算子对每个像素点做卷积运算。其中，针对图像最外层边缘的像素点，使用复制边缘像素的方法，在图像外圈加一层与边缘点等值的像素点，用于计算卷积值。若当前像素点与G的卷积结果不为零，则该像素点为边缘像素点；若当前像素点与G的卷积结果为零，则该像素点为背景像素点。使用该算法对检测池中待测压力容器的二值化图像进行轮廓提取，结果如图4所示。

图4 压力容器轮廓提取

3 压力容器数量检测

如图4所示，压力容器轮廓图像较好地反映压力容器形状，可利用压力容器上下边缘轮廓的数量计算出压力容器的数量。然而，若直接对二值边缘图像进行Hough直线检测，图像中的其他直线的干扰导致无法正确得到压力容器上下边缘。为此，提出一种基于边缘聚类的压力容器数量检测方法，首先，通过斜率对所有线段进行聚类，然后，对同一聚类下的线段进行合并，最后，根据压力容器轮廓斜率范围和线段长度等先验知识排除干扰线段，完成对压力容器的数量识别。具体步骤如下。

Step 1 压力容器邊缘检测。在压力容器轮廓图像的基础上使用Hough变换对图像中的轮廓进行直线识别，得到线段集合，其中n表示线段数量。计算每条线段li的斜率，利用斜率对线段进行聚类，得到m个线段子集Li，i=1，2，…，m，使其同时满足式⑷、⑸、⑹和⑺：

其中，lij表示子集Li中的第j条线段；mi表示子集Li中的线段数；sij表示子集Li中第j条线段的斜率，j=1，2，…，mi；siq表示子集Li中第q条段线的斜率，q=1，2，…，mi；max表示取较大值；

Step 2 压力容器边缘聚类。对聚类后的线段进行合并，若子集Li中的任意两条线段Lij与Liq在同一条直线上，Lij∈Li，Liq∈Li，j=1，2，…，mi，q=1，2，…，mi，j≠q，则将这两条线段合并为一条新的线段，记为lnew，lnew的两个端点分别为Lij和Liq四个端点中距离最远的两个端点；将lnew归入集合Li中，同时将Lij与Liq从子集Li中移除；重复以上步骤直至无线段可以合并，将所有新的Li进行并集操作，得到新的线段集合L；

Step 3 基于斜率的压力容器边缘筛选。由以上述步骤可得到聚类合并后的线段集合L，为了精确计算压力容器上下边缘的线段数量，需先排除干扰线段。此时，可根据斜率和线段长度对线段集合做进一步筛选，具体地，根据式⑻和⑼对上述线段集合进行过滤，将不满足式⑻和⑼的线段从L中剃除：

其中，ki表示线段集合L中的线段li对应的斜率，k0表示事先根据摄像头的位置标定出的待检验压力容器的上下边缘在图像中的斜率，如图5所示，从左往右依次为Hough直线检测结果图（a）和边缘聚类合并后的示意图（b）。

Step 4 基于长度标定的压力容器边缘筛选。根据式⑽对最终集合L中的线段进行筛选，只保留满足式⑽的线段，其中Leni表示线段集合L中的线段li对应的像素长度，Len0表示事先根据摄像头的位置标定出的待检测压力容器的上下边缘在图像中的像素长度最小值。

Step 5 压力容器数量计算。根据式⑾计算压力容器数量，其中M表示压力容器轮廓的上下边缘数量，n表示集合L中最终剩下的线段数量。

4 实验结果与分析

在浙江省某厂家实施的压力容器气密性视觉检测中，采用上述算法对300张浸水池中的压力容器图像进行数量检测，其中检测结果正确的为278号，正确率为92.7%。

实验结果表明，压力容器数量检测算法效果较好，正确率较高。在实际应用中，由于光照影响，检测池水面存在厂房顶部天窗的倒影，导致算法检测失准，如图6所示，其中图6（a）表示采集的原始图像，图6（b）是压力容器轮廓提取结果，图6（c）是Hough直线检测结果，图6（d）是边缘聚类与筛选之后的结果。根据现有算法，得到的数量将为M=3/2=1.5只，这是由于检测池水面存在厂房顶部天窗的倒影，导致在轮廓提取时两压力容器之间的轮廓合并。为此，将式⑾修正为式⑿可解决该问题，其中Round表示取整，采用相同的样本，正确率提高到了98.3%。其余检测错误的，是由于反光导致两三只压力容器连成一片，这可通过增加合适的工业光源来提高成像质量，由此解决这一问题。

5 结束语

针对压力容器气密性视觉检测应用中如何自动识别压力容器数量的问题，提出了基于边缘聚类与筛选的压力容器数量视觉检测方法。首先，提出基于直方图波峰数的动态阈值方法实现图像的二值化方法；其次，利用提出的8邻域卷积算子检测出压力容器轮廓；然后，采用Hough直线算法检测出压力容器边缘，并通过边缘聚类与筛选得到压力容器轮廓上下边缘进而实现压力容器数量的检测；最后，以浙江省某厂家的压力容器气密性视觉检测为例，对上述算法进行了实验验证。实验结果初步表明，方法简单有效。

本方法的核心思想是通过图像识别的方法检测出压力容器上下边缘的总数从而计算出压力容器的数量，其立足点在于每只压力容器上下边缘成对出现。实验结果说明，本方法可部分地克服气密性试验场地多样性和光照不均等所带来的影响，同时克服传统Sobel、Canny及Hough等边缘检测算法导致边界线冗余的等问题，但在实际应用过程中，仍会存在部分因光照问题导致检测错误的情况，为此，通过增加合适的工业光源可克服这一不足。

参考文献（References）：

[1] Johnsson F， Shen L， Bo L. Digital image analysis of

hydrodynamics two-dimensional bubbling fluidized beds[J].Chemical Engineering Science，2004.59（13）：2607-2617

[2] Hubers J L， Striegel A C， Heindel T J， et al. X-ray

computed tomography in large bubble columns[J].Chemical Engineering Science，2005.60（22）：6124-6133

[3] 唐远河，解光勇，刘汉臣等.基于粒子成像测速技术的水中气

泡界面的光学性质研究[J].物理学报，2006.55（5）：2257-2262

[4] Busciglio A， Vella G， Micale G， et al. Analysis of the

bubbling behaviour of 2D gas solid fluidized beds： Part II. Comparison between experiments and numerical simulations via Digital Image Analysis Technique[J]. Chemical Engineering Journal，2009.148（1）：145-163

[5] Zielinski O， Saworski B， Schulz J. Marine bubble detection

using optical-flow techniques[J].Journal of the European Optical Society Rapid Publications，2010.5（1）：138-138

[6] 閆丽.气液两相流场中气泡行为3D测量关键技术研究[D].天

津大学硕士学位论文，2006.

[7] 吴春龙，潘海鹏，夏永明.基于光流法的气密性检测装置研究[J].

机电工程，2013.30（8）：947-951

[8] 甘建伟，秦付军，曹波.气泡边缘检测的FPGA图像处理系统的

设计[J].中国农机化学报，2015.36（2）：293-296

[9] 周律，蔡锦达，刘平，钱炜.管接头上密封圈数量在线视觉检测

方法[J].计算机应用，2009.29（3）：174-176

[10] 林鹰，刘永，孙越恒.基于图像处理的储备粮仓袋装粮数量

智能测算的研究[J].计算机应用研究，2009.26（6）：2393-2395