基于视觉的铝合金气瓶内壁缺陷检测研究

沈阳工业大学视觉检测技术研究所 苑玮琦 王 英

1 引言

铝合金气瓶是铝合金无缝气瓶的主体，铝合金气瓶经过后续处理成铝合金无缝气瓶后，可用于重复充装各种气体，在铝合金气瓶质量检测过程中，因内壁要与充装的气体直接接触，如果内壁缺陷较大则会产生严重腐蚀等影响从而造成较大经济损失，因此内壁质量的检测至关重要。

据在知网上搜索相关中英文关键词“铝合金气瓶”、“气瓶内壁”“内壁缺陷”“气瓶检测”“气瓶缺陷”等，和相关篇名“铝合金气瓶内壁缺陷检测”及“铝合金气瓶”等，均未检索到有关铝合金气瓶内壁缺陷自动检测的相关文献。在专利检索及分析网站上检索国内外专利发明的中英文相关关键词，亦未检索到相关专利发明。搜索到的相关资料大部分为内壁工艺处理或内壁缺陷分析、或内壁防腐蚀喷涂等处理办法，如中国计量科学研究院吴海等人于2012年发明申请的《铝合金压力气瓶的内壁处理工艺及处理装置》等。目前国内外对于铝合金气瓶内壁缺陷的检测仍是人工检测，人工检测不仅效率十分低下，而且由于人眼观测长期易疲劳且受心理等因素影响，漏检误检难以避免。

国内判定标准是依据国家技术监督局关于铝合金无缝气瓶的检验GB 11640—89标准，[2]-[3]其中附录F铝制制造缺陷的描述和判定中第2条一般要求里的内外表面目测检查提到铝瓶内外表面应清洁，干燥，无氧化物、腐蚀和锈迹，国标中列出了常见缺陷及判定标准。[2]在本文内壁缺陷质量检测中，重点放在凹坑、横向划痕和纵向拉伤三种常见缺陷的检测上，对于凹坑缺陷大小的判定标准为凹坑直径大于等于2mm，横向划痕缺陷的判定标准为所有有此缺陷的图像，纵向拉伤缺陷大小的判定标准为纵贯整张图像的拉伤。本文重点研究三种缺陷的检测方法。首先设计和搭建硬件平台（对于硬件选型和设计另有其它论文说明），采集内壁图像，然后利用本文提出的方法对气瓶内壁缺陷进行检测。

2 模型与理论

对拍摄的图像进行灰度阈值处理，拍摄图像按空间灰度值，中间和上侧偏大，两侧和下侧偏小，呈不规则的倒拱形，这是因为光源光线沿着气瓶轴向方向。由于图像灰度阈值得到的形状不规则即灰度分布不均匀，灰度直方图的波谷并不十分明显，用一般的灰度分割等方法检测缺陷的效果不佳，而用边缘检测时，效果明显较好，这里选择的边缘检测算子是Canny算子。

Canny 边缘检测算子是 Canny[4]在1986年提出的，是当前被普遍认可的一种较理想的边缘检测算法[5]。其基本步骤如下：

（1）使用一个环形二维高斯函数G(x, y)对图像 f(x, y)进行平滑，得到平滑图像 fs(x, y)。

（2）计算平滑图像 fs(x, y)中每个像元点的梯度幅度M(x, y)和方向α(x, y)，使用梯度幅度和方向来估计每一点处的边缘强度和方向。

（3）为确定边缘，对所得梯度进行非极大值抑制来细化边缘。具体做法是寻找图像中的局部极大值点，并将非局部极大值点设为零。

（4）进行滞后阈值，减少伪边缘点，过程为设置低阈值TL和高阈值TH，用连接分析来连接边缘。若像元点是大于TL的集合，则边缘信息一般是真正的信息，但可能会丢失边缘的部分细节；若像元点梯度值在TH和TL之间，则边缘信息会较好，但可能会保留部分不是边缘点的信息。可先找出像元点梯度值大于TL的集合，再计算其值在TH和TL之间的集合以补充边缘，二者综合得到图像的边缘信息[5]。

图2 内壁缺陷检测流程

3 基于Canny算子的内壁缺陷提取过程

3.1 内壁缺陷提取流程

按照流程图中的步骤进行处理。首先通过Canny边缘检测算子对图像进行边缘检测，即流程图1中的边缘点、线提取；再根据边缘线基本特征筛选和判定边缘线，若符合筛选条件则保留，若不符合则删除。由于边缘点、线基本隔离开来，所以需要连接相近的边缘；再根据新连接的边缘线的基本特征来筛选和判定是否为内壁缺陷，若符合则提取缺陷，若不符合则删除非新边缘线。

由于三种缺陷各有其独特的特征，因此筛选过程将按照缺陷的基本特征来分别进行独立筛选。

3.2 三种缺陷提取及分类

3.2.1 凹坑缺陷提取

在几何形态上，凹坑多呈圆形或椭圆形且较为扁平，边缘不规则，外形或大或小，颜色根据深度或深或浅。凹坑缺陷的检测步骤如下：

步骤1：获取可能的轮廓。对图像进行Canny算子边缘检测，得到灰度值变化较大的缺陷轮廓，主要是凹坑和横向划痕等较亮的边缘。Canny算子参数选择中第一个参数为前文中提到的滤波器参数σ，选取的值较小时滤波器宽度越小，平滑程度较小，因此保留的细节也越多，执行时间越少，因此在能检测到缺陷边缘的情况下应尽量选取较小的σ以减少运行时间；第二个和第三个参数分别表示低阈值TL和高阈值TH。

当σ、TL和TH分别选择为4、5和20时，凹坑和横向划痕的边缘都能够被很好地检测出来；而当σ、TL保持不变，TH增大至两倍左右时，只检测出个别凹坑边缘，部分小凹坑边缘没有被检测出来，且检测出的个别凹坑边缘的细节也较少，不便于后续的进一步筛选。分析其原因是凹坑和横向划痕都较亮，灰度值明显比周围的大，而且两种缺陷的梯度接近，在用滞后阈值进行实验时发现若对这两种缺陷强行单独进行提取，效果并不理想，于是决定两种缺陷边缘同时进行检测，只是在后续筛选时根据各自独特特征分开筛选并判断缺陷类型。

步骤2：筛选可能的轮廓。根据凹坑本身较扁较圆，高度不高，其轮廓长度比一般的线要复杂，一般是多圈的曲线，近似交叠，由于精度要求较高，所以需要在亚像素中进行相应轮廓高度、轮廓长度的筛选；为了排除水平长线的干扰，则根据椭圆的短半轴来进一步筛选，去除面积较小的区域。此步骤中最重要的是计算合并终点接近的轮廓。其计算参考值主要有两个：轮廓终点间最大距离（Max Absolute Distance）labs；更长轮廓终点间的最大距离（Max Relative Distance）lrel。两轮廓终点间的距离l都不超过这两个最大值就将两边缘轮廓连接起来。后续进行膨胀、合并、连通区域、形状转换等操作。在膨胀时注意，由于要提取的缺陷是凹坑，根据前面提到的凹坑基本特征，要用圆来膨胀。图2为凹坑缺陷检测结果。

图2 凹坑缺陷检测结果

3.2.2 横向划痕缺陷提取

横向划痕缺陷多为水平划痕，也有斜着稍偏其它方向和其它不规则形状，颜色较浅较亮。横向划痕缺陷的检测步骤如下：

步骤1：获取可能的轮廓（见凹坑缺陷）

步骤2：筛选可能的轮廓。再根据划痕本身较长较亮，高度较低，其轮廓长度不像凹坑那样比一般的线复杂，而一般是偏水平的直线，稍弯曲，所以需要在亚像素精度中就进行相应的筛选。合并邻近直线轮廓、邻近轮廓，根据高度、轮廓长度、宽度等筛选。为了排除气瓶内壁中黑线的干扰，则根据平均灰度值来进一步筛选，之后去除太宽、太圆和不是偏水平方向的区域，再进行一系列膨胀、合并、连通、转换形状等操作，再根据宽度、圆度、方向来筛选可能的划痕缺陷，最后一步判断有无划痕并计算划痕个数。此步骤中最重要的是连接近似共线的轮廓，根据前文提到划痕的基本特征，连接时应多为偏向于横向的直线，所以要按照水平近似共线程度来连接两个边缘轮廓，涉及的理论参数：两个轮廓间隙的最大长度d（distance）（根据测量参考轮廓的回归线），不超过labs；两个轮廓间隙的最大长度d/l（根据测量参考轮廓长度和测量参考轮廓的回归线），不超过lrel；第二条轮廓线距参考轮廓回归线的最大位移s（shift），不超过最大设定位移（Max Shift）Smax；两条轮廓的回归线间的最大角度a（angle），不超过最大设定角度（Max Angle）Amax。连接近似共线的轮廓参数d、d/l、s和a的示意图分别见图3(a)、(b)、(c)、(d)其中左下方和右上方的实粗曲线代表两个边缘轮廓，细实线为两边缘轮廓的回归线。图4为横向划痕缺陷检测结果。

图3 连接近似共线的轮廓参数示意图

图4 横向划痕缺陷检测结果

3.2.3 纵向拉伤缺陷提取

纵向拉伤是多条相连的纵向竖条，纵向从瓶口一直贯穿至瓶底，深浅竖线相隔，竖条部分用手指触摸有凹凸不平感。

最后是纵向拉伤缺陷提取。纵向拉伤缺陷的检测步骤如下：

步骤1：获取可能的轮廓。由于纵向拉伤缺陷的灰度变化较凹坑和横向划痕不是很明显，若用相同的参数值，纵向拉伤缺陷的提取效果不太理想。所以需要重新选择参数，平滑度应该小些，保留更多的细节部分，才能提取出纵向拉伤缺陷。

对于图5(a)中含有纵向拉伤的内壁图像，当σ、TL和TH分别选择为4、5和20时，纵向拉伤边缘并不能被检测出来；而当σ、TL保持不变，TH增大至两倍左右时，纵向拉伤缺陷边缘也没有被检测出来。根据纵向拉伤缺陷的特征，重新调整三个参数的选择，由于该缺陷程较浅的竖直窄条状，灰度值明显不如凹坑和横向划痕大，但还是比周围的灰度值稍高一些，可根据这点来检测窄条两侧梯度变化较为明显的边缘。三个参数重新分别选择为5、1和6，此时纵向拉伤两侧的边缘就比较明显了，如图5(b)所示。图5(c)为按高度筛选后，参数选择为边缘高度大于等于60个像素值，主要剔除非纵向拉伤的边缘。

步骤2：筛选可能的轮廓。根据拉伤本身较长，高度较高，有间接的明暗线，其横向距离较近，其轮廓一般是偏竖直的直线，稍弯曲，合并邻近直线轮廓，根据高度、宽度。和前面一样，因为亚像素精度没有膨胀及合并连通算子，所以要转换到区域进行处理，转换到区域后，进行一系列膨胀、合并、连通、转换形状、按高度筛选等操作，来筛选可能的拉伤缺陷，这需要进行两次来较为精确的筛选，为了排除气瓶内壁中其它较长缺陷的干扰，最后一步判断有无拉伤并计算拉伤个数及最大拉伤的长度。此步骤中最重要的是连接近似共线的轮廓。根据前文所提到拉伸的基本特征，连接时应多为偏向于纵向的直线，所以要按照垂直近似共线程度来连接两个边缘轮廓。涉及的理论参数参考横向划痕缺陷提取的步骤。

图5 纵向拉伤缺陷检测

4 实验与分析

4.1 算法测试平台

本文算法测试实验的图像采集装置如图6所示，采集设备为USB2.0接口的摄像模组，型号为RER-USBFHD01M-LS36。根据实际内壁厚度调节好摄像模组的焦距，工作距离定为36mm，摄像模组和光源装在一根碳纤维杆上，碳纤维杆固定在升降台上。以便于调节工作距离。平移台电机转速为0.2r/s，根据实际情况，设定每秒采集一幅图像，整幅图像的分辨率为1920*1080。

本文算法测试实验所使用的计算机处理器为Intel Core i5，主频为2.2GHz，内存为4G，操作系统为Windows8.1，软件平台为Visual Studio 2012。

图6 图像采集装置

4.2 实验结果与分析

选取图库中包含三种缺陷的图像217张和不包含缺陷的图像167张进行缺陷类型识别实验。首先将包含缺陷图像类别进行人工标定，再对每处标定的缺陷进行类型识别。三种缺陷实验结果比较见表1，其中最后一行测试无缺陷内壁图像检测结果，便于分析检测性能，分析不是缺陷却检测判断为缺陷的原因。

本文方法对于包含缺陷的图像凹坑、横向划痕、纵向拉伤三种缺陷的无漏检，三种缺陷都能完全检测出来，误检率1.8%。分析此处误检的原因：误检是因为内壁有较短横向间隔的竖直黑线，如图7(a)、(b)所示，黑线并不属于任何缺陷，但是其特征也符合纵向拉伤的一些基本特征，导致了误检。

表1 三种缺陷实验结果比较

图7 误检示例

5 结论

由以上实验结果，以Canny算子为基础选取两种参数来检测铝合金内壁三种缺陷，对于本文方法三种缺陷凹坑、横向划痕、纵向拉伤无漏检，误检率为1.8%。说明本文方法对以上缺陷检测的有效性；本文方法在检测时间上，Canny边缘检测算子由于本身计算的复杂性运行时间较长，运行一次的平均时间约为150ms，平均不到1秒即可将一幅图像中的缺陷检测出来，说明本文方法对以上缺陷检测的高效性。

[1]郝延平.铝合金无缝气瓶的设计与制造[J].低温与特气,2017,35(2)：19-24.

[2]全国气瓶标准化技术委员会.铝合金无缝气瓶：GB 11640-2011[S].北京：中国标准出版社,2012.

[3]周海成.铝合金无缝气瓶标准的进展[J].中国特种设备安全,1994(6)：29-32.

[4]Canny J.A computational approach to edge detection.IEEETransaction on pattern Analysis and Machine Intelligence,1986,8(6)：679-698.

[5]曾发明,杨波,吴德文,等.基于Canny边缘检测算子的矿区道路提取[J].国土资源遥感,2013,25(4)：72-78.

[6]施超群.铝板带表面缺陷智能检测技术的应用[J].科技创新与应用,2013(21)：41.

[7]Rafael C.Gonzalez,Richard E.Woods著,阮秋琦,等译.数字图像处理(第3版)[M].北京：电子工业出版社,2011：463-466.