药柱银丝位置多重算法识别技术研究

2018-06-05杨时敏袁睿斌吴战武张英杰徐志刚

兵器装备工程学报 2018年5期

杨时敏，张渝，袁睿斌，吴战武，张英杰，刘洋,，徐志刚

(1.上海航天化工应用研究所, 浙江湖州 313002; 2.中国科学院沈阳自动化研究所, 沈阳 110179)

固体推进剂广泛应用于火箭、导弹等发动机作为动力源，是一种含能的复合材料。由于火箭燃气发生器内压强较低，固体推进剂通常在贫氧状态下燃烧，燃速偏低，不易满足使用性能要求[1]。为了提高燃速，通常采用嵌银丝的方法。金属丝有很好的导热性，在药柱中嵌入金属丝可以有效将热量传递给药柱各部分[2]。为了增大燃面，缩短燃面爬升坡段，在药柱端面上沿银丝方向钻盲孔。盲孔采用复合加工系统加工，需要配合机器视觉系统对银丝位置进行识别，并使系统满足加工精度要求。

机器视觉系统是指通过图像传感器对图像进行摄取，并转换成数字信号，根据像素分布、亮度和颜色等信息，完成对目标特征的提取，实现检测、定位、监控等功能[3]。CMOS(互补金属氧化物半导体)和CCD(电荷耦合器件)作为半导体是目前最常见的两种图像传感器，两者各有优缺点。CCD相比于CMOS具有灵敏度高，成像品质好等优点，因此工业相机多数应用CCD传感器[4]。随着视觉技术的发展，机器视觉系统对图像的处理更加智能化，在工业应用中可以进行有效的缺陷识别、测量、环境建模等工作，具有效率高、精度高等特点，对工业制造领域中智能化生产起到了非常重要的作用。

本研究目的是利用 CCD相机捕捉图像，通过图层优化、边缘检测、灰度阈值处理、感兴趣区域提取、面积识别、递归贪心算法多种方式进行药柱银丝位置的识别与精确定位。本文研究的细银丝位置识别技术对其他类似图像中筛选特征点具有一定的参考价值。国内对于药柱金属丝的检测未有详细说明，文献[5-6]主要集中于药柱燃烧的速率和杀伤力，国外由于技术封锁对于药柱检测报道很少。

1 药柱复合加工系统

复合加工系统是以通用部件为基础，可以同时拥有几种组合方式，配以按工件特定外形和加工工艺设计的专用部件和夹具组成的半自动或自动专用机床，生产效率比单工位加工系统高几倍至几十倍。由于通用部件已经标准化和系列化，可根据需要灵活配置，能缩短设计和制造周期。多工位加工系统兼有低成本和高效率的优点，在大批、大量生产中得到广泛应用，并可用以组成自动生产线,目前技术难点在于如何保证多工位加工系统的加工精度，既能实现加工自动化，又保证加工的精度，需要精确的识别定位。

1.1 复合加工系统的功能及要求

药柱复合加工系统具有整主形端面、银丝位置自动识别处理与精确定位、盲孔加工、孔内药屑清理、孔深及直径自动测量、刀具温度检测等功能。复合加工系统能根据相机检测的银丝位置，自动找准，对中心，钻孔定位精度：不大于Ф0.35 mm；孔径中心轴线与工件中心轴线平行度：≤0.2 mm。钻孔的定位精度主要由银丝位置的识别精度保证，钻头轴线与药柱银丝轴线平行度由系统设计与安装调试保证。机械臂、复合加工系统及打孔刀具刚度是保障此项精度的重要因素。

1.2 复合加工系统的组成

复合加工系统包括药柱夹具、直角坐标驱动单元、整形加工模块。其中整形加工模块整合了CCD相机、打孔钻头、铣刀、毛刷清根、高压气针吹屑、内窥镜探测、磁滞尺测深、红外温度传感器，可实现系统要求的多种功能，满足自动化要求。复合加工系统结构如图1所示。

银丝位置的识别与定位由高精度彩色CCD工业相机完成，安装在整合加工模块的安装板的固定位置。CCD相机具有图像捕捉快速，图像清晰，相机位置摆放灵活，检测方法精度易控制等特点，支持快速连续曝光，动态图像无拖影，能够在任何时刻完成图像捕捉任务。彩色CCD相机有利于计算机从色度上筛选银丝所在区域，同时，自适应的处理图像亮度以及自动增益和自动曝光效果，在原图的基础上优化了对用户显示的效果。同时操作人员对加工准确与否的辨识度较高，通过改写程序可适应多种类型的工件。

工业变焦镜头采用全新超低失真、高分辨率设计，具有清晰度高，倍率可变，光学无畸变，高对比度等特点。采用焦阑法，测量误差少，能配合百万像素以上1/3、1/2、2/3工业相机使用，用于高精确检测、高精度尺寸测量、目标位置定位等机器视觉系统。

2 银丝位置多重算法识别技术

在药柱定长切割结束后，利用工业相机完成药柱断面拍照，完成端面上圆周阵列的6个银丝位置的精确识别，获得银丝相对于钻头的位置。未处理药柱图片如图2所示。

由于药柱端面上银丝极细，肉眼不易观察，为准确找到银丝位置，使用CCD相机获取图像，通过数字图像处理系统，得到当前状态下银丝的位置，需要对药柱断面的表面形貌进行图像处理。

视觉系统采用六重识别算法，包括图层优化、边缘检测、灰度阈值处理、感兴趣区域提取、面积识别、递归贪心算法，利用此方法可以在银丝位置快速识别的前提下保证检测结果准确无误。

2.1 图层优化处理

由于自然光是混合光源，通过自然打光下的图像提取三基色图层(RGB)，根据银丝在不同图层中的明显程度，对灰度图像进行加权求和，得到最有效的银丝识别图像。加权求和即将RGB三个分量分别作为该点的灰度值，然后相加得到一个灰度值：

Gray=R+B+C

(1)

三基色图层优化处理及灰度处理后如图3所示。

2.2 边缘检测

由于药柱断面的表面形貌的图像处理受表面粗糙度、光照环境等因素影响，故选择合适的边缘检测算子对图像进行边缘特征的提取，并且尽可能减少由噪声引起的伪边缘的干扰。本系统采用算法相对简单，应用广泛的Canny算子进行边缘检测[7]。

基于canny算法的边缘检测实现过程如下：

1) 利用高斯滤波对图像进行平滑降噪处理

采用高斯函数对药柱断面图像进行处理，函数形式如下。

(2)

σ为高斯曲线标准差，影响图像中检测的边缘平滑程度。

2) 计算梯度的幅值和方向

图像I(i,j)的边缘包括梯度幅值M(i,j)和梯度方向θ(i,j)，可采用2×2邻域一阶偏导的有限差分进行近似计算。本文取x、y方向一阶近似偏导模板如下：

(3)

梯度幅值和梯度方向计算公式如下：

(4)

(5)

3) 对梯度幅值进行非极大值抑制

非极大值抑制(NMS)是指保留局部极大值，将非极大值的像素点的灰度值设置为0，这样可以有效去除大多数非边缘点，达到细化边缘的目的。

非极大值抑制的实现是利用梯度方向，与相邻像素梯度赋值进行比较，即以梯度值为M(i,j)的点(i,j)为中心，与3×3邻域内沿梯度方向θ(i,j)的元素比较，如果M(i,j)比沿梯度方向相邻元素大，则将其设为候选边缘点；若相反则将其灰度值设为零，这样可以得出候选边缘图像C(i,j)。

4) 检测和连接边缘

Canny算法采用双阈值法，即选取高阈值T1和低阈值T2分别与非极大值抑制后图像进行比对。若像素点梯度幅值大于高阈值，则将该点确定为边缘点，若梯度幅值低于高阈值，则将该点确定为非边缘点；若梯度幅值在高阈值和低阈值之间，但是在该点邻域像素中有已被确认的边缘点，则将该点也确定为边缘点，否则为非边缘点。进行双阈值法检测和连接的边缘三维效果图及边缘示意图如图4。

2.3 灰度图像阈值处理

若要从药柱断面中识别银丝位置，需要对药柱断面的表面形貌进行分析。为了提取银丝位置的特征点，需要对药柱断面图像进行处理。通过将灰度图进行二值化处理，即通过给定阈值，以该阈值为门限将灰度图转换成黑白图像[9]。

(6)

式中，T为给定阈值，由于是批量生产，可凭经验选取。

阈值T取10后的灰度阈值处理图如图5所示。由于银丝所在位置与其他部分会显示出不同的灰度值，可以通过筛选类似银丝所表现的像素点确定银丝位置。

2.4 ROI感兴趣区域提取

通过提取图像中边缘样本坐标点，采用最小二乘椭圆拟合的方法，求得中心点位置坐标。

设平面任意位置椭圆方程为

Ax2+Bxy+Cy2+Dx+Ey+F=0

(7)

Pi(xi,yi)(i=1,2,…,n)为椭圆上的测量点，依据最小二乘法，所拟合的目标函数为

(8)

欲求中心点坐标即：

(9)

因此得方程组：

(10)

结合约束条件可以求得方程系数A,B,C,D,E,F的值。结合椭圆的几何知识，可以计算出椭圆的5个参数：位置参数(θ,x0,y0)以及形状参数(a,b,)，即可求得中心坐标。

由于银丝位置分布是圆周阵列的形式，故感兴趣区域可以设置为以药柱边缘计算得到的中心点作为中点的环形区域，其外内圆直径为R±p，R为药柱上银丝可能所在直径，但由于药柱生产时银丝位置会有一定误差，故留出一定裕度p，以便使感兴趣区域将6个银丝位置全部包含进去。

其他区域通过漫水填充法进行填充，将灰度都设置为0，这样可以有效生成掩码区域，通过只处理掩码区域，可以得到感兴趣区域。

通过ROI的提取，能有效提高计算机处理速度，并且避免干扰产生的误差。药柱断面图像中感兴趣区域提取后如图6所示。

2.5 特征区域面积识别

特征区域面积识别是通过比对可疑银丝位置特征区域的面积，筛选面积部分过小或过大的区域，排除绝对不可能是银丝的点。

由于图像是由一个一个像素组成的，因此在对图像逐行采用区域标记算法将各特征区域进行标记，区域标记法[11]是把连续区域附上相同标记，常见的有四连通域和八连通域标记算法。本文采用八连通域算法[12]，在对特征连通区域进行标记的同时对各特征区域中像素个数进行统计。然后对各区域像素个数进行比对，去除不可能是银丝位置的特征区域。设银丝位置特征点像素个数范围是[n1,n2]，像素个数不在该范围内的标记区域的灰度值设为0。干扰特征消除后的效果图如图7。

2.6 结合递归和贪心算法确定银丝坐标

药柱端面图像最终的处理包括图像检索及坐标值计算。图像检索的方式采用以区域块为单位进行图像扫描，区域块是指利用递推算法合并四邻域(上下左右)相同灰度值像素从而得到若干一定尺寸的区域块[13]。检索出包含所有疑似银丝位置的区域块，区域块中心位置坐标为(xi,yi)。

假设图像I中还存在n个疑似银丝位置点，从上到下的区域块依次标记为i=1,2,…,n，利用贪心算法，即通过解局部最优解来达到整体最优解的方法，比对两两区域块中心坐标之间的距离，在图像I中寻找6个两两之间近似等距的圆周阵列的银丝位置点(阵列中相邻银丝位置之间距离设为l±a)。如符合银丝相对位置关系，将此两点标记为可能是银丝的点，如果某一点被重复标记3次以上，则认为它就是银丝所在位置，反之则将该区域块的灰度值全设置为0，最后提取最优结果，并通过坐标变换得到世界坐标系下银丝的绝对位置，以便进行盲孔的精确定位加工。

通过递归贪心算法得到的最终银丝位置示意图如图8。