基于计算机视觉的胶料表面黏性的测量改进*

2019-08-19方德光汪传生梁振宁边慧光李绍明

弹性体 2019年4期

方德光，汪传生**，梁振宁，边慧光，李绍明

(1.青岛科技大学机电工程学院，山东青岛 266061；2.山东省高分子材料先进制造技术重点实验室，山东青岛 266061)

胶料表面黏性直接影响轮胎的气密性、安全性，所以胶料表面黏性的测试方法研究非常重要[1-2]。传统胶料表面黏性测量是将两个相同胶料表面在一定压力下接触一定时间后撤销压力，测量拉开胶料所需的拉力，以此表征胶料表面黏性。该方法测试时间长、效率低，不利于产品改良及量化分析[3-4]。王宪伦等[5]提出基于计算机视觉的滚球法测定胶料表面黏性，一定程度上提高了测试效率，但存在相机标定流程复杂、硬件安装要求高[6]、程序执行时间长等不足。

本研究提出一种改进方案，通过优化光源方案、引入标定板等，解决了上述方法存在的问题。应用该方案测量胶料表面黏度，速度更快，调试、维护更简单。

1 改进方案

1.1 整体结构

原方案中设备硬件由高速相机、激光线性发生器和电磁铁等构成，激光线性发生器发射的激光照向滚球，通过分析投影面上激光线的分段得到胶料黏性。由于激光线性发生器通过透镜将输入的激光光束转换为能量均匀分布的直线，所以采集的图像会发生畸变，该畸变矫正过程繁琐，设备安装、调试难度大。原方案测量平台如图1所示。

图1 改进前的设备硬件布局

改进后的设备整体结构主要由计算机、平行光背光光源、高速CMOS相机、Arduino控制器等构成，如图2所示。其中背光光源色温为6 500 K，营造最佳拍摄环境，以采集小球滚动时的图像。计算机主要负责图像处理及胶料黏滞力的计算。相机选用大恒图像MER-131-210U3M型高速CMOS相机，该相机帧率为220 fps，采用全局快门。高帧率保证了采样速率满足计算需求，全局快门确保可采集的小球图像不模糊。

图2 改进后的设备硬件布局

1.2 光源的改进

要使图像中被测物的基本特征可见，照明方案的选择至关重要。选择照明方法的原则是抑制不需要的特征，显现感兴趣特征[7]。光源是机器视觉获取图像的基础,通过对光源的改进与设计可以高效地提取出所需目标信息,提高图像处理和识别的效率,提高系统测量精度和可靠性,光源的错误使用则会造成图像处理复杂度提高[8-9]。

光源在布置时应考虑两个方面：一是光源的方向性，可分为漫射照明和直接照明；另一个是光源与相机和被测物的相对位置，可分为正面光和背光。由于被测物是一个球体，本身有一定的厚度，若采用明场漫射背光照明，会使被测物在相机侧的部分被照亮。这样得到的图像中小球边缘模糊，很难提取准确的球心位置，如图3(b)所示。使用平行光照明可以避免小球在摄像机侧的反射，得到边缘锐利的小球图像，如图3(a)所示。

(a) 平行光照明

(b) 漫射光照明图3 平行光照明和漫射光照明

1.3 感兴趣区域提取

图4是测试之前拍摄的图像，在测试过程中，小球固定出现在图4中白色矩形区域内，此区域在图像处理领域称为感兴趣区域。若将图像处理算法限制在该区域内，可简化背景，提高图像处理效率[10]。

图4 待提取感兴趣区图像

为提取感兴趣区域，对图4进行分析：按行看，感兴趣区域内白色像素点居多(直线1所在行)，非感兴趣区域像素点均为黑色(直线2所在行)。按列看，感兴趣区域中有一定比例的白色像素点(直线a所在列)，非感兴趣区域全为黑色像素点(直线b所在列)。遍历图像中的行、列并计算其平均灰度值即可获得感兴趣区域的顶端、底端所在行及左侧、右侧所在列，将这四条线围成的矩形绘出即可得到感兴趣区域，如图5所示。

图5 感兴趣区域

由图5可看出，感兴趣区域约占原始图像的20%，在后续的图像处理计算中，将算法限制在该区域执行，将大大减小计算耗时及处理器运算量，提高测量效率。

1.4 测量算法设计

本研究使用OpenCV作为图像处理算法库，测量算法包括小球质心提取和摄像系统标定两个模块。

1.4.1 小球质心提取

摄像系统采集的图像中不可避免含有噪声成分，噪声会使图像中灰度值随机变化，图像中的噪声可通过平滑处理进行抑制。高斯滤波器具有旋转对称性，该滤波器对图像中不同方向的物体滤波后的结果一致，基于以上考虑，算法前处理使用选择高斯滤波，二维高斯滤波器由式(1)给出。

(1)

式中：gσ(r,c)为高斯滤波器模板中的值；σ为噪声的方差；r、c分别为高斯滤波器的行、列号。

要计算小球质心，需先寻找物体边缘，物体边缘像素是图像中灰度突变的像素。通过边缘检测可剔除与物体识别不相关的信息，在保留主要信息的同时，大幅减小数据量，提高了对小球轮廓的检测效率。Canny边缘检测算子具有低错误率、高定位性及最小响应等特点，可排除非边缘因素，边缘寻找准确，故本方案采用Canny算子检测小球边缘，Canny滤波器卷积阵列由式(2)给出。

(2)

式中：Gr用于x方向；Gy用于y方向。Canny算法检测到的小球边缘如图6(a)所示。

最后，调用OpenCV提供的轮廓矩函数即可获取小球的质心的像素位置，如图6(b)所示。

(a) Canny边缘检测

(b) 小球质心提取图6 小球边缘检测和质心提取

1.4.2 摄像系统的标定

使用机器视觉准确测量物体，必须标定摄像系统。由于每个镜头畸变的程度不一，必须为摄像系统执行标定[11]。另一方面，相机在安装时不能完全保证垂直于被测物体，获取的图像会发生透射失真，若不加校正，测量结果将出现较大的偏差。

在实际测量时，只需计算小球在一个维度的位移，为简化标定程序，本方案使用自制的一维标定板(透明亚克力板上刻印间距为5mm的高精度刻线)进行标定，相机拍摄到标定板图像后执行一维边缘提取，并将各刻线所对应像素位置与真实距离建立映射。推算小球位置时，使用此映射即可将小球像素位置转换为真实位移。图7是摄像系统标定完成后，对间距为10 mm的刻线板的相邻刻线间距进行测量，得到像素距离及转换后的真实距离。

刻线段编号图7 相机标定后对像素距离的转换

从图7中像素距离折线图可以看出，图像发生了桶形畸变，表现为对于同样大小的刻线间距，反映在图像上呈现出两端短、中间长的特点。从图7中真实距离折线图可以看出，尽管图像存在一定的透视失真，但经标定转换后，测量结果仍然很准确。此标定方案比原方案的标定方法简单，标定结果更精确。

2 结果与讨论

为验证改进后方案的实际耗时和测量是否精准，将100片胶料使用两种方法分别进行测量，得到两组实验数据，结果如图8所示。

胶片样本序号(a) 原方案

胶片样本序号(b) 新方案图8 胶料黏性测试结果

2.1 实验数据处理

对两组实验数据进行统计，分别求出原方案和改进后的方案所测得胶料黏滞力的最大值、最小值、极差、标准偏差等，为之后的F检验、格鲁布斯检验和t检验做准备，平均值和标准偏差分别如式(3)、式(4)所示。

(3)

(4)

同时，在测量过程中统计两种方法的算法耗时，结果见表1。

表1 方案改进前后的算法耗时

2.1.1 格鲁布斯检验

(5)

最后，查格鲁布斯检验值表中的临界值Tα,n(α为显著性水平，n为样品量)，与统计量Ti做比较，若Ti≥Tα,n，说明xi为异常点，需舍去，反之则保留该数据。

经计算，求出各自最大值和最小值统计量：TAmin=1.739 3,TAmax=2.656 9，TBmin=1.803 6，TBmax=2.688 3，所以TAmin≤TA≤TAmax，TBmin≤TB≤TBmax，查格鲁布斯检验值表，取α=0.05，T0.05,100=3.21,可见TAmin、TAmax、TBmin、TBmax均小于T0.05,100，证明测得数据均有效。

2.1.2F检验

F检验法是通过比较两组数据的标准偏差S，确定数据精密度是否有显著性差异。首先计算F值，如式(6)所示。

(6)