产品表面平整度的机器视觉检测技术应用研究

摘要：以具有典型镜面反光特性的抛光瓷砖作为研究对象，探讨了瓷砖表面平整度的评价指标，提出了表面平整度检测方法，构建了基于机器视觉的平整度检测系统，在试验盒内完成图像采集与预处理后，利用算子图像不平整缺陷区域的分割识别，可呈现清晰的瓷砖产品表面图像变形缺陷区域，为检测产品表面平整度的機器视觉检测技术的应用提供了参考。

关键词：平整度检测;机器视觉;图像采集;预处理

0 引言

随着科技不断发展，机器视觉作为前沿学科，可高效解决人类不便直接观测技术的应用问题，且不会因直接接触而损伤被观测体，因此在产品表面平整度检测中具备明显的应用优势。瓷砖是具有镜面反光特性的代表性产品，其生产制造工艺水平可通过表面平整度指标来评价。针对人工检测手段无法满足现代瓷砖工业生产需求的问题，机器视觉检测技术成为首选。

1 瓷砖产品表面平整度评价指标

我国陶瓷瓷砖产品的尺寸外观和表面质量的检验检测以专项国家标准《陶瓷砖试验方法（第2部分）：尺寸和表面质量的检验》（GB/T 3810.2—2006）作为指南。该标准指出，瓷砖产品的表面平整度主要包括翘曲度、中心弯曲度、边部弯曲度3个指标，如图1所示[1]。其中，翘曲度指标定义为瓷砖产品的任三个角组成平面后与第四个角产生的偏离量;边部弯曲度指标定义为瓷砖产品的任三个角组成平面后与某一边中点产生的偏离量;中心弯曲度指标定义为瓷砖产品的任三个角组成平面后与产品中心点产生的偏离量。这3个指标常用的计算公式分别表示为：

在实际工业生产中，瓷砖的这3个指标会接受同步测量计算，并将计算结果的最大值作为瓷砖平整度值。

2 镜面瓷砖产品表面平整度检测系统设计

2.1    设计思路

人们可以从湖面对岸边景物的倒影变化现象中得到启发：若湖面平静，岸边景物的倒影将与原物的规格与形态一致;若湖面因风出现波纹，岸边景物的倒影将会变形，不会与原物轮廓形态一致，波纹越大，倒影的扭曲程度越大。因此，以湖面作为镜面，景物在其上的倒影扭曲变化的程度，就可表达出其表面平整的程度。同理，瓷砖作为镜面产品，亦可通过投影方式在瓷砖表面呈现规则物体的外观轮廓，以已知表面平整的瓷砖投影位置作为参照，分析计算判断待检瓷砖投影位置出现的位置偏移程度，若后者表面越不平，则偏移程度将越发明显，可知待检瓷砖的表面平整度越发不理想。

2.2    检测系统的硬件结构设计

本文将现阶段已经不断发展成熟的机器视觉技术引入到对瓷砖产品表面平整度的检测中，设计一个瓷砖产品表面不平整缺陷的检测系统。其主要硬件结构如图2所示。

图2中，整个检测实验空间是在一个相对安静且封闭的试验盒内。NO.1指的是条形的LED光源，可持续供电，沿试验盒内顶面四边进行布置，呈对称型。光源表面经过必要的漫反射板装饰处理，可降低对待检测瓷砖在光源直射后出现的反光概率。NO.2指的是带有光学镜头的电子相机，相机产自佳能公司，拥有500万像素，分辨率2 592 dpi×2 048 dpi，像素尺寸4.8 μm×4.8 μm，镜头产自华谷动力公司，拥有1 000万像素，畸变比<1%。NO.3指的是待检测表面不平整缺陷的镜面陶瓷瓷砖产品，整体呈银白色，为降低在受光照射后出现的明显反射现象，在试验盒底面放置了NO.4黑色面板，面板用于充当背景，其表面粗糙可尽可能减弱反光效果，且可强化光源照射下的NO.3与NO.4的明暗对比，便于在采集影像资料后可对其背景进行分割处理。

整个检测系统的使用流程，即先调整好相机与陶瓷瓷砖的相对位置，并控制好顶面四边的光源照射角度与强度，使用相机采集到瓷砖清晰照后，对瓷砖图像进行预处理，利用算法完成瓷砖表面图像中的缺陷区域分割，并计算出瓷砖缺陷的实际尺寸。

3 镜面瓷砖产品表面不平整缺陷区域分割

3.1    瓷砖产品表面图像预处理

图像预处理即要求借助合理的手段，不断剔除图像内部的无关联信息，便于更为清晰准确地检测出表面不平整缺陷。

3.1.1    消除图像畸变

受到相机以及镜头工艺的影响，一些拍摄图像可能存在畸变，因此要利用合理手段进行消除。本文使用机器视觉软件HALCON完成畸变校正[2]。先标定相机，后取得相机拍摄成像的逻辑模式，进而对采集后的产品表面图像进行校正。

3.1.2    分割无关背景

在试验盒中对瓷砖产品表面进行图像拍摄采集时，由于底面设置有黑色面板充当背景，事实上在图像采集时易构成图像视野中的无用目标区域，这样会增加所采集图像的实际大小，对于后期的运算而言负担增加，还会拖慢运算速度。本文将分割这部分黑色无关背景。由于瓷砖与黑色背景的明暗对比明显，因此，本文利用全局阈值法来完成对瓷砖图像区域的提取，分割黑色无关背景。全局阈值法所用公式为：

式中，G（i，j）是分割剔除无关背景后的剩余图像;P（i，j）是相机所采集到的原始图像;K是全局阈值设定值。

3.1.3    去除图像噪声

相机对陶瓷产品表面的图像采集，会因目标区域受到的光照存在不均匀问题而使得图像上会出现不同程度的明暗区域交替，存在噪声的比例较高，这样就影响到对瓷砖表面不平整缺陷的检测，应做去噪处理。本文将使用高斯滤波算法去除噪声。此算法作为典型的线性滤波逻辑算法，与中值滤波、均值滤波等算法相比，能在去除图像噪声的同时，更好地保持图像边缘信息完整性，实现平滑去噪。

3.2    瓷砖产品表面图像变形缺陷区域分割

完成图像预处理之后，为了提取瓷砖图像存在缺陷的区域，并完成后期的缺陷区域尺寸的精确计算，需要采取科学手段进行缺陷区域的分割。

本文在高斯滤波算法的基础上，对高斯函数作一阶微分得到Canny算子，从而将瓷砖的边缘变形缺陷等待检测问题转化为求解检测基准函数极大值的问题[3]。高斯滤波完成后，即进行图像梯度大小和方向的运算，并通过求解极大值并抑制非极大值，确定真实变形缺陷的边缘。通过像素点所设置的不同梯度进行大小比较，用选定像素点的梯度值与邻近正负梯度方向上的两个不同像素点梯度值进行比较，将非极大值所对应的像素点灰度值设定为0，进一步对比确定局部梯度的最大值对应点并保留，后续有效设定高低阈值指标再行检测。设高阈值为G，低阈值为D，则若瓷砖图像变形缺陷的边缘像素梯度取值大于G，则定义此像素为强边缘像素并保留;若瓷砖图像变形缺陷的边缘像素梯度取值低于G且高于D，则定义此像素为弱边缘像素，需要进一步评价周围八方位的相邻像素与G的对比大小情况，若存在高于G的像素梯度，则对应的像素点需要保留，若未出现高于G的像素梯度，则对应的像素点接受抑制;若瓷砖图像变形缺陷的边缘像素梯度在D以下，则定义次像素直接接受抑制。当然，Canny算子检测方法的应用中，由于算法使用G、D双阈值检测，在抑制动作中只是完成对存在可能被误分割区域的识别，而容易遗漏对变形缺陷边缘间断区域的处理，使得可能将不需抑制的边缘进行了抑制，因此需要对Canny算子的检测方法进行必要的修正和补充。

本文同时选用Sobel算子和Close_edges算子检测方法，第一步是先以Sobel算子对图像求导后获得二值化图像，因新图像边缘尚存在缺口和有间断，或者有新的噪声出现，需要使用Close_edges算子完成第二步操作。将算子引入瓷砖二值化图像边缘点相邻区域，评判不同相邻点梯度值，设定对比阈值为H，若某点梯度≥H，则此点可判断为真实边缘内含点，若某点梯度

通过Canny算子与Close_edges算子检测方法的结合应用，前一方法可对瓷砖图像变形缺陷的边缘误分割后的假性边缘实施合理抑制，然而在辨识和处理变形缺陷边缘中存在的间断问题上存在不足;后一方法则能够有效针对变形缺陷边缘存在的间断点进行连接，然而在边缘误分割的假性边缘抑制处理方面存在不足，一定情况下还会出现假性边缘异常延伸，干扰分割识别的情况。因此，将两种方法结合后，对瓷砖图像变形缺陷边缘进行检测，一方面对误分割的假性边缘进行了合理抑制，另一方面能较为稳定地处理好缺陷边缘存在的间隙、噪点等问题，最终可以分割出明确的瓷砖图像变形缺陷，证实瓷砖产品的表面不平整度。

4 结语

本文将机器视觉检测技术应用在镜面瓷砖产品的表面平整度检测工作中，主要凭借图像处理技术以及必要的算法完成检测，在图像采集中设计了试验盒，对瓷砖表面进行拍摄图像的稳定采集，经过消除图像畸变、分割无关背景、去除图像噪声等预处理后，利用Canny算子与Close_edges算子检测方法相结合，实施瓷砖产品表面图像变形缺陷区域的分割，可呈现清晰的瓷砖产品表面图像变形缺陷区域，有效掌握产品表面平整度情况。

[参考文献]

[1] 谢剑.基于机器视觉的表面平整度检测方法研究[D].长沙：中南大学，2014.

[2] 程翔，王美玲，王广伟.基于机器视觉的汽车非标零部产品检测技术研究[J].经济技術协作信息，2019（14）：90.

[3] 吴园.基于机器视觉技术的产品外观质量检测研究[J].电子元器件与信息技术，2018（6）：35-38.

收稿日期：2020-06-04

作者简介：黄燕（1989—），女，四川资中人，硕士研究生，研究方向：机械检测。