熒光磁粉探傷自動(dòng)識別技術(shù)在軸承上的應用

     大家知道，機車(chē)車(chē)輛滾動(dòng)軸承故障是鐵路車(chē)輛運輸中的主要故障之一，也是影響鐵路運輸暢通和安全生產(chǎn)的關(guān)鍵因素。軸承的表面裂紋及缺陷是造成行車(chē)事故的潛在威脅，在裝車(chē)運行一段時(shí)間后需要對其進(jìn)行表面缺陷檢測。熒光磁粉探傷是軸承表面檢測的一種常用方法。由于傳統熒光磁粉探傷采用的是人工觀(guān)察，檢測人員長(cháng)期在暗室里處于紫外線(xiàn)光照射下，不僅工作環(huán)境差，而且很容易疲勞，造成人為漏檢。針對人工觀(guān)察方法的不足，擬采用數字圖像采集及圖像處理的方法，對軸承表面缺陷磁痕圖像進(jìn)行判斷和報警，改善檢測人員的工作環(huán)境，克服主觀(guān)因素造成的失誤，提高檢測的準確性和可靠性，zui大程度地避免漏檢事故發(fā)生。

 　　1圖像處理方法

　　對熒光磁粉探傷的工件進(jìn)行圖像采集，得到彩色圖像，其中工件表面吸附的熒光磁粉在紫外線(xiàn)輻射可激發(fā)出黃綠色熒光。系統采集的圖像受到水滴、水跡、刀痕、表面污染和表面反光等干擾信息的影響，不可避免地存在一些噪聲。圖像處理的任務(wù)是獲取圖像中的可疑成分，去除噪聲的影響，對圖像可疑區域進(jìn)行判斷，獲得裂紋信息。

　　1.1圖像可疑成分的獲取

　　采集的數字圖像采用RGB色彩模式存儲。RGB色彩模式是工業(yè)界的一種顏色標準，是通過(guò)對紅(R)、綠(G)、藍(B)三個(gè)顏色通道的變化以及它們相互之間的疊加得到各式各樣的顏色。RGB即是代表紅、綠、藍三個(gè)通道的顏色，這個(gè)標準幾乎包括了人類(lèi)視力所能感知的所有顏色，是目前運用zui廣的顏色系統之一。

　　RGB色彩模式使用RGB模型為圖像中每一個(gè)像素的RGB分量分配一個(gè)0～255范圍內的強度值。例如：純紅色的取值應為R=255，G=0，B=0;灰色的R，G，B三個(gè)值相等(除了0和255);白色的R，G，B都為255;黑色的R，G，B都為0。RGB圖像只使用三種顏色，就可以使它們按照不同的比例混合，在屏幕上重現16 581 375種顏色。

　　在RGB模式下，每種RGB成分都可使用從0(黑色)～255(白色)的值。例如，亮紅色使用的值應為R=246，G=20，B=50;當所有三種成分值相等時(shí)，產(chǎn)生灰色陰影;當所有成分的值均為255時(shí)，結果是純白色;當該值為0時(shí)，結果是純黑色。

　　文中圖像的可疑成分即是軸承工件表面吸附熒光磁粉的部分，亦即圖像中的熒光色彩部分。由于熒光磁粉受紫外線(xiàn)輻照所激發(fā)出光的色彩與光源的強度，與熒光磁粉的自身特性有關(guān)，故該色彩應在實(shí)際環(huán)境中測定，文中的取值為R=118，G=237，B=153。由于工件所受的光照不均，所吸附的磁粉密度不同，所以不能要求圖像中的熒光圖像色彩數值與標準值*相等，需要設定一定的容差TH。

　　圖像中可疑成分的提取過(guò)程是判斷圖像中的每一個(gè)點(diǎn)，用該點(diǎn)的色彩RGB的數值與標準值做比較，若R，G，B三個(gè)值與對應標準值的差值均小于容差TH，則判定該點(diǎn)為可疑成分，判斷完成后的結果存儲為二值圖像，即每一像素點(diǎn)使用一個(gè)布爾值表示;true用白色點(diǎn)表示;false用黑色點(diǎn)表示。原圖的可疑成分用白色表示;背景表示為黑色。

　　容差TH值的大小由實(shí)驗確定。容差過(guò)大，會(huì )使背景區域誤判做可疑區域，造成誤判;容差過(guò)小，會(huì )使可疑區域漏判，導致可疑區域選取過(guò)小，甚至丟失。文中選定TH=40，所得結果如圖1(b)的P1所示。

　　1.2噪點(diǎn)去除

　　上述過(guò)程提取出的結果P1為軸承工件圖片中工件表面吸附熒光磁粉的部分，即可能存在裂紋和表面缺陷部分，也可能包含由于不夠光滑、銹跡等因素而吸附磁粉的部分。過(guò)程中需要去除小的噪點(diǎn)及像素塊，以減少噪聲的影響。在此采用數學(xué)形態(tài)學(xué)的方法進(jìn)行除噪。

　　數學(xué)形態(tài)學(xué)的基本思想是用具有一定形態(tài)的結構元素去度量和提取圖像中對應的形狀，以達到對圖像分析和識別的目的。數學(xué)形態(tài)學(xué)的數學(xué)基礎和所用語(yǔ)言是集合論，因此它具有完備的數學(xué)基礎，這為形態(tài)學(xué)用于圖像分析和處理、形態(tài)濾波器的特性分析和系統設計奠定了堅實(shí)的基礎。數學(xué)形態(tài)學(xué)的應用可以簡(jiǎn)化圖像數據，保持它們基本的形狀特性，并除去不相干的結構。數學(xué)形態(tài)學(xué)的算法具有天然的并行實(shí)現結構，實(shí)現了形態(tài)學(xué)分析和處理算法的并行，大大提高了圖像分析和處理的速度。

　　數學(xué)形態(tài)學(xué)是由一組形態(tài)學(xué)的代數運算子組成的，它的基本運算有膨脹(或擴張)、腐蝕(或侵蝕)、開(kāi)啟和閉合。這4個(gè)基本運算在二值圖像和灰度圖像中各有特點(diǎn)?；谶@些基本運算還可推導和組合成各種數學(xué)形態(tài)學(xué)的實(shí)用算法，用它們可以進(jìn)行圖像形狀和結構的分析及處理，包括圖像分割、特征抽取、邊界檢測、圖像濾波、圖像增強和恢復等。數學(xué)形態(tài)學(xué)方法利用一個(gè)稱(chēng)作結構元素的“探針”收集圖像信息，當探針在圖像中不斷移動(dòng)時(shí)，便可考察圖像各個(gè)部分之間的相互關(guān)系，從而了解圖像的結構特征。數學(xué)形態(tài)學(xué)基于探測的思想，與人的FoA(Focus of Attention)的視覺(jué)特點(diǎn)有類(lèi)似之處。作為探針的結構元素，可直接攜帶知識(形態(tài)、大小、甚至加入灰度和色度信息)來(lái)探測和研究圖像的結構特點(diǎn)。

　　此處使用數學(xué)形態(tài)學(xué)算法中的開(kāi)運算。開(kāi)運算用來(lái)消除小物體，在纖細點(diǎn)處分離物體，在平滑較大物體邊界的同時(shí)，并不明顯改變其面積。

　　這里使用圖2所示4個(gè)結構元素分別對P1圖進(jìn)行開(kāi)運算，所得的兩個(gè)結果相加，得到去除單個(gè)像素噪聲點(diǎn)后的結果P2(圖略)。該過(guò)程后依然留下一些小的像素塊噪聲待后文處理。

　　1.3裂紋斷點(diǎn)的連接

　　圖像的采集以及可疑成分的提取過(guò)程可能會(huì )使裂紋熒光磁痕的圖像出現間斷點(diǎn)，這時(shí)需將裂紋圖像連接起來(lái)。在此采用數學(xué)形態(tài)學(xué)中的閉運算方法對P2圖進(jìn)行處理。

　　該過(guò)程的關(guān)鍵是選取適當大小的結構元素，采用直徑為D的圓形結構元素對P2圖進(jìn)行閉運算用來(lái)連接圖像中的間斷點(diǎn)和微小缺陷，以平滑圖像。直徑D的選取直接影響處理效果的好壞，D過(guò)大會(huì )導致裂紋圖像與附近噪聲l區塊甚至另一條裂紋相連，造成判斷圖像模糊及裂紋的準確度下降;D過(guò)小則可能無(wú)法連接裂紋中的間斷點(diǎn)，并可能丟失裂紋信息?，F選取D=7的圓形結構元素，對P2進(jìn)行閉運算后的結果記為圖像P3(圖略)。

　　1.4連通區域的提取

　　這里需要提取P3圖像中的每一個(gè)連通區域，判定其是否為裂紋。在此提出一個(gè)簡(jiǎn)便的提取圖像連通區域的方法：

　　(1)創(chuàng )建一個(gè)與P3圖像大小等同的二值圖像R，并設置所有值為false(即全黑)，用于臨時(shí)存放一個(gè)提取出的連通區域。

　　(2)在P3中自上而下，自左而右，遍歷各個(gè)像素，查找*個(gè)值為true點(diǎn)的坐標，在圖像R中設置該坐標點(diǎn)的值為true。

　　(3)用3×3的結構元素對圖像R做膨脹運算，所得結果與P3做邏輯與運算，得到圖像R1。比較R與R1，若R1中，true值點(diǎn)的數目多于R，則令R=R1，再次重復上述運算，直至R中true值點(diǎn)的數目與R1的相等，即圖像R中的連通區域大小不再增加，表示完成一個(gè)連通區域的提取。

　　(4)提取一個(gè)連通區域后，令P3=P3-R，即在P3中去除已提取的連通區域，再次查找P3中的*true值點(diǎn)，進(jìn)行另一個(gè)連通區域的提取，直至P3中所有值為false。如此即可提取P3中的所有連通區域。

　　該方法使用3×3的結構元素對連通區域的已知點(diǎn)做膨脹運算，得到連通區域可能增加的所有點(diǎn)，再與圖像P3做邏輯與運算，即可實(shí)現原連通區域的增加，當連通區域不再增加時(shí)即為提取出了一個(gè)連通區域。該方法實(shí)現簡(jiǎn)便，思路清晰，計算效率也可滿(mǎn)足需要。

　　1.5對連通區域是否為裂紋的判斷

　　經(jīng)過(guò)上述四個(gè)步驟后所提取的連通區域尚不一定是裂紋圖像，仍有可能是工件表面污漬、銹跡等形成的斑痕，這些斑痕有可能會(huì )比較大，若直接使用連通區域像素數量的多少來(lái)判別連通區域是否為裂紋會(huì )產(chǎn)生誤判。故此，采用判別連通區域大小并結合判別連通區域圓形度大小的方法來(lái)判定區域是否為裂紋。

　　首先，判斷連通區域的大小，即統計圖像R中true值點(diǎn)的個(gè)數AREA。由圖像與實(shí)際工件尺寸的比例來(lái)計算和設定區域大小的門(mén)限閾值THA，即若AREA>THA，則該區域可能為裂紋;若AREA

　　對于可能為裂紋的連通區域，計算連通區域圖像的圓形度大小。圓形度用來(lái)描述區域形狀接近圓形的程度，它是測量區域形狀常用的量。圓形度的一種計算方法是：圓形度(AREA為區域的面積;C為區域的周長(cháng))，該算法圓形度YD的zui大值為1，區域形狀越復雜，越狹長(cháng)，則圓形度YD值越小。通過(guò)實(shí)驗確定圓形度閾值THYD，將計算出的連通區域圓形度YD與THYD做比較，若YD在圓形度的計算中，參數AREA即為連通區域中像素點(diǎn)的個(gè)數。計算周長(cháng)C的zui簡(jiǎn)便方法是統計區域與背景交界點(diǎn)的個(gè)數，該個(gè)數計為C，這種計算方法在裂紋為斜向時(shí)會(huì )產(chǎn)生較大誤差，這里的方法是根據區域與背景交界點(diǎn)的不同狀態(tài)賦予不同的權重，若交界點(diǎn)在上下左右四個(gè)方向只有一側為背景區，則該點(diǎn)的邊長(cháng)權重為1;若交界點(diǎn)在兩個(gè)方向接觸背景區(如上和右)，則該點(diǎn)的邊長(cháng)權重為;若交界點(diǎn)在三個(gè)方向接觸背景區，則該點(diǎn)的邊長(cháng)權重為2。這種計算方法在測量斜向的邊界時(shí)較為準確，使用直徑從10～100的圓形區域做測試，用這種方法計算出的圓形度在0.89～1.01之間，誤差較小。

　　創(chuàng )建與P3圖像大小相同的二值圖像P4，用于存放被判定為裂紋的連通區域，P4各點(diǎn)初值設置為false，得到一個(gè)判定為裂紋的連通區域圖像R時(shí)，P4與R做邏輯或運算，結果返回P4，即P4=P4∣R，將所有連通區域判斷完成后，即得到原圖像中所有裂紋的圖像，用于存儲和記錄。

　　連通區域圖像的提取與裂紋判定的流程圖如圖3所示。

　　本文中的處理結果如圖4所示，它完成了熒光磁粉探傷圖像的裂紋提取及識別。

　　2結語(yǔ)

　　使用裂紋自動(dòng)識別系統代替軸承熒光磁粉探傷中的人工觀(guān)察具有實(shí)用價(jià)值。這里對裂紋自動(dòng)識別的軟件方案進(jìn)行了探討和嘗試，提出了一種簡(jiǎn)便的連通區域提取方法，改進(jìn)了數字圖像區域周長(cháng)的計算方法。該算法在Matlab中完成測試，識別結果具有一定的準確度，證實(shí)了識別算法的可行性。