基于機器視覺的膠合板芯板缺陷檢測系統設計基于機器視覺的膠合板芯板缺陷檢測系統設計

郭紅英

(漳州職業技術學院 福建漳州 363000)

膠合板是將多層芯板經涂膠、熱壓而成的一種人造板板材，以形成硬度較高、強度較強、質地均勻的合成板，其原材料品質各異，紋理復雜多變，因部分芯板會存在缺陷，如蟲洞、樹脂、裂紋、腐爛等，膠合前，需要對芯板進行篩選分級，否則會造成膠合板表面碳化使產品質量不佳[1-4]。為保證成品質量，通常需要對缺陷部位進行涂膠、刮膩處理使膠合板表面平整[5-6]。一般對膠合板芯板檢測均通過人工的方式，這種方式的判斷標準存在人為主觀性，檢測效率低。由于人眼視覺疲勞，容易出現將不良品檢測為良品的現象，檢測出來的芯板質量參差不齊。通過人工的方式對芯板進行上料，效率較低，增加了工作人員的勞動強度[7]。針對這些情況，為克服現有技術的缺陷，設計了一種膠合板用板薄片表面識別檢測裝置，可有效地解決以上問題。

1 檢測系統的機械設計

膠合板芯板表面識別檢測裝置如圖1(a)(b)所示，檢測機架頂端的一側固定安裝有推動裝置，推動裝置包括固定柱、連接桿、壓塊、推板和凸輪、儲料箱、挑選箱等。固定柱中部開設的第一圓孔與連接桿的中部穿插連接，推板通過連接桿與壓塊固定連接，且連接桿一端的中部套接伸縮彈簧，凸輪位于靠近壓塊的一端，凸輪與第二電動機的輸出軸固定連接，第二電動機固定安裝于機架底端一側的外壁，機架的中部固定安裝挑選箱和儲料箱，挑選箱內部上方安裝板底端的兩側等距安裝有若干個條形燈，安裝板底端的中部固定安裝相機，如圖1(c)所示。封閉式的挑選箱可以避免外界光線變化的干擾，穩定圖像拍攝采集環境，加速后期圖像特征提取。

1.機架；2.固定柱；3.連接桿；4.壓塊；5.推板；6.凸輪；7.儲料箱；8.第一條形開口；9.第二條形開口；10.挑選箱；11.控制箱；12.第一安裝板；13.光源；14.相機；15.轉輥；16.齒輪；17.鏈條；18.第一電動機；19.側推裝置；20.第二電動機。圖1 機械設計結構

2 光源及相機選擇

光源的選擇至關重要，合適的光源可以使圖像的目標特征更加突出，機器視覺常用光源有熒光光源、金屬鹵素光源、紅外光源等[8]?？紤]膠合板芯板的紋理顏色偏黃，缺陷部位如死節、樹皮都呈暗色。熒光燈的顯色指數較高，光效強，因而選擇三基色條形熒光燈可以調節光源三基色比例，提高圖像對比度，突出缺陷特征[9]。相機是視覺圖像采集的核心部件，為檢測項目選擇合適的相機需要考慮的因素有：相機分辨率、幀率、像元尺寸等。根據感光芯片的不同，工業相機主要有CCD(Charge coupled Device)相機與COMS(Complementary Metal-Oxide Semiconductor)相機兩種。相較于COMS相機，CCD相機的成像質量更好、解析度更高，但成本及功耗也較高[9-11]?？紤]到膠合板芯板表面缺陷所檢測的內容對圖像質量的要求較高，主要有：毛刺、樹皮、樹節(包括活節和死節)，故選擇CCD相機，又因為芯板毛刺缺陷通常與芯板紋理同向，且芯板的規格固定、表面積較大，選用線掃相機可以更好更全面地采集到膠合板芯板的表面特征信息。待測膠合板芯板最大寬值w為1220 mm,最小的缺陷尺寸γ約為0.2 mm，每行所需像素值為：

(1)

因此，選擇分辨率為8 k，行頻為2.5～33.7 kHz的CCD相機便可滿足要求。

3 膠合板圖像采集及處理算法

CCD線掃相機與DMA(Direct Memory Access)緩沖高速圖像采集卡相配合，實現在線實時采集處理，工作流程如圖2所示。

圖2 工作流程

由于圖像具有局部連續性，相鄰像素之間的灰度值較為接近，而當有噪聲存在時，噪聲點處存在數值突變，平均模板的濾波可使數字圖像中的噪聲點灰度值得到修正，但同時圖像也變得模糊，當模板增大時，圖像細節也將難以辨識，即濾波模板的尺寸直接影響圖像的細節。本文采用高斯模板濾波，其分布函數呈正態分布，使得鄰近像素權重較高，距離較遠的像素權重較低，克服了均值平滑濾波對模塊內像素一視同仁的弱點，其二維函數如公式(2)，其均值為0，方差為σ2。

(2)

因此建立一個(2k+1)×(2k+1)的矩陣M，使得原點位于模板的中心點位置(k，k)，(i,j)位置處的元素值由公式(3)計算所得，式中k，i，j均為整數值，對應矩陣M的行列位置。

(3)

M矩陣經過歸一化處理后得到高斯模板w(s,t)，s、t為奇數正整數，對應高斯模板矩陣w的行列數(如：3、5、7)，圖像f(x,y)高斯濾波后得圖像g(x,y)，其缺陷細節能被較好地保留下來，如圖3所示。公式(4)中x,y取整數值，其為圖像的像素坐標。

(4)

(a)芯板濾波前 (b) 高斯平滑濾波后圖3 圖像濾波效果對比

圖像邊緣提取算法主要有 Canny、Prewitt、Roberts等[12]。對濾波后的圖像采用3×3掩模矩陣的sobel邊緣算子進行檢測，結果如圖4所示，芯板的邊緣信息豐富，死結、樹皮、孔洞及大毛刺的邊緣較為明顯，而正常的紋理及允許范圍內小缺陷(如活節、小毛刺)的邊緣較弱，采用灰度值特征便可將缺陷邊緣提取出，如圖5(a)。由于噪聲和光照的不均衡，邊緣點往往不連續，為進一步提取有效的缺陷邊緣，經灰度閾值提取后對邊緣圖像先進行閉運算再做缺陷區域分割，對分割區域進行面積篩選，提取影響板材品質的缺陷區閾，結果如圖5(b)所示。

(a)邊緣檢測結果圖

(b)邊緣檢測局部放大圖圖4 sobel算子檢測結果

(a)灰度特征提取 (b) 面積特征提取圖5 缺陷特征提取

4 實驗測試

試驗芯板選用缺陷豐富的板材，尺寸大小為1200 mm×800 mm。圖6(a)中部位1為正常紋理，部位2為正常的活節，部位3～7的缺陷分別是樹皮、毛刺、死節、裂邊、孔洞，其檢測結果如圖6(b)所示，芯板的主要缺陷特征均能被檢測出來。圖6(c)的主要缺陷是樹皮及小區域的死結，檢測結果如圖6(d)所示。圖6(e)的主要缺陷是死結及少數的樹皮，檢測結果如圖6(f)所示。分別對三種芯板的缺陷檢測結果進行面積統計，按缺陷統計的總面積比率值判定芯板的質量級別，結果如表1。從檢測效果可知，各芯板紋理復雜度不一，所含缺陷種類也不同，經濾波處理后紋理被平滑模糊但其缺陷細節都能較好地保留下來，經灰度閾值及面積閾值分割后，影響品質的缺陷都能被提取出來，同時可實時記錄檢測數據，將分級依據數字化，修改分級閾值便可進一步細化或是更改分級數量，使得篩選分級更加客觀準確。

(a)待測芯板1

(b) 檢測結果1

(c)待測芯板2 (d)檢測結果2

(e)待測芯板3 (f)檢測結果3圖6 測試結果

表1 分級結果

5 結語

此設計目標是將整套系統集成到芯板的加工生產環節，令整個系統能夠在芯板的生產現場對木板上的缺陷進行實時檢測、定位，并附帶質量跟蹤系統。此前依靠傳統的人工視覺對缺陷進行分析判斷存在主觀性強、判斷效率低的不足，而且，膠合板加工廠的工作環境特點是機器運轉嘈雜、粉塵大、膠水味刺鼻，整體環境惡劣不利于人員長期勞作。該系統利用機器視覺的分析判斷，使判斷效率更高，判斷結果更準確，將員工從惡劣環境中解放出來的同時大大降低了人工管理成本。