CC BY
66
УДК 620.179.18 : 681.586.5
АВТОМАТИЗИРОВАННОЕ ДЕТЕКТИРОВАНИЕ ПОРОКОВ ЛИСТОВОГО СТЕКЛА НА ОСНОВЕ ТЕХНОЛОГИИ ТЕХНИЧЕСКОГО ЗРЕНИЯ
B.В.Булатов1, И.И.Абакумов2, А.А.Кульчицкий3, В.А.Шабанов4
Санкт-Петербургский государственный горный университет, 199106, г. Санкт-Петербург, Васильевский остров, 21 линия, 2.
Автоматический визуальный контроль качества стекла необходим в современном производстве на предприятиях машиностроения. Для процесса контроля разработана оптико-электронная установка АДПС. Методика детектирования основана на программной обработке изображений, получаемых с камеры технического зрения. По результатам исследования выделен ряд нелинейных фильтров, позволяющих распознавать пороки: «царапина», «пузырь» и «камень». Ил.7. Табл.1. Библиогр. 7 назв.
Ключевые слова: контроль; стекло; пороки; техническое зрение.
AUTOMATED DETECTION OF SHEET GLASS DEFECTS ON THE BASIS OF COMPUTER VISION TECHNOLOGY V.V. Bulatov, I.I. Abakumov, A.A. Kulchitsky, V.A. Shabanov
St. Petersburg State Mining University,
2, 21st Line, Vasilyevsky Ostrov, St. Petersburg, 199106.
Automated visual control of glass quality is required in modern manufacturing at the enterprises of machine-building industry. An optoelectronic device of automated detection of glass defects (ADGD) is developed for the process of control. A detecting procedure is based on the software processing of the images supplied by a computer vision camera. The study results allowed to identify a number of non-linear filters for detecting defects such as "scratch", "bubble" and "stone".
7 figures. 1 table. 7 sources.
Key words: control; glass; defects; technical vision.
Проблема автоматизированного контроля качества листового стекла давно стоит на предприятиях стекольной промышленности и машиностроения.
В настоящее время контроль пороков (дефектов) листового стекла на производстве осуществляется визуально - человеком, при этом должны соблюдаться следующие условия: объект должен находиться в проходящем свете при рассеянном дневном освещении или подобном ему искусственном, освещенность поверхности листа стекла должна быть не менее 300 люксов [1]. Определение класса порока и оценка его линейных размеров также осуществляются визуально человеком. На основании произведённой оценки в соответствии с ГОСТом [1] принимается решение об отнесении объекта контроля к браку.
Видимость объекта контроля (степень различимости пороков стекла при их наблюдении) зависит от продолжительности просматривания, контраста, яркости, цвета, угловых размеров объекта, резкости конту-
ров и условий освещённости.
Таким образом, некоторые даже крупные пороки стекла не могут быть обнаружены глазом из-за малого контраста на поверхности детали. По этой причине возникает проблема точного определения линейных размеров дефекта и его классификации, в то время как ГОСТ [1] устанавливает строгие требования к отнесению изделий из листового стекла к браку по указанным характеристикам. Как следствие, неправильное определение класса, количества и размеров пороков приводит к высокому проценту брака изделий из листового стекла.
Поэтому возникла необходимость в усовершенствовании соответствия системы контроля качества стекла требованиям ГОСТ. Для автоматизации процесса детектирования предлагается внедрить камеру технического зрения (КТЗ). Для исследований использовалась камера фирмы Nation Instruments модель 1722 (NI 1722).
i-
Булатов Виталий Владимирович, старший преподаватель кафедры автоматизации производственных процессов, тел.: 89523911749, e-mail: bulatov-vitaly@rambler.ru
Bulatov Vitaly, Senior Lecturer of the Department of Computer-Aided Manufacturing, tel.: 89523911749, e-mail: bulatov-vitaly@rambler.ru
2Абакумов Игорь Игоревич, аспирант, тел.: 89313346840, e-mail: igr-abak@rambler.ru Abakumov Igor, Postgraduate, tel.: 89313346840, e-mail: igr-abak@rambler.ru
3Кульчицкий Александр Александрович, кандидат технических наук, доцент, заведующий кафедрой автоматизации производственных процессов, тел.: 89119803057, e-mail: doz-ku@rambler.ru
Kulchitsky Alexander, Candidate of technical sciences, Associate Professor, Head of the Department of Computer-Aided Manufacturing, tel.: 89119803057, e-mail: doz-ku@rambler.ru
4Шабанов Вячеслав Анатольевич, доцент кафедры автоматизации производственных процессов, тел.: 89523659413, e-mail: knez_rus@mail.ru
Shabanov Vyacheslav, Associate Professor of the Department of Computer-Aided Manufacturing, tel.: 89523659413, e-mail: knez_rus@mail.ru
Процесс контроля стекол можно разделить на несколько этапов:
1. Получение изображения камерой N 1722.
2. Пространственная обработка изображения фильтрами или набором фильтров.
3. Выделение объектов на обработанном изображении.
4. Распределение объектов по классам пороков листового стекла.
5. Сравнение найденных пороков с требованиями ГОСТ и принятие решения о соответствии.
Для проведения исследований разработана лабораторная установка автоматизированного детектирования пороков стекла (АДПС) (рис.1). Работа устройства осуществляется следующим образом. Объект контроля 8 с дефектом закрепляется в держателе 7 и устанавливается на каретку 6. Каретка 6 устанавливается на скамью 14 и располагается перед светильником 9 и белым экраном 11, зафиксированным на держателе 12. Экран подсвечивается системой рассеянного освещения, состоящей из диодных светильников 13, закрепленных на нем, и диодного светильника 9, установленного на подвижной каретке 10. Камера технического зрения 3 с объективом 15 при помощи крепления 2, соединенного с кареткой 1, устанавливается на скамью 14 перед объектом контроля 8. Диафрагма 5 жестко закреплена на каретке 4 и установлена на скамью 14 между объектом контроля 8 и камерой технического зрения 3. Диафрагма предназначена для ограничения поля зрения камеры 3, чтобы получать и обрабатывать изображение только объекта контроля.
Обязательными условиями для проведения контрольных операций на установке АДПС являются:
а) Осуществление контроля в затемненном помещении. Для освещения сцены используется местное светодиодное освещение.
б) Строго зафиксированное положение объекта контроля 8 и КТЗ 3 на одной оптической оси.
В предлагаемом устройстве подвижные каретки позволяют менять месторасположение объекта кон-
троля и регистрирующего элемента системы путём передвижения их по скамье относительно друг друга, что добавляет дополнительную гибкость системе АДПС: осуществление диагностики образцов контроля с различными геометрическими размерами.
В основе предлагаемой методики распознавания пороков лежит программная обработка изображения, полученного камерой технического зрения. Необходимым условием получения высококонтрастного изображения является правильно подобранная система освещения образцов контроля.
Выбрана система рассеянного освещения, которая реализуется при помощи отражателя (экрана). В систему освещения входят два светильника с тремя диодами и один с шестнадцатью диодами. Применяются белые светодиоды, Betlux Electronics BL-L543UWC (яркость 2500 мКд).
Освещение устанавливается таким образом, чтобы лучи света падали на экран. Разработан вариант освещения, который удовлетворяет требованиям ГОСТ (рис.2). При этом расположение светильников в АДПС характеризуется тремя угловыми размерами -а, в и y. Освещенность рассчитывается как
Е = -^cosi, (1)
где I - сила света в канделах; r - расстояние до источника света; i - угол падения лучей света относительно нормали к поверхности.
Расчет показал, что общая освещенность экрана для разработанного оптимального варианта освещения составляет E = 500 лк.
Далее были произведены замеры освещенности объекта контроля люксметром Precision Mastech Enterprises MS6610. В результате освещенность поверхности контролируемого объекта составила E = 486 лк, т.е. условие ГОСТ (Е > 300 лк) выполняется [1]. На рис. 3 представлены изображения, полученные с КТЗ при данном расположении источников освещения. Объект контроля имеет равномерную освещенность.
Рис. 1. Устройство АДПС: 1 - каретка КТЗ; 2 - крепление КТЗ; 3 - КТЗ; 4 - каретка диафрагмы; 5 - диафрагма; 6 - каретка объекта контроля; 7 - держатель объекта контроля; 8 - объект контроля (листовое стекло); 9 - светильник; 10 - каретка светильника; 11 - экран; 12 - держатель экрана; 13 - светильники; 14 - скамья;
15 - объектив камеры
а) б)
Рис. 2. Расположение источников освещения установки АДПС: а - вид сбоку; б - вид спереди; 1 - экран; 2 - верхние светодиодные светильники; 3 - нижний светодиодный светильник
а) б) в)
Рис. 3. Изображение объекта контроля при оптимальном варианте освещения: а - царапина; б - камень; в - пузырь
Пороки листового стекла четко различимы.
Рассмотрим обнаружение объектов на примере детектирования трех основных пороков стекла: царапина, пузырь и камень (инородное включение). Все пороки можно описать рядом признаков: признак формы (геометрический), структурный, цветовой.
Полученное с КТЗ изображение можно описать матрицей чисел, являющихся количественным описанием яркости каждого пикселя на изображении. По выделенным признакам пороки также можно описать последовательностью чисел. Путём выявления таких последовательностей в искомой матрице можно обнаружить объекты на изображении.
Получаемое цифровое изображение является матрицей I значений пикселей.
Одним из главных признаков пороков стекла является цветовой или признак яркости. Поэтому для полутонового изображения следует установить порог яркости для светлых и темных объектов. Обозначим светлые пиксели - В, а темные - й. Предположим, что В < 150, С > 151 . (2)
Обозначим группу темных пикселей множеством единиц в одной строке матрицы I, не разделенных нулями (светлыми пикселями). Тогда группы единиц, расположенных в соседних строках матрицы изображения объекта контроля, с координатами концов по оси абсцисс а, Ь и с, с1 будут связными, если справедливо одно из выражений:
а<с<Ь;а<й<Ь;с-1 = Ь;й + 1 = а. (3)
На рис.4 представлены примеры связных областей изображения (далее по тексту - детектируемые объекты).
Контроль размера связной дефектной конфигура-
ции можно свести к расчету одного из линейных геометрических параметров-признаков дефекта (диаметр, длина, площадь).
Ъ а Ь
а
0001111 0111100 с <1
0001110 0110000 С(1
Рис. 4. Связные группы единиц на изображении
Рассмотрим контроль размера дефектной конфигурации на примере порока «пузырь». Данный дефект стекла относительно геометрии обладает эллипсовидной формой.
Линейные размеры порока контролируются в соответствии со стандартом [1] и дополнительными требованиями заказчиков. Обозначим общие правила анализа порока «пузырь». По итогам распознавания возможны три варианта событий:
1. 1_>1_о - наибольший линейный размер больше эталонного.
2. 1_<1_0 - наибольший линейный размер меньше эталонного.
3. Связная область не является дефектом.
Расчет площади порока можно произвести, воспользовавшись формулой Пика:
5 = В + - - 1,
(4)
где В - количество целочисленных точек внутри дефектной области; Г - количество целочисленных точек на границе дефектной области.
Следующей задачей после выделения связных областей на изображении является разделение выделенных объектов на бездефектные и дефектные кон-
фигурации. Эта задача решается следующим образом:
1. Установка максимального размера объекта связной области.
2. Разработка различных видов освещения объекта контроля.
3. Фильтрация изображения.
ния дефекта следует использовать набор фильтров Laplace-Median. Для детектирования порока «царапина» следует использовать набор фильтров Laplace-Highlight Details. Только этот набор дает нам возможность распознать царапины на изображении. При детектировании порока «камень» оптимальным является применение фильтра Median с коэффициентом 3.
а) б)
Рис. 5. Детектирование царапин на изображении после обработки в среде NI Vision Builder: а - оригинальное изображение; б - обнаружение дефекта, вывод результата
После обнаружения объекта проводится пространственная фильтрация изображения с целью отнесения каждого выделенного объекта к определенному классу пороков, а также удаления с изображения объектов, не являющихся пороками. Фильтрация осуществляется на базе программы NI Vision Builder. Исследования [5-7] выделили ряд нелинейных фильтров, необходимых для детектирования основных пороков стекла.
При проведении эксперимента использовались образцы контроля с одним или двумя пороками, а также образец с каплями краски и пороком. Результаты поиска дефектов представлены в таблице.
Эксперимент показал, что не все нелинейные фильтры обеспечивают детектирование порока: одни из них добавляют дополнительные шумы на изображении, а другие малоэффективны для распознавания из-за физических особенностей пороков стекла.
При моделировании процесса детектирования порока «пузырь» установлено, что для четкого выявле-
Результаты детектирования порока «царапина» представлены на рис.5.
Размер порока в миллиметрах вычисляется с учетом расстояния, на котором находится объект контроля от интеллектуальной камеры. Горизонтальные и вертикальные размеры и расстояния, полученные программой NI Vision Builder в пикселях, переводятся в миллиметры по формулам
Ягор. = —— ■ Ям ,
К вер. =
F
Нд-L-N
Ум
(5)
(6)
где N - размер царапины в пикселях; 1_д - горизонтальный размер датчика камеры в мм; Нд - вертикальный размер датчика камеры в мм; Р - фокусное расстояние объектива; Нм - горизонтальное разрешение матрицы камеры в пикселях; Мм - вертикальное разрешение матрицы камеры в пикселях; 1_ - расстояние от матрицы камеры до объекта.
Количество объектов на образцах контроля с дефектами после обработки полутонового _изображения различными нелинейными фильтрами_
Порок стекла Фильтры
Dark objects Laplace filter Bright objects Laplace filter Median k=3 Dark objects Laplace + High details Bright objects Laplace + High details Bright objects Roberts filter Bright objects Sobel operator Dark objects Prewitt operator
Царапина 0 4 0 1 0 3 2 4
Пузырь 0 2 0 7 4 4 5 0
Камень 21 0 1 47 0 0 0 0
Царапина + камень 19 5 1 48 0 4 3 8
Царапина + пузырь 0 8 0 11 4 8 6 16
Пузырь + краска 5 7 3 11 9 16 7 12
Следует отметить, что в соответствии с ГОСТ [1], если расстояние между отдельными пороками менее 500 мм, они приравниваются к порокам размером более 0,5 мм. Вычисление размеров пороков и расстояний между ними реализовано на базе программы (рис.6).
Рис. 6. Реализация формул пересчета размеров порока стекла в Labview
Следующим этапом распознавания пороков стало создание программного алгоритма (рис. 7), который на основе выделенных признаков автоматически классифицирует объекты на изображении, учитывая все особенности контролируемых дефектов, их классы и размеры.
Алгоритм контроля основных пороков реализован на базе программы NI Vision Builder с применением объектного программирования и подробно описан в [4].
Эксперимент показал, что установка АДПС позволяет измерить дефект с точностью до 0,1 мм в соответствии с формулами (1) и (2), что позволяет проводить контроль порока в промышленности.
К преимуществам новой методики следует отнести:
- удобство сочленения интеллектуальной камеры с любым компьютером от Pentium IV;
- несложное программирование на базе Labview и NI Vision Builder;
- возможность обработки сигнала от неподвижных, малоподвижных и быстродвижущихся объектов как в реальном,так и измененном времени.
Основные результаты исследования:
- сконструирована оптико-электронная установка контроля с учетом универсального освещения;
- выделены основные признаки пороков «царапина», «пузырь» и «камень», и на их основе построен алгоритм детектирования;
- эксперимент показал, что для выделения порока «пузырь» следует применять набор фильтров Laplace-Median, для порока «царапина» - Laplace-Highlight Details, а для порока «камень» подходит фильтр Median;
Рис. 7. Первый шаг алгоритма детектирования пороков листового стекла
- для указанных пороков разработаны алгоритмы распознавания на базе NI Vision Builder.
Проведенное исследование показало, что система АДПС позволяет осуществлять контроль стекла в со-
ответствии с ГОСТ. При этом использование объектного программирования упрощает реализацию алгоритма контроля и уменьшает скорость нахождения дефекта на изображении.
Библиографический список
1. ГОСТ 111 -2001. Стекло листовое. Технические условия. М.: Изд-во стандартов, 2001. 21 с.
2. Обработка и анализ цифровых изображений с примерами на Labview и IMAQ Visio / Ю.В. Визильтер [и др.] М.: ДМК Пресс, 2007.
3. Гонсалес Р. Цифровая обработка изображений / пер. с англ. Р.Гонсалес, Р.Вудс. М.: Техносфера, 2005. 1072 с.
4. Булатов В.В. Обобщенный алгоритм выделения пороков стекла // Проблемы машиноведения и машиностроения: межвуз. сб. СПб.: СЗТУ, 2009. Вып. 39. С.125-130.
5. Булатов В.В., Сарвин А.А. Влияние источников света на процесс контроля прозрачных сред техническим зрением // Системы и процессы управления и обработки информации: тр. междунар. научно-техн. конф., посвященной 80-летию
ВУЗа. СПб.: СЗТУ, Институт системного анализа, автоматики и управления, 2010. С.109-113.
6. Булатов В.В., Сарвин А.А. Математические основы обнаружения инородных включений на стекле по монохромному изображению // Системы и процессы управления и обработки информации: тр. междунар. научно-техн. конф., посвященной 80-летию ВУЗа. СПб.: СЗТУ, Институт системного анализа, автоматики и управления, 2010. С.114-119.
7. Барандов С.Б., Булатов В.В. Методика оценки пузырно-сти стекол по монохромному изображению // Анализ и прогнозирование систем управлении: тр. XI междунар. научно-практ. конф. молодых ученых, студентов и аспирантов. СПб.: СЗТУ, 2010. Ч. 1. С.42-47.
УДК 629.735
РАЗВИТИЕ МЕТОДОВ АНАЛИЗА И РАСЧЕТА ХАРАКТЕРИСТИК РЕШЕТОК ПРОФИЛЕЙ ОСЕВЫХ КОМПРЕССОРОВ
1 9
И.А.Кривошеев1, К.Е.Рожков2
Уфимский государственный авиационный технический университет, 450000, г. Уфа, ул. К. Маркса,12.
Рассматриваются методы расчета характеристик ступеней осевых компрессоров с использованием результатов продувок решеток профилей. Предлагаются методы, учитывающие закономерности изменения коэффициента теоретического напора, угла отклонения потока в решетке, взаимосвязи углов набегания и выхода потока от геометрических параметров решетки. Предложены новые методики, универсальные зависимости, представленные в графическом и аналитическом виде, новые аппроксимационные зависимости. Предложенная методика подтверждается сравнением с экспериментальными данными и результатами 3D CAD-CAE-моделирования. Ил. 8. Библиогр. 8 назв.
Ключевые слова: авиационные двигатели; расчет характеристик; имитационное моделирование; компрессор.
DEVELOPMENT OF METHODS FOR THE ANALYSIS AND CALCULATION OF CASCADE PERFORMANCES OF AXIAL-FLOW COMPRESSORS I.A. Krivosheev, K.E. Rozhkov
Ufa State Aviation Technical University, 12 Carl Marx St., Ufa, 450000.
The article discusses calculation methods for the stage characteristics of axial-flow compressors with the use of blade cascades blowoff results. It proposes methods that take into account the patterns of change in the coefficient of theoretical head, the angle of flow deflection in the cascade, the correlation of the angles of flow attack and flow exit from cascade geometry parameters. The authors propose new procedures and universal dependences presented in both graphical and analytical forms, as well as new approximation dependencies. The proposed procedure is confirmed by the comparison with experimental data and 3D CAD-CAE-simulation results. 8 figures. 8 sources.
Key words: aircraft engines; calculation of characteristics; simulation; compressor.
При планировании физических или численных экспериментов по получению характеристик компрессоров, при оптимизации геометрии элементов проточной части (ПЧ) на этапе проектирования, при экстра-
поляции характеристик компрессоров (для моделирования запуска, анализа помпажа, авторотации), для образмеривания и унификации характеристик (что важно при идентификации моделей ГТД, задании за-
1-
Кривошеев Игорь Александрович, доктор технических наук, профессор, декан факультета авиационных двигателей, тел.: 89033118102, e-mail: krivosh@sci.ugatu.ac.ru
Krivosheev Igor, Doctor of technical sciences, Professor, Dean of the Faculty of Aircraft Engines, tel.: 89033118102, e-mail: krivosh@sci.ugatu.ac.ru
2Рожков Кирилл Евгеньевич, аспирант, тел.: 890050061991, e-mail: rke85@mail.ru Rozhkov Kirill, Postgraduate, tel.: 890050061991, e-mail: rke85@mail.ru
