融合装配特征和回归分析的锯链图像分割算法_陈励威.pdf

电 子 测 量 技 术E L E C T RON I CME A S U R EME N TT E CHNO L O G Y第4 5卷 第2 3期2 0 2 2年1 2月 D O I:1 0.1 9 6 5 1/j.c n k i.e m t.2 2 0 9 9 2 0融合装配特征和回归分析的锯链图像分割算法*陈励威1 刘苏苏1,2 袁 辉2 瞿 畅1 张福豹1 赵春峰2(1.南通大学机械工程学院 南通 2 2 6 0 1 9;2.硕与硕(江苏)智能科技有限公司 南通 2 2 6 4 9 9)摘 要:准确分割牵引运动下的开环锯链图像是锯链缺陷自动化检测的关键,为实现锯链图像中各零件的精准分割,本文提出一种融合装配特征和回归分析的锯链图像分割算法。首先通过分析锯链装配特征,使用霍夫圆检测算法初步获取锯链图像中铆钉的位置信息;然后建立基于最小二乘法的异常点剔除方法,并通过相邻铆钉的位置判断漏检铆钉,解决霍夫圆检测过程的误检与漏检问题;接着对相邻铆钉区域的像素坐标进行仿射变换,实现锯链图像中刀片、连接片、传动片部分的分割;最后搭建实验平台,通过双工位相机采集图像对算法进行验证。实验结果表明,该锯链分割算法可准确、快速分割正常和缺陷锯链图像,锯链分割准确率达9 4.4%,对类似产品自动化检测具有较好的借鉴意义和实用价值。关键词:锯链;图像分割;霍夫圆检测;仿射变换;最小二乘拟合中图分类号:T P 3 9 1.4 文献标识码:A 国家标准学科分类代码:5 2 0.9 9S a w c h a i n i m a g e s e g m e n t a t i o n a l g o r i t h m f u s i o n a s s e m b l y f e a t u r e s a n d r e g r e s s i o n a n a l y s i sC h e n L i w e i1 L i u S u s u1,2 Y u a n H u i2 Q u C h a n g1 Z h a n g F u b a o1 Z h a o C h u n f e n g2(1.S c h o o l o f M e c h a n i c a l E n g i n e e r i n g,N a n t o n g U n i v e r s i t y,N a n t o n g 2 2 6 0 1 9,C h i n a;2.M a s t e r a n d M a s t e r(J i a n g s u)I n t e l l i g e n t T e c h n o l o g y C o.,L t d.,N a n t o n g 2 2 6 4 9 9,C h i n a)A b s t r a c t:A c c u r a t e s e g m e n t a t i o n o f o p e n-l o o p s a w c h a i n i m a g e s u n d e r t r a c t i o n m o t i o n i s t h e k e y t o a u t o m a t i c d e t e c t i o n o f s a w c h a i n d e f e c t s.I n o r d e r t o a c h i e v e a c c u r a t e s e g m e n t a t i o n o f p a r t s i n s a w c h a i n i m a g e s,t h i s p a p e r p r o p o s e s a s a w c h a i n i m a g e s e g m e n t a t i o n a l g o r i t h m t h a t c o m b i n e s a s s e m b l y f e a t u r e s a n d r e g r e s s i o n a n a l y s i s.F i r s t l y,b y a n a l y z i n g t h e a s s e m b l y f e a t u r e s o f t h e s a w c h a i n,t h e H o u g h c i r c l e d e t e c t i o n a l g o r i t h m i s u s e d t o i n i t i a l l y o b t a i n t h e p o s i t i o n i n f o r m a t i o n o f t h e r i v e t s i n t h e s a w c h a i n i m a g e;t h e n t h e o u t l i e r e l i m i n a t i o n m e t h o d b a s e d o n t h e l e a s t s q u a r e s m e t h o d i s e s t a b l i s h e d,a n d t h e m i s s e d r i v e t s a r e j u d g e d b y t h e p o s i t i o n o f t h e a d j a c e n t r i v e t s,s o a s t o s o l v e t h e p r o b l e m o f f a l s e d e t e c t i o n a n d m i s s e d d e t e c t i o n i n t h e H o u g h c i r c l e d e t e c t i o n p r o c e s s;t h e n p e r f o r m a f f i n e t r a n s f o r m a t i o n o n t h e p i x e l c o o r d i n a t e s o f t h e a d j a c e n t r i v e t a r e a t o r e a l i z e t h e s e g m e n t a t i o n o f t h e b l a d e,c o n n e c t i n g p i e c e a n d t r a n s m i s s i o n p i e c e i n t h e s a w c h a i n i m a g e;f i n a l l y,a n e x p e r i m e n t a l p l a t f o r m i s b u i l t,a n d t h e a l g o r i t h m i s v e r i f i e d b y c o l l e c t i n g i m a g e s w i t h a d u a l-p o s i t i o n c a m e r a.T h e e x p e r i m e n t a l r e s u l t s s h o w t h a t t h e s a w c h a i n s e g m e n t a t i o n a l g o r i t h m c a n a c c u r a t e l y a n d q u i c k l y s e g m e n t n o r m a l a n d d e f e c t i v e s a w c h a i n i m a g e s,a n d t h e s a w c h a i n s e g m e n t a t i o n a c c u r a c y r a t e r e a c h e s 9 4.4%,w h i c h h a s g o o d r e f e r e n c e s i g n i f i c a n c e a n d p r a c t i c a l v a l u e f o r t h e a u t o m a t i c d e t e c t i o n o f s i m i l a r p r o d u c t s.K e y w o r d s:s a w c h a i n;i m a g e s e g m e n t a t i o n;H o u g h c i r c l e d e t e c t i o n;a f f i n e t r a n s f o r m a t i o n;l e a s t s q u a r e s f i t t i n g 收稿日期:2 0 2 2-0 5-1 2*基金项目:南通市基础科学研究项目(J C 2 0 2 1 2 0 0)、南通市社会民生科技计划项目(M S 1 2 0 2 1 0 2 2)资助0 引 言 锯链作为林业木料采集的基础件,具有传递率大、效率高、寿命长的优点,广泛应用于各种工程机械领域。当前,针对锯链缺陷自动化检测的相关研究较少,现有的锯链缺陷自动化检测方法为采用机器视觉的方法采集锯链图像,通过YO L O v 4算法建立特征数识别模型,将模型输出的特征数信息与标准值比对判断是否存在缺陷1。由于锯链结构组成较为复杂,无法对锯链图像中各部分进行有效识别,因而此方法存在缺陷检测精度不高的问题。随着机器视觉技术的发展,基于机器视觉的工业产品的缺陷检测方法逐步代替了人工检测2-5,具有检测速度931 第4 5卷电 子 测 量 技 术快,检测精度高的优点。为提高缺陷检测的准确率,在应用传统图像处理与深度学习6-8技术进行缺陷检测前,将缺陷区域进行分割,剔除背景干扰。如孙光民等9改进了带钢表面图像的预处理过程,采用二值化阈值分割方法,准确定位缺陷。金鹏等1 0设计了一种自适应铁路扣件分割方法,实现铁路扣件的定位与分割,建立分类器,最终缺陷检测的准确率达到9 7.6%。因此,为实现锯链缺陷的自动化检测,需要对采集的复杂锯链图像进行标准化分割,提高后续缺陷检测算法的检测精度。目前,对于图像的分割方法分为基于传统图像处理的分割方法和基于深度学习的分割方法1 1。在基于传统图像处理的分割方法中,多采用C a n n y边缘检测、O t s u二值化阈值来分割图像1 2-1 5,但只能分割图片中的前景与背景,适用于缺陷图像单一、产品结构简单的情况,不能自动分割锯链各零件部分。采用基于深度学习的分割方法1 6-1 8可实现图片场景中像素级的分割,具有普适性,但需要较多的锯链样本,分割成本过高,且存在较大的分割误差。在锯链图像采集过程中,锯链作为一种柔性装配件,会在尾端出现甩尾情况,需要对甩尾部分进行水平矫正,加大了锯链图像中各零件的分割难度。目前,多采用仿射变换1 9的方法实现对图像的矫正,如K o n o v a l e n k o等2 0提出一种基于仿射变换下的光学字符矫正方法,对拍摄的不同角度的字符提取最小化矩形坐标位置,采用仿射变换实现字符图像特征的归一化。H e等2 1使用仿射变换的方法实现了严重偏斜车牌图像的矫正,将矫正后的车牌图像送入L P R网络训练,提高了车牌识别的准确率。综上所述,不同于现有图像分割方法,本研究提出一种适用于锯链图像的快速分割算法。运用霍夫圆检测算法、最小二乘法、漏检铆钉定位的方法准确定位锯链图像中所有铆钉的圆心位置,对相邻铆钉间区域进行仿射变换,实现锯链图像中各零件的分割和矫正。1 锯链装配特征及算法流程1.1 锯链装配特征 锯链作为油锯的装配件,根据使用环境的不同而分为多种型号,但不同型号的锯链都是由刀片、连接片、传动片、铆钉四部分构成。在锯链生产过程中,由于生产水平的限制,会产生包含刀片破损、连接片混料、传动片混料