轮胎剪切散斑干涉包裹相位图缺陷识别方法

轮胎剪切散斑干涉包裹相位图缺陷识别方法
南瑞亭;陈冬雪
【摘要】The current artificial auxiliary recognition for speckle shearing interferometry for tire could not meet the need of mass industrial production detection. This paper introduces a tire defect recognition method based on the corner characters of speckle shearing patterns so as to realize automatic defect recognition for tire. It analyzes the defect characteristics of wrapped phase patterns of laser speckle interferometry and its denoising method, proposes a defect recognition method of wrapped phase patterns according to and based on corner characters of laser speckle interference. Results show that in the two defect recognition experiments of wrapped phase patterns, the method proposed demonstrates accurate effects and high positioning accuracy, regardless of the fringe quality of wrapped phase patterns. It is easy to operate and effective as well, which helps improving the speed and efficiency of tire defect recognition, and also able to achieve automatic detection.%目前轮胎剪切散斑干涉缺陷识别技术主要依靠人工辅助识别,难以满足大批量工业生产检测的需要.该文提出基于剪切散斑图角点特征的轮胎缺陷识别方法,实现轮胎缺陷自动识别.首先通过对激光剪切散斑干涉包裹相位图缺陷特征、去噪方法等方面进行分析,并根据激光散斑干涉包裹相位图角点特征,提出基于角点特征的包裹相位图缺陷识别方法.实验结果表明:在两组包裹相位图缺陷识别实验中,该文方法对条纹质量较好、较差的包裹相位图,缺陷识别效果准确、定位精度高,该方法简单、高效,有助于提高轮胎缺陷检测速度与效率,可实现自动化轮胎缺陷检测.
【期刊名称】《中国测试》
【年(卷),期】2017(043)004
【总页数】4页(P114-117)
【关键词】轮胎;剪切散斑干涉;包裹相位图;缺陷识别
【作者】南瑞亭;陈冬雪
【作者单位】广州市交通技师学院,广东广州 510540;华南理工大学机械与汽车工程学院,广东广州 510640
【正文语种】中文
激光剪切散斑轮胎无损检测技术具有实时、全场非接触无损、机构简单、无需防震装置等特点，已成功应用于轮胎生产缺陷检测上[1]。

在缺陷检测过程中，通过对轮胎进行加载（如真空加载、热加载、振动加载），使轮胎内部缺陷以变形方式表现出来，再通过变形分布上的异常来判断缺陷是否存在[2]。

德国Werner等[3]研究认为，全息无损检测缺陷自动识别研究方向中，基于神经网络的缺陷分类方法需要大量训练样本，而基于专家系统的缺陷识别方法虽然只能检测特定种类的缺陷，但需要样本较少，是目前无损检测的主要研究内容。

合肥工业大学基于傅里叶变换与反变换在空间频率域上提取所需的频谱并计算相位图，可以在以43.6°的视场角实现动态形变的测量,可测形变峰值为 0.5～30 μm[4]；郭媛[5]选用双波长激光照射和彩色相机，实现复合材料大变形的测量与缺陷检测；浙江省光信息检测与显示技术研究重点实验室提出一种基于主元分析的随机相移散斑图分析算法，无需迭代即可计算物体加载后的动态相位变化[6]。

目前对于轮胎剪切散斑干涉的缺陷识别主要依靠人工辅助识别，识别速度慢、效率低，可靠性差，难以满足大批量工业生
产检测的需要。

为此，本文通过对包裹相位图缺陷特征分析，基于角点特征的包裹相位图缺陷识别方法，实现自动化轮胎缺陷检测。

通过相移法得到的包裹相位图含有大量的散斑噪声，对包裹相位图的缺陷识别产生了严重的影响，故须对生成包裹相位图进行滤波预处理。

包裹相位图的滤波算法有很多，如正余弦均值滤波[7]、多方向频域滤波[8]、自适应多方向频域滤波[9-10]，综合考虑滤波算法的滤波质量、滤波速度、滤波参数选取难易程度，本文选用一种正余弦均值滤波算法。

设（i，j）为图像中任意一点，Io（i，j）为原始图像灰度值，Isin（i，j）、Icos （i，j）分别为正弦变换、余弦变换后的灰度值，Isin′（i，j）、Icos′（i，j）分别为滤波后的正弦变换灰度值和余弦变换灰度值，Ie′（i，j）为滤波后的图像灰度值，则正余弦变换公式为
逆运算公式为
对含有缺陷轮胎进行加载，通过剪切散斑干涉装置获取加载前、后轮胎散斑图，并经过相移算法可得到轮胎缺陷包裹相位条纹图，其相位条纹是离面位移在错位方向一阶导数的等直线条纹[9]，缺陷区域呈典型“蝴蝶状”条纹图。

图1（a）为轮胎缺陷包裹相位图，图1（b）为图1（a）经正余弦均值滤波后得到的包裹相位滤波图，滤波模板为21×21。

由图可以看出，经过滤波处理后，包裹相位图的大部分噪声被滤除，包裹相位图的非缺陷区域为平滑区域，不含有角点特征，包裹相位图的缺陷区域呈典型“蝴蝶状”条纹图，含有较多的角点，故可基于角点特征对包裹相位图进行缺陷识别。

现有角点检测算法主要有：Moravec角点检测算法[11]、Harris角点检测算法[12]、Forstner角点检测算法[13]等。

本文主要采用Harris角点检测算法对包裹
相位图进行角点特征提取。

首先定义图像窗口平移[u，ν]产生灰度变化的自相关函数 E（u，ν）：
式中：w（x，y）——以点（x，y）为中心的窗函数；
I（x，y）——图像中任意一点（x，y）的灰度值。

将式（3）中的 I（x+u，y+ν）进行 Taylor级数展开并舍去高阶小量得：
定义矩阵H：
则自相关函数 E（u，ν）为
其中，矩阵H称为自相关矩阵。

设λ1、λ2为矩阵H的两个特征向值，则可通过特征值λ1、λ2的相对大小判断该点是否为角点，在实际检测过程中，常用角点响应RCR（corner response，CR）来判断角点的质量，角点响应函数为
其中α为经验常数，一般取0.04～0.06，文中α=0.06。

通过计算包裹相位图中
每个像素点对应的角点响应函数RCR值，再对RCR进行非极大值抑制处理及阈值处理，便可提取出包裹相位图中的角点。

由于包裹相位图中噪声干扰，可能会使得包裹相位图的非缺陷区域产生个别或极少数的角点，有必要将这些干扰点剔除。

通常由噪声引起的角点非常少，且比较稀疏，而缺陷区域的角点多，且密集，因此，可以统计以特征点为中心的某个邻域内特征点（角点）数目，将少于一定特征点（角点）数目的邻域所对应的特征点剔除，这样便可达到剔除干扰点的目的。

通过获取包裹相位图的角点，便可对包裹相位图进行缺陷识别，包裹相位图角点所在的区域就是包裹相位图中缺陷所在区域。

由于包裹相位图中的缺陷区域呈典型的“蝴蝶状”，而真实的缺陷区域并不是一个“蝴蝶状”区域，为此本文用包裹相位图剪切方向及其法线方向最边缘的4个角点所形成的矩形区域近似代替包裹相位
图的缺陷区域，矩形缺陷区域的4条边分别与包裹相位图的剪切方向及其法线方
向平行。

图2为基于角点特征的包裹相位图缺陷识别算法流程图。

先对包裹相位图进行滤
波预处理，减少噪声干扰，提取包裹相位图中的角点并剔除干扰角点，最后将剪切方向及其法线方向最边缘的4个角点所形成的矩形区作为包裹相位图的缺陷区域。

本文采用上述方法对两幅含有缺陷的激光剪切散斑干涉包裹相位图进行缺陷识别，并对缺陷识别结果进行对比分析。

图3（a）中红色标识的像素点是图1（a）包裹相位图中的角点；图3（b）中红色矩形方框为基于角点特征所识别的缺陷区域。

图4 是另一组包裹相位图缺陷识别实验，实验参数与图3缺陷识别参数相同。

图
4（a）是一幅原始散斑干涉包裹相位图；图4（b）是图4（a）的正余弦均值滤
波图；图4（c）中红色标识的像素点是包裹相位图中的角点；图4（d）中红色方框为基于角点特征所识别的缺陷区域。

从图3、图4可以看出：1）基于角点特征的包裹相位图缺陷识别算法能够较好地
识别缺陷区域的位置及大小；2）在图4中，包裹相位图中的条纹虽然已分辨不清，但仍取得了较好的缺陷识别效果；3）该缺陷识别算法对包裹相位图滤波预处理质量要求不高，适当过度滤波对缺陷识别影响不大。

本文从激光散斑干涉包裹相位图缺陷特征、去噪方法等方面对轮胎激光散斑干涉包裹相位图缺陷识别问题进行研究，并根据激光散斑干涉包裹相位图缺陷特征，提出基于角点特征的包裹相位图缺陷识别方法。

该方法简单、高效，实验结果表明：该缺陷识别方法无论对条纹质量较好包裹相位图还是对条纹质量较差的包裹相位图，都能较好识别缺陷区域的位置、大小，达到了较好的缺陷识别效果，有助于提高轮胎缺陷检测速度、效率，实现自动化轮胎缺陷检测。

【相关文献】
[1]冯家亚，王永红，王鑫，等.基于4f的大视角剪切散斑干涉系统设计[J].应用光学，2015（2）：188-193.
[2]蔡长青，张永山，汪大洋，等.新型剪切散斑干涉系统研究[J].激光与光电子学进展，2014
（11）：141-145.
[3]WERNER J，THOMAS K，UHIKE M，et al.Application of neural network and knowledge based systems for automatic identification of fault indicating fringe
patterns[C]∥Proceedings of SPIE，1994（2342）：16-26.
[4]王永红，冯家亚，王鑫，等.基于狭缝光阑的剪切散斑干涉动态测量[J].光学精密工程，2015（3）：645-651.
[5]郭媛，毛琦，陈小天，等.双波长剪切散斑干涉法在复合材料缺陷检测中的应用[J].光子学报，2015（3）：188-192.
[6]侯园园，徐建.基于主元分析的随机相移散斑图分析算法[J].中国激光，2016（12）：1-13.
[7]王永红，李骏睿.散斑干涉相位条纹图的频域滤波处理[J].中国光学，2014，7（3）：389-295.
[8]陈冬雪，刘桂雄.轮胎激光散斑干涉相位条纹图多方向频域滤波方法[J].中国测试，2015，41（11）：88-92.
[9]钟浩，刘桂雄，陈冬雪，等.轮胎激光散斑干涉相位条纹图局域多方向频域滤波方法[J].中国测试，2016，42（6）：100-103.
[10]LIU G X，CHEN D X，PENG Y H，et al.Adaptive multidirectional frequency domain filterfor noise removal in wrapped phase patterns[J].Applied Optics，2016，55（22）：5953-5959.
[11]MOREVEC H.Towards automatic visual obstacle avoida nce[C]∥International Joint Conference on Artificial Intelligence，1977：584-584.
[12]HARRIS C，STEPHENS M.A combined corner and edge detection[C]∥Alvey Vision Conference，1988：189-192.
[13]孔小丽，金永，王召巴.一种光栅条纹图像非线性矫正算法的 DSP 实现[J].中国测试，2015，
41（4）：66-69.。