摘要為實現(xiàn)扁平漆包線表面缺陷的在線檢測，文中設(shè)計了一種基于圖像處理的檢測系統(tǒng)。該系統(tǒng)采用幀間差分法分離扁平漆包線的背景，針對背景分離圖像中的抖動干擾進行消抖處理，通過分析消抖處理結(jié)果判斷當(dāng)前圖像是否存在缺陷。對于存在缺陷的圖像，利用連通域分析和邊界追蹤算法提取了缺陷的位置、面積、周長等特征。實驗結(jié)果表明，該系統(tǒng)檢測缺陷的準確率達到95%，降低了缺陷特征提取的處理時間，可以滿足在線檢測的要求，具有較好的應(yīng)用價值。

　　關(guān)鍵詞扁平漆包線;圖像處理;表面缺陷;在線檢測;幀間差分法;背景分離;抖動干擾;特征提取

　　漆包線是電機、電器等產(chǎn)品的主要原材料。漆包線包括內(nèi)部的金屬導(dǎo)線和覆蓋在外層具有有機絕緣性能的漆[1]。內(nèi)部金屬導(dǎo)線容易被雜質(zhì)污染，生產(chǎn)環(huán)境等原因也會導(dǎo)致生產(chǎn)出來的漆包線表面有劃痕、漆膜脫落、漆瘤等缺陷[2]，嚴重影響機電產(chǎn)品的性能。

　　目前，我國的生產(chǎn)水平還無法解決這些漆包線表面缺陷問題，只能通過缺陷檢測設(shè)備來監(jiān)控漆包線的質(zhì)量。檢測漆包線表面缺陷的方法主要包括日本鹽水法和壓輪式直流高壓漆膜連續(xù)性檢測法等，也可利用渦流傳感器對漆包線表面缺陷進行檢測[3]。

　　但這些方法存在漏檢以及無法滿足實時性的問題，使得漆包線表面缺陷檢測效果不佳。因此，本文提出了扁平漆包線表面缺陷在線檢測算法，并搭建了在線檢測系統(tǒng)。該系統(tǒng)可以檢測運行速度為20m·min-1，表面寬度為5mm的扁平漆包線，最小可以檢測0.1mm×0.1mm的缺陷。該系統(tǒng)能實時檢測扁平漆包線表面缺陷，且不會對扁平漆包線造成二次傷害，是一種無損的檢測方法。

　　1系統(tǒng)搭建

　　為扁平漆包線表面缺陷在線檢測系統(tǒng)的總體設(shè)計，該系統(tǒng)主要包含以下幾個部分:照明系統(tǒng)、工業(yè) 相機、圖像采集、缺陷檢測。

　　1.1照明系統(tǒng)

　　照明系統(tǒng)包括光源和照明方式，這兩者的搭配應(yīng)該盡量突出缺陷的特征，以便進行缺陷檢測[4]。選擇光源時，需要考慮發(fā)光強度、光源形狀、光照均勻度和光譜特性等因素。照明方式要兼顧光源和工業(yè)相機的相對位置、待測物體的幾何形狀、表面紋理、背景等。因此，針對扁平漆包線表面的高反光性質(zhì)，系統(tǒng)選用LED條形光源，照明方案采用“低角度前光照明”。

　　1.2相機選型

　　針對扁平漆包線的寬度為5mm，最小檢測缺陷大小為0.1mm×0.1mm。此系統(tǒng)選用工業(yè)相機，拍攝圖像大小為640×480，每秒可以取圖30幀。當(dāng)采集圖像上的扁平漆包線和實際的漆包線相同大小時，就能達到檢測的最低標準。所以，采集圖像最小尺寸為:寬度上需要像素點數(shù)=扁平漆包線寬度/分辨率=5/0.1=50個;長度上需要的像素點數(shù)(每秒)=扁平漆包線寬度/分辨率=0.3333×1000/0.1=3333個。

　　可以得出，該系統(tǒng)采集的圖像在寬度上至少需要50個像素點，選用工業(yè)相機的480個像素點足以滿足要求。長度上需要3333個像素，系統(tǒng)的相機每秒能拍30幀，640×30=19200>3333。因此，本系統(tǒng)選用的工業(yè)相機滿足要求[6]。

　　2扁平漆包線表面缺陷在線檢測算法

　　扁平漆包線表面缺陷在線檢測算法分為預(yù)處理、缺陷幀識別、缺陷特征提取3個部分。預(yù)處理部分主要是對扁平漆包線做背景分離，消除抖動干擾。缺陷幀識別部分對當(dāng)前圖像是否存在缺陷進行判斷。缺陷特征提取部分利用連通域分析和邊界追蹤算法計算缺陷的位置、面積、周長等特征。

　　3實驗結(jié)果

　　本次實驗分別取生產(chǎn)線上多張合格扁平漆包線圖像和不合格扁平漆包線圖像，使用缺陷幀識別對這種樣品圖像做出判斷。合格樣品圖像共有392張，正確識別375張，識別準確率為95.7%;不合格樣品圖像共有300張，正確識別293張，識別準確率為97.7%。

　　在加入缺陷幀識別前后，為了對比特征提取的處理時間，取3段扁平漆包線樣本，分別得到這3段樣本中非缺陷幀的比例。對比這3段樣本圖像在未加入缺陷幀識別時缺陷特征提取的處理時間和加入缺陷幀識別之后缺陷幀識別處理時間與缺陷特征提取處理時間之和，處理時間的對比。當(dāng)非缺陷幀占圖像總數(shù)的52.2%時，缺陷特征提取時間下降了22.7%，且隨著非缺陷圖像比例增高，時間下降比例越高。

　　機械方向評職知識：無損檢測人員評職稱要發(fā)表論文嗎

　　4結(jié)束語

　　針對扁平漆包線的表面缺陷，本文提出了扁平漆包線表面缺陷在線檢測系統(tǒng)。通過實驗數(shù)據(jù)顯示，圖像中缺陷的識別準確率達到95%。該系統(tǒng)可被推廣到其他條帶狀物體的缺陷檢測中。但是在抖動干擾處理上，應(yīng)該針對該系統(tǒng)做出調(diào)整及優(yōu)化，這也是后續(xù)研究的重點。

　　參考文獻

　　[1]李夫，萬文俊，劉峰，等.漆包線漆的制備工藝及應(yīng)用進展[J].絕緣材料，2014(5):1-5.LiFu，WanWenjun，LiuFeng，etal.Preparationtechnologyandapplicationprogressofenameledwirepaint[J].InsulatingMaterials，2014(5):1-5.

　　[2]王湄.漆包線外觀缺陷的產(chǎn)生原因及改善分析[J].福建農(nóng)機，2017(2):46-48.WangMei.Analysisofthecausesandimprovementofappearancedefectsofenameledwire[J].FujianAgriculturalMachinery，2017(2):46-48.

　　[3]周鵬毅.漆包線漆膜連續(xù)性檢測的相關(guān)檢測技術(shù)[D].長沙:長沙理工大學(xué)，2018.

　　[4]李智慧，華云松.表面缺陷檢測中工件與光源相機位置關(guān)系研究[J].電子科技，2018，31(5):66-68.LiZhihui，HuaYunsong.Researchonthepositionrelationbetweenworkpieceandlightsourcecamerainsurfacedefectdetection[J].ElectronicScienceandTechnology，2018，31(5):66-68.

　　[5]王海濤，甄理，楊春霞，等.基于計算機視覺的鐵軌表面缺陷檢測系統(tǒng)[J].無損檢測，2011，33(11):38-41.WangHaitao，ZhenLi，YangChunxia，etal.Computervision-basedrailsurfacedefectdetectionsystem[J].NondestructiveTesting，2011，33(11):38-41.

　　[6]李秀超.銅扁線表面缺陷識別的設(shè)計與實現(xiàn)[D].大連:大連交通大學(xué)，2013.

　　作者：宋章明1，2，賀慧勇1，2，黃躍俊1，2