扁平漆包线表面缺陷在线检测研究

　　摘要为实现扁平漆包线表面缺陷的在线检测，文中设计了一种基于图像处理的检测系统。该系统采用帧间差分法分离扁平漆包线的背景，针对背景分离图像中的抖动干扰进行消抖处理，通过分析消抖处理结果判断当前图像是否存在缺陷。对于存在缺陷的图像，利用连通域分析和边界追踪算法提取了缺陷的位置、面积、周长等特征。实验结果表明，该系统检测缺陷的准确率达到95%，降低了缺陷特征提取的处理时间，可以满足在线检测的要求，具有较好的应用价值。

　　关键词扁平漆包线;图像处理;表面缺陷;在线检测;帧间差分法;背景分离;抖动干扰;特征提取

　　漆包线是电机、电器等产品的主要原材料。漆包线包括内部的金属导线和覆盖在外层具有有机绝缘性能的漆[1]。内部金属导线容易被杂质污染，生产环境等原因也会导致生产出来的漆包线表面有划痕、漆膜脱落、漆瘤等缺陷[2]，严重影响机电产品的性能。

　　目前，我国的生产水平还无法解决这些漆包线表面缺陷问题，只能通过缺陷检测设备来监控漆包线的质量。检测漆包线表面缺陷的方法主要包括日本盐水法和压轮式直流高压漆膜连续性检测法等，也可利用涡流传感器对漆包线表面缺陷进行检测[3]。

　　但这些方法存在漏检以及无法满足实时性的问题，使得漆包线表面缺陷检测效果不佳。因此，本文提出了扁平漆包线表面缺陷在线检测算法，并搭建了在线检测系统。该系统可以检测运行速度为20m·min-1，表面宽度为5mm的扁平漆包线，最小可以检测0.1mm×0.1mm的缺陷。该系统能实时检测扁平漆包线表面缺陷，且不会对扁平漆包线造成二次伤害，是一种无损的检测方法。

　　1系统搭建

　　为扁平漆包线表面缺陷在线检测系统的总体设计，该系统主要包含以下几个部分:照明系统、工业 相机、图像采集、缺陷检测。

　　1.1照明系统

　　照明系统包括光源和照明方式，这两者的搭配应该尽量突出缺陷的特征，以便进行缺陷检测[4]。选择光源时，需要考虑发光强度、光源形状、光照均匀度和光谱特性等因素。照明方式要兼顾光源和工业相机的相对位置、待测物体的几何形状、表面纹理、背景等。因此，针对扁平漆包线表面的高反光性质，系统选用LED条形光源，照明方案采用“低角度前光照明”。

　　1.2相机选型

　　针对扁平漆包线的宽度为5mm，最小检测缺陷大小为0.1mm×0.1mm。此系统选用工业相机，拍摄图像大小为640×480，每秒可以取图30帧。当采集图像上的扁平漆包线和实际的漆包线相同大小时，就能达到检测的最低标准。所以，采集图像最小尺寸为:宽度上需要像素点数=扁平漆包线宽度/分辨率=5/0.1=50个;长度上需要的像素点数(每秒)=扁平漆包线宽度/分辨率=0.3333×1000/0.1=3333个。

　　可以得出，该系统采集的图像在宽度上至少需要50个像素点，选用工业相机的480个像素点足以满足要求。长度上需要3333个像素，系统的相机每秒能拍30帧，640×30=19200>3333。因此，本系统选用的工业相机满足要求[6]。

　　2扁平漆包线表面缺陷在线检测算法

　　扁平漆包线表面缺陷在线检测算法分为预处理、缺陷帧识别、缺陷特征提取3个部分。预处理部分主要是对扁平漆包线做背景分离，消除抖动干扰。缺陷帧识别部分对当前图像是否存在缺陷进行判断。缺陷特征提取部分利用连通域分析和边界追踪算法计算缺陷的位置、面积、周长等特征。

　　3实验结果

　　本次实验分别取生产线上多张合格扁平漆包线图像和不合格扁平漆包线图像，使用缺陷帧识别对这种样品图像做出判断。合格样品图像共有392张，正确识别375张，识别准确率为95.7%;不合格样品图像共有300张，正确识别293张，识别准确率为97.7%。

　　在加入缺陷帧识别前后，为了对比特征提取的处理时间，取3段扁平漆包线样本，分别得到这3段样本中非缺陷帧的比例。对比这3段样本图像在未加入缺陷帧识别时缺陷特征提取的处理时间和加入缺陷帧识别之后缺陷帧识别处理时间与缺陷特征提取处理时间之和，处理时间的对比。当非缺陷帧占图像总数的52.2%时，缺陷特征提取时间下降了22.7%，且随着非缺陷图像比例增高，时间下降比例越高。

　　机械方向评职知识：无损检测人员评职称要发表论文吗

　　4结束语

　　针对扁平漆包线的表面缺陷，本文提出了扁平漆包线表面缺陷在线检测系统。通过实验数据显示，图像中缺陷的识别准确率达到95%。该系统可被推广到其他条带状物体的缺陷检测中。但是在抖动干扰处理上，应该针对该系统做出调整及优化，这也是后续研究的重点。

　　参考文献

　　[1]李夫，万文俊，刘峰，等.漆包线漆的制备工艺及应用进展[J].绝缘材料，2014(5):1-5.LiFu，WanWenjun，LiuFeng，etal.Preparationtechnologyandapplicationprogressofenameledwirepaint[J].InsulatingMaterials，2014(5):1-5.

　　[2]王湄.漆包线外观缺陷的产生原因及改善分析[J].福建农机，2017(2):46-48.WangMei.Analysisofthecausesandimprovementofappearancedefectsofenameledwire[J].FujianAgriculturalMachinery，2017(2):46-48.

　　[3]周鹏毅.漆包线漆膜连续性检测的相关检测技术[D].长沙:长沙理工大学，2018.

　　[4]李智慧，华云松.表面缺陷检测中工件与光源相机位置关系研究[J].电子科技，2018，31(5):66-68.LiZhihui，HuaYunsong.Researchonthepositionrelationbetweenworkpieceandlightsourcecamerainsurfacedefectdetection[J].ElectronicScienceandTechnology，2018，31(5):66-68.

　　[5]王海涛，甄理，杨春霞，等.基于计算机视觉的铁轨表面缺陷检测系统[J].无损检测，2011，33(11):38-41.WangHaitao，ZhenLi，YangChunxia，etal.Computervision-basedrailsurfacedefectdetectionsystem[J].NondestructiveTesting，2011，33(11):38-41.

　　[6]李秀超.铜扁线表面缺陷识别的设计与实现[D].大连:大连交通大学，2013.

　　作者：宋章明1，2，贺慧勇1，2，黄跃俊1，2