3. Results and discussion3.1. Exper

3. Results and discussion

3.1. Experimental equipment

Special lighting angles and backgrounds are beneficial to segment the defects from the magnetic tile image. In order to accomplish the defects detection task of different curvature radii in all surfaces, we designed an automatic defects detection system for magnetic tiles, and we can adjust the position and angle of the light and camera programmatically. The system schematic diagram is demonstrated in Fig. 6.


Full-size image (24 K)
Fig. 6.
System schematic diagram.

Figure options







The experimental camera is an array CCD camera with external triggering. It can move along the linear guide to adjust the distance between the camera and the magnetic tile, which allows to easily adjust the depth of focus programmatically for different kinds of magnetic tiles. The linear guide rail installed on the arc guide rail can make arc adjustment to meet the requirement of different radians of magnetic tiles. The light source uses white LEDs, whose brightness and switch are adjustable. The light board installed on the arc guide rail can also make arc adjustment to meet the requirement of different locations of light in different stations for magnetic tile crack defects detection.

Fig. 7 shows the system prototype. The conveyor belt on the system prototype is driven by a servo motor. The speed of the magnetic tile transportation can be adjusted to test detection efficiency on the experimental equipment and to simulate the actual means of transport in production. The optical fiber sensor triggers the camera when conveyor belt deliveries the magnetic tiles to the detected position. Images taken by camera are put into the computer processing and control system via image collection card. Then the images can be used for defects detection.


Full-size image (48 K)
Fig. 7.
The system prototype.

Figure options







3.2. Crack extraction

We used the FDCT to decompose Fig. 1(a). The eigenvalues of the texture feature measurement were calculated in reconstructed images with different k values, as shown in Fig. 8. It is evident from Fig. 8(b) that the best choice of k is between 0.01 and 0.02, and then the segmentation threshold T was obtained according to Eq. (11).


Full-size image (47 K)
Fig. 8.
Eigenvalues of the texture feature measurement in restructured images: (a) 0≤k≤0.9 and (b) 0≤k≤0.1.

Figure options







Reconstructed images with different k values are shown in Fig. 9, where the mask method was used. It can be seen that the image almost loses all its details when k is quite small, such as k=0.001; and when k equals some suitable value, such as k=0.01, regular texture is virtually eliminated; as the value of k increases, the texture barely changes. In Fig. 9, Fig. 9(a) almost loses all the details; Fig. 9(b and c) eliminates the regular textures and largely retain the crack defects; Fig. 9(d–f) almost recovers to original images.


Full-size image (24 K)
Fig. 9.
Restructured images based on different remaining coefficients: (a) k=0.001, (b) k=0.005, (c) k=0.01, (d) k=0.05, (e) k=0.1, and (f) k=0.5.

Figure options







The relationship between the curvelet transform coefficients and the reconstrcted image is nonlinear because of the textures themselves in the image.

We used Canny operator to extract contours of Fig. 9, the results are shown in Fig. 10. Crack defects cannot be extracted when k=0.001; when k=0.005 and k=0.01, the results of the crack defects detection are acceptable; when k is larger than 0.05, it difficult to distinguish the defects because the cracks are mixed with the grinding textures. The experiment results verify that the method of obtaining k value introduced in this paper is correct and valid.


Full-size image (36 K)
Fig. 10.
Extracted contours of Fig. 9 by Canny operator: (a) k=0.001, (b) k=0.005, (c) k=0.01, (d) k=0.05, (e) k=0.1, and (f) k=0.5.

Figure options









It should be noted that the requirements of the light and background are different for different surfaces on the same magnetic tile. Reason for this is that by adjusting the light and background, the cracks can be shown most clearly. Thresholds for reconstructed coefficients are also different for different surfaces on the same magnetic tile. Therefore the thresholds need to be obtained through tests in advance.

According to the above method, we extracted the crack in Fig. 1(b), the result is shown in Fig. 11. As you can see, the arc texture in the outside arc surface has been eliminated and only a vertical crack left. We did the mask to Fig. 11 and used the morphology operation to eliminate the chamfered contour, and then the crack defect can be segmented completely.


Full-size image (9 K)
Fig. 11.
Extracted crack defect in the outside arc surface.

Figure options







In order to verify the effect of this method and show the superiority of the algorithm, we selected four different magnetic tiles with defects in different surfaces to extract cracks. The extraction results are compared with the Otsu algorithm and the morphological filtering algorithm in Fig. 12. As we can see, the Otsu algorithm and the morphological filtering algorithm cannot extract crack defects accurately because of the intensity inhomogeneity and low contrast of the magnetic tile images while the method in this paper can effectively detect the cracks.


Full-size image (38 K)
Fig. 12.
Extracted cracks in different surfaces: (a) original images, (b) detection results by Otsu algorithm, (c) detection results by morphological filtering algorithm, and (d) detection results by the proposed method.

Figure options







3.3. Judging defect

In actual production processing, cracks shorter than 1 mm in the end face or shorter than 3 mm in the outside arc surface are not considered to be defects, so we should find a way to determine whether the crack is a defect or not. First, the algorithm applies the dilation operation based on mathematical morphology to the reconstructed image in order to connect the adjacent line segments. Second, the erosion operation also based on mathematical morphology is used to restore the width of the extracted contour, then we can calculate the length, the area and the Hu moments of the extracted contour of crack by Canny operator. The ratio of the area to the length can give a preliminary judge whether the crack is a defect or not. Generally speaking, the defect crack's width is less than 10 pixels while its length contains dozens of pixels. So the ratio of the area to the length can be set according to the statistics in actual testing. The crack is considered to be a defect when the actual value is larger than the preset value, or, it is a qualified product. In order to increase the accuracy of the decision, we calculate the Hu moments of the extracted contour of crack to judge whether the extracted contour is a crack.

Fig. 13 shows the efficiency of our method for small cracks. The small cracks in the end face are shown in Fig. 13(a), and the result of extracted cracks is shown in Fig. 13(b). The actual length of the smallest crack is 0.8 mm by measuring all of them. It illustrates that the method proposed in this paper can be used to detect small cracks in actual production.


Full-size image (20 K)
Fig. 13.
Extracted cracks in the end face: (a) magnetic tile with small cracks and (b) extracted contour of Fig. 13(a).

Figure options







3.4. Results and discussion

Multiple experimental results suggest that cracks shorter than 0.8 mm could not be detected by the proposed method. In the actual production process, however, a crack shorter than 1 mm is usually not considered to be a defect, so the method in this paper can meet the industrial detection requirement.

In this experiment, the image size is 659×494 pixels, and the length of the magnetic tile is 70 mm. We adjust the camera position so that the length of the magnetic tile is approximately the width of the image, such that each pixel represents about 0.1 mm in length. But it is only the theoretical value by using the sub-pixel segmentation technology. The actual detection accuracy of the crack is lower because of the regular grinding texture. Since the period of the grinding texture is not a fixed value which is generally between 0.05 mm and 0.1 mm, the theoretical length of the cracks can be extracted is greater than 0.1 mm.

In order to test our method, we selected a batch of magnetic tiles of 59 defective products and 56 qualified products. Test results are shown in Table 1. The accuracy rate is 93.9%, and the false acceptance rate is 3.57%. Reason for missing the cracks is that the reflection from some magnetic tile surfaces masks the cracks. The correct rejection rate is 8.5%, which demonstrates that a small percentage of qualified magnetic tiles are misidentified because of some deep grinding textures.

ผลลัพธ์ (ไทย) 1:

3. ผลลัพธ์ และสนทนา3.1 การทดลองอุปกรณ์มุมแสงสีเสียงและพื้นหลังจะเป็นประโยชน์เพื่อทำเซ็กเมนต์ข้อบกพร่องจากภาพแผ่นป้ายแม่เหล็ก การทำงานตรวจหาข้อบกพร่องของรัศมีโค้งแตกต่างกันในพื้นผิวทั้งหมด เราออกแบบระบบการตรวจหาอัตโนมัติบกพร่องในแผ่นแม่เหล็ก และเราสามารถปรับตำแหน่งและมุมของแสงและกล้องโปรแกรม ไดอะแกรมแผนผังตัวอย่างระบบจะแสดงใน Fig. 6รูปภาพขนาดเต็ม (24 K)Fig. 6 แผนภูมิแผนผังตัวอย่างระบบตัวเลือกรูปทดลองกล้องเป็นกล้อง CCD เรย์เรียกภายนอก มันสามารถย้ายตามเส้นไกด์เพื่อปรับระยะห่างระหว่างกล้องและแผ่นแม่เหล็ก ซึ่งช่วยให้การปรับความลึกของความโดยทางโปรแกรมในแผ่นแม่เหล็กชนิดต่าง ๆ ได้ง่าย รถไฟเส้นคู่มือติดตั้งบนรถไฟแนะนำโค้งสามารถทำการปรับปรุงส่วนโค้งเพื่อตอบสนองความต้องการของหน่วยเรเดียนที่แตกต่างกันของแผ่นแม่เหล็ก แหล่งกำเนิดแสงใช้ไฟ Led สีขาว ความสว่างและสลับจะปรับ คณะแสงที่ติดตั้งบนรถไฟแนะนำโค้งสามารถยังทำการปรับปรุงส่วนโค้งเพื่อตอบสนองความต้องการของตำแหน่งที่ตั้งต่าง ๆ ของไฟในสถานีแตกต่างกันสำหรับการตรวจหาข้อบกพร่องแตกแผ่นแม่เหล็กFig. 7 แสดงต้นแบบของระบบ สายพานลำเลียงในระบบต้นแบบถูกขับเคลื่อน ด้วยเซอร์โวมอเตอร์ สามารถปรับความเร็วของการขนส่งกระเบื้องเหล็ก เพื่อทดสอบประสิทธิภาพในการตรวจสอบอุปกรณ์การทดลอง และ การจำลองวิธีการขนส่งในการผลิตจริง เซนเซอร์แสงทริกเกอร์กล้องเมื่อลำเลียงกระเบื้องตรวจพบตำแหน่งแม่เหล็กส่งเข็มขัด ภาพที่ถ่าย ด้วยกล้องที่ใส่ลงไปในคอมพิวเตอร์ประมวลผลและควบคุมระบบผ่านบัตรคอลเลกชันของรูป แล้ว ภาพสามารถใช้สำหรับการตรวจหาข้อบกพร่องรูปภาพขนาดเต็ม (48 K)Fig. 7 ต้นแบบระบบการตัวเลือกรูป3.2 การแตกแยกเราใช้ FDCT เปื่อย Fig. 1(a) มีคำนวณเวกเตอร์วัดลักษณะเนื้อสัมผัสในภาพที่สร้างขึ้นใหม่มีค่า k ที่แตกต่างกัน ดังใน Fig. 8 จะเห็นได้จาก 8(b) Fig. ที่ทาง k อยู่ระหว่าง 0.01 และ 0.02 แล้ว มีขีดจำกัดแบ่ง T กล่าวตาม Eq. (11)รูปภาพขนาดเต็ม (47 K)Fig. 8 เวกเตอร์พื้นผิวภายในวัดในรูป restructured: (ก) 0≤k≤0.9 และ (b) 0≤k≤0.1ตัวเลือกรูปภาพที่สร้างขึ้นใหม่ มีค่า k ที่แตกต่างกันจะแสดงใน Fig. 9 ที่ใช้รูปแบบวิธีการ จะเห็นได้ว่า ภาพที่ได้สูญเสียรายละเอียดทั้งหมดเกือบเมื่อเล็กค่อนข้าง เช่น k k = 0.001 และเมื่อ k เท่ากับค่าความเหมาะสมบางอย่าง เช่น k = 0.01 เนื้อปกติแทบตัด ค่า k เพิ่ม พื้นผิวแทบไม่เปลี่ยนแปลง ใน Fig. 9, Fig. 9(a) เกือบสูญเสียทั้งหมดรายละเอียด 9 fig. (b และ c) กำจัดพื้นผิวปกติ และส่วนใหญ่รักษาข้อบกพร่องแตก Fig. 9(d–f) เกือบกู้คืนรูปเดิมรูปภาพขนาดเต็ม (24 K)Fig. 9 Restructured ภาพตามค่าสัมประสิทธิ์ที่เหลือแตกต่างกัน: (ก) k = 0.001, (b) k = 0.005, (c) k = 0.01, (d) k = 0.05, (e) k = 0.1 และ (f) k = 0.5ตัวเลือกรูปความสัมพันธ์ระหว่างสัมประสิทธิ์การแปลง curvelet และ reconstrcted รูปภาพจะไม่เชิงเส้นเนื่องจากพื้นผิวตัวเองในภาพเราใช้ตัวแหลมแยกรูปทรงของ Fig. 9 แสดงผล Fig. 10 ไม่บกพร่องแตกแยกเมื่อ k = 0.001 เมื่อ k = 0.005 และ k = 0.01 ผลลัพธ์ของการตรวจพบข้อบกพร่องของรอยแตกจะยอมรับได้ เมื่อ k คือ 0.05 มันยากที่จะแยกแยะข้อบกพร่องเนื่องจากรอยแตกมีผสมกับพื้นผิวบดมากกว่า ผลการทดลองตรวจสอบว่า วิธีการรับค่า k ที่นำมาใช้ในเอกสารนี้ถูกต้อง และถูกต้องรูปภาพขนาดเต็ม (36 K)Fig. 10 แยกรูปทรงของ Fig. 9 โดยโอเปอเรเตอร์แหลม: (ก) k = 0.001, (b) k = 0.005, (c) k = 0.01, (d) k = 0.05, (e) k = 0.1 และ (f) k = 0.5ตัวเลือกรูปมันควรจะสังเกตความต้องการของแสงและพื้นหลังแตกต่างกันสำหรับพื้นผิวต่าง ๆ บนแผ่นป้ายแม่เหล็กเดียวกัน เหตุผลคือ ว่า โดยปรับแสงและฉากหลัง รอยแตกที่สามารถแสดงได้อย่างชัดเจนที่สุด ขีดจำกัดสำหรับค่าสัมประสิทธิ์ที่สร้างขึ้นใหม่ก็แตกต่างกันสำหรับพื้นผิวต่าง ๆ บนแผ่นป้ายแม่เหล็กเดียวกัน ดังนั้น ขีดจำกัดต้องการได้ผ่านการทดสอบล่วงหน้าตามวิธีการข้างต้น เราสกัดรอยแตกใน Fig. 1(b) ผลลัพธ์จะแสดงใน Fig. 11 คุณสามารถดู พื้นผิวโค้งในผิวโค้งภายนอกถูกตัดออก และเหลือเพียงรอยแตกตามแนวตั้ง เราได้รูปแบบการ Fig. 11 และใช้การสัณฐานวิทยาเส้น chamfered แล้ว ความบกพร่องแตกสามารถจะถูกแบ่งเป็นช่วงโดยสิ้นเชิงรูปภาพขนาดเต็ม (9 K)Fig. 11 ข้อบกพร่องแยกรอยแตกในพื้นผิวโค้งภายนอกตัวเลือกรูปการตรวจสอบผลของวิธีการนี้ และแสดงปมของอัลกอริทึม เราเลือกสี่แผ่นแม่เหล็กแตกต่าง มีข้อบกพร่องในพื้นผิวที่แตกต่างกันเพื่อแยกรอยแตก มีการเปรียบเทียบผลการสกัด ด้วยอัลกอริทึมโอสึและขั้นตอนวิธีกรองสัณฐานใน Fig. 12 เห็น อัลกอริทึมโอสึและขั้นตอนวิธีการกรองของไม่สามารถแยกแตกข้อบกพร่องอย่างถูกต้อง inhomogeneity ความเข้มและความคมชัดต่ำภาพแผ่นป้ายแม่เหล็กในขณะที่วิธีการในเอกสารนี้ได้อย่างมีประสิทธิภาพสามารถตรวจพบรอยแตกรูปภาพขนาดเต็ม (38 K)Fig. 12 สกัดรอยแตกในพื้นผิวที่แตกต่างกัน: ภาพต้นฉบับ (ก), (ข) ตรวจสอบผลลัพธ์ ด้วยโอสึอัลกอริทึม, (ค) ตรวจสอบผลลัพธ์ของขั้นตอนวิธีการกรอง (d) ตรวจสอบผล ด้วยวิธีการนำเสนอตัวเลือกรูป3.3 การตัดสินความบกพร่องในการประมวลผลผลิตจริง รอยสั้นกว่า 1 มิลลิเมตรในหน้าสุดท้าย หรือน้อยกว่า 3 มม.ผิวโค้งภายนอกจะไม่ถือเป็นข้อบกพร่อง ดังนั้นเราควรหาวิธีการตรวจสอบรอยแตกว่าข้อบกพร่อง หรือไม่ ครั้งแรก อัลกอริทึมใช้การ dilation ตามสัณฐานวิทยาทางคณิตศาสตร์ภาพสร้างขึ้นใหม่เพื่อเชื่อมติดกับบรรทัดเซ็กเมนต์ ที่สอง การพังทลายตามสัณฐานวิทยาทางคณิตศาสตร์จะใช้การคืนค่าความกว้างของเส้นแยก แล้วเราสามารถคำนวณความยาว พื้นที่ และช่วงหูของเส้นแยกของรอยแตกโดยตัวแหลม อัตราส่วนของความยาวพื้นที่สามารถให้ผู้พิพากษาเบื้องต้นว่ารอยแตกมีข้อบกพร่อง หรือไม่ โดยทั่วไป ความกว้างของรอยแตกความบกพร่องเป็นพิกเซลน้อยกว่า 10 ในขณะที่ความยาวประกอบด้วยหลายสิบของพิกเซล ดังนั้น สามารถตั้งตามสถิติอัตราส่วนของพื้นที่ตามระยะเวลาในการทดสอบจริง รอยแตกที่ถือเป็นข้อบกพร่องเมื่อค่าจริงมีขนาดใหญ่กว่าค่าที่กำหนดไว้ล่วงหน้า หรือ เป็นผลิตภัณฑ์ที่มีคุณภาพ เพื่อเพิ่มความถูกต้องของการตัดสินใจ เราคำนวณช่วงเวลาหูของเส้นของรอยแตกแยกวิพากษ์ว่าเส้นแยกรอยแตกFig. 13 แสดงประสิทธิภาพของวิธีการของเราสำหรับรอยแตกขนาดเล็ก แสดงรอยแตกขนาดเล็กในหน้าสิ้นสุดใน Fig. 13(a) และแสดงผลของรอยแตกแยกใน Fig. 13(b) ความยาวจริงของรอยแตกน้อยที่สุดคือ 0.8 มม. โดยวัดทั้งหมด มันแสดงให้เห็นว่า วิธีการนำเสนอในเอกสารนี้สามารถใช้ตรวจหารอยแตกขนาดเล็กในการผลิตจริงรูปภาพขนาดเต็ม (20 K)Fig. 13 สกัดรอยร้าวหน้าสิ้นสุด: กระเบื้อง (ก) แม่เหล็ก มีรอยแตกขนาดเล็กและ (ข) แยกเส้นของ Fig. 13(a)ตัวเลือกรูป3.4 การผลลัพธ์ และสนทนาผลการทดลองหลายแนะนำที่รอยแตกเตี้ยกว่า 0.8 mm ไม่ถูกตรวจพบ โดยวิธีการนำเสนอ ในกระบวนการผลิตที่แท้จริง อย่างไรก็ตาม รอยแตกที่สั้นกว่า 1 มิลลิเมตรมักจะไม่ถือเป็นข้อบกพร่อง ดังนั้นวิธีในกระดาษนี้สามารถตอบสนองความต้องการตรวจสอบอุตสาหกรรมการในการทดลองนี้ ขนาดภาพเป็นพิกเซลซื้อ 494 659 และ 70 มม.ความยาวของแผ่นแม่เหล็ก เราปรับตำแหน่งกล้องให้ประมาณความกว้างของภาพ ความยาวของแผ่นแม่เหล็กที่ยาวประมาณ 0.1 มิลลิเมตรแทนแต่ละพิกเซล แต่ก็เป็นเพียงทฤษฎีค่า โดยใช้เทคโนโลยีการแบ่งเซกเมนต์ย่อยพิกเซล จริงตรวจสอบความถูกต้องของรอยแตกเป็นล่าง เพราะเนื้อบดปกติ เนื่องจากระยะเวลาของเนื้อบดไม่สามารถแยกเป็นค่าคงที่โดยทั่วไประหว่าง 0.05 mm และ 0.1 มม. ความยาวทฤษฎีของรอยแตกมีขนาดใหญ่กว่า 0.1 มม.การทดสอบวิธีการของเรา เราเลือกชุดของแม่เหล็กกระเบื้องผลิตภัณฑ์บกพร่อง 59 และผลิตภัณฑ์ที่มีคุณภาพ 56 ผลการทดสอบจะแสดงในตารางที่ 1 อัตราความแม่นยำ 93.9% และอัตราการยอมรับผิด 3.57% สาเหตุที่หายไปในรอยแตกเป็นที่สะท้อนจากพื้นผิวของแผ่นแม่เหล็กบางมาสก์ที่รอยแตก อัตราการถูกปฏิเสธเป็น 8.5% ซึ่งแสดงให้เห็นว่า กระเบื้องมีคุณสมบัติแม่เหล็กเล็กน้อยเป็นสถาน เพราะลึกบางบดพื้นผิว

ผลลัพธ์ (ไทย) 3:

3 ผลและการอภิปราย

1 . ทดลองอุปกรณ์

พิเศษไฟมุมและพื้นหลังเป็นประโยชน์ ส่วนข้อบกพร่องจากแม่เหล็กกระเบื้องภาพ เพื่อให้บรรลุการตรวจจับข้อบกพร่องงานของรัศมีความโค้งที่แตกต่างกันในพื้นผิวทั้งหมด เราได้ออกแบบระบบการตรวจจับข้อบกพร่องอัตโนมัติสำหรับกระเบื้องแม่เหล็กและเราสามารถปรับตำแหน่งและมุมของแสง และกล้องโปรแกรม . ระบบแผนภาพแสดงให้เห็นในรูปที่ 6


ภาพขนาดเต็ม ( 24 K )
รูปที่ 6 ระบบแผนภาพ


รูปที่เลือก







ทดลองกล้องที่เป็นอาร์เรย์ กล้อง CCD กับภายนอกเรียก มันสามารถย้ายไปตามแผนที่เชิงเส้นสามารถปรับระยะห่างระหว่างกล้องและแผ่นแม่เหล็กซึ่งช่วยให้สามารถปรับความลึกของโฟกัสโปรแกรมสำหรับชนิดที่แตกต่างของกระเบื้องแม่เหล็ก รถไฟแผนที่เชิงเส้นที่ติดตั้งบนส่วนโค้งคู่มือการรถไฟทำให้อาร์คการปรับตัวเพื่อตอบสนองความต้องการของเรเดียนที่แตกต่างของกระเบื้องแม่เหล็ก แหล่งกำเนิดแสงใช้หลอด LED สีขาวที่มีความสว่างและสวิตช์ปรับคณะกรรมการแสงที่ติดตั้งบนส่วนโค้งคู่มือการรถไฟยังสามารถทำให้อาร์คการปรับตัวเพื่อตอบสนองความต้องการของสถานที่ที่แตกต่างกันของแสงในสถานีที่แตกต่างกันสำหรับแม่เหล็กกระเบื้องแตกการตรวจจับข้อบกพร่อง .

รูปที่ 7 แสดงระบบต้นแบบ สายพานลำเลียง ในการพัฒนาระบบขับเคลื่อนด้วยเซอร์โวมอเตอร์ความเร็วของการขนส่งกระเบื้องแม่เหล็ก สามารถปรับเพื่อทดสอบประสิทธิภาพในการตรวจหาอุปกรณ์การทดลองและการจำลองวิธีการที่แท้จริงของการขนส่งในการผลิต ไฟเบอร์เซ็นเซอร์แสงเรียกกล้องเมื่อสายพานส่งของแม่เหล็กกระเบื้องเพื่อตรวจจับตำแหน่งภาพที่ถ่ายโดยกล้องใส่เข้าไปในคอมพิวเตอร์ การประมวลผล และสามารถควบคุมระบบผ่านบัตรคอลเลกชันของภาพ จากนั้นภาพที่สามารถใช้สำหรับการตรวจจับข้อบกพร่อง


ภาพขนาดเต็ม ( 48 k )
รูปที่ 7

รูปต้นแบบระบบ ตัวเลือก







3.2 . ถอดรหัสสกัด

เราใช้ fdct เน่ารูปที่ 1 ( a )ส่วนค่าของพื้นผิวลักษณะการวัดคำนวณในข้อมูลภาพที่มีค่า K ที่แตกต่างกัน ดังแสดงในรูปที่ 8 โดยจะเห็นได้จากรูปที่ 8 ( b ) ที่เลือกที่ดีที่สุดของ K อยู่ระหว่าง 0.01 และ 0.02 แล้วแบ่งเกณฑ์ทีได้จากอีคิว ( 11 )


ขนาดเต็มภาพ ( 47 K )
รูปที่ 8
แบบเนื้อผ้าคุณลักษณะการวัด 3 รูป :( ก ) 0 ≤ K ≤ 0.9 และ ( B ) 0 ≤≤ 0.1 K .

รูปที่เลือก







ข้อมูลภาพที่มีค่า K จะแสดงในรูปที่ 9 ที่หน้ากาก วิธีใช้ จะเห็นได้ว่า ภาพจะสูญเสียรายละเอียดเมื่อ K ค่อนข้างเล็ก เช่น K = 0.001 ; และเมื่อ k มีค่าเท่ากับมูลค่าที่เหมาะสม เช่น K = 0.01 , เนื้อปกติเกือบตกรอบ เพราะค่า K ที่เพิ่มขึ้นเนื้อแทบไม่มีการเปลี่ยนแปลง ในรูปที่ 9 รูปที่ 9 ( ) เกือบจะสูญเสียรายละเอียดทั้งหมด ; รูปที่ 9 ( B และ C ) ขจัดพื้นผิวปกติ และไปรักษารอยแตกข้อบกพร่อง ; รูปที่ 9 ( D ) F ) เกือบจะกู้คืนรูปเดิม


ภาพขนาดเต็ม ( 24 K )
รูปที่ 9
รูปภาพตามค่าต่างอีก : ( ) k = 0.001 , ( b ) k = 0.005 , ( c ) k = 0.01 ( D ) K = 0.05 , ( E ) k = 0.1 และ ( F )
k = 0.5รูปที่เลือก







ความสัมพันธ์ระหว่างค่าสัมประสิทธิ์และ reconstrcted ยู่แปลงภาพเป็นเส้น เพราะพื้นผิวตัวเองในรูป

เราใช้ Canny ผู้ประกอบการแยกรูปทรงของรูปที่ 9 ผลลัพธ์ที่แสดงในรูปที่ 10 รอยบกพร่องไม่สามารถสกัดเมื่อ K = 0.001 ; เมื่อ K = 0.005 และ k = 0.01 ผลของรอยแตกการตรวจจับข้อบกพร่องจะยอมรับได้เมื่อ k คือขนาดใหญ่กว่า 0.05 , มันยากที่จะแยกแยะความแตกต่างของเสียเพราะรอยแตกผสมบดพื้นผิว ผลการทดลองยืนยันว่า วิธีการของการได้รับค่า K แนะนำในกระดาษนี้จะถูกต้องและถูกต้อง


ภาพขนาดเต็ม ( 36 k )
รูปที่ 10
รูปที่ 9 โดยแหลมแยกรูปทรงของผู้ประกอบการ : ( a ) k = 0.001 , ( b ) k = 0.005 , ( c ) k = 0.01 ( D ) K = 0.05 , ( E ) k = 0.1 และ ( F )
k = 0.5
รูปตัวเลือก









ควรสังเกตความต้องการของแสงและพื้นหลังที่แตกต่างกันสำหรับพื้นผิวที่แตกต่างกันบนกระเบื้องแม่เหล็กเหมือนกัน เหตุผลนี้คือ ว่า โดยการปรับแสงและฉากหลัง รอยแตก สามารถแสดงได้ชัดเจนที่สุด เกณฑ์สำหรับสร้างใหม่ ) ยังแตกต่างกันสำหรับพื้นผิวที่แตกต่างกันบนกระเบื้องแม่เหล็กเหมือนกันดังนั้น ต้องผ่านเกณฑ์การทดสอบล่วงหน้า

ตามวิธีการข้างต้น เราสกัดรอยแตกในรูปที่ 1 ( B ) ผลจะแสดงในรูปที่ 11 ที่คุณสามารถดู , โค้งพื้นผิวในพื้นผิวโค้งนอกถูกตัดออกเพียงซ้ายร้าวแนวตั้ง เราทำหน้ากากรูปที่ 11 และใช้ลักษณะการตัดมุม รูปแล้วรอยแตกข้อบกพร่องสามารถแบ่งอย่างสมบูรณ์


ภาพขนาดเต็ม ( 9 K )
รูปที่ 11
สกัดของเสียแตกในพื้นผิวโค้งนอก

รูปตัวเลือก







เพื่อตรวจสอบผลของวิธีนี้และแสดงความเหนือกว่าของขั้นตอนวิธี เราเลือกสี่ที่แตกต่างกันแม่เหล็กกระเบื้องที่มีข้อบกพร่องในพื้นผิวที่แตกต่างกันเพื่อแยกรอยแตกผลการสกัดเปรียบเทียบกับขั้นตอนวิธีการกรองและการีโอทขั้นตอนวิธีในรูปที่ 12 เท่าที่เราเห็น โอทสุ ขั้นตอนวิธี และขั้นตอนวิธีการกรองไม่สามารถแยกร้าวลักษณะข้อบกพร่องได้อย่างถูกต้องเพราะความเข้มความไม่สม่ําเสมอและความคมชัดต่ำ กระเบื้องแม่เหล็กภาพในขณะที่วิธีการในบทความนี้ได้อย่างมีประสิทธิภาพสามารถตรวจหารอยแตก


ภาพขนาดเต็ม ( 38 K )
รูปที่ 12
สกัดรอยแตกในพื้นผิวที่แตกต่างกัน : ( a ) ภาพต้นฉบับ ( B ) การตรวจสอบผลโดยวิธีการ โอ๊ต ( C ) การตรวจสอบผลของขั้นตอนวิธีการกรอง และ ( d ) การตรวจสอบผลโดยวิธีที่เสนอ

รูปตัวเลือก







3.3 . ดูตำหนิ

ในกระบวนการผลิตจริงรอยแตกน้อยกว่า 1 มม. ปลายหน้าหรือน้อยกว่า 3 มม. ผิวโค้งนอกไม่ถือว่าเป็นข้อบกพร่อง ดังนั้นเราควรจะหาวิธีที่จะตรวจสอบว่าถอดรหัสเป็นข้อบกพร่องหรือไม่ ครั้งแรก กับการขยายการดำเนินการตามขั้นตอนวิธีทางคณิตศาสตร์กับข้อมูลภาพเพื่อเชื่อมต่อสายติดกลุ่ม ประการที่สองการดำเนินงานยังขึ้นอยู่กับลักษณะทางคณิตศาสตร์ที่ใช้เพื่อคืนค่าความกว้างของแยกเส้น แล้วเราสามารถคำนวณความยาว พื้นที่ และในช่วงเวลาของสกัดถูกจัดการ Canny โอเปอเรเตอร์ อัตราส่วนของพื้นที่ ต่อความยาวให้ก่อนตัดสินว่ารอยแตกเป็นข้อบกพร่องหรือไม่ พูดง่าย ๆความกว้างของเสียแตกก็น้อยกว่า 10 พิกเซลในขณะที่ความยาวของมันมีหลายสิบของพิกเซล ดังนั้น อัตราส่วนของพื้นที่กับความยาวที่สามารถตั้งค่าตามสถิติในการทดสอบจริง รอยแตกจะถือว่าเป็นข้อบกพร่อง เมื่อค่าจริงขนาดใหญ่กว่าค่าที่ตั้งไว้หรือ มันเป็นคุณสมบัติของผลิตภัณฑ์ เพื่อเพิ่มความถูกต้องของการตัดสินใจเราคำนวณช่วงเวลาของรูปร่างของหูที่ร้าวจะตัดสินได้ว่า แยกเส้นรอย

รูปที่ 13 แสดงให้เห็นประสิทธิภาพของวิธีการสำหรับรอยแตกขนาดเล็ก . รอยแตกขนาดเล็กในตอนท้ายใบหน้าจะแสดงในรูปที่ 13 ( ) , และผลที่แสดงในรูปที่ 13 สกัดรอยร้าว ( B ) ความยาวที่แท้จริงของรอยแตกที่เล็กที่สุดคือ 0.8 มม. โดยวัดจากทั้งหมดของพวกเขามันแสดงให้เห็นถึงวิธีการที่เสนอในงานวิจัยนี้สามารถใช้ตรวจหารอยแตกขนาดเล็กในการผลิตจริง


ภาพขนาดเต็ม ( 20 K )
รูปที่ 13
สกัดรอยแตกในที่สุดหน้า : ( ) แม่เหล็กกระเบื้องมีรอยแตกเล็กๆ และ ( ข ) แยกเส้นของรูปที่ 13 ( ) .

รูปที่เลือก







3.4 . ผลและการอภิปราย

หลายทดลองพบว่ารอยแตกน้อยกว่า 08 มม. ไม่สามารถตรวจพบโดยวิธีการที่ได้นำเสนอ ในกระบวนการผลิตจริง แต่รอยร้าวน้อยกว่า 1 มม. มักจะไม่ถือว่าเป็นข้อบกพร่อง ดังนั้นวิธีการในบทความนี้สามารถตอบสนองความต้องการการตรวจสอบอุตสาหกรรม .

ในการทดลองนี้ ขนาดภาพคือ 659 × 494 พิกเซล และความยาวของแผ่นแม่เหล็ก 70 มิลลิเมตรเราปรับตำแหน่งกล้องเพื่อให้ความยาวของแผ่นแม่เหล็กมีขนาดความกว้างของภาพ ซึ่งแต่ละพิกเซลประมาณ 0.1 มม. ความยาว แต่มันเป็นเพียงมูลค่าทางทฤษฎี โดยใช้ sub-pixel ) เทคโนโลยี การตรวจสอบความถูกต้องแท้จริงของรอยแตกจะลดลง เพราะปกติเครื่องบดเนื้อตั้งแต่สมัยของการบดเนื้อไม่ใช่ค่าคงที่ ซึ่งโดยทั่วไประหว่าง 0.05 มม. และ 0.1 มิลลิเมตร ความยาวทางทฤษฎีของรอยแตกที่สามารถสกัดได้มากกว่า 0.1 mm .

เพื่อทดสอบวิธีของเรา เราเลือกชุดของแม่เหล็กกระเบื้อง 59 ผลิตภัณฑ์ที่บกพร่องและ 56 คุณสมบัติผลิตภัณฑ์ ผลการทดสอบจะแสดงในตารางที่ 1 อัตราความถูกต้องเป็น 93.9 %และอัตราการยอมรับที่ผิด 3.57 % เหตุผลสำหรับการขาดรอยแตกที่สะท้อนจากบางแม่เหล็กกระเบื้องพื้นผิวหน้ากากรอยแตก อัตราการปฏิเสธที่ถูกต้องคือ 8.5% ซึ่งแสดงให้เห็นว่าร้อยละขนาดเล็กของกระเบื้องที่มีแม่เหล็กเป็น misidentified เพราะบางลึก
บดพื้นผิว