SCI论文（www.lunwensci.com）
摘要：针对离合器密封圈的传统人工检测劳动强度大、效率低及主观干扰等问题，提出了基于颜色特征的离合器密封圈检测方法。采用中值滤波对密封圈图像进行处理，在去噪的同时保留密封圈颜色信息，通过高角度打光方式获取离合器密封圈图像，建立掩膜图像提取离合器密封圈的感兴趣区域。在ＲＧＢ空间通过投影法计算密封圈感兴趣区域的Ｒ、Ｇ、Ｂ颜色特征，建立基于Ｒ分量的密封圈色差模型，实现对密封圈颜色的检测。实验结果表明，采用上述方法检测平均检测效率为９１ｍｓ／个，解决了密封圈图像在获取过程中会受到外界因素干扰问题。上述方法使离合器密封圈的颜色检测检测效率、准确率得到显著提高，可解决离合器密封圈的人工质检劳动强度大、自动化程度低等问题，实现离合器密封圈的检测识别。
关键词：离合器；密封圈；颜色特征；掩膜；色差
ＤｅｔｅｃｔｉｏｎＭｅｔｈｏｄｏｆＣｌｕｔｃｈＳｅａｌＲｉｎｇＢａｓｅｄｏｎＣｏｌｏｒＦｅａｔｕｒｅ
ＹａｎＮａｎ１
，ＺｈｕＳｈａｏｊｕｎ２，ＢａｏＪｕｎｓｈａｎ３，ＣｈｅｎＭｉｎｇｈａｏ３，ＪｉｎＳｈｏｕｆｅｎｇ２
（１．ＩｎｔｅｌｌｉｇｅｎｔＥｑｕｉｐｍｅｎｔＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅ，ＮｉｎｇｂｏＰｏｌｙｔｅｃｈｎｉｃ，Ｎｉｎｇｂｏ，Ｚｈｅｊｉａｎｇ３１５８００，Ｃｈｉｎａ；２．ＣｏｌｌｅｇｅｏｆＭｅｃｈａｎｉｃａｌａｎｄ
ＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，Ｘｉ'ａｎＰｏｌｙｔｅｃｈｎｉｃＵｎｉｖｅｒｓｉｔｙ，Ｘｉ'ａｎ７１００６０，Ｃｈｉｎａ；３．ＸｉｎｓｏｎｇＲｏｂｏｔＡｕｔｏｍａｔｉｏｎＣｏ．，Ｌｔｄ．，Ｓｈｅｎｙａｎｇ１１０１８０，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｓｏｆｔｒａｄｉｔｉｏｎａｌｍａｎｕａｌｉｎｓｐｅｃｔｉｏｎｏｆｃｌｕｔｃｈｓｅａｌｒｉｎｇｓｓｕｃｈａｓｈｉｇｈｌａｂｏｒｉｎｔｅｎｓｉｔｙ，ｌｏｗｅｆｆｉｃｉｅｎｃｙ，ａｎｄｓｕｂｊｅｃｔｉｖｅｉｎｔｅｒｆｅｒｅｎｃｅ，ａｃｏｌｏｒｆｅａｔｕｒｅｂａｓｅｄｉｎｓｐｅｃｔｉｏｎｍｅｔｈｏｄｆｏｒｃｌｕｔｃｈｓｅａｌｒｉｎｇｓｉｓｐｒｏｐｏｓｅｄ．Ｔｈｅｓｅａｌｒｉｎｇｉｍａｇｅｉｓｐｒｏｃｅｓｓｅｄｕｓｉｎｇｍｅｄｉａｎｆｉｌｔｅｒｉｎｇ，ｐｒｅｓｅｒｖｉｎｇｔｈｅｃｏｌｏｒｉｎｆｏｒｍａｔｉｏｎｏｆｔｈｅｓｅａｌｒｉｎｇｗｈｉｌｅｒｅｍｏｖｉｎｇｎｏｉｓｅ．Ｔｈｅｃｌｕｔｃｈｓｅａｌｒｉｎｇｉｍａｇｅｉｓｏｂｔａｉｎｅｄｔｈｒｏｕｇｈｈｉｇｈａｎｇｌｅｉｌｌｕｍｉｎａｔｉｏｎ，ａｎｄａｍａｓｋｉｍａｇｅｉｓｅｓｔａｂｌｉｓｈｅｄｔｏｅｘｔｒａｃｔｔｈｅｒｅｇｉｏｎｏｆｉｎｔｅｒｅｓｔｏｆｔｈｅｃｌｕｔｃｈｓｅａｌｒｉｎｇ．ＴｈｅｃｏｌｏｒｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆＲ，Ｇ，ａｎｄＢｉｎｔｈｅｒｅｇｉｏｎｏｆｉｎｔｅｒｅｓｔｏｆｔｈｅｓｅａｌｒｉｎｇａｒｅｃａｌｃｕｌａｔｅｄｂｙｐｒｏｊｅｃｔｉｏｎｍｅｔｈｏｄｉｎＲＧＢｓｐａｃｅ，ａｎｄａｃｏｌｏｒｄｉｆｆｅｒｅｎｃｅｍｏｄｅｌｏｆｔｈｅｓｅａｌｒｉｎｇｂａｓｅｄｏｎｔｈｅＲｃｏｍｐｏｎｅｎｔｉｓｅｓｔａｂｌｉｓｈｅｄｔｏａｃｈｉｅｖｅｃｏｌｏｒｄｅｔｅｃｔｉｏｎｏｆｔｈｅｓｅａｌｒｉｎｇ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅａｖｅｒａｇｅｄｅｔｅｃｔｉｏｎｅｆｆｉｃｉｅｎｃｙｏｆｔｈｅａｂｏｖｅｍｅｔｈｏｄｉｓ９１ｍｓ／ｐｉｅｃｅ，ｗｈｉｃｈｓｏｌｖｅｓｔｈｅｐｒｏｂｌｅｍｔｈａｔｔｈｅｓｅａｌｒｉｎｇｉｍａｇｅｗｉｌｌｂｅｉｎｔｅｒｆｅｒｅｄｂｙｅｘｔｅｒｎａｌｆａｃｔｏｒｓｄｕｒｉｎｇｔｈｅａｃｑｕｉｓｉｔｉｏｎｐｒｏｃｅｓｓ．Ｔｈｅａｂｏｖｅｍｅｔｈｏｄｓｈａｖｅｓｉｇｎｉｆｉｃａｎｔｌｙｉｍｐｒｏｖｅｄｔｈｅｅｆｆｉｃｉｅｎｃｙａｎｄａｃｃｕｒａｃｙｏｆｃｏｌｏｒｄｅｔｅｃｔｉｏｎａｎｄｄｅｔｅｃｔｉｏｎｆｏｒｃｌｕｔｃｈｓｅａｌｉｎｇｒｉｎｇｓ，ｗｈｉｃｈｃａｎｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｓｏｆｈｉｇｈｌａｂｏｒｉｎｔｅｎｓｉｔｙａｎｄｌｏｗａｕｔｏｍａｔｉｏｎｉｎｍａｎｕａｌｉｎｓｐｅｃｔｉｏｎｏｆｃｌｕｔｃｈｓｅａｌｉｎｇｒｉｎｇｓ，ａｎｄａｃｈｉｅｖｅｄｅｔｅｃｔｉｏｎａｎｄｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｃｌｕｔｃｈｓｅａｌｉｎｇｒｉｎｇｓ．
Ｋｅｙｗｏｒｄｓ：ｃｌｕｔｃｈ；ｓｅａｌ；ｃｏｌｏｒｆｅａｔｕｒｅ；ｍａｓｋ；ｃｏｌｏｒｄｉｆｆｅｒｅｎｃｅ
0引言
离合器作为车辆动力传动的关键部件，影响着车辆的使用性能。为了避免液体或固体颗粒进入到离合器总成中，在离合器壳体外部３个不同位置安装３种密封圈，为了避免密封圈漏装或错装等现象，在总成安装前需要对离合器壳体外部的密封圈进行检测，目前主要依靠人工目测来完成，检测的劳动强度大、时间长、视觉易疲劳，无法实现自动化快速检测［１］。
随着机器视觉技术的快速发展，具有非接触式检测、精度稳定及工作效率高等优点［２－５］。在产品质量检测领域，国内外学者也进行了深入的研究。范剑英等［６］在各类毛刺特征分析的基础上，通过基于掩膜的图像优化算法得到待检测铜排的标准图像。任永强等［７］提出了一种在线漏针检测方法，采用掩膜的方法提取出检测区域，利用连通区域计数的方法成功检测出滚针数量。孙波成等［８］提出了一种基于图像处理的路面裂缝类病害自动识别方法，使用一种掩膜平滑法进行图像增强，再采用最大类间、类内距离准则对图像进行阈值分割，提取图像上的裂缝特征。李攀等［９］研究了二值掩膜预处理的稀疏表示方法，在不影响图像主观质量的前提下提高测量系数的稀疏度。ＷｅｉｍｉｎｇＣｈｅｎ等［１０］提出了一种焊接火焰的智能识别方法，在ＨＳＶ色彩空间中分割阈值标记图像中焊接火焰所在的ＲＯＩ，采用渐进概率Ｈｏｕｇｈ变换检测ＲＯＩ，判断存在的直线条数，判别该区域焊接火焰是否存在。ＣＳｈｉ等［１１］提出了一种基于多波长透射光谱的颜色识别方法，利用透射光谱的Ｒ、Ｇ、Ｂ波段比值建立颜色特征模型进行颜色识别。ＳＭＰａｒｋ等［１２］将３Ｄ色彩空间中生成的颜色直方图投影到２Ｄ颜色平面中，采用朴素贝叶斯分类器将颜色直方图转换为类直方图，通过支持向量机和模板匹配法对生成的特征向量进行分类识别。党满意等［１３］通过在ＲＧＢ、ＨＳＶ颜色空间中分析马铃薯叶片患病早期的叶片颜色特征差异，建立马铃薯叶片的无病与患病模型，提高了对马铃薯患病早期的识别率。韩仲志等［１４］提出了一种影响胡萝卜外观等级的须根、青头、开裂等参数的提取算法，在Ｒ分量上分割胡萝卜图像，融合Ｓ分量的区域标记，实现对胡萝卜开裂的检测。杨志林等［１５］提出了一种具有连通性的目标区域标记的目标检测算法，采用四连通的区域标记算法进行区域标识，结合Ｗａｒｓｈａｌｌ算法完成颜色分割，实现同一颜色的多目标识别。薛玉利［１６］提出了一种基于三分量色差法和Ｏｓｔｕ法的交通标志检测方法，通过图像Ｒ、Ｇ、Ｂ分量的差值得到各颜色分量，结合Ｏｓｔｕ法进行阈值分割，实现对交通标志的检测。朱文天等［１７］针对已有的红蓝色差灰度化及聚类分割方法无法从输电线图像中有效识别褐色绝缘子问题，提出Ｒ、Ｂ色的色差灰度化方法，在Ｏｔｓｕ分割基础上，基于ｋ－ｍｅａｎｓ及投影特征提取，实现褐色绝缘子的识别。刘东等［１８］提出了一种基于颜色特征的麦穗计数方法，通过彩色直方图均衡化和红绿归一化差异指数对麦穗进行了有效提取及计数。卢羿［１９］提出了一种基于ＨＳＶ颜色空间的颜色特征提取及Ｈｅｓｓｉａｎ矩阵特征增强算法，在ＨＳＶ颜色空间检测成熟番茄目标，通过转移ＲＯＩ定位果梗进一步进行线性特征增强，能有效实现复杂背景条件下的番茄识别。黄鸿发等［２０］提出机器视觉检测技术与在线自动检测技术相融合的方案，采用机器人联动检测、多相机多线程同步控制、柔性自动定位设计，实现空调外观高效检测，提高检测的稳定性和精准度。
针对离合器密封圈的人工质检劳动强度大、自动化程度低等问题，本文提出了基于颜色特征的离合器密封圈检测方法，通过视觉系统获取离合器密封圈图像，构建掩膜图像提取密封圈感兴趣区域，在ＲＧＢ颜色空间中建立基于Ｒ分量的色差模型，实现了离合器密封圈的检测识别。
１离合器密封圈的图像获取
（１）安装特征
离合器壳体外部需要安装３个密封圈如图１（ａ）所示，密封圈Ａ为信号盘密封圈，密封圈Ｂ为５／７／Ｒ挡离合器壳体密封圈（内），密封圈Ｃ为５／７／Ｒ挡离合器壳体密封圈（外）。为了区分不同功能和位置的密封圈采用不同的颜色进行区分，５／７／Ｒ挡密封圈为黑色，信号盘密封圈为棕色。
（２）图像获取
为了获取离合器密封圈的图像，采用如图１（ｂ）所示的单目视觉成像，将离合器安装在旋转支架上，离合器绕支架轴旋转，获取如图１（ｃ）所示的离合器壳体密封圈图像，３个密封圈Ａ、Ｂ、Ｃ的颜色特征突出。
２基于颜色特征的离合器密封圈检测方法
目标检测需要预测出目标的具体位置以及目标类别，对于一个目标是否检测正确，首先需要确定预测类别置信度是否达到阈值，之后确定预测框与实际框的重合度大小是否超过规定阈值［２１］。因此，离合器密封圈检测可对感兴趣区域进行提取研究。由图１（ｃ）可知，离合器壳体为合金材质，机加工后为金属银色，３条密封圈为黑色和棕色，存在较大的颜色特征，因此基于颜色特征对３个密封圈进行检测。
２.１基于掩膜图像密封圈感兴趣区域提取
（１）构建密封圈掩膜图像
密封圈图像在获取过程中会受到外界因素干扰，导致密封圈图像中存在噪声，采用中值滤波对密封圈图像进行处理，在去噪的同时保留密封圈颜色信息。由于密封圈的颜色与离合器壳体颜色存在较大区别，故采用最大类间方差法对密封圈图像进行分割，分割后的结果如图２（ａ）所示。由图可知，密封圈区域的像素数远大于干扰区域的像素数，因此，在连通域标记后，对标记区域进行像素数统计，取统计像素数为前三的连通域为密封圈区域，结果如图２（ｂ）所示。由于连通域边缘存在倾斜，因此采用最小外接矩形计算连通区域的倾斜角度，通过仿射变换校正密封圈区域，从而得到如图２（ｃ）所示的密封圈掩膜图像。
（２）感兴趣区域提取
为了提取密封圈的感兴趣区域，将掩膜图像与密封圈图像进行逻辑“与”运算，提取密封圈感兴趣区域（图３）。由于掩模图像为二值图像，密封圈图像为ＲＧＢ三通道图像，将掩膜图像复制扩充为三通道图像，再与密封圈图像进行“与”运算，其表达式为［２２］：
２.２ＲＧＢ空间的密封圈颜色特征
（１）ＲＧＢ空间下的颜色特征
考虑在ＲＧＢ空间中对密封圈感兴趣区域的颜色进行提取，为了获取每个密封圈区域的颜色特征，对其Ｒ、Ｇ、Ｂ三个分量进行灰度投影处理。投影法是将图像的行、列像素灰度值按一定的方向进行的累加投影，其表达式为：
根据图３中密封圈感兴趣区域分布为黑色、黑色、棕色，采用式（２）的行投影表达式，得到如图４所示的３个密封圈的Ｒ、Ｇ、Ｂ分量的投影曲线。由图可知，密封圈３个区域在Ｒ、Ｇ、Ｂ空间中各分量的灰度分布的趋势一致，符合密封圈的颜色分布，且像素位置分布相同，其中Ｒ分量的特征最为明显，Ｒ分量中密封圈３个投影区域的平均灰度值分别为Ｒ１＝４３.３０、Ｒ２＝４５.０２、Ｒ３＝１４６.１１。
（２）ＲＧＢ空间的标准颜色值
在ＲＧＢ空间中，离合器密封圈的黑色与棕色的国际标准色卡数据如表１所示，其中黑色Ｒ分量为０，棕色Ｒ分量为１６５，将标准色卡的Ｒ分量值作为标准颜色模板。
（３）基于Ｒ分量的色差模型
3实验
3.1实验平台
３.２实验分析
取５０个安装好密封圈的离合器，其中存在安装误差的离合器３０个，正确安装２０个，随机放置在如图５所示的实验平台上，通过该方法得到的部分检测结果如图６所示，图６（ａ）和（ｃ）均缺少棕色密封圈，提示为错误，图６（ｂ）为正确安装。
由上述实验方法对５０个安装好的密封圈进行检测，由式（４）得到的各密封圈的色差值统计如图７所示。
４结束语
针对离合器密封圈人工检测效率、自动化程度低等问题，提出了基于机器视觉的离合器密封圈颜色检测方法。通过构建密封圈掩膜图像，分析掩膜图像与密封圈图像的“与”运算提取密封圈感兴趣区域，采用中值滤波对密封圈图像进行处理，在去噪的同时保留密封圈颜色信息，避免密封圈图像在获取过程中会受到外界因素干扰。在密封圈感兴趣区域投影法的基础上，建立基于Ｒ分量的密封圈色差模型，搭建基于机器视觉的密封圈检测系统实验平台，实现对离合器密封圈的检测，检测的正确率为１００％，平均检测效率为９１ｍｓ／个，在保证检测效果的基础上，检测效率也得到显著提高。
参考文献：
［１］高丹，田超．基于智能识别的汽车离合器压盘自动装配生产线的设计［Ｊ］．机床与液压，２０２０，４８（７）：１０３－１０９．
［２］马晓雄，熊晓燕，兰媛，等．金属棒材表面缺陷的机器视觉检测方法研究［Ｊ］．机械设计与制造，２０２３（４）：１９６－２００，２０５．
［３］周友行，易倩，杨文佳，等．改进ＤｅｎｓｅＮｅｔ模型在工件表面粗糙度视觉检测中的应用［Ｊ］．机械科学与技术．
［４］郭井宽，张森，张延松．管屏拼焊焊缝表面缺陷的激光视觉检测方法［Ｊ］．焊接，２０２２（１２）：３０－３５．
［５］魏星，翟钦，杨敏．机器视觉技术在智能制造工程实践平台的应用研究［Ｊ］．装备制造技术，２０２３（７）：１９１－１９４．
［６］范剑英，刘力源，赵首博．电机铜排表面毛刺缺陷检测技术研究［Ｊ］．仪器仪表学报，２０１９，４０（３）：１４－２２．
［７］任永强，李广涛，潘浩，等．基于机器视觉的变速箱滚针轴承漏针检测研究［Ｊ］．机床与液压，２０２０，４８（４）：１９－２２．
［８］孙波成，邱延峻．基于图像处理的路面裂缝识别研究［Ｊ］．重庆交通大学学报（自然科学版），２００８（１）：６１－６４，１６８．
［９］李攀，黄黎青，宋允东．基于掩膜预处理的稀疏表示和压缩感知图像重建［Ｊ］．电子测量技术，２０１５，３８（８）：７９－８１．
［１０］ＳＨＩＣ，ＤＡＩＦ，ＬＵＣ，ｅｔａｌ．ＣｏｌｏｒＲｅｃｏｇｎｉｔｉｏｎｏｆＴｒａｎｓｐａｒｅｎｔＰｌａｓｔｉｃＢａｓｅｄｏｎＭｕｌｔｉ－ＷａｖｅｌｅｎｇｔｈＴｒａｎｓｍｉｓｓｉｏｎＳｐｅｃｔｒｕｍ［Ｊ］．ＡｐｐｌｉｅｄＳｃｉｅｎｃｅｓ，２０２２，１２（１０）：４９４８．
［１１］ＰＡＲＫＳＭ，ＫＩＭＫＪ．Ｃｏｌｏｒｒｅｃｏｇｎｉｔｉｏｎｗｉｔｈｃｏｍｐａｃｔｃｏｌｏｒｆｅａｔｕｒｅｓ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＣｏｍｍｕｎｉｃａｔｉｏｎＳｙｓｔｅｍｓ，２０１２，２５（６）：７４９－７６２．
［１２］党满意，孟庆魁，谷芳，等．基于机器视觉的马铃薯晚疫病快速识别［Ｊ］．农业工程学报，２０２０，３６（２）：１９３－２００．
［１３］韩仲志，邓立苗，徐艳，等．基于图像处理的胡萝卜青头、须根与开裂的检测方法［Ｊ］．农业工程学报，２０１３，２９（９）：１５６－１６１．
［１４］ＣＨＥＮＷ，ＣＨＥＮＳ，ＧＵＯＨ，ｅｔａｌ．ＷｅｌｄｉｎｇｆｌａｍｅｄｅｔｅｃｔｉｏｎｂａｓｅｄｏｎｃｏｌｏｒｒｅｃｏｇｎｉｔｉｏｎａｎｄｐｒｏｇｒｅｓｓｉｖｅｐｒｏｂａｂｉｌｉｓｔｉｃＨｏｕｇｈｔｒａｎｓｆｏｒｍ［Ｊ］．ＣｏｎｃｕｒｒｅｎｃｙａｎｄＣｏｍｐｕｔａｔｉｏｎ：ＰｒａｃｔｉｃｅａｎｄＥｘｐｅｒｉｅｎｃｅ，２０２０，３２（１９）：ｅ５８１５．
［１５］杨志林，杨彦锋．基于颜色特征和连通域标记的目标检测算法［Ｊ］．机电工程技术，２０２２，５１（８）：５７－６０．
［１６］薛玉利．基于三分量色差法和Ｏｓｔｕ法的交通标志检测［Ｊ］．微型机与应用，２０１４，３３（２０）：４１－４２，４９．
［１７］朱文天，胡立坤，王帅军．改进色差法的绝缘子图像分割方法［Ｊ］．广西大学学报（自然科学版），２０１９，４４（５）：１２７６－１２８３．
［１８］刘东，曹光乔，李亦白，等．基于颜色特征的小麦抽穗扬花期麦穗识别计数［Ｊ］．中国农机化学报，２０２１，４２（１１）：９７－１０２．
［１９］卢羿．基于颜色特征识别的番茄果梗定位及特征增强算法［Ｊ］．大众标准化，２０１９（１１）：２３－２５，２８．
［２０］黄鸿发，梁小玲，李美正，等．基于机器视觉的空调外观关键质量检测技术研究［Ｊ］．机电工程技术，２０２２，５１（１２）：１５１－１５５．
［２１］袁雪．计算机视觉［Ｍ］．北京：清华大学出版社，２０２１．
［２２］杨振亚，王勇，杨振东，等．一种新的ＲＧＢ色差度量公式［Ｊ］．计算机应用，２００９，２９（２）：４６５－４６７．
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！ 文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/ligonglunwen/77384.html
