巫红霞

(镇江市高等专科学校现代装备制造学院,江苏镇江 212000)

0 引言

目前布氏硬度测量都是依赖计算机实现软件测量,已经不能满足户外测量。随着移动APP技术不断发展采用无线传输摄像头将图像传输到服务器再由手机端进行处理,完成布氏硬度测量。该方法将是未来发展趋势。

材料的机械性能直接决定了材料应用范围。材料的机械性能表征方式通常可采用抗弯强度、拉伸韧性、抗压强度、塑性变形、断面收缩率、硬度等参数进行表征。这些表征参数是由材料微观组织结构影响,而这些参数直接反应材料宏观机械性能。材料实际应用中由于所处环境比较复杂,单纯的理论计算已经不能满足材料机械性能计算,因此需要各种测量设备对材料机械性能指标测量。常见材料机械性能指标测量设备有万能拉伸试验机、布氏硬度计。其中布氏硬度可测量钢铁材料硬度,具有投入资金少能快速检测到材料硬度,被广泛应用到材料检测中。材料硬度与材料的强度和塑性变形抗力有直接关系。传统的读数方法采用读数显微镜,将压痕与显微镜上的刻度进行比较,在一个方向和垂直方向分别读取两次直径取平均值作为测量直径,再根据标准布氏硬度对照表查表得出最终测试结果。这种读数显微镜法

人工测量压痕直径的方法,不仅测量误差比较大,受人为因素的影响也很大。这种读数方法在上个世纪的技术条件下是最好的测试方法,而这在一个世纪后的今天仍在使用,这很大程度上已经满足不了工业生产对测试复杂度和自动化的需求。本文提出的基于机器视觉方法的便携式布氏硬度测量装置,目的是采用电子图像传感器读取压痕图像后直接进行识别并测量,实现全自动的布氏压痕半径测量,把测试人员从单调、程序化的工作中解脱出来,使测量结果更少地受到的人为因素影响,同时提高测试效率。这在全球制造业正在逐步迈向自动化和智能化的今天,更加具有竞争力,紧跟时代趋势。

国外基于图像布氏硬度测量研究主要有：2003年Mendes开发了基于布氏硬度测量系统[1]。该系统采用识别压痕和背景灰度差异从而识别出压痕,该算法优点是识别出边缘效果差异性大的图像具有较高准确率,对于边缘效果差异性不大图形准确率降低。2009年Pedrosa设计了布氏硬度测量系统[2]。该系统核心算法是采用二值化直方图识别出阈值,该算法能够解决硬度块圆周测量,但是对于压痕中心空洞处理没有解决。

国内布氏硬度图像处理现状主要有：白福忠针对布氏硬度边缘圆检测不易识别问题[3],对传统Canny边缘检测算法进行改进,所改进的Canny边缘检测算法核心思想为：将双线性模糊增强算法替代Canny边缘检测算法中的高斯滤波器,同时引入平滑方法增强边缘识别。通过算法对比结果表明所改进的Canny算法极大提高了算法精度。常城开发了视觉布氏硬度测量系统[4]。

基于视觉布氏硬度测量系统已逐渐被广泛应用,最新国家标准《金属材料布氏硬度试验第1部分：试验方法》明确指出了视觉布氏硬度测量的应用。因此视觉布氏硬度测量具有广阔的应用前景。

材料硬度是金属材料力学性能重要指标,是材料弹性、韧性、塑性等力学性能综合表征。目前,根据材料硬度大小可划分为洛氏硬度、维氏硬度、布氏硬度。三种硬度中布氏硬度数值最低,说明材料相对软,重要应用在钢铁材料中。由于钢铁材料应用范围比较广,硬度检测也比较频繁,因此本文以布氏硬度测量为研究课题[5-6]。布氏硬度测量原理为将一定直径的硬质合金球施加压力F,压入到被测试样表面,结果规定测量时间后,卸载压力,查看压痕直径。查看布氏硬度数值表查找硬度值。如图1为布氏硬度试验原理图。

图1 布氏硬度试验原理Fig.1 Principles of brinell hardness test

布氏硬度计算方法为：

式中D表示硬质合金小球直径,d表示压痕直径,g为重力加速度为常数。

根据布氏硬度计算方法可知只需测量布氏硬度压痕直径即可计算出不是硬度值。目前测量布氏硬度直径方法是采用20倍读数显微镜进行测量,该方法在测量过程中存在：(1)读数显微镜放置在硬度块上容易出现偏移情况造成读数不准确。(2)采用人眼去读数会因不同人眼睛灵敏度不同造成读数差异,使得读数不准确。(3)人员读数效率低。

1 基于BP的神经网路算法与Canny算法

神经网络具有很强的学习、容错和信息处理能力,有很高的灵活性和计算机并行性,并且作为模式识别分类器和聚类技术在图像处理领域中得到应用。

1.1 BP神经网络

BP网络不仅有输入节点、输出节点,而且有一层或多层隐节点。一个典型的三层网络结构如图2所示。

图2 典型的BP网络结构图Fig.2 Typical BP network structure diagram

设有含n个节点的任意网络,各节点之特性为Sigmoid型。为简单起见,认为网络只有一个输出y,任一节点i的输出为oi,并设有N个样本(xk,yk)(k=1,2,…,N),对某一输入xk,网络输出为yk,节点i的输出为oik,节点js的输入为

当j为输出节点时,

当j不为输出节点时

1.2 Canny算子

Canny算子的梯度是用高斯滤波器的导数计算的,检测边缘的方法是寻找图像梯度的局部极大值。Canny方法使用两个阈值来分别检测强边缘和弱边缘,而且仅当弱边缘与强边缘相连时,弱边缘才会包含在输出中,因此该方法不容易受噪声的干扰,能够检测到弱边缘。

Canny算法步骤：

(1)用高斯滤波器平滑图像。(2)计算滤波后图像梯度的幅值和方向。(3)对梯度幅值应用非极大值抑制,其过程为找到处于图像梯度中的局部极大值点,把其他非局部极大值点置零以得到细化的边缘。(4)用双阈值算法检测和连接边缘,使用两个阈值T1和T2(T1＞T2),T1用来找到每条线段,T2用来在这些线段的两个方向上延伸寻找边缘的断裂处,并连接这些边缘。(5)零交叉方法。零交叉方法先用指定的滤波器对图像进行滤波,然后寻找零交叉点作为边缘。

1.3 技术方案

如图3所示：首先进行布氏硬度压痕识别[7],将改进神经网络算法与Canny算法组合在一起,结合解决Canny算子采用高斯滤波和双阈值方法难以在抑制噪声的同时保护低强度边缘和神经网络算法容易出现局部最优问题。从算法时间、空间上进行改进算法对比。针对所识别的压痕点,采用改进K-means算法进行压痕点识别,所改进的K-means算法是将遗传算法和传统K-means算法结合在一起解决K-means算法容易陷入局部最优问题。对于剔除异常值后的压痕值进行曲线拟合,将改进遗传算法应用到曲线拟合中以便提高算法运行效率。使用C#、SQLite、MySQL数据库技术进行移动APP技术开发。

图3 技术路线Fig.3 Technical route

(1)将神经网络算法与Canny算法结合在一起,解决了Canny算子采用高斯滤波和双阈值方法难以在抑制噪声的同时保护低强度边缘。

(2)建立压痕边缘值取舍方法,与传统最小二乘法曲线拟合方法相比,采用K-means算法进行压痕边缘值取舍提高了边缘拟合准确度。为提高边缘拟合效率将遗传算法应用到曲线拟合中。

(3)采用Accord.net框架进行视觉布氏硬度测量系统开发[8]。同时搭建图像布氏硬度测量APP系统[9],解决长期以来布氏硬度测量软件系统依赖计算机问题,增强了系统适用范围。

2 结论

视觉布氏硬度移动APP技术解决了长期处理布氏硬度测量分析软件依靠计算机问题,实现了现场自动分析,降低了系统运行成本。本系统中提出将遗传算法、神经网络算法应用到图像识别中极大提高了图像识别效率和准确率。总之所开发的视觉布氏硬度测量系统具有广阔应用前景。