摘 要：針對當前汽車座椅皮革表面質(zhì)量檢測易受光照和皮革顏色影響等問題，筆者提出使用基于紅外熱像技術(shù)的汽車座椅皮革質(zhì)量檢測方法。本文以汽車座椅皮革為研究對象，在加熱的功率、時間、角度和距離等因素下，以試件表面溫度差異為目標設計均勻?qū)嶒灒曰貧w分析確定最優(yōu)的實驗參數(shù)，并進行迭代閾值分割處理，檢測結(jié)果表明細節(jié)特征清晰。

關(guān)鍵詞：紅外熱像；均勻設計；質(zhì)量檢測

傳統(tǒng)的汽車座椅皮革表面質(zhì)量檢測主要是靠人工完成的，朱凌云等［1］提出了一種基于視覺顯著模型的檢測方法；李健等［2］提出了采用改進決策樹結(jié)合前饋神經(jīng)網(wǎng)絡選擇最優(yōu)的分類屬性的方法，大大縮短了檢測時間；賀福強等［3］采用小波重構(gòu)的方法對皮革表面進行了缺陷檢測；辛登科等［4］提出了一種可以比較準確地檢測出皮革表面缺陷信息的算法。Patricio V等［5］提出了一種濕藍皮革缺陷分類的自動檢測方法。

本文提出一種基于紅外熱像技術(shù)的汽車座椅皮革質(zhì)量檢測方法，用迭代閾值分割算法處理紅外熱成像，實現(xiàn)汽車座椅皮革的質(zhì)量檢測。

1 實驗分析

1.1 均勻?qū)嶒炘O計

試件為汽車座椅皮革，實驗中所用的紅外熱像儀采用專業(yè)型檢測用紅外熱像Testo890-2。汽車座椅皮革表面溫度差的各影響因素及水平見表1。

表1 溫度差問題中的因素及水平

本文用均勻設計表進行實驗，結(jié)果如表2所示。

1.2 實驗結(jié)果分析

1.2.1 回歸模型的建立。對表2的實驗數(shù)據(jù)用以下模型進行回歸分析：

表2 均勻?qū)嶒灲Y(jié)果

在（1）式中，

為回歸系數(shù)，分別為加熱功率、時間、距離以及角度。

根據(jù)均勻?qū)嶒炘O計的實驗結(jié)果，利用均勻設計軟件進行回歸計算，得到的回歸方程如下所示：

為確認所選的模型是否合適，需進行回歸診斷。進行回歸診斷的主要工具是殘差，回歸模型的具體計算結(jié)果與實驗結(jié)果見表3。

表3 回歸模型的計算結(jié)果與實驗結(jié)果

圖1所示的實驗值與回歸值之間的關(guān)系曲線，直觀體現(xiàn)了本文建立的回歸方程的合理性。

圖1 回歸值與實驗值比較

1.2.2 最優(yōu)因素水平的確定。根據(jù)回歸方程的極值點，最優(yōu)因素水平組合即加熱功率、時間、角度、距離分別為0.85kW、14s、45°、0.02m，得到的最終實驗圖像如圖2所示。

圖2 優(yōu)化的實驗圖像

2 基于紅外熱像技術(shù)的迭代閾值分割

利用迭代閾值分割算法對汽車座椅皮革原始光學圖像和熱像進行圖像分割，如圖3和圖4所示。

圖3 原始光學圖像分割結(jié)果

圖4 紅外熱成像分割結(jié)果

由圖3和圖4可以看出，迭代閾值法在處理汽車座椅皮革的紅外熱成像時，將缺陷從背景中分離出來，驗證了算法的有效性。

3 結(jié)論

本文針對汽車座椅皮革質(zhì)量檢測易受光照和工人主觀性的影響，提出了一種基于紅外熱像技術(shù)的汽車座椅皮革質(zhì)量檢測方法。實驗結(jié)果表明，分割后的圖像邊界形狀準確，細節(jié)特征清晰。

責任編輯：xj

原文標題：基于紅外熱像技術(shù)的汽車座椅皮革質(zhì)量檢測

文章出處：【微信公眾號：新機器視覺】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。