摘 要：針對(duì)當(dāng)前汽車座椅皮革表面質(zhì)量檢測(cè)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(cè)方法。本文以汽車座椅皮革為研究對(duì)象，在加熱的功率、時(shí)間、角度和距離等因素下，以試件表面溫度差異為目標(biāo)設(shè)計(jì)均勻?qū)嶒?yàn)，以回歸分析確定最優(yōu)的實(shí)驗(yàn)參數(shù)，并進(jìn)行迭代閾值分割處理，檢測(cè)結(jié)果表明細(xì)節(jié)特征清晰。

關(guān)鍵詞：紅外熱像；均勻設(shè)計(jì)；質(zhì)量檢測(cè)

傳統(tǒng)的汽車座椅皮革表面質(zhì)量檢測(cè)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(cè)方法；李健等［2］提出了采用改進(jìn)決策樹結(jié)合前饋神經(jīng)網(wǎng)絡(luò)選擇最優(yōu)的分類屬性的方法，大大縮短了檢測(cè)時(shí)間；賀福強(qiáng)等［3］采用小波重構(gòu)的方法對(duì)皮革表面進(jìn)行了缺陷檢測(cè)；辛登科等［4］提出了一種可以比較準(zhǔn)確地檢測(cè)出皮革表面缺陷信息的算法。Patricio V等［5］提出了一種濕藍(lán)皮革缺陷分類的自動(dòng)檢測(cè)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(cè)方法，用迭代閾值分割算法處理紅外熱成像，實(shí)現(xiàn)汽車座椅皮革的質(zhì)量檢測(cè)。

1 實(shí)驗(yàn)分析

1.1 均勻?qū)嶒?yàn)設(shè)計(jì)

試件為汽車座椅皮革，實(shí)驗(yàn)中所用的紅外熱像儀采用專業(yè)型檢測(cè)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(shè)計(jì)表進(jìn)行實(shí)驗(yàn)，結(jié)果如表2所示。

1.2 實(shí)驗(yàn)結(jié)果分析

1.2.1 回歸模型的建立。對(duì)表2的實(shí)驗(yàn)數(shù)據(jù)用以下模型進(jìn)行回歸分析：

表2 均勻?qū)嶒?yàn)結(jié)果

在（1）式中，

為回歸系數(shù)，分別為加熱功率、時(shí)間、距離以及角度。

根據(jù)均勻?qū)嶒?yàn)設(shè)計(jì)的實(shí)驗(yàn)結(jié)果，利用均勻設(shè)計(jì)軟件進(jìn)行回歸計(jì)算，得到的回歸方程如下所示：

為確認(rèn)所選的模型是否合適，需進(jìn)行回歸診斷。進(jìn)行回歸診斷的主要工具是殘差，回歸模型的具體計(jì)算結(jié)果與實(shí)驗(yàn)結(jié)果見表3。

表3 回歸模型的計(jì)算結(jié)果與實(shí)驗(yàn)結(jié)果

圖1所示的實(shí)驗(yàn)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(shí)驗(yàn)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(diǎn)，最優(yōu)因素水平組合即加熱功率、時(shí)間、角度、距離分別為0.85kW、14s、45°、0.02m，得到的最終實(shí)驗(yàn)圖像如圖2所示。

圖2 優(yōu)化的實(shí)驗(yàn)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(duì)汽車座椅皮革原始光學(xué)圖像和熱像進(jìn)行圖像分割，如圖3和圖4所示。

圖3 原始光學(xué)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(shí)，將缺陷從背景中分離出來，驗(yàn)證了算法的有效性。

3 結(jié)論

本文針對(duì)汽車座椅皮革質(zhì)量檢測(cè)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(cè)方法。實(shí)驗(yàn)結(jié)果表明，分割后的圖像邊界形狀準(zhǔn)確，細(xì)節(jié)特征清晰。

責(zé)任編輯：xj

原文標(biāo)題：基于紅外熱像技術(shù)的汽車座椅皮革質(zhì)量檢測(cè)

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