基于RPCA和視覺顯著性的風(fēng)機(jī)葉片表面缺陷檢測

　　摘要：針對風(fēng)機(jī)葉片表面缺陷檢測問題，提出了一種基于魯棒主成分分析(RPCA)和視覺顯著性的表面缺陷檢測方法。在RPCA的基礎(chǔ)上，通過增加噪聲項(xiàng)和考慮像素的空間關(guān)系，以利于缺陷的分割，即通過F范數(shù)正則項(xiàng)抑制高斯噪聲和光照不均，利用Laplacian正則項(xiàng)約束像素的空間關(guān)系，以保持顯著圖中具有相似顯著值且空間相鄰超像素的局部一致性和不變性。首先，對輸入的風(fēng)機(jī)葉片表面圖像進(jìn)行超像素分割和特征提取，得到圖像的特征矩陣;然后，利用改進(jìn)的RPCA法得到稀疏矩陣，根據(jù)稀疏矩陣和視覺顯著性方法計(jì)算出缺陷區(qū)域的顯著圖;最后，優(yōu)化顯著圖并采用自適應(yīng)閾值分割實(shí)現(xiàn)缺陷的檢測。通過實(shí)驗(yàn)仿真和對實(shí)驗(yàn)結(jié)果定性定量分析，表明該方法具有較高的準(zhǔn)確率。

　　關(guān)鍵詞：RPCA;視覺顯著性;缺陷檢測;風(fēng)機(jī)葉片

　　風(fēng)機(jī)葉片是風(fēng)力發(fā)電機(jī)組的力源和主要承載部件，也是最昂貴和最易受損的部件，暴風(fēng)雨、風(fēng)沙和雷擊等都有可能損傷葉片。隨著國內(nèi)風(fēng)電場運(yùn)行時(shí)間的增加，風(fēng)機(jī)葉片表面缺陷的快速、高效檢測變得越來越重要。傳統(tǒng)的人工巡檢已難以滿足要求，隨著圖像處理技術(shù)的發(fā)展，無人機(jī)巡檢等基于機(jī)器視覺的缺陷檢測得到了快速發(fā)展�；�于機(jī)器視覺的缺陷檢測的關(guān)鍵是將缺陷區(qū)域從圖像中分割出來，生成缺陷的二值圖像。常見的圖像分割方法主要包括基于統(tǒng)計(jì)、濾波和模型3種[1]。當(dāng)前，深度學(xué)習(xí)發(fā)展迅速，具有較好的性能且多用于分類，但實(shí)際應(yīng)用于檢測的較少，原因有2點(diǎn)：一是缺陷數(shù)據(jù)庫太小，無法滿足深度網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí)的要求而易導(dǎo)致過擬合;二是大規(guī)模缺陷圖像收集費(fèi)時(shí)且人工標(biāo)記開銷大。

　　近年來，魯棒主成分分析(robustprincipalcomponentanalysis,RPCA)[2]被應(yīng)用于圖像重建、目標(biāo)識別和缺陷檢測等。在進(jìn)行缺陷檢測時(shí)，可將有缺陷的圖像分為無缺陷背景紋理區(qū)和缺陷前景區(qū)2部分，分別用低秩矩陣和稀疏矩陣表示。文獻(xiàn)[3]用RPCA批量檢測同一場景、同一光源下的多幅圖像，將一幅圖像變成矩陣的一列，為了能將圖像以低秩和稀疏矩陣表示，待檢圖像必須有多幅;文獻(xiàn)[4-5]利用RPCA，通過低秩分解得到織物疵點(diǎn)顯著圖，并對顯著圖優(yōu)化和閾值分割完成疵點(diǎn)檢測。文獻(xiàn)[6]用低秩分解得到缺陷特征矩陣，獲得缺陷區(qū)域的初始顯著圖，再利用超像素分割和視覺顯著性精確定位太陽能電池片表面缺陷區(qū)域;文獻(xiàn)[7]將RPCA應(yīng)用于紙病圖像的分割，但紙病圖像背景情況單一;文獻(xiàn)[8]用RPCA對鋁箔圖像進(jìn)行低秩分解，實(shí)現(xiàn)背景圖像和缺陷圖像的分離，達(dá)到鋁箔表面缺陷檢測的目的。但當(dāng)表面存在較大低對比度缺陷區(qū)域時(shí)，缺陷檢測的連續(xù)性不能令人滿意。

　　文獻(xiàn)[9]將低秩分解應(yīng)用于LCD表面缺陷檢測，但主要針對背景紋理簡單的LCD圖像，擴(kuò)展性不強(qiáng);文獻(xiàn)[10]提出了帶有噪聲項(xiàng)的RPCA模型—(NRPCA)，用于織物缺陷的檢測，該模型忽視了稀疏像素間的連接性，無法檢測連續(xù)的缺陷區(qū)域;文獻(xiàn)[11]用F范數(shù)代替RPCA模型中的核范數(shù)和2范數(shù)，而F范數(shù)并不與核范數(shù)和2范數(shù)相同，因此有些情況，檢測效果并不好，檢測的缺陷區(qū)域邊界很模糊。以上采用RPCA進(jìn)行缺陷檢測時(shí)，均未考慮圖像的光照問題，而通過無人機(jī)巡檢采集的風(fēng)機(jī)葉片圖像，由于圖像的拍攝角度不同，光照不均不可避免。同時(shí)，為了更好地檢測出連續(xù)的缺陷區(qū)域，本文提出了一種考慮像素空間關(guān)系和帶有噪聲項(xiàng)的RPCA風(fēng)機(jī)葉片表面缺陷檢測方法，以抑制高斯噪聲和光照不均的影響。

　　1本文方法

　　1.1超像素分割超像素分割將具有相似特征的像素聚集在一起，形成一個(gè)超像素。以超像素作為圖像處理的基本單位可以大大降低維度和剔除一些異常像素點(diǎn)。而風(fēng)機(jī)葉片的表面缺陷部分和無缺陷部分，具有不同的特征(顏色和紋理等)，通過超像素分割可將缺陷部分有效的聚集起來。本文采用SLIC算法[12]實(shí)現(xiàn)超像素分割。

　　1.2特征提取本文提取圖像的顏色特征、Gabor特征和方向可控金字塔特征。(1)顏色特征。采用圖像的RGB3顏色通道以及HSV顏色空間的H和V2通道共5個(gè)特征表示葉片圖像的顏色特征。每個(gè)超像素所包含像素的平均顏色特征，即為超像素的顏色特征，則圖像的顏色特征矩陣ColorR5×K，其中K為超像素的個(gè)數(shù)，以下同。(2)Gabor特征。Gabor濾波器的頻率和方向與人類的視覺系統(tǒng)類似，特別適合于紋理表示與判別。用Gabor特征能夠描述圖像紋理信息，而且其具有良好的空間局部性和方向選擇性，對光照等具有一定的魯棒性。本文對圖像采用3尺度8方向進(jìn)行Gabor濾波，其Gabor特征矩陣ColorR24×K。(3)方向可控金字塔特征。方向可控金字塔具有尺度和方向子帶的圖像表示，且不會混疊。本文對缺陷圖像采用2尺度6方向?yàn)V波，其方向可控金字塔特征矩陣SpyrR12×K。將上述圖像的3種特征組合在一起，便構(gòu)成圖像的特征矩陣DR41×K。

　　2實(shí)驗(yàn)結(jié)果與分析

　　為驗(yàn)證算法的有效性，實(shí)驗(yàn)構(gòu)建了一個(gè)包含30張風(fēng)機(jī)葉片表面缺陷的數(shù)據(jù)集，并對每張圖的表面缺陷進(jìn)行了人工標(biāo)注，得到每張圖的GroundTruth(GT)。本文仿真環(huán)境為：操作系統(tǒng)Windows10和仿真軟件MATLABR2017b。實(shí)驗(yàn)需要設(shè)置的主要參數(shù)有、和γ，根據(jù)PR曲線、F-measure曲線和ROC曲線結(jié)果(各曲線說明見本節(jié)定量比較部分)發(fā)現(xiàn)，當(dāng)0.001，0.01和0.05時(shí)，效果較好。對本文算法和RPCA[2]，NRPCA[11]，PNRPCA[11]，SR[15]，F(xiàn)F[16]，F(xiàn)T[17]，CA[18]算法進(jìn)行定性和定量比較。

　　3結(jié)束語

　　本文結(jié)合視覺顯著性檢測和RPCA，提出了一種風(fēng)機(jī)葉片表面缺陷的檢測方法，通過在RPCA模型中增加F范數(shù)和Laplacian正則項(xiàng)，抑制光照不均和利用像素間的空間關(guān)系，實(shí)現(xiàn)風(fēng)機(jī)葉片表面缺陷的檢測。實(shí)驗(yàn)結(jié)果表明，本文算法對于風(fēng)機(jī)葉片表面缺陷圖像的檢測具有較高的準(zhǔn)確性。然而，由于本文算法在檢測過程中，以超像素為基本的檢測單元，而超像素分割對于微小缺陷的分割并不夠理想，因此本算法在檢測表面微小缺陷時(shí)，效果欠佳，這也是需要進(jìn)一步研究的。

　　參考文獻(xiàn)

　　[1]KUMARA.Computer-vision-basedfabricdefectdetection:Asurvey[J].IEEETransactionsonIndustrialElectronics,2008,55(1):348-363.

　　[2]CANDÈSEJ,LIXD,MAY,etal.Robustprincipalcomponentanalysis?[J].JournaloftheACM,2011,58(3):1-37.

　　[3]姚明海,李潔,王憲保.基于RPCA的太陽能電池片表面缺陷檢測[J].計(jì)算機(jī)學(xué)報(bào),2013,36(9):1943-1952.

　　計(jì)算機(jī)方向論文投稿刊物：《計(jì)算機(jī)學(xué)報(bào)》是中國計(jì)算機(jī)領(lǐng)域權(quán)威性學(xué)術(shù)刊物，始創(chuàng)于1978年，刊期為月刊。其宗旨是報(bào)道中國計(jì)算機(jī)科學(xué)技術(shù)領(lǐng)域最高水平的科研成果。它由中國計(jì)算機(jī)學(xué)會與中國科學(xué)院計(jì)算技術(shù)研究所主辦、科學(xué)出版社出版，以中文編輯形式與讀者見面，同時(shí)以英文摘要形式向國際各大檢索系統(tǒng)提供基本內(nèi)容介紹。

轉(zhuǎn)載請注明來自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///dzlw/22029.html