CN1715886A - 自动识别汽车用镀锌板镀层粉化分级图形的方法 - Google Patents

Abstract

一种用于汽车制造技术领域的自动识别汽车用镀锌板镀层粉化分级图形的方法，包括以下步骤：检测样件的制备，具体为落料、冷冲、喷涂、擦洗；将采集到的样件图像精确定位，具体为阈值分割、中值滤波、逻辑运算、边缘检测、Hough圆检测；提取采集到的样件的图形特征，具体为区域确定、粉化面积与程度确定、粉化颗粒识别；确定粉化等级判断准则，设计分类器。本发明解决了在粉化区域中有部分存在一种半粉化的过渡状态，还不能真实的反映粉化程度问题，以及在整个粉化层区域中有部分处于不稳定状态、在检测样件的移动中易产生粉化层的破碎后脱落的问题和人工目测存在误差的问题。

Description

自动识别汽车用镀锌板镀层粉化分级图形的方法

技术领域

本发明涉及的是一种汽车制造技术领域的方法，特别是一种自动识别汽车用镀锌板镀层粉化分级图形的方法。

背景技术

合金化热镀锌板兴起于80年代，其工艺是将薄钢板热镀锌后再加热，保温一定时间，通过基板中的铁与镀层中的锌相互扩散，形成锌—铁合金层。镀层组织由表及里可能有η(纯锌)、ξ(FeZn13)、Γ(Fe3Zn10)和Γ1(Fe5Zn21)相组成，该镀层具有很好的耐蚀性并与其表面的涂漆层结合牢固，用热镀锌板冲压制成的薄板件，易实施点焊工艺，现大量地应用于制造汽车车身。由于合金化镀锌层比较脆，生产中易产生粉化现象。使用时也偶有粉化现象发生。为提高镀锌层的抗粉化性能，需要先进的合金化热镀锌板表面镀层粉化程度的检测方法，应用于合金化热镀锌板生产时的在线质量检测，同时，为镀层进行金相分析及改进制作工艺提供可靠的依据。在进行镀层粉化程度的观察与判断之前，首先解决的是检测样件的制备，其是在一检测样件上冲压出—球冠，在球冠上再反向冲压，得到一个较小的球冠，称为双杯突，通过双向拉伸变形，使镀层被反复弯曲和拉直，可以反映合金化热镀锌板在实际生产中的变形情况。双向拉伸变形后，在变形的过渡部位镀层发生了粉化，双向拉伸变形情况直观，但由于在粉化区域中，有部分存在一种半粉化的过渡状态，还不能真实的反映粉化程度；以及在整个粉化层区域中有部分处于不稳定状态，在检测样件的移动中，易产生粉化层的破碎后脱落。检测时，将双杯突成形后的试样外观与0～5六个等级的标准图谱对照(如采用美国克莱斯勒公司汽车车身外表面热镀锌图样标准—Chrysler Specification MS-8056 Zinc Iron Alloy Coated Steel For OuterBody Panel)，选取最接近试样外观的图谱，根据该图谱的等级即得到合金化镀锌层的粉化级别。这种直接判断法采用参照标准图谱，由人工目测来判定粉化等级，会存在判断上的误差。

经对现有技术的文献检索发现，中国专利号为：03115568，名称为：合金化热镀锌镀层分析方法，该专利给出一种获得一个完整、真实、清晰的合金化热镀锌镀层组织的方法，仅是对合金化热镀锌镀层各合金相层进行定性、定量(内在特性)分析的方法。该专利的方法是依据镀层的粉化程度来进行的基础性研究。但不能够对合金化热镀锌镀层粉化的程度(外在特性)进行分级判断。

发明内容

本发明的目的在于克服现有技术的不足，提出一种电脑自动识别汽车用镀锌板镀层粉化等级的方法。使其解决了在粉化区域中有部分存在一种半粉化的过渡状态，还不能真实的反映粉化程度问题，以及在整个粉化层区域中有部分处于不稳定状态、在检测样件的移动中易产生粉化层的破碎后脱落的问题和人工目测存在误差的问题。

本发明是通过以下技术方案实现的，方法步骤为：

(1)检测样件的制备

a.落料：切成尺寸为200×80规格的小型样件坯料；

b.冷冲：将样件冷冻至温度为摄氏负18-21度范围，冲压成形，首次制成高为7.5球冠，后再反向冲压成高为6.5球冠的双杯突检测样件；

c.喷涂：喷环氧漆，保持室温24小时。

d.用摄氏60度温水擦洗备用。

(2)将采集到的样件图像精确定位

a.阈值分割：设图像灰度级为L，门限k将图像划分为目标和背景。

b.中值滤波：把数字序列或数字图像中某点的值，用该点邻域内各点的中值来替代以去除噪声。

c.逻辑运算：对两像素间的逻辑或(OR)运算进行定义。

d.边缘检测：应用检测函数进行检测。

e.Hough圆检测：确定圆心。

(3)提取采集到的样件的图形特征

a.区域确定：设定分析粉化区域的外边界及分析粉化区域的内边界，进而确定分析区域范围。

b.粉化面积与程度的确定：用统计得到的粉化区域内的黑色部分的点数表示粉化面积，而粉化面积的严重程度用得到的粉化面积值比粉化区域来表示。

c.粉化颗粒识别：设定颗粒大小的评价参数，即颗粒所占的象素数。采用种子填充算法计算面积，种子填充算法采用栈结构实现。

所述的区域确定，具体为：采用根据样本的标准差计算方法，首先得到其分析区域的样本标准差序列，根据标准差数值的大小，并将其按r变化规律，划分为三个区域A、B和C。各个部分的含义是：C是W_ROI与W_Out交界的小块区域，由于是交界处，象素灰度值变化较大，因此此处的标准差最大；B是需要识别的粉化区域部分；A是正常区域。识别粉化区域的关键就是确定区域A和B的分界线R。

(4)确定粉化等级判断准则，设计分类器

所述的确定粉化等级判断准则，具体为：根据采集到样件的各等级图像特征，分析粉化区域宽度，粉化比例与粉化颗粒大小。

所述的设计分类器，具体为：采用与镀层的重量损失相结合的方法，用化学微量天平称出变形前后镀锌板重量，计算出镀层脱落的质量差，根据质量差划分六个等级。

本发明具有实质性的特点，解决了在粉化区域中有部分存在一种半粉化的过渡状态，还不能真实的反映粉化程度问题，使镀层完整的粉化。解决了在整个粉化层区域中有部分处于不稳定状态、在检测样件的移动中易产生粉化层的破碎后脱落的问题，使检测样件可以长时间的保存，更主要的是使用包括有电脑、图像采集卡、图像摄取装置、工控机等在内的整套设备来实施本发明时，可以自动识别镀层粉化分级图形，粉化等级的判断无误差，为镀层进行金相分析与改进制作工艺提供可靠、精确的镀层粉化级别，应用于合金化热镀锌板生产中的在线检测时，具有准确、结果可保存的特性。

附图说明

图1镀层粉化形貌图

图2分析区域W_ROI内的样本标准差波

图3粉化分级流程图

具体实施方式

结合附图以下对本发明作进一步的陈述：

(1)检测样件的制备

a.落料：切成尺寸为200×80规格的小型样件坯料；

b.冷冲：将样件冷冻后，其最佳温度为摄氏负20度，差别小于正负0.3度后，冲压成形，首次制成高为7.5球冠，后再反向冲压成高为6.5球冠的双杯突检测样件；

c.喷涂：喷环氧漆，保持室温24小时。

d.用摄氏60度温水擦洗备用。

(2)将采集到的样件图像精确定位

a.阈值分割：设图像灰度级为L，门限k将图像划分为目标C₀＝{0，1，2，……，k}和背景C₁＝{k+1，k+2，……L-1}。

σ_B ²(＝w₀w₁(u₀-u₁)²)表示类C₀和C₁的类间方差，σ_T ²(＝σ_w ²+σ_B ²)表示图像的总体方差。当 $\mathrm{\η}(=\frac{{{\mathrm{\σ}}_B}^2}{{{\mathrm{\σ}}_T}^2})$ 最大时，分类性能最优，阈值分割后保留了图像的边缘信息。

b.中值滤波：把数字序列或数字图像中某点的值，用该点邻域内各点的中值来替代以去除噪声。设{x_ij，(i，j)∈I}表示图像中各点的灰度值，滤波窗口为A的二维中值滤波可定义为：

$y_{\mathrm{ij}}=\underset{A}{\mathrm{Med}\left\{x_{\mathrm{ij}}\right\}}=\mathrm{Med}\{x_{(i+r),(j+s)}(r,s)\∈A(i,j)\⋐I\}$

式中，A为滤波窗口，x_ij为被处理图像的象素点，y_ij为以x_ij为中心的窗口的输出值。

c.逻辑运算：设A和B为二值化图像，两者象素间的逻辑或(OR)运算定义为：

d.边缘检测：检测函数表示为：

$\▿f(x,y)=\left[\begin{array}{c}{G}_x\\ G_y\end{array}\right]=\left[\begin{array}{c}\frac{\∂f(x,y)}{\∂x}\\ \frac{\∂f(x,y)}{\∂y}\end{array}\right]$

e.Hough圆检测技术：将图像的空间域变换到参数空间，应用表决原理的参数估计技术，用大多数边界点满足某种参数形式来描述图像中的曲线。通过设置累加器进行累加，求得峰值对应的点就是所需要的信息。

设(a_G，b_G)表示已求得的试样重心，(a_C，b_C)表示需要求取的试样圆心，ε表示两者的偏离程度，ε＝3。

$\left\{\begin{array}{c}|a_C-a_G|\≤\mathrm{\ϵ}\\ |b_C-b_G|\≤\mathrm{\ϵ}\end{array}\right.$

图像的重心与圆心的偏离程度为ε，确定圆心所在范围W_C：

$W_C=\left\{(a_{\mathrm{ij}},b_{\mathrm{ij}})\right||a_{\mathrm{ij}}-a_G|\≤\mathrm{\ϵ},|b_{\mathrm{ij}}-b_G|\≤\mathrm{\ϵ},(a_{\mathrm{ij}},b_{\mathrm{ij}})\∈I\}$

(3)提取采集到的样件图形的特征

a.区域确定

如图1所示，为镀层粉化形貌，设Rmax为粉化区域的外边界，Rmin为分析区域的内边界，分析区域范围为W_ROI∷W_ROI＝[R_min，R_max]

分析区域宽度Lw为：L_w＝R_max-R_min

对分析区域W_ROI进行方差计算

${\mathrm{\σ}}_r=\sqrt{\frac{1}{N_r-1}\underset{i=0}{\overset{N_r-1}{\mathrm{\Σ}}}{(p\left({\mathrm{xy}}_r\right[i\left]\right[0],{\mathrm{xy}}_r[i\left]\right[0\left]\right)-{\stackrel{\‾}{p}}_r)}^2}$

所有标准差组成标准差序列： $W_o=\left\{\mathrm{\σr}\right|r\∈W_{\mathrm{ROI}}\}$

σr：样本的象素灰度值的标准差。横坐标为变形区域宽度r，纵坐标为对应的标准差σr。根据样本的标准差计算方法，得到其分析区域的样本标准差序列，根据标准差数值的大小，可将其按r变化规律，划分为三个区域A、B和C。各个部分的含义是：C是W_ROI与W_Out交界的小块区域，由于是交界处，象素灰度值变化较大，因此此处的标准差最大；B是需要识别的粉化区域部分；A是正常区域。图2分析区域WROI内的样本标准差波，识别粉化区域的关键就是确定区域A和B的分界线R_b。图2中，直线σr＝18是标准差序列W_σ的均值 σ，即：

$\stackrel{\‾}{\mathrm{\σ}}=\frac{1}{R_{\max }-R_{\min }+1}\underset{r=R_{\min }}{\overset{R_{\max }}{\mathrm{\Σ}}}{\mathrm{\σ}}_r$

图2表明，区域B的标准差均大于均值 σ；区域A内的标准差均小于均值 σ。基于这一点，可以确定区域A和B分界线 R_b。

为了防止干扰，在确定分界线R_b前，对标准差序列W_σ进行中值滤波处理。

$W_{\mathrm{TF}}=\left\{{\mathrm{\σ}}_{\mathrm{TFr}}\right|r\∈W_{\mathrm{ROI}}\},$

其定义为：

$R_b=r^{{\mathrm{\&sigma;}}_{\mathrm{TFr}}=\left\{\begin{array}{ccc}\mathrm{TRUE}\left(1\right)& {\mathrm{\&sigma;}}_{\mathrm{mr}}\&GreaterEqual;\stackrel{\&OverBar;}{\mathrm{\&sigma;}},& {\mathrm{\&sigma;}}_{\mathrm{mr}}\&Element;W_{\mathrm{mr}}\\ \mathrm{FALSE}\left(0\right)& {\mathrm{\&sigma;}}_{\mathrm{mr}}<\stackrel{\&OverBar;}{\mathrm{\&sigma;}},& {\mathrm{\&sigma;}}_{\mathrm{mr}}\&Element;W_{\mathrm{mr}}\end{array}\right.}$

当： ${\mathrm{\&sigma;}}_{\mathrm{TFr}}\&CirclePlus;{\mathrm{\&sigma;}}_{\mathrm{TF}(r+1)}\&CirclePlus;{\mathrm{\&sigma;}}_{\mathrm{TF}(r-2)}=\mathrm{FALSE}$

从而可以确定最终的粉化区域为

W_Pow＝[R_b，R_Outer]

粉化区域的宽度为

L_Pow＝R_Outer-R_b+1

b.粉化面积与程度

通过统计粉化区域W_Pow内黑色部分的点数，可以得到粉化面积Apow，而粉化的严重程度可以用比例η_Pow来衡量，其定义为

η_Pow＝A_Pow/π(R² _outer-R² _b)

η_Pow表示粉化区域W_Pow内真正发生粉化现象的面积比例，表明了粉化的严重程度。

c.粉化颗粒识别

设Apar作为颗粒大小的评价参数，即颗粒所占的象素数。面积Apar的计算，采用种子填充算法，种子填充算法采用栈结构实现。

4、确定等级判断准则，设计分类器

根据采集到样件的各等级图像特征，分析粉化区域宽度，粉化比例与粉化颗粒大小，由此确定等级的判断准则。

采用与镀层的重量损失相结合的方法，用化学微量天平称出变形前后镀锌板重量，计算出镀层脱落的质量差，根据质量差划分六个等级，0与1级为镀层抗粉化性能良好，2级为抗粉化性能合格，3级为抗粉化性能较差，4级以上为抗粉化性能极差，设计判决分类器。

根据本发明的方法内容提供具体实施例，自动识别IP合金化热镀锌板镀层粉化分级图形如下：

(1)检测样件的制备

a.落料：切成尺寸为200×80规格的小型样件坯料；

b.冷冲：将样件冷冻后，其温度为摄氏负20.1度，冲压成形，首次制成高为7.51球冠，后再反向冲压成高为6.49球冠的双杯突检测样件；

c.喷涂：喷环氧漆，保持室温24小时。

d.用摄氏60度温水擦洗备用。

(2)将采集到的样件图像进行如下处理

a.阈值分割：设图像灰度级为L，门限k将图像定性的划分为目标C₀＝{0，1，2，……，k}和背景C₁＝{k+1，k+2，……L-1}。σ_B ²(＝w₀w₁(u₀-u₁)²)定性的表示类C₀和C₁的类间方差，σ_T ²(＝σ_w ²+σ_B ²)定性的表示图像的总体方差。阈值分割后保留了图像的边缘信息。

b.中值滤波：把数字序列或数字化的图像中某点的值，用该点邻域内各点的中值来替代以去除噪声。

c.逻辑运算：对两像素间的逻辑或(OR)运算进行定义。

d.边缘检测：应用检测函数进行检测。

e.Hough圆检测技术：上述准备工作完成后，应用Hough圆检测技术确定圆心。

(3)提取采集到的样件图形的特征

a.区域确定：设Rmax为粉化区域的外边界，Rmin为分析区域的内边界，分析区域范围为W_ROI∷W_ROI＝[R_min，R_max]分析区域宽度Lw为：L_w＝R_max-R_min具体结果为：17、28、31、40、71。

b.粉化面积与程度：通过统计粉化区域W_Pow内黑色部分的点数，可以得到粉化面积Apow，而粉化的严重程度可以用比例η_Pow来衡量，其定义为：η_Pow＝A_Pow/π(R² _outer-R² _b)结果为：56.61％、34.35％、46.95％、43.85％、53.18％

c.粉化颗粒识别：设Apar作为颗粒大小的评价参数，即颗粒所占的象素数。面积Apar的计算，采用种子填充算法，种子填充算法采用栈结构实现。

颗粒大小A_Par的结果为：2、3、3、4、5。

(4)确定等级判断准则，设计分类器

根据采集到样件的各等级图像特征，确定粉化等级判定准则，采用与镀层的重量损失相结合的方法设计判决分类器。

按分级流程将检测样件进行分级。图3为分级流程图。

具体数据列入表1。

表1球冲试样的特征值(单位：象素)

图号	粉化宽度LPow	粉化比例ηPow	颗粒大小APar
				1.a	17	56.61％	2
2.a	28	34.35％	3
				3.a	31	46.95％	3
4.a	40	43.85％	4
				5.a	71	53.18％	5

在此实施例中，在检测样件的粉化区域中部分无半粉化的过渡状态，样件移动时在整个粉化层区域中无脱落，检测样件可以长时间的保存。使用包括有电脑、图像采集卡、图像摄取装置、工控机等在内的整套设备来实施本发明进行检测时，粉化等级判断无误差。为镀层进行金相分析与改进制作工艺提供可靠的依据，应用于合金化热镀锌板生产中的在线检测时，具有准确、结果可保的特性。

Claims (6)

1、一种自动识别汽车用镀锌板镀层粉化分级图形的方法，其特征在于，包括以下步骤：

(1)检测样件的制备

a.落料：切成小型样件坯料，

b.冷冲：将样件冷冻，冲压成形为双杯突检测样件，

c.喷涂：喷环氧漆，保持室温24小时，

d.用摄氏60度温水擦洗备用；

(2)将采集到的样件图像精确定位

a.阈值分割：设图像灰度级为L，门限k将图像划分为目标和背景，

b.中值滤波：把数字序列或数字图像中某点的值，用该点邻域内各点的中值来替代以去除噪声，

c.逻辑运算：对两像素间的逻辑或运算进行定义，

d.边缘检测：应用检测函数进行检测，

e.Hough圆检测：确定圆心；

(3)提取采集到的样件的图形特征

a.区域确定：设定分析粉化区域的外边界及分析粉化区域的内边界，进而确定分析区域范围，

b.粉化面积与程度确定：用统计得到的粉化区域内的黑色部分的点数表示粉化面积，而粉化面积的严重程度用得到的粉化面积值比粉化区域来表示，

c.粉化颗粒识别：设定颗粒大小的评价参数，即颗粒所占的象素数，采用种子填充算法计算面积，种子填充算法采用栈结构实现。

(4)确定粉化等级判断准则，设计分类器。

2、根据权利要求1所述的自动识别汽车用镀锌板镀层粉化分级图形的方法，其特征是，步骤(1)中，所述的a落料，具体为：切成尺寸为200×80规格的小型样件坯料。

3、根据权利要求1所述的自动识别汽车用镀锌板镀层粉化分级图形的方法，其特征是，步骤(1)中，所述的b冷冲，具体为：将样件冷冻至温度为摄氏负18-21度范围，冲压成形，首次制成高为7.5球冠，后再反向冲压成高为6.5球冠的双杯突检测样件。

4、根据权利要求1所述的自动识别汽车用镀锌板镀层粉化分级图形的方法，其特征是，步骤(3)中a，所述的粉化区域的确定，具体为：采用根据样本的标准差计算方法，首先得到其分析区域的样本标准差序列，根据标准差数值的大小，并将其按r变化规律，划分为三个区域A、B和C，各个部分的含义是：C是W_ROI与W_Out交界的小块区域，由于是交界处，象素灰度值变化较大，因此此处的标准差最大；B是需要识别的粉化区域部分；A是正常区域，识别粉化区域的关键就是确定区域A和B的分界线R。

5、根据权利要求1所述的自动识别汽车用镀锌板镀层粉化分级图形的方法，其特征是，步骤(4)中，所述的确定粉化等级判断准则，具体为：根据采集到样件的各等级图像特征，分析粉化区域宽度，粉化比例与粉化颗粒大小。

6、根据权利要求1所述的自动识别汽车用镀锌板镀层粉化分级图形的方法，其特征是，步骤(4)中，所述的设计分类器，具体为：采用与镀层的重量损失相结合的方法，用化学微量天平称出变形前后镀锌板重量，计算出镀层脱落的质量差，根据质量差划分六个等级。

Images