对于机器视觉检测系统，图像采集系统是整个检测系统的基础[1-3]。图像采集系统由光源、光学照明系统、被测物、镜头、相机组成[4]。对光源、被测物与相机间摆放位置进行合理设计，可以较好地从整幅图像中获得被测物的目标信息，同时降低后续图像处理分割识别的难度[5]。

工件在使用过程中会遭到一定的磨损，从而表面会产生缺陷[6-8]。一种是几何形状缺陷，如：凹坑、划痕等；另一种是表面缺陷，如：氧化生锈、污迹等。这些问题一出现将会严重影响质量，并会使原辅材料的消耗和生产成本大幅增加。在利用机器视觉系统进行表面检测时，几何形状缺陷会使表面反射发生变化，而表面缺陷会使表面反射和吸收都发生变化[9]。因此，对于不同种类的表面缺陷，光源、相机与被检工件的摆放位置也不相同。

本文选取具有凹坑的表面磨损工件，设计正交实验拍摄图片进行图像处理，得到缺陷特征并分析实验结果，从而确定出光源、相机与被检工件在表面缺陷检测中的最佳摆放位置。

1 硬件装置设计

对圆形金属样件做了3个肉眼可见的深坑伤痕作为研究对象，实验装置选取LED光源，其寿命长、光源亮度稳定、成本低，且光源亮度10级可调。选用某公司型号的千兆以太网工业相机，其像元大小为3.75 μm×3.75 μm，CCD尺寸为1/3”，分辨率为1 288×966，帧率可变。

本实验选取前向照明方式，通过这种方式，可以获取到成像清晰、边缘轮廓明显的高对比度图像，适用于表面缺陷检测，总体硬件装置设计如图1所示。

预制性词块教学法的重点是培养学生构建和应用预制性词块的能力，由于这两种能力与学生的外语交际能力直接相关，所以该教学法的主要作用也体现在这方面，能有效提升实际的语言交际能力。另外，学生想要构建预制性词块，必须有较强的语感和足够的词汇量，所以该教学法也能反向加强学生的语感，同时增强学生学习单词的积极性。[2]又因为预制性词块的应用与语境有很大的关系，语境是选择预制性词块的决定性因素之一，所以学生对语境的了解和感受能力也可以通过该教学法加以提高。综上可知，预制性词块教学法对外语教学的优化作用是多方面的。

图1 检测系统总体硬件装置设计

2 光源和镜头正交实验设计

因需考察光源角度(A)、光源强度(B)、镜头角度(C)以及镜头到工件的距离(D)对工件表面缺陷进行图像处理的影响。每个因素设置3个水平值来进行实验。对于这种4因素3水平的实验，各因素的水平之间全部可能组合有34=81种。如果进行全面实验，工作量大。因此需设计正交实验，用部分实验来代替全面实验。通过分析部分实验的结果，从而了解全面实验的情况。根据查阅资料以及多次单因素实验选定各因素的水平值，如表1所示。

表1 因素水平表

水平实验因素A光源角度/(°)B光源强度C镜头角度/(°)D工作距离/cm120480182305852134069024

各因素对实验指标的影响主次可以由极差Rj的大小得出。本次实验极差Rj计算结果如式(9)所示

表2 实验方案

实验号因素ABCD111112122231333421235223162312731328321393321

3 缺陷表面图像处理

图像处理算法具体流程图如图2所示。

图2 图像处理算法流程图

3.1 图像预处理与目标区域分割

可见RD>RC>RB>RA，所以各因素对实验指标影响由主到次的因素为DCBA。即在检测工件表面缺陷时，检测装置的工作距离影响最大，其次是镜头角度和光源强度，而光源角度的影响较小。

图3 目标区域分割效果图

3.2 提取缺陷目标

许多职校教师有过一线生产经验，频繁以“生产车间”的标准规范教室和学生，在他们看来，实训车间不仅是工作场域，还代表着安全生产规范，是一个需要严谨对待的场所。同时，这个意向融合了他的生产经验、主观感受，并成为开展教学时的依据和向导，可以说“车间”的意向在牵引着规范教学与管理。

(1)

或

(2)

在对图像做二值化后，采用形态学的膨胀腐蚀处理算法，在去一次孤立点后，再做一次闭运算，可以在消除孤立点和面积很小的孤立区域的同时又能保留缺陷区域的基本信息，图4为提取缺陷后的图像。

为提取图像中的缺陷区域，先对图像进行二值化处理。设原始图像为f(x ,y)，在f(x ,y)中寻找一个合适的阈值t，分割后的图像g(x ,y)可表示为

图4 缺陷提取图像

3.3 缺陷显现力

为确定各实验因素对图像缺陷检测的影响，仅观察图像处理后的图片是不够的，需要一个数值对它进行描述。缺陷显现力为缺陷区域与整幅图像的平均灰度的差和整幅图像的平均灰度的比值。整幅图像的平均灰度为

手术室是直接关乎患者的生命健康,这不仅需要术者高水平的操作技能,还需要护理人员积极有效的配合,因此加强手术室护理对于保障患者生命健康至关重要。手术室护理不同于常规的门诊或住院护理,护理技术要求高、工作量大、工作时间长、风险大,因此存在严重的安全隐患[1]。这些安全隐患影响着护理质量及患者生命健康的恢复,因此提升手术室护理安全,结合有效护理干预,对于提高护理质量、保证患者安全意义重大。本次研究中,将手术室整体护理应用于提升手术室护理中,评价其应用效果,总结如下。

为使S7-200 PLC与变频器能够正常通讯，不仅要编写PLC的通讯程序，还需要对变频器的参数做正确的设置，正确建立两者之间的物理接线方式，才能够实现通讯的目的[7]。

(3)

4.2.2 确定摆放位置各因素的主次顺序

(4)

缺陷显现力

(5)

同理可知，A因素的2水平与3水平所对应的实验指标平均值分别为

4 实验结果及分析

4.1 实验结果

经过分析计算，实验结果如表3所示。

表3 实验结果

实验号因素f缺陷显现力ABCD111114 74212222 94313333 76421233 14522316 85623122 04731324 28832134 09933215 06

4.2 实验结果分析

4.2.1 确定摆放位置的最优水平组合

由表3可以看出，A1的影响在第1、2、3号实验中反映，A2的影响在第4、5、6号实验中反映，A3的影响在第7、8、9号实验中反映。

至此，处理成功的地籍数据库实现了查询统计、成果及图件输出等一系列功能，而且通过SQL语言即可查询所建的数据库，完全能满足日常地籍管理业务的需要。

A因素的1水平所对应的实验指标平均值为

KA1=y1+y2+y3=4.74+2.94+3.76=11.44,

(6)

f缺陷显现力越大，代表该缺陷显现力越好。其中f为整幅图像的灰度级数，n为整幅图像的总像素数，n′为缺陷区域图像的像素数，nf为灰度级为 的像素数，为缺陷部分灰度值为f的像素数。

KA2=y4+y5+y6=3.14+6.85+2.04=12.03,

(7)

KA3=y7+y7+y9=4.28+4.09+5.06=13.43,

(8)

对于同一因素的3个水平值，设计的是直接可比的、完全相同的3组实验条件。而计算得到的是相等的。这说明A因素的水平变动会对实验结果造成影响。因此，根据的大小可以判断A1、A2、A3对实验指标的影响程度，实验指标数值越大代表缺陷显现力越好。本实验中所以判定A3为A因素的优水平。

同理，分别计算得出B2、C3、D1分别为因素B、C、D的优水平。即各因素的优水平组合A3B2C3D1为本实验的最优水平组合。

缺陷区域的平均灰度

热液蚀变主要为中低温蚀变矿物组合为主，有硅化、黄铁矿化、绢云母化、碳酸盐化、青磐岩化等。黄铁矿呈集合体团块状、浸染状、星点状分布，主要发生在角砾岩内部及附近岩体内。

措施一：基坑第二道支撑以上土方开挖采用中拉槽放坡开挖(第一道支撑由于为便于渣土车驶入基坑，挖掘机能通行，局部架设不及时)，第二道支撑以下土方采用垂直出土方式开挖；钢支撑及时架设，并按照设计要求预加轴力；提前开启基坑内降水井抽水，尽最大可能保证坑内疏干效果。

本实验选取4个3水平因素，各因素之间没有交互作用，宜用L9(34)正交表，设计实验方案如表2所示。

RA=0.67,RB=1.01,RC=1.34,RD=2.46

(9)

中值滤波作为一种常用的非线性滤波方法。其原理是对一个模板窗口内的各个像素根据灰度值的大小来排序，再用排序后的中间值代替窗口中心像素灰度值，它能有效地抑制脉冲干扰和椒盐噪声。因为采集到的图像不可能是整个工件表面占据一个完整图像，如果直接进行检测，可能会由于背景图像造成检测精度低、耗时长。所以本文采用ROI区域提取，从而获得出有效的检测区域，图3为分割后效果图。

4.2.3 验证实验

探索规律的内容重点在于探索的过程，笔者在讲解等式性质时曾经反复探索等式的性质，使学生在具体情况中，通过观察、操作、思考等方式挖出规律性的数学模式，初步形成数学思维。但在实际操作中学生总是犯错。例如解题最后一步出现100x=4，学生不加思索的写成x=25，4x=2写成x=2，给教师的结果只出现整数，学生才认为做对了。笔者上课多次强调改正，学生总是理解不到位，最后笔者讲：100与x的乘积4，知道一个乘数和积，求另一个乘数应该怎样计算呢，学生都会：应该是4除以100，商是x的值，意义理解能够让学生实现有意义的学习，让学生通过思考达到对意义的理解，让学生真正达到基础扎实的目的。

从实验结果直接来看，效果较好的是第5号实验，即A2B2C3D1。这个组合里只有因素A不是处在最优水平，由极差分析得出因素A对实验的影响也是最小的。

本次实验的最优水平组合为A3B2C3D1，但这个组合不包含在设计的实验方案组合里。为确定最优方案，进行了验证比较实验，表4为验证实验结果。

全文总共13段，到了文章第10段，我们才得知这个集所有缺点于一身的怪物的人物的名字是瓦格纳。读者顿时会恍然大悟，作者之所以这样来布下悬念，到文末才揭示主人公的姓名，一方面是为了激发好奇心，另一方面是为了使读者对刻画的人物尽可能有一个公正客观的认识。假若文章开头就告知这个怪物是谁，毕竟读者有先入为主的刻板印象，肯定觉得这位天才做的任何错事都是可接受的。

表4 验证实验结果

实验方案f缺陷显现力较好方案A2B2C3D16 80较优方案A3B2C3D17 02

图5为两种方案分别提取缺陷后图像。

图5 两种方案提取缺陷后图像

由实验结果和提取缺陷后图像对比，可知较优方

案得到的缺陷显现力较大，且缺陷图像清晰，边缘轮廓明显。即A3B2C3D1为本实验的最优水平组合。当检测工件表面凹坑缺陷时，光源、相机与被检工件的最佳摆放位置为光源角度约为40°，光源强度适中，镜头角度为垂直，工作距离约为18 cm。

5 结束语

通过实验和分析表明，用机器视觉检测工件表面凹坑缺陷时，可以通过设计正交实验，快速确定光源、相机与被检工件的最佳摆放位置。这样有助于最大限度地获得缺陷的图像信息，也减小了后续对图像处理的难度，提高了检测精度，为工件自控修磨技术发展提供了基础。本文只对基于深坑缺陷的磨损工件表面进行了图像处理，对于不同种类的缺陷，在机器视觉系统中光源、相机与被检工件的位置关系和图像处理算法也不同，应根据情况进行设计和分析。

参考文献

[1] 赵兰鹏.基于机器视觉的硅钢钢带表面缺陷自动检测识别研究[D].上海:东华大学, 2017.

[2] Xu L,He X,Li X,et al.A machine-vision inspection system for conveying attitudes of columnar objects in packing processes[J]. Measurement,2016,87(4):255-273.

[3] Choi S,Kim E.Image acquisition system for construction inspection based on small unmanned aerial vehicle[M].Heidelberg,Berlin:Advanced Multimedia and Ubiquitous Engineering, 2015.

[4] 郭静,罗华,张涛.机器视觉与应用[J].电子科技,2014,27(7):185-188.

[5] 年雷,麦云飞.基于机器视觉的自由曲面轮廓度检测系统[J].电子科技,2016,29(10):104-106.

[6] 贺广华.数控机床加工误差分析及对策研究[J].电子制作,2012(12):237-238.

[7] 渠文涵.基于三维激光扫描的工件表面损伤识别研究[D].秦皇岛:燕山大学,2016.

[8] 刘兆鑫,刘洪伟.常见粗糙度缺陷原因分析与排除[J].安徽科技,2013(6):51-52.

[9] 苏彩虹.光源在机器视觉设备中的作用[EB/OL].(2014-02-27)[2017-07-20]http://www.bokee.net/bloggermodule/blog_viewblog.do?id=16720850.