机器视觉表面缺陷检测

我国是一个生产制造大国，每日必须生产制造大量的工业生产产品。客户和生产制造公司对产品品质的规定愈来愈高，除开符合使用性能外，还必须有优良的样子，即表层品质优良。可是，在生产制造产品的全过程中，表层缺点的产生常常是无法避免的。不一样商品的表层缺点拥有不一样的界定和种类，一般来说表层缺点是商品表层部分物理学或化学特性不特性不均匀的地区，如金属材料表层的划痕、斑、孔洞、纸张表层的色差、压痕、玻璃等非金属材料表层的混和、损坏、污渍等。表层品质缺点不但危害商品的美观大方和舒服性，并且一般也会对其应用特性产生不良影响，因此生产制造公司对商品的表层品质检测高度重视，以便立即发觉，进而合理操纵商品品质，还能依据检测結果剖析生产制造过程中存有的一些难题，进而杜绝或减少缺点商品的造成，另外防止潜在性的贸易纠错，维护保养公司荣誉。

人工检测是一种传统的产品表面缺陷检测方法，其抽检率低、准确率低、实时性差、效率低、劳动强度高，受人工经验和主观因素的影响较大，基于机器视觉的检测方法可以大大克服上述缺点。

美国机器人工业协会(RIA)将机器视觉定义为:机器视觉是一种控制机器人运动的设备，通过光学设备和非接触式传感器自动接收和处理真实物体的图像[1]。

机器设备视觉是一种碰、无损害的全自动检测技术性，是完成机器设备自动化、智能化和精密控制的合理方式，具备安全性靠谱、光谱响应范畴宽，可在恶劣自然环境下长期运行和生产率高等优势等。机器视觉检测系统软件根据适合的光源和图像传感器(CCD摄像头)获得商品的表层图像，运用相对的图像处理算法提取图像的特点信息内容，随后依据特点信息开展表层缺点的位置、标识、分级等判别和统计分析、储存、查询等实际操作；

图像获取模块、图像处理模块、图像分析模块、数据管理和人机接口模块是视觉表面缺陷检测系统的基本组成。

图像获取模块由CCD摄像头、光学镜头、光源及其夹紧装置等构成，其作用是进行商品表面图像的采集。在光源照明下，产品表面通过光学镜头在摄像头传感器上成像，先将光信号转换为电信号，再转换为计算机可以处理的数字信号。CCD是目前机器视觉常用的图像传感器。

光源直接影响图像的质量，其作用是克服环境光的干扰，确保图像的稳定性，尽可能获得高对比度的图像。卤素灯、荧光灯和发光二级管(LED)是目前常用的光源。LED光源具有体积小、功耗低、响应速度快、发光单色性好、可靠性高、光线均匀稳定、易于整合等优点。

根据照明方法，由光源组成的照明系统可分为明场照明和暗场照明，以及结构照明和频闪照明。明场和暗场主要描述相机与光源之间的位置关系。明场照明是指相机在目标上直接接收光源的反射光。一般来说，相机和光源分布在不同的侧面，易于安装；暗场照明是指相机在目标上间接接收光源的散射光。一般来说，相机与光源分布在同一侧。它的优点是可以获得高对比度的图像。结构照明是将光栅或线性光源投射到被测物体上，并根据其异常情况解除被测物体的3D信息。频闪照明是指高频光脉冲照射到物体上，摄像机的拍摄要求与光源同步。

图像处理模块主要包括图像去噪、图像增强和恢复、缺陷检测和目标分割。

因为当场环境、CCD图像光电转换、传输电路及电子元器件都会使图像造成噪音，这种噪音减少了图像的品质进而对图像的解决和剖析产生不良影响，因此要对图像开展预解决以消除噪音。图像增强目标是对于给定图像的运用状况，有目的地强调图像的总体或部分特性，将原先不清楚的图像变为清楚或强调一些较为兴趣的特性，扩张图像中不一样物块特性中间的差别，抑止不很感兴趣的特性，使之提高图像品质，丰富多彩信息内容，提升图像判读和鉴别实际效果的图像处理方法。图像修复是根据计算机解决，对品质降低的图像加以重建或修复的处理全过程。图像修复很多情况下选用与图像增强的相同方式，但图像增强的結果还必须下一阶段来验证；而图像修复运用变化过程的先验知识，来修复已退化图像的原貌图像，如加性噪声的消除、运动模糊的修复等。为了进行下一步处理，图像分割的目的是将图像中的目标区域进行分割。

特征提取、特征选择和图像识别主要涉及图像分析模块。

特征提取的功效是从图像像素中提取能够叙述目标特点的表述量，把不一样目标之间的差别映射到低维度的特征室内空间，进而有益于减少数据信息量，提升鉴别率。表层缺陷检测通常提取的特点有纹理特点、几何图形特点、颜色特点、变化系数特点等，用这种多信息融合的特性向量来区别靠谱地区别不一样类型的缺点；这种特点中间一般存有多余的信息，即并不可以确保特征集是是的，好的特征集应具有简约性和鲁棒性，为此，还必须从特征集中挑选更有益于归类的特性，即特征的挑选。图像识别关键依据提取的特征集来培训归类器，使其对表层缺点类型开展恰当的归类鉴别。

在显示器上，可以立即显示数据管理和人机接口模块的缺陷类型、位置、形状、尺寸、存储、查询、统计等。

目前主要的表面缺陷检测方法是机器视觉表面缺陷检测，主要包括2维检测和3维检测。

机器视觉广泛应用于工业测试、包装印刷、食品工业、航空航天、生物医学工程、军事技术、智能交通、文字识别等领域。工业测试领域是机器视觉应用中比例的领域，主要用于产品质量测试、产品分类、产品包装等，如：零件组装完整性测试、组装尺寸精度测试、位置/角度测试、零件识别、PCB板测试、印刷品测试。

1视觉软件系统和研究平台研究现状。

1.1现状研究。

机器视觉在国内外有许多研究成果，包括印刷品、纺织品、瓷砖、玻璃、木材等金属（尤其是钢板）表面的表面缺陷检测，并且有许多成功的应用系统和案例。

在钢板表面缺陷检测领域，Westinghouse公司采用线性CCD摄像头和高强度线性光源对钢板表面缺陷进行检测，并提出将三种照明、暗域和微光路的组合应用于检测系统[21]的想法。这些系统可以识别的缺陷类型相对较少，并且没有识别周期性缺陷的能力。美国cognex公司成功开发了is2000自动检测系统和ilearn自学分类器软件系统 。这两套系统协作有效提高了传统式自学分类方法在算法实行速率、数据实时吞吐量、样本训练集数规模和方式特点全自动挑选等层面的不够；Parstec公司为韩国浦项制铁公司开发了冷轧钢板表面缺陷检测体系HTS，该体系能够对高速度运动的热轧钢板表面缺陷开展在线自动化检测和分级的体系，在连轧机和CSP生产流水线上获得了优良的实际效果；英国浦项制铁公司开发的冷轧钢板表面缺陷检测体系HTS，该体系能够对高速度运动的热轧钢板表面缺陷开展在线自动化检测和分级的体系。EES系统即时提供高清晰度、高可靠性的钢板表面缺陷图像，交给操作人员开展缺陷种类的分类判别。中国北方。