表面缺陷是工業(yè)產(chǎn)品生產(chǎn)中不可避免的問題，其會對產(chǎn)品的美觀度、舒適度和使用性能等都會帶來不良影響，如果不及時發(fā)現(xiàn)處理，將會影響產(chǎn)品的外觀質(zhì)量及性能，所以生產(chǎn)企業(yè)需要對產(chǎn)品的表面缺陷進(jìn)行檢測以便及時發(fā)現(xiàn)并加以控制。
機(jī)器視覺檢測方法可以很大程度上克服人工檢測方法的抽檢率低、準(zhǔn)確性不高、實時性差、效率低、勞動強(qiáng)度大等弊端，在現(xiàn)代工業(yè)中得到越來越廣泛的研究和應(yīng)用。
一、表面缺陷檢測方法比較
產(chǎn)品表面缺陷檢測方法主要可以分為以下三種：
第一種是人工檢測法，這種方法不僅成本高，而且在對微小缺陷進(jìn)行判別時，難以達(dá)到所需要的精度和速度，人工檢測法還存在勞動強(qiáng)度大、檢測標(biāo)準(zhǔn)一致性差等缺點。
第二種是機(jī)械裝置接觸檢測法，這種方法雖然在質(zhì)量上能滿足生產(chǎn)的需要，但存在檢測設(shè)備價格高、靈活性差、速度慢等缺點。
第三種是機(jī)器視覺檢測法，即利用圖像處理和分析對產(chǎn)品可能存在的缺陷進(jìn)行檢測，這種方法采用非接觸的工作方式，安裝靈活，測量精度和速度都比較高。同一臺機(jī)器視覺檢測設(shè)備可以實現(xiàn)對不同產(chǎn)品的多參數(shù)檢測，為企業(yè)節(jié)約大筆設(shè)備開支。
基于機(jī)器視覺的缺陷檢測方法的比較如表1所示，包括各種方法的主流分類(檢測)模型、優(yōu)缺點對比。
機(jī)器視覺檢測相對于人工檢測，可實現(xiàn)在線高速檢測，可以保證產(chǎn)品檢測的一致性、高效性、穩(wěn)定性，對于數(shù)據(jù)的抓取和分析更加方便，可在危險、惡劣的環(huán)境下工作等。為此，檢測技術(shù)由效率和精度較低的人工檢測逐步轉(zhuǎn)變?yōu)槔脵C(jī)械儀器或者更高級別的機(jī)器視覺進(jìn)行檢測，這是未來檢測技術(shù)的發(fā)展趨勢。
二、機(jī)器視覺系統(tǒng)中的缺陷檢測技術(shù)
如劃痕檢測是工業(yè)產(chǎn)品外觀檢測的一部分，是常規(guī)的產(chǎn)品表面缺陷檢測。與劃痕檢測類似的是裂紋檢測，多為已使用的零部件的品質(zhì)檢測。
利用機(jī)器視覺進(jìn)行劃痕檢測的基本過程分為兩個步驟：
① 檢測產(chǎn)品表面是否存在劃痕。
② 對產(chǎn)品表面劃痕進(jìn)行提取。
工業(yè)產(chǎn)品的圖像大多表面光滑，灰度變化均勻，缺乏紋理特征，劃痕部分和周圍的正常部分相比要暗一些(劃痕部分的灰度值偏小)。在這種情況下進(jìn)行劃痕檢測時，一般使用基于統(tǒng)計的灰度特征或閾值分割法將劃痕部分標(biāo)記出來。
而有些圖像的灰度值變化較小，對比度并不明顯，劃痕部分和正常部分相比，缺乏明顯的特征，不能采用固定的閾值分割法將劃痕部分標(biāo)記出來。這時需要采用閾值和形狀特征相結(jié)合的方法對劃痕部分進(jìn)行標(biāo)記。
因此，把產(chǎn)品表面的劃痕分為以下三類：
1、易辨認(rèn)劃痕。
標(biāo)記方法：選擇較小的閾值將劃痕部分標(biāo)記出來。
2、整幅圖像的灰度變化均勻，劃痕部分的灰度值變化并不明顯。
標(biāo)記方法：對原圖像進(jìn)行均值濾波，得到較平滑的圖像，并與原圖相減，當(dāng)其差的絕對值大于閾值時，就將其置為目標(biāo)圖像，去掉面積較小的部分，剩下的目標(biāo)圖像即可標(biāo)記為劃痕。
3、劃痕各部分的灰度差異較大，形狀通常為長條形，有漏檢情況。
標(biāo)記方法：采用閾值和形狀特征相結(jié)合的方法對劃痕部分進(jìn)行標(biāo)記。
三、主要的問題與難點
基于機(jī)器視覺的表面缺陷檢測將是未來研究和發(fā)展的主要方向，目前，基于機(jī)器視覺的表面缺陷檢測理論研究和實際應(yīng)用等環(huán)節(jié)均有可喜的成果，但仍存在以下主要的問題和難點：
1、受環(huán)境、光照、生產(chǎn)工藝和噪聲等多重因素影響，檢測系統(tǒng)的信噪比一般較低，微弱信號難以檢出或不能與噪聲有效區(qū)分。如何構(gòu)建穩(wěn)定、可靠、魯棒的檢測系統(tǒng)，以適應(yīng)光照變化、噪聲以及其他外界不良環(huán)境的干擾，是要解決的問題之一。
2、由于檢測對象多樣，表面缺陷種類繁多、形態(tài)多樣、背景復(fù)雜，對于眾多缺陷類型產(chǎn)生的機(jī)理以及其外在表現(xiàn)形式之間的關(guān)系尚不明確，致使對缺陷的描述不充分，缺陷的特征提取有效性不高，缺陷目標(biāo)分割困難;同時，很難找到“標(biāo)準(zhǔn)”圖像作為參照，這給缺陷的檢測和分類帶來困難，造成識別率尚有待提高。
3、機(jī)器視覺表面缺陷檢測，特別是在線檢測，其特點是數(shù)據(jù)量龐大、冗余信息多、特征空間維度高，同時考慮到真正的機(jī)器視覺面對的對象和問題的多樣性，從海量數(shù)據(jù)中提取有限缺陷信息的算法能力不足，實時性不高。
4、與機(jī)器視覺表面缺陷檢測密切相關(guān)的人工智能理論雖然得到了很大的發(fā)展，但如何模擬人類大腦的信息處理功能去構(gòu)建智能機(jī)器視覺系統(tǒng)還需要理論上的進(jìn)一步研究，如何更好地基于生物視覺認(rèn)識、指導(dǎo)機(jī)器視覺進(jìn)行檢測也是研究的難點之一。
5、從機(jī)器視覺表面缺陷檢測的準(zhǔn)確性方面來看，盡管一系列優(yōu)秀的算法不斷出現(xiàn)，但在實際應(yīng)用中其準(zhǔn)確率仍然與實際應(yīng)用的需求尚有一定差距，如何解決準(zhǔn)確識別與模糊特征之間、實時性與準(zhǔn)確性之間的矛盾仍然是目前的難點。
449717568
11