机器视觉表面缺陷检测技术的主要问题与发展趋势

一、机器视觉检测的原理

中国是制造业大国，更是全世界唯一拥有全部工业门类的国家，在每天都会有数以亿计的产品被生产制造出来。然而，在生产过程中，由于误差和环境变化，往往会对产品造成一些缺陷。如何把这些缺陷快速检测出来，并把带有缺陷的产品分拣出来，成为了自动化生产中的重要环节。

机器视觉的缺陷检测原理是基于对人眼检测的模拟，用简单的归纳思维来进行识别。

正如生活中医生对病人进行诊断，就是一个典型的归纳分类的行为。从最古老的望闻问切，到现在的B超，CT等现代化设备仪器，没有哪一个医生能够单纯靠肉眼就能直接判断病情，只能观察病人表现出的症状和各种化验检测数据来推断病情，这个时候，医生所使用的就是一种归纳分类的思路，病人的单一症状的分类与复合症状的精确分类。

机器视觉缺陷检测系统采用C摄像设备将被检测的目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像处理系统对这些信号进行各种运算来抽取目标的分类特征，如面积、数量、位置、长度，再根据预设的允许度和其他条件输出结果，包括尺寸、角度、个数、合格 / 不合格、有 / 无等，实现自动识别功能。由于有了图像处理还有计算机等等自动化设备的帮忙，机器视觉其实是远远超过人类的极限的，所以它的优势也十分明显，包括高效率、高精度、高自动化，以及能够很好适应比较差的环境。所以在一些不适合人工作业的危险的工作环境，或者是我们人类视觉很难满足要求的场合，机器视觉是可以用来代替人工视觉的。在这种检测、测量、识别和定位等功能上，机器视觉更是能够更好地胜任。除了以上这些，它还能够提高生产效率以及自动化的程度，实现信息集成，所以在工业领域应用很广泛，是智能制造很重要的基础。

二、机器视觉表面缺陷检测技术的主要问题与发展趋势

很多工业生产的产品，为了追求更高的品质，其检测技术上的要求也越来越高。

机器视觉检测相对于人工检测的优点有：

在线高速检测，可以保证产品检测的一致性、高效性、稳定性，对于数据的抓取和分析更加方便，可在危险、恶劣的环境下工作等。

检测技术由效率和精度较低的人工检测逐步转变为利用机械仪器或者更高级别的机器视觉进行检测，这是未来检测技术的发展趋势。

1、机器视觉系统中的缺陷检测技术

如划痕检测是工业产品的外观检测的一部分，是产品表面的缺陷检测。与划痕检测类似的是裂纹检测，多为已使用的零部件的品质检测，在外表上看，两者差不多。

利用机器视觉进行划痕检测的基本过程分为两个步骤：

1）、检测产品表面是否存在划痕。

2）、对产品表面划痕进行提取。

工业产品的图像大多表面光滑，灰度变化均匀，缺乏纹理特征，划痕部分和周围的正常部分相比要暗一些（划痕部分的灰度值偏小）。

在这种情况下进行划痕检测时，一般使用基于统计的灰度特征或阈值分割法将划痕部分标记出来。

而有些图像的灰度值变化较小，对比度并不明显，划痕部分和正常部分相比，缺乏明显的特征，不能采用固定的阈值分割法将划痕部分标记出来。这时需要采用阈值和形状特征相结合的方法对划痕部分进行标记。

因此，把产品表面的划痕包括以下三类：

1）、易辨认划痕

标记方法：选择较小的阈值将划痕部分标记出来。

2）、整幅图像的灰度变化均匀，划痕部分的灰度值变化并不明显。

标记方法：对原图像进行均值滤波，得到较平滑的图像，并与原图相减，当其差的绝对值大于阈值时，就将其置为目标图像，去掉面积较小的部分，剩下的目标图像即可标记为划痕。

3）、划痕各部分的灰度差异较大，形状通常为长条形，有漏检情况。

标记方法：采用阈值和形状特征相结合的方法对划痕部分进行标记。

2、主要的问题与难点

基于机器视觉的表面缺陷检测将是未来研究和发展的主要方向，目前，基于机器视觉的表面缺陷检测理论研究和实际应用等环节均有可喜的成果，但仍存在下面主要的问题和难点:

1) 受环境、光照、生产工艺和噪声等多重因素影响，检测系统的信噪比一般较低，微弱信号难以检出或不能与噪声有效区分。

如何构建稳定、可靠、鲁棒的检测系统，以适应光照变化、噪声以及其他外界 不良环境的干扰，是要解决的问题之一。

2) 由于检测对象多样、表面缺陷种类繁多、形态多样、复杂背景，对于众多缺陷类型产生的机理以及其外在表现形式之间的关系尚不明确，致使对缺 陷的描述不充分，缺陷的特征提取有效性不高，缺陷目标分割困难; 同时，很难找到“标准”图像作为参照，这给缺陷的检测和分类带来困难，造成识别率尚有待提高。

3) 机器视觉表面缺陷检测，特别是在线检测，其特点是数据量庞大、冗余信息多、特征空间维度 高，同时考虑到真正的机器视觉面对的对象和问题的多样性，从海量数据中提取有限缺陷信息的算法能力不足，实时性不高。

4) 与机器视觉表面检测密切相关的人工智能理论虽然得到了很大的发展，但如何模拟人类大 脑的信息处理功能去构建智能机器视觉系统还需要理论上的进一步研究，如何更好的基于生物视觉认识、指导机器视觉得检测也是研究人员的难点之一。

5) 从机器视觉表面检测的准确性方面来看，尽管一系列优秀的算法不断出现，但在实际应用中准确率仍然与满足实际应用的需求尚有一定差距，如何解决准确识别与模糊特征之间、实时性与准确性 之间的矛盾仍然是目前的难点。

3、机器视觉缺陷检测技术四要素

一直以来，我国的科技水平都处于不断发展的阶段，机器视觉在线缺陷检测技术作为科技发展的产物，为了更好的适应行业需求，也在不断的优化升级。

纵观行业发展，国内机器视觉在线缺陷检测市场机遇与挑战并存，而行业技术的升级更显得尤为必要了。为顺应行业发展趋势，国内的机器视觉在线缺陷检测技术就需通过以下四大要素来升级。

系统操作简便

技术参数简单化、处理技术方便化，是系统操作最为关键也是核心的要素。

机器视觉在线缺陷检测技术虽然属于高科技技术，在运作过程中，还需要依靠不断调整各种参数来达到最好的效果。但是目前来说，操作人员大都技术水平有限。

因此，系统简化是大多数客户的较价格与质量之后的基本需求，而系统简化主要包括的是检测操作的简化与图像处理的简化。

检测技术稳定可靠

在工业生产过程中，由于被测物体的多样化以及机械的误差影响，使得整个检测过程很难是维持在平稳的状态。

因此，这就需要机器视觉在线缺陷检测技术有很高的稳定性。

从光源照明、图像采集，到图像存储与处理，都要有可以在任何环境下持续运作的适应能力；

同时，还要尽量能采集到突出检测对象的图像，这样才能给出最为稳定、准确、清晰的检测结果，才能为生产或质检工作提供技术支持。

系统长期可维护性

一个好的系统不仅要考虑使用性还应考虑其在长期的可维护性，机器视觉在线缺陷检测技术的稳定性、可靠性足以使系统在实际应用中，更好的发挥功能优势，提供有力的技术支持。

系统性价比高

在保障质量基础上，客户最为关心的莫过于价格问题。

机器视觉在线缺陷检测技术不断升级本是件对客户有益的事，但如果只是一味的使用昂贵的部件，就会造成价格的大幅提升，对于大部分的用户来说，无疑增添了负担。

性能好、价格低的系统才是能满足最基本需求的，因此性价比是衡量一个系统的重要标志，也是客户选择产品最重要的指标之一。

中国是世界的制造工厂，目前全球几乎所有的知名企业都把生产工厂放在中国，机器作业代替人员操作已成为市场优胜劣汰的必然选择。我们要抓住时机，不断引进各项高新技术，促进行业的快速发展。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。