基于机器视觉的注塑制品缺陷检测系统研究

第一章?绪论　　1.1?机器视觉检测技术概述　　机器视觉是研究用相机和计算机来模仿人的眼睛和大脑完成对目标的识别、跟踪和测量等任务的科学[1]通俗地说，就是用机器代替人眼来做测量和判断[2]它的工作过程大致为：首先，使用相机将被摄取目标转换成图像信号，传送给专用的图像处理系统，图像系统对这图像中包含的信息进行处理和计算；然后计算机根据处理的结果做出判断或决策；最后将控制信号传送给执行机构。

机器视觉的特点是自动化、客观、非接触和高精度，与一般意义上的图像处理系统相比，机器视觉强调的是精度和速度，以及工业现场环境下的可靠性　　机器视觉实际上是数字视觉技术与工业制造技术的结合的综合性技术，主要包括数字图像处理技术、机械工程技术、控制技术、电光源照明技术，光学成像技术、传感器技术、模拟与数字视频技术，计算机软硬技术，人机接口技术等。

这些技术在机器视觉中是并列关系，这些技术相互协调应用才能构成一个成功的工业机器视觉应用系统　　将机器视觉应用到制造业的检测领域中，用机器视觉系统确定产品相对于一组标准要求的偏差的过程通常称为机器视觉检测[3]。

它特指机器视觉在工业检测方面的应用，是机器视觉应用和研究领域中的一个重要分支　　机器视觉检测是一种适合现代制造技术发展的检测方式它与传统的检测方法相比，有着如下的优势：首先，机器视觉可以实现非接触在线检测，完成对生产线上的零件进行100%的检测，满足自动化制造系统中的工序间检测和过程检测的要求；其次，机器视觉检测是通过计算机或者数字信号处理器中的程序对图像信息进行处理而得到的测量结果，因此机器视觉检测具有一定的智能和柔性，适于现代企业的柔性生产方式；再次，只要选用足够高精度的镜头和图像传感器，机器视觉检测技术可以达到较高的检测精度；最后，机器视觉易于实现信息的集成和管理，为实现计一算机集成制造技术提供必要的支持。

并且机器视觉检测与传统的人工检测相比效率更高，检测结果更加准确可靠由于机器视觉检测不会受到操作者的疲劳度、责任心和经验等因素的影响，在一些不适合人工作业的危险场合，人工视觉难以满足要求的场合和带有高度重复性、智能性并且靠人的眼睛无法连续稳定地进行产品检测的场合，机器视觉可以发挥它自身的优势来高效、高质量的完成检测任务。

　　机器视觉检测是与先进制造工艺与现代制造生产模式相适应的智能化、自动化、柔性的检测手段在国外己经将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域在中国，这种应用也在逐渐被认知，对于机器视觉的需求将越来越广泛。

　　1.2?机器视觉检测的研究概况　　机器视觉技术是在20世纪50年代从统计模式识别兴起的，但由于机器视觉系统的复杂性，当时的研究工作主要集中在对二维图像的分析、识别和理解上，如光学字符识别、工件表面、显微图片和航空照片的分析解释等。

60年代中期，R.?Robert开创性的三维景物分析研究成为机器视觉的起源，他运用数字图像研究实体模型，对物体形状和结构进行了描述　　70年代，MIT的学者提出了机器视觉的理论　　80年代，Marr首次从信息处理的角度综合了图像处理、心理物理学、神经心理学及精神病学的研究成果，提出了第一个较为完备的视觉处理框架，他将视觉分为自上而下的三个阶段，创建了Marr的理论框架。

　　近年来，随着机器视觉理论及应用技术的不断发展，人们逐渐认识到Marr的理论框架存在以下不足，即被动接受信号，无主动性和目的性，处理过程没有反馈环节，用一些假设和基本的约束保证通用性因此，许多学者在机器视觉的现状与目标、理论与方法以及实验与应用等方面发表了许多不同的见解，探索了新的理论，在很大程度上促进了机器视觉技术的发展[4,5]。

　　当前，随着机器视觉检测系统应用的增加，对机器视觉的研究也越来越多一些研究机构或企业开发了机器视觉系统软件的开发平台或者函数库，提供一些常用的算法和工具但是，机器视觉是一门交叉性强的学科，因此在研究和应用中一套视觉系统一般只针对某一种检测任务来进行研究和开发，没有一套机器视觉系统是对任何检测工程来说是通用的。

根据机器视觉的应用领域不同，对机器视觉检测的研究可以分为不同的种类，不同的学者对分类也有不同的见解[6,7]在现阶段的研究中通常分为以下三种类型：　　(1)尺寸测量　　尺寸测量是机器视觉研究和应用的重要应用领域，也是一个比较早开始的研究的方向。

机器视觉应用于尺寸测量工程中时，从视觉系统的硬件(光源、图像传感器等)的选用到软件算法的设计中的每一个环节都对最终的性能产生影响需要根据工程的自身特点选择合适的硬件　　(2)表面质量检测　　机器视觉检测技术已经广泛应用到工业产品的表面检测中，主要检测的内容包括毛刺、划痕、磨损等。

但对复杂曲面的视觉检测仍有一定的困难，一方面，工件表面的反射方向复杂、存在阴影等因素影响着图像的质量，另一方面相机的镜头方向和距离工件的位置的控制也是影响检测精度的因素　　(3)目标分类与识别　　目标分类与识别一直是研究的热点，物体识别的基本方法是建立物体模型，使用各种匹配算法从真实的图像中识别出物体最相似的目标。

根据物体识别任务所在的空间，物体识别可以分为二维特征识别和三维特征的识别二维识别用在识别远距离的物体或者在场景中稳定的位置的物体三维识别通过物体的灰度图或2.5维图获取实际场景中的信息来识别物体的三维结构特征。

信件分拣、指纹识别、人脸识别、车牌识别等都是此方面典型的应用　　1.3?机器视觉检测技术的应用　　自上世纪八十年代初开始，国外有关视觉检测技术的研究逐渐兴起美国人首先将视觉检测系统应用于制造业[8]，其中，有100多家公司跻身于视觉检测系统的经营市场。

而国内的视觉检测研究从上世纪九十年代才开始得到重视相关资料表明，目前视觉检测技术已经在印刷电路板的检测、汽车车身检测、钢板表面的自动探伤、机械零件的自动识别分类和几何尺寸测量、大型工件平行度和垂直度测量、容器容积或杂质检测及农产品的检测等领域得到了广泛应用。

　　在电子工业中，由于超大规模集成电路的出现，使得集成芯片(IC)的密度和复杂度大大提高，PCB的布线变得更加复杂传统的检测方法越来越不适应，检测成本越来越高而视觉检测以其快速、精确的优点，为印刷电路板(PCB)和集成芯片(IC)的自动检测提供了高性价比的新方案。

PCB和IC的检测代表了一类重要的视觉应用领域，目前在PCB和IC的生产线上，大约60％的检测任务是由机器视觉检测来完成的Perkins等人描述了用于检测平板上元器件(如装配的PCB)的机器视觉系统，系统应用边缘检测，细化和连接边缘成分段直线来处理PCB图像，并对准模型和场景在分割描述的基础上决定匹配点[9]。

Franci?Lahajnar等人描述对电路板自动检测的机器视觉系统[10]，他们应用亚像素边缘检测技术和半自动校正系统来分辨电路板的物理特性，通过检测电路板的尺寸反映刀具的磨损情况　　在汽车制造业中，视觉检测主要用在轿车车身生产线，对车身侧围、底盘、以及整个下身总成关键尺寸进行检测，还用于生产线中机器手的定位、瞄准，从而实现机器手的自适应自动化安装，大大提高了汽车产品质量和生产效率，降低了生产成本。

Schmidberger等人用一个装配在机器人上的照相机来检测大尺寸平面上的信息，移动机器人拍摄不同部位图像，通过图像处理的方法比较被测零件与标准零件图像，从而检测裂缝、折叠、孔洞丢失等缺陷[11]Dimitrios?Kosmopoulos等人开发了汽车用自动检测间隙系统[12]，任务是测量车身与装在其上的各种面板(包括门，发动机罩等)之间的间隙尺寸。

该系统在多于30处位置进行检测，测量的有效(RMS)误差?

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。