189-0269-9978

機器視覺(jué)表面缺陷檢測

2020-03-21 13:50:23 0

    表面缺陷是產(chǎn)品表面局部物理或化學(xué)性質(zhì)不均勻的區域,如金屬表面的劃痕、斑點(diǎn)、孔洞,紙張表面的色差、壓痕,玻璃等非金屬表面的夾雜、破損、污點(diǎn)等等。表面缺陷不僅影響產(chǎn)品的美觀(guān)和舒適度,而且一般也會(huì )對其使用性能帶來(lái)不良影響,所以生產(chǎn)企業(yè)對產(chǎn)品的表面缺陷檢測非常重視,以便及時(shí)發(fā)現,從而有效控制產(chǎn)品質(zhì)量,還可以根據檢測結果分析生產(chǎn)工藝中存在的某些問(wèn)題,從而杜絕或減少缺陷品的產(chǎn)生,同時(shí)防止潛在的貿易糾份,維護企業(yè)榮譽(yù)。

    人工檢測是產(chǎn)品表面缺陷的傳統檢測方法,該方法抽檢率低、準確性不高、實(shí)時(shí)性差、效率低、勞動(dòng)強度大、受人工經(jīng)驗和主觀(guān)因素的影響大,而基于機器視覺(jué)的檢測方法可以很大程度上克服上述弊端。

    表面缺陷檢測

    機器視覺(jué)技術(shù)是一種無(wú)接觸、無(wú)損傷的自動(dòng)檢測技術(shù),是實(shí)現設備自動(dòng)化、智能化和精密控制的有效手段,具有安全可靠、光譜響應范圍寬、可在惡劣環(huán)境下長(cháng)時(shí)間工作和生產(chǎn)效率高等突出優(yōu)點(diǎn)。機器視覺(jué)檢測系統通過(guò)適當的光源和圖像傳感器(CCD攝像機)獲取產(chǎn)品的表面圖像,利用相應的圖像處理算法提取圖像的特征信息,然后根據特征信息進(jìn)行表面缺陷的定位、識別、分級等判別和統計、存儲、查詢(xún)等操作;

    機器視覺(jué)表面缺陷檢測系統基本組成

    主要包括圖像獲取模塊、圖像處理模塊、圖像分析模塊、數據管理及人機接口模塊。

    圖像獲取模塊由工業(yè)相機、光學(xué)鏡頭、光源及其夾持裝置等組成,其功能是完成產(chǎn)品表面圖像的采集。在光源的照明下,通過(guò)光學(xué)鏡頭將產(chǎn)品表面成像于相機傳感器上,光信號先轉換成電信號,進(jìn)而轉換成計算機能處理的數字信號。目前工業(yè)用相機主要基于CCD或CMOS芯片的相機。CCD是目前機器視覺(jué)最為常用的圖像傳感器。

    機器視覺(jué)光源直接影響到圖像的質(zhì)量,其作用是克服環(huán)境光干擾,保證圖像的穩定性,獲得對比度盡可能高的圖像。目前常用的光源有鹵素燈、熒光燈和發(fā)光二級管(LED)。LED光源以體積小、功耗低、響應速度快、發(fā)光單色性好、可靠性高、光均勻穩定、易集成等優(yōu)點(diǎn)獲得了廣泛的應用。

    由光源構成的照明系統按其照射方法可分為明場(chǎng)照明與暗場(chǎng)照明、結構光照明與頻閃光照明。明場(chǎng)與暗場(chǎng)主要描述相機與光源的位置關(guān)系,明場(chǎng)照明指相機直接接收光源在目標上的反射光,一般相機與光源異側分布,這種方式便于安裝;暗場(chǎng)照明指相機間接接收光源在目標上的散射光,一般相機與光源同側分布,它的優(yōu)點(diǎn)是能獲得高對比度的圖像。結構光照明是將光柵或線(xiàn)光源等投射到被測物上,根據它們產(chǎn)生的畸變,解調出被測物的3維信息。頻閃光照明是將高頻率的光脈沖照射到物體上,攝像機拍攝要求與光源同步。

    圖像處理模塊主要涉及圖像去噪、圖像增強與復原、缺陷的檢測和目標分割。由于現場(chǎng)環(huán)境、CCD圖像光電轉換、傳輸電路及電子元件都會(huì )使圖像產(chǎn)生噪聲,這些噪聲降低了圖像的質(zhì)量從而對圖像的處理和分析帶來(lái)不良影響,所以要對圖像進(jìn)行預處理以去噪。圖像增強目是針對給定圖像的應用場(chǎng)合,有目的地強調圖像的整體或局部特性,將原來(lái)不清晰的圖像變得清晰或強調某些感興趣的特征,擴大圖像中不同物體特征之間的差別,抑制不感興趣的特征,使之改善圖像質(zhì)量、豐富信息量,加強圖像判讀和識別效果的圖像處理方法。圖像復原是通過(guò)計算機處理,對質(zhì)量下降的圖像加以重建或復原的處理過(guò)程。圖像復原很多時(shí)候采用與圖像增強同樣的方法,但圖像增強的結果還需要下一階段來(lái)驗證;而圖像復原試圖利用退化過(guò)程的先驗知識,來(lái)恢復已被退化圖像的本來(lái)面目,如加性噪聲的消除、運動(dòng)模糊的復原等。圖像分割的目的是把圖像中目標區域分割出來(lái),以便進(jìn)行下一步的處理。

    圖像分析模塊主要涉及特征提取、特征選擇和圖像識別。

    特征提取的作用是從圖像像素中提取可以描述目標特性的表達量,把不同目標間的差異映射到低維的特征空間,從而有利于壓縮數據量、提高識別率。表面缺陷檢測通常提取的特征有紋理特征、幾何形狀特征、顏色特征、變換系數特征等,用這些多信息融合的特征向量來(lái)區可靠地區分不同類(lèi)型的缺陷;這些特征之間一般存在冗余信息,即并不能保證特征集是最優(yōu)的,好的特征集應具備簡(jiǎn)約性和魯棒性,為此,還需要進(jìn)一步從特征集中選擇更有利于分類(lèi)的特征,即特征的選擇。圖像識別主要根據提取的特征集來(lái)訓練分類(lèi)器,使其對表面缺陷類(lèi)型進(jìn)行正確的分類(lèi)識別。

    數據管理及人機接口模塊可在顯示器上立即顯示缺陷類(lèi)型、位置、形狀、大小,對圖像進(jìn)行存儲、查詢(xún)、統計等。

    機器視覺(jué)表面缺陷檢測主要包括2維檢測和3維檢測,前者是當前的主要表面缺陷檢測方式,也是本文的著(zhù)重論述之處。