2012研究生机器视觉课程检测及课程设计内容 一、回答下列问题： 1、什么是机器视觉，它的目标是什么？能否画出机器视觉检测系统的结构方 块图，并说出它们的工作过程原理和与人类视觉的关系？ 机器视觉是机器（通常指计算机）对图像进行自动处理并报告“图像中有什么”的过程，也就是说它识别图像中的内容。图像中的内容往往是某些机器零件，而处理的目标不仅要能对机器零件定位，还要能对其进行检验。 原始数据特征向量类别标识 特征度量模式分类器 机器视觉系统的组成框图 2、在机器视觉检测技术中：什么是点视觉技术、一维视觉技术、二维视觉技 术、三维视觉技术、运动视觉技术、彩色视觉技术、非可见光视觉技术等？ 能否说出他们的应用领域病句、案例？能否描述它们的技术特点？ 答：点视觉：用一个独立变量表示的视觉称之为点视觉。如应用位移传感器测量物体的移动速度。 一维视觉：普通的CCD。 两维视觉：用两个独立变量表示的视觉称之为两维视觉。比如普通的CCD。 三维视觉：用三个独立变量表示的视觉称之为三维视觉。比如用两个相机拍摄（双目视觉）；或者使用一个相机和一个辅助光源。 彩色视觉：用颜色作为变量的视觉称之为彩色视觉。物体的颜色是由照 射光源的光谱成分、光线在物体上反射和吸收的情况决定的。比如，一 个蓝色物体在日光下观察呈现蓝色，是由于这个物体将日光中的蓝光 反射出来，而吸收了光谱中的其他部分的光谱，而同样的蓝色物体， 在红色的光源照射下，则呈现红紫色， 非可见光视觉技术：用非可见光作为光源的视觉技术。比如非可见光成像技术。
3、机器视觉检测技术中：光源的种类有哪些？不同光源的特点是什么？光照 方式有几种？不同光照方式的用途是什么？又和技术特点和要求？ 机器视觉检测技术中光源有以下几种：荧光灯，卤素灯+光纤导管，LED 光源，激光，紫外光等。几种光源的特点如下： 成本亮度稳定度使用寿命复杂设计温度影响种类名 称 荧光灯低差差一般低一般 卤素灯+光纤导管高好一般差一般差LED光源一般一般好好高低光照方式有以下几种： 背景光法（背光照射）是将被测物置于相机和光源之间。这种照明方式的优点是可将被测物的边缘轮廓清晰地勾勒出来。由于在图像中，被测物所遮挡的部分为黑色，而未遮挡的部分为白色，因此形成“黑白分明”的易于系统分析的图像。此方法被应用于90%的测量系统中。 前景光法（正面照射）是将灯源置于被测物和相机之前。又可分为明场照射和暗场照射。明场照射是为了获得物体的几乎全部信息，照射物体的光在视野范围之内几乎全部反射回去；暗场照射是为了获取物体表面的凹凸，照射物体的光在视野范围之外有部分光反射回去。 同轴光法是将灯源置于被测物和相机之间。 4、机器视觉检测系统中，光学系统的作用是什么？光学器件有哪几种，它们 各自的作用是什么？光学镜头有几种类型，它们各自有何用途？光学镜头有哪些技术参数，各自对测量有什么影响？ 答：机器视觉检测系统中，光学系统用来采集物体的轮廓、色彩等信息。 光学器件主要有：镜头、成像器件（CCD和CMOS)、光圈、快门等。 镜头的作用是对成像光线进行调焦等处理，使成像更清晰；成像器件的作用是将光学图像转换成模拟电信号；光圈的作用如同人得瞳孔， 控制入射光的入射量，实现曝光平衡；快门的作用是将想要获取的光学
带钢表面缺陷检测方法研究 学号：1110121096 班级：11材控2班姓名：倪明 摘要：表面质量的好坏是带钢的一项重要指标，随着科学技术的不断发展，后续加工工业对带钢的表面质量要求越来越高。如何检测出带钢表面缺陷并加以控制，引起带钢生产企业的高度关注。本文通过对带钢表面的缺陷检测的重要性分析，讲述了国内外带钢表面缺陷检测的发展现状，并比较分析了几种检测方法，最终得出本研究的意义。由于带钢表面缺陷种类繁多，建议下一步研究工作重点放在缺陷种类识别与分类部分，以满足带钢表面缺陷的无遗漏检测。 关键词: 带钢表面缺陷缺陷检测 1.1带钢表面缺陷检测的重要性 随着生活水平的提高和生产力的发展，人们对产品质量提出了更高的要求，带钢作为机械、航天、电子等行业的原材料，用户对其表面质量的要求更加严格。影响带钢表面质量的主要因素是带钢在制造过程中由于原材料、轧制设备和加工工艺等多方面的原因，导致其表面出现的擦伤、结疤、划痕、粘结、辊印、针眼、孔洞、表面分层、麻点等不同类型的缺陷。这些缺陷不仅影响产品的外观，更严重的是降低了产品的抗腐蚀性、耐磨性和疲劳强度等性能。原料钢卷的表面缺陷是造成深加工产品废次品的主要原因。由于部分质量缺陷在出厂前不能有效地被检测出来，而在用户使用过程中被发现，造成用户索赔，不仅给企业带来巨大的经济损失，还严重影响了产品的市场形象，降低了用户对产品的信任度。因此，必须加强对带钢表面缺陷的检测和控制，这对于剔除废品、减少原料浪费、提高成材率、改善工人劳动条件都有重要意义。而如何在生产过程中检测出带钢的表面缺陷，从而控制和提高带钢产品的质量，一直是钢铁生产企业非常关注的问题。 1.2 国内外带钢表面缺陷检测方法与装置研究现状 目前带钢表面缺陷检测装置主要分为采用传统检测方法的检测装置、采用自动检测方法的检测装置和采用计算机视觉检测方法的检测装置。 1.2.1传统检测方法 非自动化的传统表面缺陷检测方法可以分为人工目视检测方法和频闪光检测法两种。05年代至06年代，冷轧带钢表面缺陷检测主要采用人工目视检测，检测者凭借肉眼观察缺陷。由于带钢轧制速度很快，人眼无法可靠的捕获缺陷信息。同时，某些高质量的带钢要求其表面缺陷小于0.5mm×0.5mm，这种微小缺陷人的视觉很难发觉，从而产生大量的漏检和误检。人工检测需要在高温、噪音、粉尘、振动的恶劣环境下进行，对人的身体和心理造成极大伤
基于机器视觉的产品检测技术研究 1、机器视觉 1.1机器视觉的概念 机器视觉被定义为用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。一个典型的工业机器视觉应用系统包括光源、光学系统、图像采集系统、数字图像处理与智能判断决策模块和机械控制执行模块。系统首先通过CCD相机或其它图像拍摄装置将目标转换成图像信号,然后转变成数字化信号传送给专用的图像处理系统，根据像素分布!亮度和颜色等信息，进行各种运算来抽取目标的特征,根据预设的容许度和其他条件输出判断结果。 值得一提的是，广义的机器视觉的概念与计算机视觉没有多大区别，泛指使用计算机和数字图像处理技术达到对客观事物图像的识别、理解。而工业应用中的机器视觉概念与普通计算机视觉、模式识别、数字图像处理有着明显区别，其特点是： 1、机器视觉是一项综合技术，其中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、计算机软硬件技术、人机接口技术等。这些技术在机器视觉中是并列关系。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。 2、机器视觉更强调实用性，要求能够适应工业生产中恶劣的环境，要有合理的性价比，要有通用的工业接口，能够由普通工作者来操作，有较高的容错能力和安全性，不会破坏工业产品，必须有较强的通用性和可移植性。 3、对机器视觉工程师来说，不仅要具有研究数学理论和编制计算机软件的能力，更需要光、机、电一体化的综合能力。 4、机器视觉更强调实时性,要求高速度和高精度，因而计算机视觉和数字图像处理中的许多技术目前还难以应用于机器视觉，它们的发展速度远远超过其在工业生产中的实际应用速度。 1.2机器视觉的研究范畴 从应用的层面看，机器视觉研究包括工件的自动检测与识别、产品质量的自动检测、食品的自动分类、智能车的自主导航与辅助驾驶、签字的自动验证、目标跟踪与制导、交通流的监测、关键地域的保安监视等等。从处理过程看,机器视觉分为低层视觉和高层视觉两阶段。低层视觉包括边缘检测、特征提取、图像分割等，高层视觉包括特征匹配、三维建模、形状分析与识别、景物分析与理解等。从方法层面看，有被动视觉与主动视觉之，又有基于特征的方法与基于模型的方法之分。从总体上来看，也称作计算机视觉。可以说，计算机视觉侧重于学术研究方面，而机器视觉则侧重于应用方面。 机器人视觉是机器视觉研究的一个重要方向，它的任务是为机器人建立视觉系统，使得机器人能更灵活、更自主地适应所处的环境，以满足诸如航天、军事、工业生产中日益增长的需要（例如，在航天及军事领域对于局部自主性的需要，在柔性生产方式中对于自动定位与装配的需要，在微电子工业中对于显微结构的检测及精密加工的需要等）。机器视觉作为一门工程学科，正如其它工程学科一样，是建立在对基本过程的科学理解之上的。机器视觉系统的设计依赖于具体的问题，必须考虑一系列诸如噪声、照明、遮掩、背景等复杂因素，折中地处理信噪比、分辨率、精度、计算量等关键问题。 1.3机器视觉的研究现状 机器视觉研究出现于60年代初期，电视摄像技术的成熟与计算机技术的发展使得机器视觉研究成为可能。它作为早期人工智能研究的一部分，由于技术条件的限制，进展缓慢。80年代初，在D·Marr提出的计算视觉理论指导下，机器视觉研究得到了迅速发展，成为
表面缺陷无损检测方法的比较方法 项目 磁粉检测（MT） 漏磁检测（MLF） 渗透检测（PT） 涡流检测（ET） 方法原理 磁力作用 磁力作用 毛细渗透作用 电磁感应作用 能检出的缺陷 表面和近表面缺陷 表面和近表面缺陷 表面开口缺陷 表面及表层缺陷 缺陷部位的显示形式 漏磁场吸附磁粉形成磁痕 漏磁场大小分布 渗透液的渗出
检测线圈输出电压和相位发生变化 显示信息的器材 磁粉 计算机显示屏 渗透液、显像剂 记录仪、示波器或电压表 适用的材料 铁磁性材料 铁磁性材料 非多孔性材料 导电材料 主要检测对象 铸钢件、锻钢件、压延件、管材、棒材、型材、焊接件、机加工件在役使用的上述工件检测铸钢件、锻钢件、压延件、管材、棒材、型材、焊接件、机加工件在役使用的上述工件检测任何非多孔性材料、工件及在役使用过的上述工件检测 管材、线材和工件检测；材料状态检验和分选；镀层、涂层厚度测量 主要检测缺陷 裂纹、发纹、白点、折叠、夹渣物、冷隔 裂纹、发纹、白点、折叠、夹渣物、冷隔 裂纹、白点、疏松、针孔、夹渣物
裂纹、材质变化、厚度变化缺陷显示 直观 直观 直观 不直观 缺陷性质判断 能大致确定 能大致确定 能基本确定 难以判断 灵敏度 高 高 高 较低 检测速度 较快 快 慢
很快 污染 较轻 无污染 较重 无污染 相对优点 可检测出铁磁性材料表面和近表面（开口和不开口）的缺陷。 能直接的观察出缺陷的位置、形状、大小和严重程度。 具有较高的检测灵敏度，可检测微米级宽度的缺陷。 单个工件的检测速度快、工艺简单，成本低、污染轻。 综合使用各种磁化方法，几乎不受工件大小和几何形状的影响。 检测缺陷重复性好。 可检测受腐蚀的在役情况。 a) 易于实现自动化 b) 较高的检测可靠性 c) 可以实现缺陷的初步量化 d) 在管道的检查中，在厚度高达30mm的壁厚范围內，可同时检测內外壁缺陷 e) 高效、无污染,可以获得很高的检测效率. 可检测出任何非松孔性材料表面开口性缺陷。 能直接的观察出缺陷的位置、形状、大小和严重程度。 具有较高的灵敏度。 着色检测时不用设备，可以不用水电，特别适用于现场检验。 检测不受工件几何形状和缺陷方向的影响。 对针孔和疏松缺陷的检测灵敏度较高。 非接触法检测，适用于对管件、棒材和丝材进行自动化检测，速度快。 可用检测材料导电率代替硬度检测。了解材料的热处理状态和进行材料分选。污染很小。 相对局限性
基于视觉的缺陷检测 在机器视觉的应用中,表面缺陷检测占据非常重要的位置,因为其可有效地提高产品质量、降低成本,并可提高用户满意度。 根据表面图像的特点可以将基于视觉的缺陷检测技术分为两类：一类为不具备明显纹理特征材质的缺陷检测，如光学元件，金属类器件等；一类为纹理类材质的缺陷检测，如木材、布匹等。 根据缺陷的形状可以分为两类：广义线类，包括裂纹，刻痕等；广义点类，包括凸块，凹陷，孔穴，污物等。 基于视觉的缺陷检测的主要步骤为： 特征提取为其中的关键，缺陷特征提取的好坏直接影响检测的效果。 预处理的目的是减少图像的噪声，提高目标与背景的对比度，突出图像中的缺陷特征。 小波技术在预处理中的应用： 1.小波去噪 2.小波融合 可以将不同角度拍摄的图像进行融合 采用小波融合方法既能够很好地保留几幅源图像基本信息，又能够突出图像中的缺陷边缘、结构等高频信息，使融合后的图像信息更加全面、准确，图像质量效果更加优良，全方位地表达了缺陷特征，可以为缺陷的进一步分类识别提供充足的数据支持。 不具备明显纹理特征的图像检测 此类图像的特点为缺陷目标和背景对比度低，瑕疵目标的形状比较复杂，整个瑕疵目标占整幅图像的比例非常小，受噪声影响大，图像没有纹理。 由于图像中无纹理，缺陷特征一般先用边缘检测算子提取缺陷区域的边缘，在将其从目标图像中分割出来，提取其特征参数如周长，面积，质心，圆形度，伸长度等，以此来进行缺陷检测和分类。 边缘检测算子： 1.梯度算子 2.LoG算子 3.canny算子 边缘检测算子需要准确的提取瑕疵边缘，又能抑制噪声的干扰，同时该算法还要具备快速、自适应性。需要寻找一种新或改进的算法。 为了辩识缺陷目标，需要将其与源图像的背景中分离出来，在此基础上进行进一步的处理和分析。 图像分割的算法： 1.阈值分割
研究背景： 产品表面质量是产品质量的重要组成部分，也是产品商业价值的重要保障。产品表面缺陷检测技术从最初的依靠人工目视检测到现在以CCD 和数字图像处理技术为代表的计算机视觉检测技术，大致经历了三个阶段，分别是传统检测技术阶段、无损检测技术阶段、计算机视觉检测技术阶段。[] 传统检测技术 （1）人工目视检测法 （2）频闪检测法 无损检测技术 （1）涡流检测法 （2）红外检测法 （3）漏磁检测法 计算机视觉检测技术 （1）激光扫描检测法 （2）CCD 检测法 采用荧光管等照明设备，以一定方向照射到物体表面上，使用CCD摄像机来扫描物体表面，并将获得的图像信号输入计算机，通过图像预处理、缺陷区域的边缘检测、缺陷图像二值化等图像处理后，提取图像中的表面缺陷的相关特征参数，再进行缺陷图像识别，从而判断出是否存在缺陷及缺陷的种类信息等。 优点：实时性好，精确度高，灵活性好，用途易于扩充，非接触式无损检测。 基于机器视觉的缺陷检测系统优点： 集成化生产缩短产品进入市场时间改进生产流程100%质量保证实时过程监控提高产量精确检测100%检测 由于经济和技术原因国内绝大多数图像处理技术公司都以代理国外产品为主，没有或者很少涉足拥有自主知识产权的机器视觉在线检测设备，对视觉技术的开发应用停留在比较低端的小系统集成上，对需要进行大数据量的实时在线检测的研究很少也很少有成功案例，但是随着国内经济发展和技术手段不断提高对产品质量检测要求就更高，对在线检测设备的需求也就更大具有巨大的市场潜力。 机器视觉图像处理技术是视觉检测的核心技术 铸件常见缺陷：砂眼气孔缩孔披缝粘砂冷隔掉砂毛刺浇不足缺陷变形 问题的提出： 1.水渍、污迹等不属于铸件缺陷，但由于其外观形貌与缺陷非常类似, 因此易被检测系统误识为缺陷。从目前发表的文献来看，对于伪缺陷的识别率较低。 2.不同种缺陷之间可能存在形状、纹理等方面的相似性，造成缺陷误判。 国外研究发展现状： 20 世纪90 年代后，基于机器视觉检测系统的自动化功能和实用化水平得到了进一步的提高。 1990 年芬兰Rautaruukki New Technology公司研制了Smartivis表面检测系统[]，该系统具有自学习分类功能，应用机器学习方法对决策树结构进行自动设计优化。 1996 年美国Cognex公司研发了一套iLearn自学习分类器软件系统并应用于其研制了iS-2000 自动检测系统。通过这两套系统的无缝衔接，极大地提高了检测系统实时的运算速度，有效的改进了传统自学习分类方法在算法执行速度、数据实时吞吐量、样本训练集规模及模式特征自动选择等方面的不足之处[]。 2004 年Parsytec公司发布了新一代表面质量检测产品Parsytec5i，该系统运用了自学习神经
一秒检测你的手机屏幕是否有疏油层 前不久，“疏水疏油层”突然成了一个特别火的词汇。在网上引发热议的同时，相信也会有一部分人对此一脸懵逼：疏水疏油层是什么鬼？这玩儿意是做什么用的？有没有差别大吗？其实疏水疏油层在生活中很常见，只不过当你接触到时并没有注意到罢了。 解读疏水疏油层它就是屏幕上的一层膜 疏水疏油层，说白了就是能够疏离水和油脂的保护层，还有我们日常听到的防污涂层，都是一种东西，即AF（AntiFingerPrint）防指纹涂层，英文称其为Oleophpbiccoating，平常新手机屏幕光滑的手感就是来自于疏水疏油层。 AF材料是一种含氟涂料，具有极低的表面张力，一般称作全氟聚醚，主要作用是附着在屏幕表面，增加屏幕的疏水、排油、防污等性能，广泛应用在手机、平板、显示器、单反的保护玻璃上，经常使用带有屏幕电子产品的我们基本上总能接触到。这种疏水疏油效果就跟水珠落在荷叶上一样。 荷叶上疏离的水珠 AF材料主要分为药液与靶丸（类似于小药丸）两种形态，分别适用于喷涂与真空蒸镀两种镀膜方式。玻璃镀膜后，再经过高温固化，AF涂层就保留到了屏幕表面，除了抗污外，AF涂层还拥有耐磨、透光率高等特性，而且成本还特别低，喷涂单片成本不高于6毛钱，真空蒸镀的单片成本不高于2元，浓度稍高一点的AF涂层保持1、2年不成问题。 真空蒸镀设备 当然疏水疏油层不仅用于玻璃上，在不锈钢上也可以有这样的保护层。目前已有相关涂覆液在售，喷涂于各种金属材料如不锈钢板表面，可形成一层纳米级/微米级的超薄抗油污防指纹的自清洁涂层，能使水具备超高的表面张力（表现为拒水性），形成较高水接触角的水珠，让油污自行收缩成难以附着在金属表面的小油滴，少量残留油污能用毛巾或纸巾轻易擦除干净。 疏水疏油层不沾水演示 疏水疏油层在日常使用中有什么用 直接说疏水疏油层的疏水、排油、防污这些功能不够直观，我们举个例子简单的说明一下：由于现在2.5D屏幕的流行，很多人都会选择普通的手机保护膜，但廉
编号 本科生毕业设计 基于机器视觉的表面缺陷检测系统设计 Surface defect detection system design based on machine vision 学生姓名 专业电子信息工程 学号 指导教师 学院电子信息工程学院 二〇一三年六月
毕业设计（论文）原创承诺书 1．本人承诺：所呈交的毕业设计（论文）《基于机器视觉的表面缺陷检测系统设计》，是认真学习理解学校的《长春理工大学本科毕业设计（论文）工作条例》后，在教师的指导下，保质保量独立地完成了任务书中规定容，不弄虚作假，不抄袭别人的工作内容。 2．本人在毕业设计（论文）中引用他人的观点和研究成果，均在文中加以注释或以参考文献形式列出，对本文的研究工作做出重要贡献的个人和集体均已在文中注明。 3．在毕业设计（论文）中对侵犯任何方面知识产权的行为，由本人承担相应的法律责任。 4．本人完全了解学校关于保存、使用毕业设计（论文）的规定，即：按照学校要求提交论文和相关材料的印刷本和电子版本；同意学校保留毕业设计（论文）的复印件和电子版本，允许被查阅和借阅；学校可以采用影印、缩印或其他复制手段保存毕业设计（论文），可以公布其中的全部或部分内容。 以上承诺的法律结果将完全由本人承担！ 作者签名：年月日
中文摘要 为了不断提高产品质量和生产效率，金属工件表面缺陷在线自动检测技术在生产过程中显得日益重要。针对金属工件表面的多种缺陷，本文设计了一套基于机器视觉能够实现对金属工件表面缺陷进行实时在线、无损伤的自动检测系统。该系统采用面阵CCD和多通道图像采集卡作为图像采集部分，提高了检测系统的速度并降低了对CCD的性能要求，使系统在现有的条件下比较容易实现实时在线检测；采用自动选取图像分割阈值，根据实际应用的阈值把工件信息从图像中提取出来并扫描工件图像中的信息，实现了系统的自动测量；根据扫描得到的工件信息去除掉工件边缘的光圈，利用自动选取的阈值对金属工件表面的图像进行二值化分割，从而实现各种缺陷的自动提取及识别。 关键词：机器视觉表面缺陷CCD 图像处理缺陷检测
对于生产物件的检测，由于科学技术的限制，起初只能采用人工进行检测，这样的方式不仅消耗大量人力，而且浪费时间，效率低下。于是，基于机器视觉技术的表面缺陷检测技术应运而生，我们有必要关注关注，并了解相关注意事项。 当今社会，随着计算机技术，人工智能等科学技术的出现和发展，以及研究的深入，出现了基于机器视觉技术的表面缺陷检测技术。这种技术的出现，大大提高了生产作业的效率，避免了因作业条件、主观判断等影响检测结果的准确性，实现能更好更准确地进行表面缺陷检测，更加快速的识别产品表面瑕疵缺陷。 产品表面缺陷检测属于机器视觉技术的一种，就是利用计算机视觉模拟人类视觉的功能，从具体的实物进行图象的采集处理、计算、进行实际检测、控制和应用。产品的表面缺陷检测是机器视觉检测的一个重要部分，其检测的准确程度直接会影响产品的质量优劣。由于使用人工检测的方法早已不能满足生产和现代工艺生产制造的需求，而利用机器视觉检测很好地克服了这一点，表面缺陷检测系统的广泛应用促进了企业工厂产品高质量的生产与制造业智能自动化的发展。
在进行产品表面检测之前，有几个步骤需要注意。 首先，要利用图像采集系统对图像表面的纹理图像进行采集分析； 其次，对采集过来的图像进行一步步分割处理，使得产品表面缺陷能像能够按照其区域特征进行分类； 再者，在以上分类区域中进一步分析划痕的目标区域，使得范围更加的准确。 通过以上的三步处理之后，产品表面缺陷区域和特征能够进一步确认，这样表面缺陷检测的基本步骤就完成了。 利用机器视觉技术提高了用户生产效率，使得生产更加细致化，分工更加明确，同时，减少了公司的人工成本支出，节省了财力，实现机器智能一体化发展。 南京博克纳自动化系统有限公司总部位于美丽的中国古都南京，是国内专业研制无损检测仪器及设备的高科技企业。公司致力于涡流、漏磁和超声波仪器及各种非标设备的研制，已拥有自主研发的多项国家专利。产品被广泛应用于航天航空、军工、汽车、电力、铁路、冶金机械等行业。产品出口：美国、
基于机器视觉的手机屏幕缺陷检测方法研究 摘要：在近些年来，随着手机行业飞速发展，手机屏幕缺陷的检测方式有许多，但是采用最多的还是人工检测的方式。人工检测的方式效率低误差较大很难满足 现在手机行业的发展形势。本文针对目前手机行业的发展形势，提出了一种基于 机器视觉手机屏幕缺陷自动检测系统。此系统的工作流程依次是采集图像、对采 集的图像进行裁剪、除去灰尘、滤波去噪、分割图像、初次识别缺陷区域、结合 缺陷区域与其他部分对比分析、识别筛选出不合格的产品。只有当此系统的检测 的合格率达到97.5%时，才会具有实用性，值得推广到实际的工业生产中去。 关键词：机器视觉；缺陷检测；手机屏幕 引言 随着全球经济的发展，各国的通信产业也都发展到一定的高度，高质高效的 智能手机虽然价格不断增高，但是仍然备受人们的喜欢。手机屏幕作为手机的重 要组成部分，是人与信息打交道的桥梁，手机屏幕的质量的优劣将会直接影响到 用户的体验。在现在的手机发展现状看来，手机屏幕缺陷检测主要依靠人工。人 工检测工作难度大，工作量大，导致工作者对工作产生厌倦和身体疲劳。这种方 式可能会使大量劣质产品流入消费者手中，不适用于如今的实际工业生产中。针 对目前手机行业的发展形势，提出了一种基于机器视觉手机屏幕缺陷自动检测系统。 1.机器视觉检测技术 目前，因为机器视觉检测技术实用性强、效率高、具有高精确度，所有受到 了人们的一致好评，并且备受工业生产的欢迎。全球有许多机器检测技术被应用 于实际的手机屏幕缺陷检测流程中。Kim团队提出了一种降低灰度不均匀等级的 阈值方式，这种方式可以通过识别出多种线缺陷完成缺陷的排除；Lee and Yoo等 首先会绘制二维曲线，再使用背景差异法检测mura缺陷以及不同形状和方向的 缺陷，但是对窗口的大小有局限性。You-Ching Lee和Cheng-EnShie等提出一种能 识别各种缺陷的累计差异和多分辨率背景的检测方法，但是对移动的装置要求较高;Tsai和Tseng等利用傅立叶变换和阈值方式消除背景干扰，但时效性差；易松 松使用了级联检测方式；高如新采用了快速匹配差分法检测方式；徐祖鑫提出了 一种数学形态学的检测方法，他们所采用的和提出的手机屏幕检测方式对点、线 等明显的缺陷有着较高和精准的识别率，但是对于一些特殊的缺陷还是有待完善。基于机器视觉的手机屏幕缺陷检测方法研究，本文提出了一套完整的自动检测控 制系统，这套系统的结构分明、操作简单、工作效率高、具有高精确度，能够高 效实时检测和筛选出具有缺陷的屏幕。 2.系统硬件 系统硬件的构成主要由相机、显示屏和主机；治具台是部分系统硬件，治具 台上可以安装各种各样的治具，用于与其匹配的手机进行点亮，而手机的相机和 光源的固定都可以用一些简单的器械完成，适当的调节角度和方向。所以此系统 硬件满足工业生产的需求，只要更换治具就可以实现各种型号手机的检测，而且 操作简单。简单的操作流程只是把检测物品放到治具台。其工作原理依次是系统 接收传感器信号、光栅门自动关闭、营造密闭检测环境、显示标记缺陷。 3.算法流程 这里主要介绍的是屏幕块状检测方法，因为在手机屏幕缺陷中块缺陷最难识别。由于块缺陷的形状复杂、亮度不均匀、对比度低和边缘不清晰，影响到屏幕
机器视觉测量技术杨永跃合肥工业大学 2007.3 目录 第一章绪论 1.1 概述 1.2 机器视觉的研究内容 1.3 机器视觉的应用 1.4 人类视觉简介 1.5 颜色和知觉 1.6 光度学 1.7 视觉的空间知觉 1.8 几何基础 第二章图像的采集和量化 2.1 采集装置的性能指标 2.2 电荷藕合摄像器件 2.3 CCD 相机类 2.4 彩色数码相机 2.5 常用的图像文件格式
2.6 照明系统设计 第三章光学图样的测量 3.1 全息技术 3.2 散斑测量技术 3.3 莫尔条纹测量技术 3.4 微图像测量技术 第四章标定方法的研究 4.1 干涉条纹图数学形成与特征4.2 图像预处理方法 4.3 条纹倍增法 4.4 条纹图的旋滤波算法 第五章立体视觉 5.1 立体成像 2 5.2 基本约束 5.3 边缘匹配 5.4 匹域相关性 5.5 从 x 恢复形状的方法 5.6 测距成像
第六章标定 6.1 传统标定 6.2 Tsais 万能摄像机标定法 6.3 Weng ’ s 标定法 6.4 几何映射变换 6.5 重采样算法 第七章目标图像亚像素定位技术第八章图像测量软件 (多媒体介绍 第九章典型测量系统设计分析9.1 光源设计 9.2 图像传感器设计 9.3 图像处理分析 9.4 图像识别分析 附:教学实验 1、视觉坐标测量标定实验 2、视觉坐标测量的标定方法。 3、视觉坐标测量应用实验 4、典型零件测量方法等。
3 第一章绪论 1.1 概述 人类在征服自然、改造自然和推动社会进步的过程中,面临着自身能力、能量的局限性, 因而发明和创造了许多机器来辅助或代替人类完成任务。智能机器或智能机器人是这种机器最理想的模式。 智能机器能模拟人类的功能、能感知外部世界,有效解决问题。 人类感知外部世界:视觉、听觉、嗅觉、味觉、触觉 眼耳鼻舌身 所以对于智能机器,赋予人类视觉功能极其重要。 机器视觉:用计算机来模拟生物(外显或宏观视觉功能的科学和技术。 机器视觉目标:用图像创建或恢复现实世界模型,然后认知现实世界。 1.2 机器视觉的研究内容 1 输入设备成像设备:摄像机、红外线、激光、超声波、 X 射线、 CCD 、数字扫描仪、超声成像、 CT 等 数字化设备 2 低层视觉(预处理 :对输入的原始图像进行处理(滤波、增强、边缘检测 ,提取角点、边缘、线条色彩等特征。 3 中层视觉:恢复场景的深度、表面法线,通过立体视觉、运动估计、明暗特征、纹理分析。系统标定
手机玻璃盖板外观缺陷检测 1、玻璃盖板发展趋势及现状 手机玻璃盖板虽然是生产行业中较为细分的一个小市场，在全球手机保有量如此巨大的情况下（2018年出货约17.5亿部），手机屏幕作为配件其每年出货量非常可观。据市场数据反馈，现手机盖板（也称玻璃盖板）每年出货量达到了20亿片/年。3D玻璃盖板作为下一代手机的必备配件，到2020年为止3D玻璃盖板的市场规模将近192亿元。作为智能终端产品最重要的构成部件之一，玻璃盖板的制造拥有巨大的市场存量以及增长潜力，是众多国家和企业争夺的焦点。其中检测作为玻璃盖板生产的最后一道工序，是产品品质控制的关键。但是目前国内企业在玻璃盖板的检测，基本上采用的是人工目检。但人工目检面临着效率低下、漏检率高、人工成本不断上升等诸多缺陷。
目前全球最大玻璃盖板厂商蓝思科技、伯恩光学，其产线上仍然以人力检测辅助设备的方式为主。在智能装备制造大潮流及国内人口红利逐渐消逝的环境下，自动化检测设备开始步入市场。 2、玻璃盖板外观缺陷检测难点以及检测设备国内外现状 玻璃盖板生产工艺复杂，特别是进入2.5D和3D盖板时代后，由于导入了更多更复杂的工序以及最终客户对外观要求的不断提高，在生产过程中无可避免的会产生各种各样类特征不同的缺陷，常见的有划痕、凹坑、丝印不良、杂质、异色等外观缺陷。各类特征的缺陷需要检测员不断翻转盖板，并在一些特定光线角度或观察视角下才能捕捉到。这就对用于取代人工目视检查的玻璃盖板自动化检测设备的设计和制造提出了非常高的要求。 现今国际上比较领先的玻璃盖板检测设备厂家，主要分布于欧洲，例如德国ISRA Vision和Dr.Schenk、瑞士的BUCHER和丹麦的JLI Vision等。目前在国内应用最多的是德国的Dr.Schenk，部分国内玻璃面板生产厂家采购了其设备，但是仍然存在较多问题，一是价格昂贵，只有极少数的大公司能负担相关费用；二是Dr.Schenk目前只能够检测素玻璃（白片），并且2.5D或3D玻璃盖板的弧面处也无法检出，因此该设备不能适应现在市场的需要。 目前国内在玻璃盖板检测方面取得了一些技术突破，但还没有特别突出的企业来代替国外的设备。国内某企业试图通过增加多个检测工位，实现对2.5D玻璃盖板的检测，但检测效果并不理想。该设备在更换不同类型盖板检测时，需要重新制作并更换治具，同时需要对设备的多个工位的光源或者相机进行调整，并
机器视觉测量技术 杨永跃 合肥工业大学 2007.3
目录第一章绪论 1.1 概述 1.2 机器视觉的研究内容 1.3 机器视觉的应用 1.4 人类视觉简介 1.5 颜色和知觉 1.6 光度学 1.7 视觉的空间知觉 1.8 几何基础 第二章图像的采集和量化 2.1 采集装置的性能指标 2.2 电荷藕合摄像器件 2.3 CCD相机类 2.4 彩色数码相机 2.5 常用的图像文件格式 2.6 照明系统设计 第三章光学图样的测量 3.1 全息技术 3.2 散斑测量技术 3.3 莫尔条纹测量技术 3.4 微图像测量技术 第四章标定方法的研究 4.1 干涉条纹图数学形成与特征 4.2 图像预处理方法 4.3 条纹倍增法 4.4 条纹图的旋滤波算法 第五章立体视觉 5.1 立体成像
5.2 基本约束 5.3 边缘匹配 5.4 匹域相关性 5.5 从x恢复形状的方法 5.6 测距成像 第六章标定 6.1 传统标定 6.2 Tsais万能摄像机标定法 6.3 Weng’s标定法 6.4 几何映射变换 6.5 重采样算法 第七章目标图像亚像素定位技术 第八章图像测量软件 （多媒体介绍） 第九章典型测量系统设计分析9.1 光源设计 9.2 图像传感器设计 9.3 图像处理分析 9.4 图像识别分析 附：教学实验 1、视觉坐标测量标定实验 2、视觉坐标测量的标定方法。 3、视觉坐标测量应用实验 4、典型零件测量方法等。
第一章绪论 1.1 概述 人类在征服自然、改造自然和推动社会进步的过程中，面临着自身能力、能量的局限性，因而发明和创造了许多机器来辅助或代替人类完成任务。智能机器或智能机器人是这种机器最理想的模式。 智能机器能模拟人类的功能、能感知外部世界，有效解决问题。 人类感知外部世界：视觉、听觉、嗅觉、味觉、触觉 眼耳鼻舌身 所以对于智能机器，赋予人类视觉功能极其重要。 机器视觉：用计算机来模拟生物（外显或宏观）视觉功能的科学和技术。 机器视觉目标：用图像创建或恢复现实世界模型，然后认知现实世界。 1.2 机器视觉的研究内容 1 输入设备成像设备：摄像机、红外线、激光、超声波、X射线、CCD、数字扫描仪、 超声成像、CT等 数字化设备 2 低层视觉（预处理）：对输入的原始图像进行处理（滤波、增强、边缘检测），提取角 点、边缘、线条色彩等特征。 3 中层视觉：恢复场景的深度、表面法线，通过立体视觉、运动估计、明暗特征、纹理 分析。系统标定 4 高层视觉：在以物体为中心的坐标系中，恢复物体的完整三维图，识别三维物体，并 确定物体的位置和方向。 5 体系结构：根据系统模型（非具体的事例）来研究系统的结构。（某时期的建筑风格— 据此风格设计的具体建筑） 1.3 机器视觉的应用 工业检测—文件处理，毫微米技术—多媒体数据库。 许多人类视觉无法感知的场合，精确定量感知，危险场景，不可见物感知等机器视觉更显其优越十足。 1 零件识别与定位
毕业设计（论文）题目基于数字图像处理技术的 缺陷检测算法研究 设计所在单位自动控制研究所 2010年06月
西安交通大学本科毕业设计（论文） 系（所）自控所 系(所) 主任韩九强 西安交通大学 批准日期 毕业设计(论文)任务书 电信学院院自动化系 66 班学生王全响 毕业设计(论文)课题基于数字图像处理技术的缺陷检测算法研究 毕业设计(论文)工作自 2010 年 3 月 1 日起至 2010 年 6 月 20 日止毕业设计(论文)进行地点：西安交大自控所 课题的背景、意义及培养目标 背景意义：随着数字图像处理技术在工业领域的发展，基于图像处理技术的机件缺陷得到了广泛的应用。低成本、无损伤、准确，快速，使得机器视觉在缺陷检测领域具有重要的意义。本题专门研究基于数字图像处理的缺陷检测算法，并在工业组态软件中实现，以便更好的应用于实际。 培养目标：掌握Visual Studio C++软件、Xavis软件和图像处理以及OpenCV的知识。同时培养良好的编程能力，分析和解决问题的能力，为以后的科研夯实基础。 设计(论文)的原始数据与资料 1．待进行缺陷检测的相关图片 2．VC++编程开发的相关书籍和网上资料 3．图像配准、图像处理、图像比对的基本原理 4．已经开发的Xavis底层函数与架构。 课题的主要任务 1.查阅相关文献，了解机器视觉在缺陷检测领域的重大意义； 2.在VC环境下，研究并实现缺陷检测（包括图像预处理、图像配准、图像比对）算法；
3.对比评价各种算法的优缺点，并针对实际应用提出自己的建议； 4.将自己的算法集成在机器视觉组态软件Xavis中。 课题的基本要求(工程设计类题应有技术经济分析要求) 1.查阅资料，了解目前缺陷检测领域的发展现状； 2.掌握数字图像处理的基本理论算法； 3.掌握Matlab/VC图像处理编程方法； 4.熟悉Xavis机器视觉平台。 5.进行Xavis、Visual C++、OpenCV的联合调试 完成任务后提交的书面材料要求(图纸规格、数量，论文字数，外文翻译字数等) 1.提交缺陷检测结果可以用于Xavis软件的一个动态链接库dll文件 2.撰写大于一万字的学位论文，并提交电子版 3.翻译一篇3000字左右英文文献 4.图纸规格：A4 主要参考文献 1 阮宇编著.Visual C++ 6.0 基础教程.清华大学出版社 2 章毓晋编著. 图像处理和分析. 清华大学出版社 3 Tinku Acharya 、Ajoy K.Ray著田浩葛秀慧王顶等译. 数字图像处理原理与应用, 清华大学出版 4 唐良瑞编著. 图像处理实用技术. 北京工业出版社 5 王育坚编著.Visual C++ 面向对象编程教程. 清华大学出版社 指导教师 接受设计(论文)任务日期 （注：由指导教师填写）学生签名：
基于机器视觉技术的物体表面缺陷检测 何小利1 , 宋钰 2 (1. 四川理工学院计算机学院, 四川自贡643000; 2. 四川理工学院网络中心, 四川自贡643000; 摘要:本文对物体表面缺陷进行研究和检测. 而检测的方法是采用LED 环形灯光直接暗视场正面照明方式来提取插座面板划痕图像. 具体过程是使用动态阈值分割图像, 并采用放射变换、区域特征处理及连通区域提取等技术来检测出插座面板划痕. 关键词:机器视觉; 物体表面; 缺陷检测中图分类号:T P393 文献标识码:A 文章编号: 1009-4970(2011 02-0064-050 引言 在传统的产品生产过程中, 一般情况下对产品的表面缺陷检测是采用人工检测的方法. 随着科学 技术的不断发展, 特别是计算机技术的发展, 出现了计算机视觉检测技术. 利用这种新技术设计出来的系统不受恶劣环境和主观因素的影响, 能快速、准确地检测产品的质量, 完成人工无法完成的检测任务. 机器视觉检测结合了计算机图像处理和模式识别理论, 它综合了计算机技术、数据结构、图像处理, 模式识别和软件工程等不同领域的相关知识. 一个典型的机器视觉系统应该包括以下五大块, 照明、镜头、相机、图像采集卡、视觉处理器.
1 物体表面缺陷检测 物体表面缺陷检测是机器视觉的一种典型应用. 本文以插座面板划痕检测为例, 通过采用LED 环形灯直接暗视场正面照明方式采集图像, 然后使用动态阈值分割法将插座面板区域中划痕检测的感兴趣区域提取出来, 再通过使用区域特征、区域形态学对插座面板区域使用腐蚀运算去掉分割区域中杂点和小的突出物, 确保计算上有足够的精度, 最后使用放射变换、图像平滑、连通区域提取等算法 检测出划痕并显示其结果(见图 1. 图1 插座面板划痕检测流程图 1. 1 图像获取 照明的方向性通常有两种:漫射和直接照射.
表面缺陷无损检测方法的比较 方法 项目 磁粉检测（MT）漏磁检测（MLF）渗透检测（PT）涡流检测（ET）方法原理磁力作用磁力作用毛细渗透作用电磁感应作用 能检出的缺陷表面和近表面缺陷表面和近表面缺陷表面开口缺陷表面及表层缺陷 缺陷部位的显示形式漏磁场吸附磁粉形成 磁痕 漏磁场大小分布渗透液的渗出 检测线圈输出电压和 相位发生变化 显示信息的器材磁粉计算机显示屏渗透液、显像剂 记录仪、示波器或电 压表 适用的材料铁磁性材料铁磁性材料非多孔性材料导电材料 主要检测对象铸钢件、锻钢件、压 延件、管材、棒材、 型材、焊接件、机加 工件在役使用的上述 工件检测 铸钢件、锻钢件、压 延件、管材、棒材、 型材、焊接件、机加 工件在役使用的上述 工件检测 任何非多孔性材 料、工件及在役使 用过的上述工件检 测 管材、线材和工件检 测；材料状态检验和 分选；镀层、涂层厚 度测量 主要检测缺陷裂纹、发纹、白点、 折叠、夹渣物、冷隔 裂纹、发纹、白点、 折叠、夹渣物、冷隔 裂纹、白点、疏松、 针孔、夹渣物 裂纹、材质变化、厚 度变化 缺陷显示直观直观直观不直观缺陷性质判断能大致确定能大致确定能基本确定难以判断灵敏度高高高较低 检测速度较快快慢很快 污染较轻无污染较重无污染 相对优点可检测出铁磁性材料 表面和近表面（开口 和不开口）的缺陷。 能直接的观察出缺陷 的位置、形状、大小 和严重程度。 具有较高的检测灵敏 度，可检测微米级宽 度的缺陷。 单个工件的检测速度 快、工艺简单，成本 低、污染轻。 综合使用各种磁化方 法，几乎不受工件大 a) 易于实现自动化 b) 较高的检测可靠 性 c) 可以实现缺陷的 初步量化 d) 在管道的检查中， 在厚度高达30mm的 壁厚范围內，可同时 检测內外壁缺陷 e) 高效、无污染,可以 获得很高的检测效率. 可检测出任何非松 孔性材料表面开口 性缺陷。 能直接的观察出缺 陷的位置、形状、 大小和严重程度。 具有较高的灵敏 度。 着色检测时不用设 备，可以不用水电， 特别适用于现场检 验。 检测不受工件几何 形状和缺陷方向的 非接触法检测，适用 于对管件、棒材和丝 材进行自动化检测， 速度快。 可用检测材料导电率 代替硬度检测。了解 材料的热处理状态和 进行材料分选。 污染很小。
机器视觉概念/研究现状/应用/检测 内容来源网络，由“深圳机械展（11万㎡，1100多家展商，超10万观众）”收集整理！ 更多cnc加工中心、车铣磨钻床、线切割、数控刀具工具、工业机器人、非标自动化、数字化无人工厂、精密测量、3D打印、激光切割、钣金冲压折弯、精密零件加工等展示，就在深圳机械展. 1、机器视觉 1.1机器视觉的概念 机器视觉被定义为用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。一个典型的工业机器视觉应用系统包括光源、光学系统、图像采集系统、数字图像处理与智能判断决策模块和机械控制执行模块。系统首先通过CCD相机或其它图像拍摄装置将目标转换成图像信号,然后转变成数字化信号传送给专用的图像处理系统，根据像素分布!亮度和颜色等信息，进行各种运算来抽取目标的特征,根据预设的容许度和其他条件输出判断结果。 值得一提的是，广义的机器视觉的概念与计算机视觉没有多大区别，泛指使用计算机和数字图像处理技术达到对客观事物图像的识别、理解。而工业应用中的机器视觉概念与普通计算机视觉、模式识别、数字图像处理有着明显区别，其特点是： 1、机器视觉是一项综合技术，其中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、计算机软硬件技术、人机接口技术等。这些技术在机器视觉中是并列关系。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。 2、机器视觉更强调实用性，要求能够适应工业生产中恶劣的环境，要有合理的性价比，
要有通用的工业接口，能够由普通工作者来操作，有较高的容错能力和安全性，不会破坏工业产品，必须有较强的通用性和可移植性。 3、对机器视觉工程师来说，不仅要具有研究数学理论和编制计算机软件的能力，更需要光、机、电一体化的综合能力。 4、机器视觉更强调实时性,要求高速度和高精度，因而计算机视觉和数字图像处理中的许多技术目前还难以应用于机器视觉，它们的发展速度远远超过其在工业生产中的实际应用速度。 1.2机器视觉的研究范畴 从应用的层面看，机器视觉研究包括工件的自动检测与识别、产品质量的自动检测、食品的自动分类、智能车的自主导航与辅助驾驶、签字的自动验证、目标跟踪与制导、交通流的监测、关键地域的保安监视等等。从处理过程看,机器视觉分为低层视觉和高层视觉两阶段。低层视觉包括边缘检测、特征提取、图像分割等，高层视觉包括特征匹配、三维建模、形状分析与识别、景物分析与理解等。从方法层面看，有被动视觉与主动视觉之，又有基于特征的方法与基于模型的方法之分。从总体上来看，也称作计算机视觉。可以说，计算机视觉侧重于学术研究方面，而机器视觉则侧重于应用方面。 机器人视觉是机器视觉研究的一个重要方向，它的任务是为机器人建立视觉系统，使得机器人能更灵活、更自主地适应所处的环境，以满足诸如航天、军事、工业生产中日益增长的需要（例如，在航天及军事领域对于局部自主性的需要，在柔性生产方式中对于自动定位与装配的需要，在微电子工业中对于显微结构的检测及精密加工的需要等）。机器视觉作为一门工程学科，正如其它工程学科一样，是建立在对基本过程的科学理解之上的。机器视觉系统的设计依赖于具体的问题，必须考虑一系列诸如噪声、照明、遮掩、背景等复杂因素，折中地处理信噪比、分辨率、精度、计算量等关键问题。