Artificial Intelligence and Robotics Research 人工智能与机器人研究, 2019, 8(3), 109-117
Published Online August 2019 in Hans. https://www.doczj.com/doc/1f13761585.html,/journal/airr
https://https://www.doczj.com/doc/1f13761585.html,/10.12677/airr.2019.83014
Research on Automatic Detection Method
of Plate Surface Defects Based on
Machine Vision
Yuanmin Huang, Ming Yi, Man Yang, Yuqing Luo
College of Mechanical and Electrical Engineering, Foshan Vocational and Technical College, Foshan Guangdong
Received: Jul. 27th, 2019; accepted: Aug. 13th, 2019; published: Aug. 20th, 2019
Abstract
The surface defect of wood sheet not only directly affects the appearance and quality of the prod-uct, but also is one of the important factors affecting the classification of wood sheet. The surface quality of wood sheets is an important index for evaluating the quality of wood sheets, and it can also reflect the rationality of processing methods. Because there are many kinds of surface defects, the size and appearance of the same kind of defects are also different. On the one hand, this detec-tion method is easy to be affected by human factors, which cannot avoid the occurrence of false detection and missed detection, thus affecting the quality of sheet metal; on the other hand, it wastes a lot of manpower and financial resources and improves the quality of sheet metal. This reduces the competitive advantage and wastes valuable forest resources. In this paper, an auto-matic inspection method for surface defects of sheet metal using industrial machine vision lan-guage is proposed. This method uses a new improved algorithm to solve the registration problem of sheet metal image. A hybrid intelligent model is established by synthesizing artificial neural network, fuzzy technology and genetic algorithm, and the surface defect detection of sheet metal is realized by using artificial neural network technology. At the same time, an automatic detection device for surface defects of sheet metal is designed, which can also be sorted according to product grade. This will greatly reduce production costs, reduce the human interference factors in product testing process, achieve a high degree of automation in product production, improve product quality, and can produce good social and economic benefits.
Keywords
Machine Vision, Defect Detection, Algorithm
基于机器视觉的板材表面缺陷自动检测
方法研究
黄远民，易铭，杨曼，罗瑜清
黄远民 等
佛山职业技术学院，机电工程学院，广东 佛山
收稿日期：2019年7月27日；录用日期：2019年8月13日；发布日期：2019年8月20日
摘
要
木质板材的表面缺陷不仅直接影响该产品的外观和质量，而且是影响板材分等级的重要因素之一。木质板材的表面质量是评估板材质量的重要指标，同时也能反映加工方法的合理性。由于板材表面缺陷种类有多种，同类缺陷在大小和外观形态上也各有差异，这种检测方式，一方面容易受人为因素影响，无法避免错检、漏检等情况发生，从而影响板材的质量；另一方面，浪费了大量的人力、财力，提高了成本，降低了竞争优势，还浪费了宝贵的林木资源。本文提出利用工业机器视觉语言对板材表面缺陷自动检测方法。该检测方法采用一种新的改良算法,解决了板材图像的配准问题；通过综合人工神经网络、模糊技术和遗传算法，建立了一种混合智能模型，利用人工神经网络技术，实现板材的表面缺陷检测。同时，设计出一种自动检测板材表面缺陷装置，该装置还可以按产品等级进行分拣。这样大大降低生产成本，减少产品检测过程的人为干扰因素，实现产品生产高度自动化，提高产品质量，能够产生很好的社会和经济效益。
关键词
机器视觉，缺陷检测，算法
Copyright ? 2019 by author(s) and Hans Publishers Inc.
This work is licensed under the Creative Commons Attribution International License (CC BY). https://www.doczj.com/doc/1f13761585.html,/licenses/by/4.0/
1. 引言
随着世界经济的快速发展，人们对板材资源的需求量越来越多，我国无论是对板材的生产还是消费都占有很大的市场。在国内需求方面，我国正在进行快速的建设，这需要占用大量的板材资源；在对外出口方面，我国板材的出口不但是我国经济发展的重要支撑，同时也为其他国家提供了丰富的板材资源。由此可以看出，我国的板材产业处于一个十分重要的地位。然而，由于人们乱砍滥伐，过度使用森林资源，使得我国的森林覆盖率越来越小，这也引起了许多环境和气候的问题。面对诸多问题，在增强人们的环境保护意识、植树造林、绿化家园的同时更应该考虑如何利用新技术，加强对板材资源的利用。
目前，木质板材是应用需求量最大的品种，木质板材的表面缺陷不仅直接影响该产品的外观和质量，而且是影响板材分等级和实现合理下锯的重要因素之一[1]。木质板材的表面质量是评估板材质量的重要指标，同时也能反映加工方法的合理性。因此对木质板材表面缺陷的检测和分类是非常重要的工作。在我国的木材生产领域，大部分生产还处在半机械甚至原始的人工生产状态，板材分选及产品分等主要依靠人工视觉与经验，根据板材的构造特性、颜色、色泽、纹理等来评价[2]。由于板材表面缺陷种类有多种，同类缺陷在大小和外观形态上也各有差异，这种检测方式一方面容易受人为因素影响，无法避免错检、漏检等情况的发生，从而影响板材的质量；另一方面，浪费了大量的人力、财力，提高了成本，降低了竞争优势，还浪费了宝贵的林木资源。
Open Access
黄远民等
目前常用的检测方式包括人工检测、射线检测、机械检测以及机器视觉检测等[3]。其中，人工检测的效率很低、质量差、工人劳动强度大，检测可靠性取决于主观因素；机械检测通常是接触式检测，检测过程需要对被检测件进行位置调整，因而效率较低；射线检测可以实现高分辨率，但是结构复杂、造价高。这些方法具有以下突出的弊端：
1) 抽检率低，不能百分之百反映板材表面的质量，尤其是对于加工过程中产生的大量非周期性缺陷存在漏检；
2) 实时性差，远远不能满足在线高速的生产节奏；
3) 缺乏检测的一致性、科学性，检测的置信度低；
4) 人工检测很容易造成漏检和误判。
因而，适时地开展板材表面缺陷在线无损检测技术的研究工作具有重要意义，目前检测的实时性、精确性已成为国内外学者研究的热点。根据以上几种情况的介绍可以看出使用智能化的机器代替人工对木质板材进行检测是很有必要的。采用工业机器视觉技术和图像处理技术对板材表面缺陷图像进行处理，以实现板材表面缺陷的自动检测与识别，这不仅对板材等级自动分选、提高板材利用率、提高板材的商品价值和实现木材加工自动化具有非常重要的意义，而且对这对提高板材的生产质量、效率具有十分重要的意义。
2. 图像采集系统设计
图像采集系统图示及说明如图1所示。整个系统由机械传动部分、编码器、光源、CCD及图像采集卡组成。其中，机械传动部分由滚轴、传送带及电机组成，为了实现定位的功能在传送带的滚轴上安装一个编码器，同时在传送带的另一端安装一个光电开关。
该系统图像采集的工作原理为：木板放在传送带上，传送带靠电机带动以一定大小均匀速度运动，当传送带上的木板通过光电开关时，光电开关被触发并给图像采集卡发脉冲，此时图像采集卡开始读取CCD的数据。当图像采集到了在把图像数据传送给计算机，利用Halcon10.1程序来检测木板是否合格。
该系统还具有这样的功能检测开始的时候，根据待检测木板的类型，上位机发送木板类型到PLC中，通过控制固定相机丝杆的伺服电机运动把相机运动到相应的位置，当木板运动到相机下方，传感器感应到木板时，发出触发信号，相机接到触发信号后，拍摄木板的照片，采用新的算法处理图像，并把检测结果显示检测系统中，同时把测量结果写入数据库，供日常生产数据分析。检测结果实时显示，测量数据实时保存；制程管理功能，可设置并保存多种规格产品的检测参数；具备数据统计功能，如不良品类型、数量及合格率等，具有SPC统计分析功能。
整个检测装置依据检测要求设计了基于工业机器视觉板材表面缺陷检测基本装置，该检测装置主要由：由上料升降台、上料推板机、上料定位输送台、上料移载机及吸盘架、压机、刮边机等输送装置和检测装置及凉板装置组成如图2所示。
3. 图像处理方法及理论分析
由于木板缺陷检测是生产线上应用的一个实时检测系统，所以该系统具有较强的实时、快速性；因此需要非常大的图像数据量。为了提高系统处理速度，除了采用比较高性能的硬件以外，还需要在软件运算方式和运算速度方面来考虑问题。本系统才用机器视觉(Halcon)语言能够满足系统的要求，同时在选择相应的算法方面也做了相应的考虑。木板缺陷检测主要任务分为：处理、分析提取木板图像，实现木板表面缺陷的自动识别。该系统可分为十三个步骤，如图3所示。从图3流程可得到，经过采集到木板图像以后，共需经历十二个主要的步骤处理采集到的木板图像，即图像预处理、图像增强、中值滤波、
黄远民 等
Figure 1. Image acquisition system based on machine vision sheet surface defect detection 图1. 基于机器视觉板材表面缺陷检测图像采集系统
Figure 2. Basic device for detecting surface defects based on machine vision panels 图2. 基于机器视觉板材表面缺陷检测基本装置
Figure 3. Image processing method based on machine vision sheet surface defect detection 图3. 基于机器视觉板材表面缺陷检测图像处理方法
黄远民等
优化傅里叶变换速度、分解图像(R G B)、设定threshold值、提取特征形状、计算两个区域的差异、变换图像形状、扩张有圆形元素地区、选择带有某些特征的区域、显示检测结果、缺陷数据库。
在图像的采集过程中，图像有时会受到光照强度、元器件特性不稳定、感光部件灵敏度等因素的影响，图像的质量或多或少有些退化。图像增强技术就是运用特定的处理，用来调整图像的对比度，变模糊为清晰，突出图像中的重要细节，为下一步的图像分析做准备。本文选用平滑处理来对采集到的图像进行图像争强。图像光滑又称图像滤波，主要是为了抑制噪声，改善图像质量所进行的去噪处理。图像光滑是图像预处理阶段必不可少的一个步骤，这个过程尤为重要，这个过程处理不好，直接影后面的图像分割乃至识别。由于多种因素的影响，采集来的木板图像可能存在着一定程度的噪声干扰，比如采集设备本身具有的噪声，现场光设备的照明亮度不均匀也是噪声产生的原因之一。噪声对后期图像识别产生了影响，如果前期处理不好，很可能在识别时将噪声误认为是木板的缺陷部分，从而导致产品质量的错误检测，影响到缺陷识别的精确度。
因此，在对图像作进一步处理之前，必须去除噪声，从而真正意义上将噪声和图像缺陷区分开来。图像的滤波去噪方法有空间域以及频率域中这两大类型，本文主要阐述前者方法下的均值、高斯、中值这三种光滑去噪算法。本文选用中值滤波法来去除噪声，从而来提高图像质量。与高斯滤波以及均值滤波相比较，中值滤波是一种非线性滤波。在一定条件下，线性平滑滤波在降噪的同时不可避免地造成了图像细节模糊，而中值滤波在有效抑制脉冲噪声的同时模糊效应明显低很多[4]。
中值滤波器在应用中以排序统计来代替线性滤波器的加权运算。中值滤波的基本思想是：用像索点邻域灰度值的中值来代替l像索点的数值[5]。例如：采3*3中值滤波器某点(i, j)的8邻域的像索值为：[12,18,18,11,23,22,13,25,118]统计排序结果后为：[11,12,13,18,18,22,23,25,118]则排在第15位的18作为(i, j)点中值滤波的响应g(i, j)。该滤波法主要用途是来抑制脉冲噪声，它不但能够保护目标图像的边缘，同时也很好地过滤掉尖波噪声[6]。
为了使计算机能够“理解”图像，从而具有真正意义上的“视觉”，需要从目标缺陷中提取与其特征相对应的信息，这一过程被称为特征提取。特征提取是后续图像识别的依据，因此提取出的特征信息必须很好地描述图像，而且还能将不同类型的图像加以区分。一般来说，特征提取没有参考的标准，但还是有些可遵循的原则，如选取的特征对噪声不敏感、特征信息容易获取、提取最具有区分能力的特征。本文主要介绍了几何、形状以及不变矩特征，然后分析并筛选出适合描述木板表面缺陷的若干特征数值[7]：1) 几何特征是图像的本质特征之一，由于其对图像的描述简单、直观，因此对分析图像很有参考价值。常用的几何特征有：周长、面积、质心等；①周长：区域的边界长度为区域的周长，即整个连通域的最小外包围轮廓线的长度，本文采用的方法:把像素点看作一个一个的点时，则可以用链码来表示周长，求链码长度即求周长；②面积：物体总尺寸的度量可以用面积来表示，面积是最自然最简单的区域属性，面积同它内部灰度级的变化无关，只跟物体的边界相关，广义上来说，区域面积可定义为区域内部(包括边界上)的像素个数；③质心质心即图像中物体的面积中心，经过图像分割后的二值图像的质量分布是均匀的，因此图像的质心同它的形心重合。2) 一般情况下，图像的形状特征很难自动提取，所以，很多研究尝试使用不同元素来表征图像的形状，常用的有圆形度、伸长度、矩形度等。①圆形度：图像边界的复杂程度可用圆形度来表征，本文采用度量圆形度最常用的致密度，致密度的定义如下式所示：其中L表示区域的周长，s表示面积；②伸长度：连通域最小外接矩形的长度与宽度的比值称为伸长度，其中最小外接矩形是通过离散步幅旋转直到面积达到最小值来确定的；③矩形度：矩形度的定义是物体的面积与最小外接矩形面积的比值的充满程度[8]。3) 不变矩是指物体图像经过平移、旋转以及比例变换仍保持不变的矩特征量[9]。
黄远民等
综合上所述，对木板表面缺陷检测主要过包括以下几点：
1) 图像预处理：在对采集到的图像处理之前，应该对图像进行预处理。在获取图像的过程中，由于
各种因素的影响包括摄像设备参数限制以及周围环境的变化等，使获取的图像无法达到我们所期望的理想效果，图像预处理的目的是为了改善给定的图像或增强其中一些比较重要的图像特征来满足实际需求。
2) 图像增强：图像增强的首要目标是处理图像，使其比原始图像更加适合于某些特定的应用场合，
原理是通过一定的方法在原始图像上附加一些信息或对图像进行数据变换，来突出图像中所感兴趣的区域或抑制图像中一些不必要的特征，从而使图像与视觉响应特性相匹配。图像增强的通用理论是不存在的，因为当图像为视觉解释而进行处理时，都是由观察者最后判断特定方法的效果[10][11]。常用的方法有：a) 灰度变换b) 平滑处理。由于图像平滑通常是用于图像的模糊处理或者是减少噪声，如在提取大的目标之前去除图像中的一些琐碎细节、曲线的缝隙和桥接直线[12][13]，所以本文选用平滑处理来对采集到的图像进行图像争强。
3) 分解图像(R G B)：通过该算法把采集到的彩色图像转换成黑白图像，便于后面设定特定的
threshold值(对于灰度值小于阈值的象素直接设置灰度值为0；灰度值大于阈值的象素直接设置为255)，通过threshold值来提取图像。
4) 通过设定特定的threshold值来提取图像，再利用提取特征形状、变换图像形状算法来提取具有一
定特征的图像。
5) 利用计算两个区域的差异算法来对比两者的信息，最后通过选择带有某些特征的区域算法来提取
木板有没有缺陷，显示出相应的缺陷。
6) 利用缺陷数据库管理对已经检测出来的各种木板表面缺陷图像信息进行保存并且对各种缺陷进
行编号，这样就便于产品出货跟踪和管理。
4. 实验结果与分析
用本文方法对木板表面缺陷进行检测，检测结果如下图所示(图4~7)。
图4.没有缺陷的木板
黄远民 等
Figure 5. The chipped wood 图5. 崩边的木板
Figure 6. Chipping and dirty planks 图6. 崩边和脏污的木板
表1是对某国内大型木板贴面厂现场采集到的几种缺陷样本进行缺陷检测的结果。 从实验结果可以看出，采用本文的方法对木板表面进行检测得到了令人满意的检测结果。
黄远民等
Figure 7. Cracked wooden board
图7.开裂的木板
Table 1. The statistics of experimental results
表1.实验结果统计表
缺陷类型
孔洞脏污开裂总计
样本数目345 350 355 1050 正确识别样本数目340 346 349 1035
识别率98.5% 98.9% 98.3% 98.6%
5. 结论
基于机器视觉图像处理的检测技术发展已经日趋成熟。在企业生产和社会生活中的应用也比较广泛。
但是这些技术在木材行业中应用相对比较少，随着木材行业的发展和对板材产品需求量的争加，尤其是对板材表面质量要求的不断提高，其质量会严重影响板材的生产质量，所以，对板材表面质量的控制也是很重要的一项工作。因此研究基于机器视觉图像处理技术在木材生产中是非常有必要的，不仅具有一定的理论价值也更具有实际的应用价值。本文主要工作如下：
1) 提出了基于机器视觉的板材表面缺陷检测系统的总体设计方案。
2) 简述木板表面缺陷检测系统组成机构和介绍了一些基于机器视觉图像处理的基本算法流程(如图
3所示)。
3) 采用本文的检测方法可以降低劳动强度、降低生产成本，降低产品检测过程的人为因素，实现产
品生产的高度自动化，提高产品检测质量，能够产生很好的社会和经济效益。
参考文献
[1]Zheng, H., Kong, L.X. and Nahavandi, S. (2012) Automatic Inspection of Metallic Surface Defects Using Genetic Al-
gorithms. Journal of Materials Processing Technology, 125-126, 427-433.
[2]Liang, R.Y., Ding, Y.Q., Zhang, X.W. and Chen, J. (2008) Copper Strip Surface Defects Inspection Base on
SVM-RBF. 2008 Fourth International Conference on Natural Computation,Jinan, 18-20 October 2008, 41-45.
黄远民等https://https://www.doczj.com/doc/1f13761585.html,/10.1109/ICNC.2008.271
[3]Zhong, K., Ding, M. and Zhou, C. (2014) Texture Defect Inspection Method Using Difference Statistics Feature in
Wavelet Domain. Systems Engineering and Electronics, 26, 660-665.
[4]Zhang, X.W., Liang, R.Y., Ding, Y.Q., et al. (2018) The System of Copper Strips Surface Defects Inspection Based on
Intelligent Fusion. 2008 IEEE International Conference on Automation and Logistics, Qingdao, 1-3 September 2008, 476-480.
[5]Li, T.S. (2009) Applying Wavelets Transform, Rough Set Theory and Support Vector Machine for Copper Clad La-
minate Defects Classification. Expert Systems with Applications, 36, 5822-5829.
https://https://www.doczj.com/doc/1f13761585.html,/10.1016/j.eswa.2008.07.040
[6]德国MVTec公司. Halcon//Quick Guide用户参考手册[M]. 2009.
[7]Chen, Q.R., Lu, Q.S. and Chen, L.Z. (2005) Identification of Motion Blur Direction from Motion Blurred Image by
Direction Derivation Method. Journal of Graphic and Image, 10, 590-595.
[8]Zhang, Y. and Kovacevic, R. (2002) Real-Time Sensing of Sag Geometry during GTA Welding. Journal of Manufac-
turing Science and Engineering, 119, 151-160.https://https://www.doczj.com/doc/1f13761585.html,/10.1115/1.2831090
[9]Pong, T.C., Shapiro, L.G. and Watson, L.T. (1984) Experiments in Segmentation Using Face Model Region Grower.
Computer Vision, Graphics and Image Processing, 25, 1-23.https://https://www.doczj.com/doc/1f13761585.html,/10.1016/0734-189X(84)90046-X
[10]尹建新, 楼雄伟, 黄美丽. 灰度直方图在木材表面缺陷检测中的应用[J]. 浙江林学院学报, 2008, 25(3): 272-276.
[11]郑志霞, 黄元庆, 冯勇建. 基于机器视觉的板材表面缺陷检测方法[J]. 莆田学院学报, 2016, 23(5): 43-47.
[12]李鸿艳, 冯新喜, 王芳. 一种新的机动目标模型及其自适应跟踪算法[J]. 电子与信息学报, 2004, 26(6): 966-970.
[13]孙双花. 视觉测量关键技术及在自动检测中的应用[D]: [博士学位论文]. 天津: 天津大学, 2007.
1. 打开知网首页：https://www.doczj.com/doc/1f13761585.html,/，点击页面中“外文资源总库CNKI SCHOLAR”，跳转至：https://www.doczj.com/doc/1f13761585.html,/new，
搜索框内直接输入文章标题，即可查询；
或点击“高级检索”，下拉列表框选择：[ISSN]，输入期刊ISSN：2326-3415，即可查询。
2. 通过知网首页https://www.doczj.com/doc/1f13761585.html,/顶部“旧版入口”进入知网旧版：https://www.doczj.com/doc/1f13761585.html,/old/，左侧选择“国际文献总库”
进入，搜索框直接输入文章标题，即可查询。
投稿请点击：https://www.doczj.com/doc/1f13761585.html,/Submission.aspx
期刊邮箱：airr@https://www.doczj.com/doc/1f13761585.html,
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
双元表面缺陷检测系统在塑料行业的应用 章毅 （浙江双元科技开发有限公司，浙江杭州） 摘要：双元公司致力于利用先进成熟的技术和完善快捷的售服网络，为塑料行业，特别是薄膜类及片材类客户提供一整套缺陷检测及处理的解决方案。 关键字：双元缺陷检测塑料 随着各行各业对塑料制品的要求不断提高，以及同行业内的竞争不断加剧，塑料制品的质量控制日益受到各个塑料企业的关注和重视。如何对生产线上的产品进行实时掌控？如何保证提供给客户是完美无暇的产品？浙江双元科技开发有限公司依托本身雄厚的技术实力以及广大的应用网络，从2003年开始，对应用于各行业的表面缺陷在线检测系统进行开发，经过不断的攻关与完善，目前新一代的具有完全自主知识产权的表面缺陷检测系统已成功的应用于造纸、塑料薄膜、新材料、无纺布、金属片材等各个行业，总计应用实例已达三百余套。其中，在塑料行业内的保有量也已近百套！ 本文将就双元表面缺陷检测系统在塑料行业中的应用进行介绍。 一、公司概况 浙江双元科技开发有限公司（双元科技）成立于2000年3月。公司主要从事过程自动控制和产品质量在线检测系统的开发和研制。 公司的技术创新中心下辖产品表面缺陷检测技术、产品质量控制技术、微波应用技术、产品色度检测分析技术、电磁感应加热技术等6个研究所，对相关领域的应用技术开展了前瞻性的研究。通过这些年的研究，公司成功推出了一系列产品，每个产品都是自主研发的，总体技术水平已经接近或达到了国际先进水平，初步形成了国产高档过程检测仪器仪表及控制系统产品平台，打破了国外公司在该领域的垄断地位。 公司于2006年11月被浙江省科技厅认定为“浙江省高新技术企业”。现有员工106人，其中工程技术及管理人员就占了70%左右。 二、系统介绍 双元表面缺陷检测系统（以下简称SYWIS）能够在线检测、识别和显示塑料薄膜表面上的各种缺陷。其主要由高速CCD线阵相机，组合光源及机架、数据处理中心、报警系统和操作站组成。采用当今世界上先进的在线检测识别、成像及数据处理技术，为客户提供了包括实时缺陷检测、图象显示、报警、质量报告、设备故障诊断等功能在内的表面缺陷检测全套
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
工件表面缺陷检测系统方案 为了不断提高产品质量和生产效率，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。传统的产品表面质量检测主要采用人工检测的方法。人工检测不仅工作量大，而且易受检测人员主观因素的影响，容易对产品表面缺陷造成漏检，尤其是变形较小、畸变不大的夹杂缺陷漏检，极大降低了产品的表面质量，从而不能够保证检测的效率与精度。近年来，迅速发展的以图像处理技术为基础的机器视觉技术恰恰可以解决这一问题。 针对工件表面的多种缺陷，维视图像今天为大家介绍一套基于机器视觉的对工件表面缺陷进行实时在线、无损伤的自动检测系统方案。 本系统是由CCD工业摄像头、高清镜头、照明系统及图像处理软件等部件组成。其工作过程是：首先将工件送到采集视场内；然后由成像系统将图像采集到计算机内部；运用图像处理软件对采集到的原始图像进行预处理以改善图像质量，从中提取感兴趣的特征量；最后运用模式识别技术对取到的特征量进行分类整理以完成系统的检测。 下面分别介绍系统的各部分的组成及特点。 一、CCD工业摄像头 为保证图像效果和检测精度，此系统可选用高分辨的工业CCD摄像头，针对不同的工件尺寸和要求，CCD分辨率也可稍作调整，MV-EM系列千兆网工业相机包含常用的多种分辨率，可供系统选择。其中，MV-EM510M是高精度检测系统最为青睐的产品之一。 二、高清镜头 为配合高分辨率CCD工业摄像头，我们选用百万像素级高清镜头。当然，与500万CCD 相机更为搭配的非500万像素高清镜头莫属了。 三、照明系统 工件材质一般比较多样化，如普通的无反光材质工件，我们通常可选用环形LED光源以节省成本。但是，对于金属等高反光材质的工件，我们就必须在光源的选择上下点功夫了，针对不同尺寸和外形，低角度环形光源、同轴光源和漫反射圆顶光源都可能是明智之选，这
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、
基于机器视觉技术的产品表面质量检测系统 王岩松1章春娥2 （1凌云光子集团100089 2交通大学信息科学研究所100044） 摘要：介绍了基于机器视觉技术的表面检测系统的设计方案和系统构成原理，并且针对表面检测系统中广泛应用的高精度定位配准算法以及Blob分析算法从原理上进行了阐述，同时给出了当前通用的表面检测系统的处理单元构成特点。基于本文所介绍的机器视觉技术的表面检测系统已经在工业现场得到了批量推广应用，对于以后开展类似的表面检测系统具有一定的参考价值和指导意义。 关键字：机器视觉表面检测斑点分析（Blob分析） A Surface Inspecting System Based on Machine Vision Technology Wang Yansong Zhang Chun-e A LUSTER LightTech Group Company，100089 Institute of Information Science, Beijing Jiaotong University, Beijing, 100044 Abstract：An introduction to some general design schemes and constructing principles about surface inspecting system based on machine vision technology. Some algorithms widely used in surface inspecting system such as high resolution Search-alighment algorithm and Blob analysis algorighm are desrcibed in detail theoretically.The constructing way of processing uint in general surface inspecting system is also presented in this paper. Up to now, a great deal of surface inspecting systems based on the technology introduced in this paper have been successfully used in some industrial factory。 KayWords:Machine Vision Surface Inspection Blob Analysis 1．机器视觉及系统 机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品，如CCD、CMOS 和光电管等，将被摄取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；图像系统对这些信号进行各种运算来抽取目标的特征，再根据判别的结果控制现场的设备。典型的工业机器视觉应用系统包括如下部分：光源，镜头，CCD照相机，图像处理单元（或图像采集卡），图像处理软件，监视器，通讯/输入输出单元等[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、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。其中图像处理软件中的图像处理算法是整个机器视觉的核心部分。图像处理技术包含数字图像处理学、计算机图形学中的大量容，涉及图像分割、图像测量、图像融合、图像匹配、模式识别、计算机神经网络等大量前沿技术。图像处理算法选择的合理性、算法的适用性、算法的处理速度和处理精度等均将直接绝对最终机器视觉质量检测系统的检测结果。
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
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。