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
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
Abstract
In order to continually promote the quality of product and efficiency of production, the on-line automatic inspection technology of surface defect of metal workpiece has become more and more important in the process of production. This paper designs an automatic system based on machine vision, which can inspect surface defect of metal workpiece timely without any damage on it.
Firstly, using CCD and multi-channel image acquisition card to acquire images, the system has accelerated the inspection speed and reduced the requirements of CCD on the performance to do the timely on-line inspection more easily under the current condition; secondly, according to the practical application of threshold, the system has used the segmentation threshold of selecting an image automatically to select the workpiece information from images and scan that information to realize the automatic measurement of the system; finally, the system has removed the aperture on the edge of workpiece in accordance with the workpiece information of scan and conducted the binarization segmentation on the image of the metal workpiece surface by using the automatic selection threshold to automatically select and identify varied defects. Keywords:machine vision; surface defect; CCD; image processing; defect inspecting
目录
中文摘要........................................................................................................................ I Abstract ......................................................................................................................... I I 第1章引言 .. (1)
1.1研究背景及意义 (1)
1.2国内外研究现状 (1)
第2章图像技术及机器视觉简介 (3)
2.1图像处理技术 (3)
2.1.1图像和数字图像 (3)
2.1.2图像技术和图像工程 (3)
2.2数字图像处理系统 (4)
2.2.1图像处理和分析系统 (4)
2.2.2图像采集模块 (4)
2.2.3图像的数据编码和传输 (5)
2.3机器视觉技术 (5)
2.3.1机器视觉技术简介 (5)
2.3.2机器视觉系统的概念、组成及特点 (6)
2.4机器视觉系统的应用及发展动向 (7)
2.4.1机器视觉检测应用 (7)
2.4.2机器视觉系统的发展动向 (7)
第3章系统总体设计 (9)
3. 1 CCD摄像头 (9)
3. 2图像采集卡 (9)
3.2.1视频输入信号及采样频率 (10)
3.2.2视频输入窗口和显示窗口 (10)
3. 3软件设计 (10)
第4章缺陷检测软件设计 (11)
4. 1图像实时采集模块 (11)
4. 2图像预处理模块 (11)
4. 3阈值选取模块 (12)
4. 4图像测量模块 (12)
4. 5缺陷检测模块 (20)
4.5.1二值图像区域标记 (21)
4.5.2二值图像的小区域消除 (22)
4. 6缺陷识别模块 (22)
第5章实验结果及分析 (25)
5.1实验数据 (25)
5.2实验分析 (26)
全文总结 (29)
参考文献 (30)
致谢 (32)
第1章引言
1.1研究背景及意义
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。机器视觉主要是采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。基于机器视觉技术的缺陷检测系统，由于其非接触检测测量，具有较高的准确度、较宽的光谱响应范围，可长时间稳定工作，节省大量劳动力资源，极大地提高了工作效率。可对工件表面的斑点、凹坑、划痕、色差、缺损等缺陷进行检测。所以，人工检测难以达到降低消耗、提高产品质量的目的，采用机器视觉的表面缺陷检测成为迫切需要。
针对这种现状，课题组决定自行开发工件表面缺陷在线检测系统，确保各类缺陷及时准确检出，从根本上解决人工检测效率低、精度低的问题，同时，还可以降低原材料消耗、能耗和人力成本，该课题还可以推广到其他需要表面质量检测的行业中，如印刷、包装等行业，因此具有重要的实际应用价值和现实意义。
然而,本课题要对各种形状、不同大小的金属片在线检测,必然对检测方法和处理速度有很高的要求,图像处理与模式识别领域中的许多新算法目前很难应用到实际工程项目中。因此,机器视觉技术在这类在线检测任务中的应用,仍然是一个难题。本论文的目标就是以己有的图像处理理论为基础,通过大量的实际实验,设计适合本产品表面缺陷检测的算法。
1.2国内外研究现状
在国外，机器视觉的应用主要体现在半导体及电子行业，其中大概40%-50%都集中在半导体行业。具体如PCB印刷电路：各类生产印刷电路板组装技术、设备，单、双面、多层线路板，覆铜板及所需的材料及辅料；辅助设施以及耗材、油墨、药水药剂、配件；电子封装技术与设备；丝网印刷设备及丝网周边材料等。再流焊机、波峰焊机及自动化生产线设备。电子生产加工设备：电子元件制造设备、半导体及集成电路制造设备、元器件成型设备、电子工模具。机器视觉系统还在质量检测的各个方面已经得到了广泛的应用，并且其产品在应用中占据着举足轻重的地位。除此之外，机器视觉还用于其他各个领域。
而在中国，以上行业本身就属于新兴的领域，再加之机器视觉产品技术的普及不够，导致以上各行业的应用几乎空白，即便是有，也只是低端方面的应用。目前在我国随着配套基础建设的完善，技术、资金的积累、各行各业对采用图像
和机器视觉技术的工业自动化、智能化需求开始广泛出现，国内有关大专院校、研究所和企业近两年在图像和机器视觉技术领域进行了积极思索和大胆的尝试，逐步开始了工业现场的应用。其主要应用于制药、印刷、矿泉水瓶盖检测等领域。真正高端的应用还很少，因此，以上相关行业的应用空间还比较大。当然，其他领域如指纹检测等等领域也有着很好的发展空间。
第2章图像技术及机器视觉简介
2.1图像处理技术
机器视觉系统中，视觉信息的处理技术主要依赖于图像处理方法，它包括图像增强、数据编码和传输、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容。经过这些处理后，输出图像的质量得到相当程度的改善，既改善了图像的视觉效果，又便于计算机对图像进行分析、处理和识别。
2.1.1图像和数字图像
从广义上说，图像是自然界景物的客观反映，是人类认识世界和人类本身的重要源泉。图像对我们并不陌生。它是用各种观测系统以不同形式和手段观测客观世界而获得的，可以直接或间接作用于人眼并进而产生视知觉的实体。人的视觉系统就是一个观测系统，通过它得到的图像就是客观景物在人眼中形成的影像。图像信息不仅包含光通量分布，而且也还包含人类视觉的主观感受。随着计算机技术的迅速发展，人们还可以人为地创造出色彩斑斓、千姿百态的各种图像。
客观世界在空间上是三维(3-D)的，但一般从客观景物得到的图像是二维(2-D)的。一幅图像可以用一个2-D数组?（x，y）来表示，这里x和y表示2-D空间XY中一个坐标点的位置，而?代表图像在点(x，y)的某种性质F的数值。例如常用的图像一般是灰度图，这时?表示灰度值，它常对应客观景物被观察到的亮度值。
常见图像是连续定义的，即?、x、y的值可以是任意实数。为了能用数字计算机对图像进行加工处理，需要把连续的图像在坐标空间XY和性质空间F都进行离散化。这种离散化了的图像就是数字图像，可以用I(r，c)来表示。这里I代表离散化后的?，(r，c)代表离散化后的(x，y)，这里I、e、r的值都是整数。本文以后主要讨论数字图象，依据我们的习惯用?(x，y)代表数字图像，?、x、y 都在整数集合中取值。
2.1.2图像技术和图像工程
图像技术在广义上是各种与图像有关的技术的总称。目前人们主要研究的是数字图象，主要应用的是计算机图像技术。这包括利用计算机和其它电子设备进行和完成的一系列工作，例如图像的采集、获取、编码、存储和传输，图像的合成和产生，图像的显示和输出，图像的变换、增强、恢复（复原）和重建，图像的分割，目标的检测、表达和描述，特征的提取和测量，序列图像的校正，3-D 景物的重建复原，图像数据库的建立、索引和抽取，图像的分类、表示和识别，图像模型的建立和匹配，图像和场景的解释和理解，以及基于它们的判断决策和行为规划等等。另外，图像技术还可包括为完成上述功能而进行的硬件设计及制
作等方面的技术
由于图像技术近年来得到极大的重视和长足的进展，出现了许多新理论、新方法、新算法、新手段、新设备。图像工作者普遍认为需对图像和图像处理技术进行综合研究和应用，这个工作的框架就形成了图像工程。图像工程学科是将数学、光学等基础科学的原理，结合在图像应用中积累的技术经验而发展起来的。
图像工程的内容非常丰富，根据抽象程度和研究方法等的不同可分为三个层次：图象处理、图象分析和图像理解。图象处理着重强调在图像之间进行的变换。图象分析则主要是对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息从而建立对图像的描述。图像理解的重点是在图象分析的基础上，进一步研究图像中各目标的性质和它们之间的相互联系，并得出对图像内容含义的理解以及对原来客观场景的解释，从而指导和规划行为。
由上所述，图象处理、图象分析和图像理解是处在三个抽象程度和数据量各有特点的不同层次上。图象处理是比较低层的操作，它主要在图像像素级别上进行处理，处理的数据量非常大。图象分析则进入了中层，分割和特征提取把原来以像素描述的图像转变成比较简洁的非图形式的描述。图像理解主要是高层操作，基本上是对从描述抽象出来的符号进行运算，其处理过程和方法与人类的思维推理可以有许多类似之处。
2.2数字图像处理系统
2.2.1图像处理和分析系统
一个基本的图像（处理和分析）系统构成的各模块都有特定的功能，分别是采集、显示、存储、通信、处理和分析。为完成各自的功能每个模块都需一些特定的设备。图像采集可采用CCD的照相机、带有视像管的视频摄像机和扫描仪等。图象显示可用电视显示器、随机读取阴极射线管和各种打印机等。图像存储可采用磁带、磁盘、光盘和磁光盘等。图像通信可借助综合业务网、计算机局网，甚至普通电话网等。最后，图象处理和分析主要是运算，所使用的设备主要是计算机。以下对各模块的简介。
2.2.2图像采集模块
采集数字图象需要两种装置。一种是对某个电磁能量谱波段敏感的物理器件，它能产生与所接受到的电磁能量成正比的模拟电信号。另一种称为数字化器，它能将上述模拟电信号转化为数字离散的形式。下面介绍这两种装置的常用器件。
固态阵列是由称为感光基元的离散硅成像元素构成的。这样的感光基元能产生与所接受的输入光强成正比的输出电压。固态阵列中主要元件是电荷藕合器件CCD。这个传感器由一行感光基元，两个定时的将感光基元中的内容传给传输寄
存器的传输门，以及一个定时的将传输寄存器中的内容传给放大器的输出门构成。放大器输出的电压信号与感光基元行的内容成比例。电荷藕合平面阵列的工作原理与线阵相似，但感光基元排列成一个矩阵形式并由传输门和平面扫描图像显示模块的结果主要用于显示给人看。对图象分析来说，分析的结果也可以解析系统的主要显示设备是电视显示器。输入显示器的图象也可以通过硬拷控制。在每个偏转位置，电子枪束的强度的一种简便方法是利用标准输寄存器隔开。先将奇数列感光基元的内容顺序送进垂直传输寄存器，然后再送进水平传输寄存器。把水平传输寄存器的内容送进放大器就得到1帧隔行的视频信号。对偶数列感光基元重复以上过程就可得到另1帧隔行的视频信号。将2帧合起来就得到隔行扫描电视的1场(?)。现在常用的线扫描CCD一般有512到4096个象素或更多，而4096 X 4096个象素的扫描CCD也已在使用。
2.2.3图像的数据编码和传输
数字图像的数据量是相当庞大的，一幅512 X 512个像素的数字图像的数据量为256K字节，若假设每秒传输25帧图像，则传输的信道速率为52.4M比特/秒。高信道速率意味着投资高普及难度。因此，传输过程中，对图像数据进行压缩显得非常重要。数据的压缩主要通过图像数据的编码和变换压缩完成。
图像数据编码一般采用预测编码，即将图像数据的空间变化规律和序列变化规律用一个预测公式表示，如果知道了某一像素的前面各相邻像素值之后，可以用公式预测该像素值。采用预测编码，一般只需传输图像数据的起始值和预测误差，因此可将8比特/像素压缩到2比特/像素。
变换压缩方法是将整幅图像分成一个个小的(取8 X 8或16 X 16)数据块，再将这些数据块分类、变换、量化，从而构成自适应的变换压缩系统。该方法可将一幅图像的数据压缩到为数不多的几十个特传输，在接收端再变换回去即可。
对图像的处理和分析一般可用算法的形式描述，而大多数的算法可以用软件实现，只有在为了提高速度或克服通用计算机限制的情况下才用特制的硬件。进入90年代尤其是21世纪后，人们设计了各种与工业标准总线兼容的可以插入微机或工作站的图像卡。这不仅减少了成本，也促进了图象处理和分析专用软件的发展。这些图像卡包括用于图象数字化和临时存储的图像采集卡，用于以视频速度进行算术和逻辑运算的算术逻辑单元，以及前面提到的帧缓存。图象处理和分析中的一个重要事实是对特殊的问题需要特殊的解决方法。
2.3机器视觉技术
2.3.1机器视觉技术简介
机器视觉是一个相当新兴的研究领域。机器视觉发展到现在已有15年的历史。机器视觉作为一种应用系统，其功能特点是随着工业自动化的发展而逐渐完
善和发展的。人们从20世纪50年代开始研究二维图像的统计模式识别，60年代Roberts始进行三维机器视觉的研究，70年代中，MIT人工智能实验室正式开设机器视觉课程，80年代开始，开始了全球性的研究热潮，机器视觉获得了蓬勃发展，新概念、新理论不断涌现。
2.3.2机器视觉系统的概念、组成及特点
机器视觉是将图像处理、计算机图形学、模式识别、计算机技术、人工智能等众多学科高度集成和有机结合，而形成的一门综合性的技术。一般地说，机器视觉是研究计算机或其他处理器模拟生物宏观视觉功能的科学和技术，也就是用机器代替人眼来做测量和判断。
机器视觉系统的组成如图2-1。有照明部分、图像获取部分、图像显示部分和图像处理部分。一般采用CCD摄像头摄取检测图像并转化为数字信号，再对图像数字信号进行处理，从而得到所需要的各种目标图像特征值，并由此实现模式识别、坐标计算、灰度分布图等多种功能。然后再根据其结果显示图像，输出数据，发出指令，配合执行机构完成位置调整，好坏筛选，数据统计等自动化流程。
图2-1 机器视觉系统构成
机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视易于实现信息集成，是实现计算机集成制造的基础技术。因此，在现代自动化生产过程中，人们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。
有不少学科的研究目标与机器视觉相近或者相关，这些学科中包括图像处理、模式识别或图像识别、图像理解等。由于历史发展或领域本身的特点，这些学科有某种程度的相互重叠。但是，机器视觉与其他学科又有着一定的区别，其
特点是：
1、综合技术
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、强调工业可靠性
机器视觉强调工业现场环境下的可靠性，要求能够适应工业生产中恶劣的环境，有较高的容错能力和安全性，不会破坏工业产品。
3、强调实用性
机器视觉强调实用性，要求有合理的性价比，要有通用的工业接口，能够由普通工作来操作，必须有较强的通用性和可移植性。
4、要求高速度和高精度
由于机器视觉通常要求高速度和高精度，数字图像处理中的许多新算法目前还难以应用。因此，机器视觉技术在工业生产中的实际应用速度远远滞后于图像处理理论的发展速度。
2.4机器视觉系统的应用及发展动向
2.4.1机器视觉检测应用
机器视觉系统在高速、细微和重复的制造过程中显得非常可靠，因此被广泛用于加工制造企业，完成大批量生产过程中的重复性检测任务。机器视觉在质量检测方面的应用占整个工业应用的近80%，其中最大的应用行业为：汽车、制药、电子与电气、制造、包装、食品、饮料等。机器视觉检测是非接触无损检测，与传统的检测手段相比，它具有不可替代的优越性，因而得到了广泛的应用。利用线阵CCD配合包装盒的一维运动获取目标图像，然后由计算机对图像进行处理，可以检测日期编号等信息的遗漏和正确与否；以频闪光作为照明光源，利用面阵或者线阵CDC作为螺纹钢外形轮廓尺寸的探测器件，实现热轧螺纹钢几何参数在线测量；在各种产品表面缺陷检测方面应用也很多。
2.4.2机器视觉系统的发展动向
近年来计算机视觉(即机器视觉)的发展大致表现在以下三个方面：
1、基于几何方法的计算机视觉计算理论体系已臻于完整计算机视觉的研究目标之一是使机器能感知三维环境中物体的几何信息，包括它的形状、位置、姿态、运动等。20世纪90年代中期以来，计算机视觉界将对应与射影几何、仿射几何、欧几里得几何的描述，系统地引进视觉计算方法中，比较完美地对应为视觉系统中对物体由粗到细的描述，在计算机视觉系统中降低了对摄像系统参数了
解的要求，提高了系统对噪声的鲁棒性。
2、机器学习方法受到越来越多的关注模式识别的所有领域始终存在基于结构与基于统计的两大分支。如果说基于几何的计算机视觉主要通过几何，描述物体及其运动的三维结构，属于结构方法，已得到较系统的研究；而在计算机视觉中的统计方法除较好地用于图像的底层处理外，一直显得不完善更不用说系统化了。
3、针对众多特定领域的应用研究不断深入，较大规模的应用系统逐步走向商业化随着当前计算机的性能价格比飞速提高，众多特定领域的计算机实时应用系统的商业化已成为可能。如利用指纹、虹膜、人脸、语音等识别技术、行为识别技术与运动跟踪技术、多摄像机融合技术构成视觉监测系统，用于信息安全、智能交通、反恐防盗、身份鉴别等。
第3章 系统总体设计
本系统是由CCD 摄像头、照明系统、图像采集卡、机械装置、主控计算机等部件组成，图3-1为系统结构图。其工作过程是：首先将工件送到CCD 摄像头视场内；然后由成像系统和图像采集卡将图像采集到计算机内部；运用图像处理技术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得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工作原理。
1 2 3 4
6 1、CCD 摄像头及照明系统 2、图像采集卡 3、主控计算
机4、分类机构 5、工件 6、传送装置
图3-1 机器视觉系统结构图 3. 1 CCD 摄像头
CCD 是一种半导体成像器件，具有灵敏度高、抗强光、畸变小、体积小、寿命长，抗震动等优点。本系统采用的是国产MTV-1881EX 型号的黑白摄像头，它的工作方式是将被摄物体的图像经过镜头聚焦到CCD 芯片上，CCD 根据光的强弱积累相应比例的电荷，各个像素积累的电荷在视频时序的控制下，逐点外移，经视频捕捉卡滤波、放大处理，A/D 转换后形成视频信号输出。
3. 2图像采集卡
本系统采用的是大恒PCI-XR 视频捕捉卡，具有高品质的视频采集性能，具备高速PCI 总线，采集频率为3D 帧/秒，显示画面流畅不间断；显示分辨率640X 480。动态捕捉影像以静态图像方式存盘，提供BMP ，JPG ，TIP ，TGA 等多种存盘格式。其工作原理如图3-2所示：
图3-2 VIDEO-PCI-XR 图像采集片工作原理
四路复合视频输入经多路开关，软件选择其中一路作为当前输入，输出到A/D进行模/数变换，数字化的图像信号经各种图像处理后，利用PCI总线，传到V AG卡显示或计算机内存存储。由于要检测工件的两个表面，所以需要在硬件上使用两路视频输入，每路采集不同表面的图像。采样频率在一定范围内可调，满足不同场合的需求。
3.2.1视频输入信号及采样频率
凡符合PAL制式(625行，50场/秒)和NTSC制式(525行，60场/秒)的视频设备输出的图像信号均可作为该视频捕捉卡的输入源。在一般情况下，摄像机、录像机等视频设备均满足上述标准。采样频率在一定范围内可调，满足不同场合的需求。
3.2.2视频输入窗口和显示窗口
视频输入窗口是指数字化后的输入图像尺寸。在PAL制式，输入窗口最大尺寸为768 X 576。在NTCS制式为64 X 480。图像显示窗口是指在V AG显示器上显示的图像尺寸，其最大值不能超过输入图像窗口。当图像显示窗口小于视频输入窗口时，有两种方法可以采用。一种方法是减少视频输入窗口的大小，即重新设置起始行、终止行、起始列、终止列。使视频输入窗口与图像显示窗口相匹配。处理后的结果显示的仅是全部输入图像的一个局部，这种方法称为裁剪。另一种方法是采用对视频输入窗口采用抽点和抽行的方法减少其大小，即根据视频输入窗口和图像显示窗口的相对大小设置缩小比例系数，处理后的结果显示的是缩小的全部输入图像，这种方法称为比例缩小。也可以将两种方法结合起来，达到所需要的结果。
3. 3软件设计
本课题中的图像处理算法均采用Matlab程序语言实现模拟，Matlab提供一个高度集成的、集科学计算、程序设计和可视化归于一身的。
为了设计出实用有效的软件，必须按照软件工程的理论，进行充分的分阶段的分析和设计。采用模块化结构设计，其特点为：
1)可修改性。对模块内部的修改，对模块外部没有影响；增加或删除几个模块，不影响整个程序；
2)可读性。每个模块意义和职责明确，模块间的接口关系清楚，便于用户和设计人员进行系统代码的维护；
3)验证性。独立于其它模块，可单独验证一个模块的正确性，便于进行调试。采用模块化原理使软件结构清晰，容易阅读理解和维护。本系统中，按照算法要求设计了各子程序。
第4章 缺陷检测软件设计
由于本系统是一个完整、实时的缺陷检测系统，需要系统从原始图像采集到图像预处理、阈值选取、分割，再到模式识别，最后到缺陷种类分选整套过程有一个全面、整体的设计。系统主要有以下几个模块：图像实时采集模块、图像预处理模块、阈值选取模块、图像测量模块、缺陷检测模块、缺陷识别模块，其过程如图4-1所示。
图4-1 缺陷检测过程 4. 1图像实时采集模块
为了准确、及时获得图像的当前状态，需要不断地通过图像采集卡将CCD 摄像系统的图像信息直接读取到计算机内存，在计算机内存中进行其他的后续处理，如：图像滤波、图像测量、缺陷检测等等。
4. 2图像预处理模块
为去掉噪声对图像的于扰，要将刚采集的图像数据进行预处理，如：去除孤立点、平滑、滤波等；同时，还要对图像进行灰度调整，增加对比度，为后续的图像处理工作做准备，如图4-2所示。
图4-2 原始图像及灰度调整后图像
经过预处理后，图像的对比度增加，拉伸了图像灰度，表现在灰度直方图上就是峰与峰之间的距离加大，便于选取分割阈值及后续图像分割，如图4-3所示。
0 50 100 150 200 250 直方图 直方图
3000 2500 2000 1500 1000 500
0 0 50 100 150 200 250
3000
2500 2000 1500
1000
500
图4-3 灰度调整前及灰度调整后图像直方图
4. 3阈值选取模块
阈值的选取对于分割图像、提取缺陷信息至关重要，其方法也很多，本系统采取利用图像的灰度直方图来选取阈值，如图4-4所示。
4. 4图像测量模块
（1）工件尺寸和位置测量
根据阈值选取模块所计算的阈值分割图像，将图像二值化处理，便于图像整体信息的扫描，如图4-5所示。
图4-5 图像位置信息扫描
灰度值 直方图 0 50 100 150 200 250
0 50 100 150 200 250
直方图 6000 5000 4000 3000 2000 1000 0 6000 5000 4000
3000 2000 1000 0
灰度值
图4-6 扫描示意图
由图4-6所示，可列：
()()()()()()00,,/2
y ,,/2
从左到右从右到左从上到下从下到上=+=+x F i j F i j F i j F i j 那么，可得到工件的圆心坐标，其曲线分别如图5-7所示。
图由于在实际图像中存在噪声或者其他干扰，图像的背景并不是理想的那种单纯灰度级，所以在对整幅图像进行逐个像素扫描时，所检测到的图像信息也会存在干扰信息，即存在粗大误差，在图4-7中可以比较直观地显现。一旦发现含有粗大误差的测量值，应将其从测量结果中剔出。设被测量的真值为0L ，一系列
测得值为i l ，则测量列中的随机误差δi 为
0δ=-i i l L
式中1,2,,…=i n
0 100 200 300 400 500 600 700 800 图像宽（Y ）图像数据600 500
400 300
200 100 0 0 100 200 300 400 500 600 700 800 图像数据图像宽（Y ）
600 500 400 300 200 100 0
2.5
2
1.5
1
0.5
-0.5 正态分布的分布密度()δf 为：
2/(2)()δσδ-=f
式中σ —— 标准差（或均方根误差）；
e ——
图4-8 随机误差分布曲线
由此可知：σ值愈小，则σ的指数的绝对值愈大，因而()δ
f 减小得愈快，即曲线变陡。而σ值愈小，在
σ前面的系数值变大，即对应于误差为零（σ=0）的纵坐标也大，曲线变高。反之，
σ愈大，()δf 减小愈慢，曲线平坦，同时对应于误差为零的纵坐标也小，曲线变低。图
4-8中三个测量列所得的分布曲线不同，其标准差σ也不相同，且123σσσ<<。
在等精度测量列中，单次测量的标准差按下式计算：
σ====式中 n —— 测量次数(应充分大)；
δi —— 测得值与被测量的真值之差；
i l —— 测得值；
i v —— 测得值的残余误差(简称残差)；
x —— 测得值的平均值。
为了把扫描到的粗大误差去除掉，采用3σ准则来判断每个检测数据是否是存在误差。即
机器视觉基础知识详解 随着工业4.0时代的到来，机器视觉在智能制造业领域的作用越来越重要，为了能让更多用户获取机器视觉的相关基础知识，包括机器视觉技术是如何工作的、它为什么是实现流程自动化和质量改进的正确选择等。小编为你准备了这篇机器视觉入门学习资料。 机器视觉是一门学科技术，广泛应用于生产制造检测等工业领域，用来保证产品质量，控制生产流程，感知环境等。机器视觉系统是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，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，进而根据判别的结果来控制现场的设备动作。 机器视觉优势：机器视觉系统具有高效率、高度自动化的特点，可以实现很高的分辨率精度与速度。机器视觉系统与被检测对象无接触，安全可靠。人工检测与机器视觉自动检测的主要区别有：
为了更好地理解机器视觉，下面，我们来介绍在具体应用中的几种案例。 案例一：机器人+视觉自动上下料定位的应用： 现场有两个振动盘，振动盘1作用是把玩偶振动到振动盘2中，振动盘2作用是把玩偶从反面振动为正面。该应用采用了深圳视觉龙公司VD200视觉定位系统，该系统通过判断玩偶正反面，把玩偶处于正面的坐标值通过串口发送给机器人，机器人收到坐标后运动抓取产品，当振动盘中有很多玩偶处于反面时，VD200视觉定位系统需判断反面玩偶数量，当反面玩偶数量过多时，VD200视觉系统发送指令给振动盘2把反面玩偶振成正面。 该定位系统通过玩偶表面的小孔来判断玩偶是否处于正面，计算出玩偶中心点坐标，发送给机器人。通过VD200视觉定位系统实现自动上料，大大减少人工成本，大幅提高生产效率。 案例二：视觉检测在电子元件的应用： 此产品为电子产品的按钮部件，产品来料为料带模式，料带上面为双排产品。通过对每个元器件定位后，使用斑点工具检测产品固定区域的灰度值，来判断此区域有无缺胶情况。 该应用采用了深圳视觉龙公司的DragonVision视觉系统方案，使用两个相机及光源配合机械设备，达到每次检测双面8个产品，每分钟检测大约1500个。当出现产品不良时，立刻报警停机，保证了产品的合格率和设备的正常运行，提高生产效率。
基于机器视觉的工件识别和定位文献综述 1.前言 1.1工业机器人的现状与发展趋势 机器人作为一种最典型的应用范围广、技术附加值高的数字控制装备，在现代先进生产制造业中发挥的作用越来越重要，机器人技术的发展将会对未来生产和社会发展起到强有力的推动作用。《2l 世纪日本创建机器人社会技术发展战略报告》指出，“机器人技术与信息技术一样，在强化产业竞争力方面是极为重要的战略高技术领域。培育未来机器人产业是支撑2l 世纪日本产业竞争力的产业战略之一，具有非常重要的意义。” 研发工业机器人的初衷是为了使工人能够从单调重复作业、危险恶劣环境作业中解脱出来，但近些年来，工厂和企业引进工业机器人的主要目的则更多地是为了提高生产效率和保证产品质量。因为机器人的使用寿命很长，大都在10 年以上，并且可以全天后不间断的保持连续、高效地工作状态，因此被广泛应用于各行各业，主要进行焊接、装配、搬运、加工、喷涂、码垛等复杂作业。伴随着工业机器人研究技术的成熟和现代制造业对自动生产的需要，工业机器人越来越被广泛的应用到现代化的生产中。 现在机器人的价格相比过去已经下降很多，并且以后还会继续下降，但目前全世界范围的劳动力成本都有所上涨，个别国家和地区劳动力成本又很高，这就给工业机器人的需求提供了广阔的市场空间，工业机器人销量的保持着较快速度的增长。工业机器人在生产中主要有机器人工作单元和机器人工作生产线这两种应用方式，并且在国外，机器人工作生产线已经成为工业机器人主要的应用方式。以机器人为核心的自动化生产线适应了现代制造业多品种、少批量的柔性生产发展方向，具有广阔的市场发展前景和强劲生命力，已开发出多种面向汽车、电气机械等行业的自动化成套装备和生产线产品。在发达国家，机器人自动化生产线已经应用到了各行各业，并且已经形成一个庞大的产业链。像日本的FANUC、MOTOMAN，瑞典的ABB、德国的KUKA、意大利的COMAU 等都是国际上知名的被广泛用于自动化生产线的工业机器人。这些产品代表着当今世界工业机器人的最高水平。 我国的工业机器人前期发展比较缓慢。当将被研发列入国家有关计划后，发展速度就明显加快。特别是在每次国家的五年规划和“863”计划的重点支持下，我国机器人技术的研究取得了重大发展。在机器人基础技术和关键技术方面都取得了巨大进展，科技成果已经在实际工作中得到转化。以沈阳新松机器人为代表的国内机器人自主品牌已迅速崛起并逐步缩小与国际品牌的技术差距。 机器人涉及到多学科的交叉融合，涉及到机械、电子、计算机、通讯、控制等多个方面。在现代制造业中，伴随着工业机器人应用范围的扩大和机器人技术的发展，机器人的自动化、智能化和网络化的程度也越来越高，所能实现的功能也越来越多，性能越来越好。机器人技术的内涵已变为“灵活应用机器人技术的、具有实在动作功能的智能化系统。”目前，工业机器人技术正在向智能机器和智能系统的方向发展，其发展趋势主要为：结构的模块化和可重构化；控制技术的开放化、PC 化和网络化；伺服驱动技术的数字化和分散化；多传感器融合技术的实用化；工作环境设计的优化和作业的柔性化以及系统的网络化和智能化等方面。 1.2机器视觉在工业机器人中的应用 工业机器人是FMS（柔性加工）加工单元的主要组成部分，它的灵活性和柔性使其成为自动化物流系统中必不可少的设备，主要用于物料、工件的装卸、分捡和贮运。目前在全世界有数以百万的各种类型的工业机器人应用在机械制造、零件加工和装配及运输等领域，
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
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
机器视觉检测 一、概念 视觉检测是指通过机器视觉产品（即图像摄取装置，分 CMOS 和CCD 两种）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，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，进而根据判别的结果来控制现场的设备动作。 机器视觉检测的特点是提高生产的柔性和自动化程度。 2、典型结构 五大块：照明、镜头、相机、图像采集卡、软件 1.照明 照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。目前没有通用的照明设备，具体应用场景选择相应的照明装置。照射方法可分为： 分类具体说明优点 背向照明被测物放在光源和摄像机之 间能获得高对比度的图像 前向照明光源和摄像机位于被测物的 同侧 便于安装 结构光将光栅或线光源等投射到被 测物上，根据它们产生的畸 变，解调出被测物的三维信 息 频闪光照明将高频率的光脉冲照射到物
体上，摄像机拍摄要求与光 源同步 2.镜头 镜头的选择应注意以下几点：焦距、目标高度、影像高度、放大倍数、影响至目标的距离、中心点/节点、畸变。 3.相机 按照不同标准可分为：标准分辨率数字相机和模拟相机等。 要根据不同的实际应用场合选不同的相机和高分辨率相机：线扫描CCD 和面阵CCD；单色相机和彩色相机。 为优化捕捉到的图像，需要对光圈、对比度和快门速度进行调整。 4.图像采集卡 图像采集卡是图像采集部分和图像处理部分的接口。将图像信号采集到电脑中，以数据文件的形式保存在硬盘上。通过它，可以把摄像机拍摄的视频信号从摄像带上转存到计算机中。 5.软件 视觉检测系统使用软件处理图像。软件采用算法工具帮助分析图像。视觉检测解决方案使用此类工具组合来完成所需要的检测。是视觉检测的核心部分，最终形成缺陷的判断并能向后续执行机构发出指令。常用的包括，搜索工具，边界工具，特征分析工具，过程工具，视觉打印工具等。 3、关键——光源的选择 1.光源选型基本要素： 对比度机器视觉应用的照明的最重要的任务就是使需要被观察的特征与需要被忽略的图像特征之间产生最大的对比度，从而易于特
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
机器视觉入门知识详解 随着工业4.0时代的到来，机器视觉在智能制造业领域的作用越来越重要，为了能让更多用户获取机器视觉的相关基础知识，包括机器视觉技术是如何工作的、它为什么是实现流程自动化和质量改进的正确选择等。小编为你准备了这篇机器视觉入门学习资料。 机器视觉是一门学科技术，广泛应用于生产制造检测等工业领域，用来保证产品质量，控制生产流程，感知环境等。机器视觉系统是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，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，进而根据判别的结果来控制现场的设备动作。 机器视觉优势：机器视觉系统具有高效率、高度自动化的特点，可以实现很高的分辨率精度与速度。机器视觉系统与被检测对象无接触，安全可靠。人工检测与机器视觉自动检测的主要区别有：
为了更好地理解机器视觉，下面，我们来介绍在具体应用中的几种案例。 啤酒厂采用的填充液位检测系统为例来进行说明： 当每个啤酒瓶移动经过检测传感器时，检测传感器将会触发视觉系统发出频闪光，拍下啤酒瓶的照片。采集到啤酒瓶的图像并将图像保存到内存后，视觉软件将会处理或分析该图像，并根据啤酒瓶的实际填充液位发出通过-未通过响应。如果视觉系统检测到一个啤酒瓶未填充到位，即未通过检测，视觉系统将会向转向器发出信号，将该啤酒瓶从生产线上剔除。操作员可以在显示屏上查看被剔除的啤酒 瓶和持续的流程统计数据。
机器人视觉引导玩偶定位应用： 现场有两个振动盘，振动盘1作用是把玩偶振动到振动盘2中，振动盘2作用是把玩偶从反面振动为正面。该应用采用了深圳视觉龙公司VD200视觉定位系统，该系统通过判断玩偶正反面，把玩偶处于正面的坐标值通过串口发送给机器人，机器人收到坐标后运动抓取产品，当振动盘中有很多玩偶处于反面时，VD200视觉定位系统需判断反面玩偶数量，当反面玩偶数量过多时，VD200视觉系统发送指令给振动盘2把反面玩偶振成正面。 该定位系统通过玩偶表面的小孔来判断玩偶是否处于正面，计算出玩偶中心点坐标，发送给机器人。通过VD200视觉定位系统实现自动上料，大大减少人工成本，大幅提高生产效率。 视觉检测在电子元件的应用：
《机器视觉与智能检测创新实践》课程设计报告 题目：基于可见光红外光图像的处理 班级： 姓名： 学号： 指导老师： 日期：
一、实验目的 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（即图像摄取装置，分CMOS和CCD两种）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，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，进而根据判别的结果来控制现场的设备动作。本实验的目的就是通过学生自身动手实验，使学生对机器视觉系统及图像处理有一定的认识。同时加深学生的动手能力和培养学生的创新能力。 二、实验设备 机器视觉实验平台，计算机，Matlab软件等 三、实验任务 （1）对采集的近红外图像进行增强、分割和细化（自己挑选成像效果较好的手背或手掌的近红外图像） 1、了解增强、分割和细化等处理的概念和效果并编程实现增强、分割和细化； 2、分别比较不同增强、分割和细化方法的优劣 （2）对采集到的可见光手掌图像进行分割得到手掌及手指的轮廓。
四、相关概念介绍 1、光谱 光谱是复色光经过色散系统（如棱镜、光栅）分光后，被色散开的单色光按波长（或频率）大小而依次排列的图案，如图1所示。 光波是由原子内部运动的电子产生的。各种物质的原子内部电子的运动情况不同，所以它们发射的光波也不同。研究不同物质的发光和吸收光的情况，有重要的理论和实际意义，已成为一门专门的学科——光谱学。 图1 可见光的光谱图 种类：发射光谱物体发光直接产生的光谱叫做发射光谱。发射光谱有两种类型：连续光谱和明线光谱。 连续分布的包含有从红光到紫光各种色光的光谱叫做连续光谱。炽热的固体、液体和高压气体的发射光谱是连续光谱。例如电灯丝发出的光、炽热的钢水发出的光都形成连续光谱。 只含有一些不连续的亮线的光谱叫做明线光谱。明线光谱中的亮线叫做谱线，各条谱线对应于不同波长的光。稀薄气体或金属的蒸气的发射光谱是明线光谱。明线光谱是由游离状态的原子发射的，所以也叫原子光谱。
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
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
解读机器视觉系统解析及优缺点 在现代工业自动化生产中，涉及到各种各样的检验、生产监视及零件识别应用，例如零配件批量加工的尺寸检查，自动装配的完整性检查，电子装配线的元件自动定位，IC上的字符识别等。通常人眼无法连续、稳定地完成这些带有高度重复性和智能性的工作，其它物理量传感器也难有用武之地。 由此人们开始考虑利用光电成像系统采集被控目标的图像，而后经计算机或专用的图像处理模块进行数字化处理，根据图像的像素分布、亮度和颜色等信息，来进行尺寸、形状、颜色等的判别。这样，就把计算机的快速性、可重复性，与人眼视觉的高度智能化和抽象能力相结合，由此产生了机器视觉的概念。 一个成功的机器视觉系统是一个经过细致工程处理来满足一系列明确要求的系统。当这些要求完全确定后，这个系统就设计并建立来满足这些精确的要求。 机器视觉的优点包括以下几点： ■精度高 作为一个精确的测量仪器，设计优秀的视觉系统能够对一千个或更多部件的一个进行空间测量。因为此种测量不需要接触，所以对脆弱部件没有磨损和危险。 ■连续性 视觉系统可以使人们免受疲劳之苦。因为没有人工操作者，也就没有了人为造成的操作变化。多个系统可以设定单独运行。 ■成本效率高 随着计算机处理器价格的急剧下降，机器视觉系统成本效率也变得越来越高。一个价值10000美元的视觉系统可以轻松取代三个人工探测者，而每个探测者每年需要20000美元的工资。另外，视觉系统的操作和维持费用非常低。 ■灵活性 视觉系统能够进行各种不同的测量。当应用变化以后，只需软件做相应变化或者升级以适应新的需求即可。 许多应用满意过程控制（SPC）的公司正在考虑应用机器视觉系统来传递持续的、协调的和精确的测量SPC命令。在SPC中，制造参数是被持续监控的。整个过程的控制就是要保证这些参数在一定的范围内。这使制造者在生产过程失去控制或出现坏部件时能够调节过程参数。 机器视觉系统比光学或机器传感器有更好的可适应性。它们使自动机器具有了多样性、灵活性和可重组性。当需要改变生产过程时，对机器视觉来说“工具更换”仅仅是软件的变换而不是更换昂贵的硬件。当生产线重组后，视觉系统往往可以重复使用 机器视觉系统的构成 机器视觉技术用计算机来分析一个图像，并根据分析得出结论。现今机器视觉有两种应用。机器视觉系统可以探测部件，在此光学器件允许处理器更精确的观察目标并对哪些部件可以通过哪些需要废弃做出有效的决定；机器视觉也可以用来创造一个部件，即运用复杂光学器件和软件相结合直接指导制造过程。 尽管机器视觉应用各异，但都包括以下几个过程；
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
机器视觉检测技术的典型应用 机器视觉工业检测系统就其检测性质和应用范围而言，分为定量和定性检测两大类，每类又分为不同的子类。机器视觉在工业在线检测的各个应用领域十分活跃，如：印刷电路板的视觉检查、钢板表面的自动探伤、大型工件平行度和垂直度测量、容器容积或杂质检测、机械零件的自动识别分类和几何尺寸测量等。此外，在许多其它方法难以检测的场合，利用机器视觉系统可以有效地实现。机器视觉的应用正越来越多地代替人去完成许多工作，这无疑在很大程度上提高了生产自动化水平和检测系统的智能水平。 机器视觉在质量检测中的应用实例 机器视觉系统在质量检测的各个方面得到了广泛的应用，例如：采用激光扫描与CCD探测系统的大型工件平行度、垂直度测量仪，它以稳定的准直激光束为测量基线，配以回转轴系，旋转五角标棱镜扫出互相平行或垂直的基准平面，将其与被测大型工件的各面进行比较。在加工或安装大型工件时，可用该认错器测量面间的平行度及垂直度。 以频闪光作为照明光源，利用面阵和线阵CCD作为螺纹钢外形轮廓尺寸的探测器件，实现热轧螺纹钢几何参数在线测量的动态检测系统。 视觉技术实时监控轴承的负载和温度变化，消除过载和过热的危险。将传统上通过测量滚珠表面保证加工质量和安全操作的被动式测量变为主动式监控。 用微波作为信号源，根据微波发生器发出不同波涛率的方波，测量金属表面的裂纹，微波的波的频率越高，可测的裂纹越狭小。 总之，类似的实用系统还有许多，这里就不一一概述了。下面我们较详细地介绍三个实用机器视觉系统。 基于机器视觉的仪表板总成智能集成测试系统 EQ140-II汽车仪表板总成是我国某汽车公司生产的仪表产品，仪表板上安装有速度里程表、水温表、汽油表、电流表、信号报警灯等，其生产批量大，出厂前需要进行一次质量终检。检测项目包括：检测速度表等五个仪表指针的指示误差；检测24个信号报警灯和若干照明9灯是否损坏或漏装。一般采用人工目测方法检查，误差大，可靠性差，不能满足自动化生产的需要。基于机器视觉的智能集成测试系统，改变了这种现状，实现了对仪表板总成智能化、全自动、高精度、快速质量检测，克服了人工检测所造成的各种误差，大大提高了检测效率。 整个系统分为四个部分：为仪表板提供模拟信号源的集成化多路标准信号源、具有图像信息反馈定位的双坐标CNC系统、摄像机图像获取系统和主从机平行处理系统。 金属板表面自动控伤系统 金属板如大型电力变压器线圈扁平线收音机蒙胧皮等的表面质量都有很高的要求，但原始的采用人工目视或用百分表加控针的检测方法不仅易受主观因素的影响，而且可能会绘被
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.
2011/9/21
https://www.doczj.com/doc/7c5918866.html,
第一讲 视觉检测概述
1.1什么是计算机视觉
机器视觉与智能检测
华南理工大学 2011.09
1.2什么是视觉检测技术 1.3视觉检测的作用 1.4视觉检测的特点
https://www.doczj.com/doc/7c5918866.html,
https://www.doczj.com/doc/7c5918866.html,
1.1?什么是计算机视觉
外部信息感知：耳朵 鼻子 舌头 皮肤 眼睛 听觉 嗅觉 味觉 触觉 视觉（80%） 计算机视觉：利用计算机模拟生物宏观视觉功能的科学 创建数字图像 恢复现实模型 认知现实世界 起源：50年代—模式识别：二维灰度图像的分析与识别 发展：60年代—Roberts三维机器视觉 70年代—Marr视觉计算理论 计算理论、表示与算法、硬件实现 80年代—蓬勃发展，新概念，新方法，新理论
1.2?什么是视觉检测
视觉检测：利用计算机视觉技术实现目标参数的自动检测 光学成像技术 图像获取和存储 视觉 检测 技术
数字 目标 图像
光源 镜头 图像 卡 视觉 算法 视觉 算法 计算机 算法
数字图像处理
特征
模式识别技术
识别
信息处理技术
处理、控制
https://www.doczj.com/doc/7c5918866.html,
https://www.doczj.com/doc/7c5918866.html,
1.2?什么是视觉检测
视觉检测与其他学科的关系 图像处理 模式识别 计算机视觉 视觉检测
图像 图像 目标 目标
滤波、增强、复原 分割、细化，压缩 识别 提取 采集
1.3?视觉检测的作用
智能 判断 视觉 检测 参数 测量
美国国家标准局：未来检测任务的90% 有无：生产件零件计数、外包装喷码 方位：电子元件焊接 缺陷：产品包装损害、零件缺陷 匹配：染色体配对、目标相关性检验 匹配：染色体配对 目标相关性检验 识别：数字、字符、标记、目标 尺寸：长度、角度、形状 位置：零件位置公差、元件定位、三坐标 颜色：药液品质检测、油漆速度、纺织品 灰度：玻璃制品透明度、液体浑浊度 领域： 工业、交通，三航、军事、医学、安防
图像
特征
图像 处理
图像
图像
模式 图像 特征 信息 识别 分析
计算机视觉
信息
测量数据处理
测量结果
计算机图形学 数字
计算、重构、生成
图像
1
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。
机器视觉基础知识详解 随着工业4、0时代的到来,机器视觉在智能制造业领域的作用越来越重要,为了能让更多用户获取机器视觉的相关基础知识,包括机器视觉技术就是如何工作的、它为什么就是实现流程自动化与质量改进的正确选择等。小编为您准备了这篇机器视觉入门学习资料。 机器视觉就是一门学科技术,广泛应用于生产制造检测等工业领域,用来保证产品质量,控制生产流程,感知环境等。机器视觉系统就是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,根据像素分布与亮度、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,进而根据判别的结果来控制现场的设备动作。 机器视觉优势:机器视觉系统具有高效率、高度自动化的特点,可以实现很高的分辨率精度与速度。机器视觉系统与被检测对象无接触,安全可靠。人工检测与机器视觉自动检测的主要区别有: 为了更好地理解机器视觉,下面,我们来介绍在具体应用中的几种案例。 案例一:机器人+视觉自动上下料定位的应用:
现场有两个振动盘,振动盘1作用就是把玩偶振动到振动盘2中,振动盘2作用就是把玩偶从反面振动为正面。该应用采用了深圳视觉龙公司VD200视觉定位系统,该系统通过判断玩偶正反面,把玩偶处于正面的坐标值通过串口发送给机器人,机器人收到坐标后运动抓取产品,当振动盘中有很多玩偶处于反面时,VD200视觉定位系统需判断反面玩偶数量,当反面玩偶数量过多时,VD200视觉系统发送指令给振动盘2把反面玩偶振成正面。 该定位系统通过玩偶表面的小孔来判断玩偶就是否处于正面,计算出玩偶中心点坐标,发送给机器人。通过VD200视觉定位系统实现自动上料,大大减少人工成本,大幅提高生产效率。 案例二:视觉检测在电子元件的应用: 此产品为电子产品的按钮部件,产品来料为料带模式,料带上面为双排产品。通过对每个元器件定位后,使用斑点工具检测产品固定区域的灰度值,来判断此区域有无缺胶情况。 该应用采用了深圳视觉龙公司的DragonVision视觉系统方案,使用两个相机及光源配合机械设备,达到每次检测双面8个产品,每分钟检测大约1500个。当出现产品不良时,立刻报警停机,保证了产品的合格率与设备的正常运行,提高生产效率。 案例三:啤酒厂采用的填充液位检测系统案例: