２０１】年２月 第３０卷第２期 洛阳师范学院学报 Ｊｏｕｒｎａｌ ｏｆ Ｌｕｏｙａｎｇ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ Ｆｅｂ．．２０１１ Ｖ０Ｊ．３Ｏ Ｎｏ．２
基于机器视觉技术的物体表面缺陷检测
何小利 ，宋 钰２
（１．￣３ｆｌＮＩ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；物体袁面；缺陷检测
中图分类号：ＴＰ３９３ 文献标识码：Ａ 文章编号：１００９—４９７０．（２０１１）０２—００６４—０５
０ 引 言 检测出划痕并显示其结果（见图 ）・
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
第２３卷第５期 ２０１６年１０月 莆田学院学报
Ｊｏｕｒｎａｌ ｏｆ Ｐｕｔ ｉａｎ Ｕｎｉｖｅｒｓｉｔｙ Ｖｂ１．２３ ＮＯ．５
０ｃｔ．２０１６
文章编号：１６７２．４１４３（２０１６）０５．００４３．０５ 中图分类号：ＴＰ３９１．４１；ＳＴ８１．１
基于机器视觉的板材表面缺陷检浈ＩＪ方法
郑志霞 ，黄元庆 ，冯勇建 文献标识码：Ａ
（１．莆田学院机电工程学院，福建莆田３５１１００；２．厦门大学航空航天学院，福建厦门３６１００５）
摘 要：基于机器视觉技术对板材表面缺陷检测进行研究，设计了在线检测的硬件系统和软件处理流程，介
绍了图像预处理、图像分割和目标提取等处理方法并对缺陷图像进行相应处理。利用ｃ撑软件对板材缺陷在线 检测进行人机交互界面设计和在线调试及在线检测。实验结果表明，本检测方法可行，误检率低，可很好地应 用于木材自动化生产过程的在线检测。
关键词：机器视觉；表面缺陷；在线检测；数字图像处理
Ｒｅｓｅａｒｃｈ ｏｎ Ｗｏｏｄ Ｓｕｒｆａｃｅ Ｄｅｔｅｃｔｉｏｎ Ｂａｓｅｄ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ
ＺＨＥＮＧ Ｚｈｉｘｉａ ，ＨＵＡＮＧ Ｙｕａｎｑｉｎｇ２，ＦＥＮＧ Ｙｏｎｇｊｉａｎ２
（１．Ｓｃｈｏｏｌ ｏｆＭｅｃｈａｎｉｃａｌ ａｎｄ Ｅｌｅｃｔｒｏｎｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｐｕｔｉａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｐｕｔｉａｎ Ｆｕｊｉａｎ ３５１１００，Ｃｈｉｎａ； ２．Ｓｃｈｏｏｌ ｏｆＡｅｒｏｓｐａｃｅ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｘｉａｍｅｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉａｍｅｎ Ｆｕｊｉａｎ ３６１００５，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｈｉｓ ｐａｐｅｒ ｐｒｅｓｅｎｔｓ ａ ｓｔｕｄｙ ｉｎｔｏ ｂｏａｒｄ ｓｕｒｆａｃｅ ｄｅｆｅｃｔ ｄｅｔｅｃｔｉｏｎ ｂａｓｅｄ ｏｎ ｍａｃｈｉｎｅ ｖｉｓｍｎ ｔｅｃｈｎｏｌｏｇｙ．
Ｏｎ—ｌｉｎｅ ｄｅｔｅｃｔｉｏｎ ｈａｒｄｗａｒｅ ｓｙｓｔｅｍ ａｎｄ ｓｏｆｔｗａｒｅ ｐｒｏｃｅｓｓｉｎｇ ｐｒｏｃｅｄｕｒｅ ｗｅｒｅ ｄｅｓｉｇｎｅｄ ｉｎ ｔｈｅ ｓｔｕｄｙ．Ｔｈｉｓ ｐａｐｅｒ ａｌｓｏ ｄｅｓｃｒｉｂｅｄ ｉｍａｇｅ ｐｒｅｐｒｏｃｅｓｓｉｎｇ，ｉｍａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ，ａｎｄ ｏｂｊｅｃｔ ｅｘｔｒａｃｔｉｏｎ ｔｅｃｈｎｉｑｕｅｓ ａｎｄ ｃｏｖｅｒｅｄ ａｐｐｒｏｐｒｉａｔｅ ｐｒｏｃｅｓｓｉｎｇ ｏｆ ｄｅｆｅｃｔ ｉｍａｇｅｓ．Ｃ ｓｏｆｔｗａｒｅ ｗａｓ ｕｔｉｌｉｚｅｄ ｔｏ ｄｅｖｅｌｏｐ ＭＭＩ ｉｎｔｅｒｆａｃｅｓ ｆｏｒ ｏｎ—ｌｉｎｅ ｂｏａｒｄ ｓｕｒｆａｃｅ ｄｅｆｅｃｔ ｄｅｔｅｃｔｉｏｎ．Ｏｎ－ｌｉｎｅ ｄｅｂｕｇｇｉｎｇ ａｎｄ ｏｎ—ｌｉｎｅ ｄｅｔｅｃｔｉｏｎ ｗｅｒｅ ｃａｒｒｉｅｄ ｏｕｔ．Ｉｔ ｈａｓ ｂｅｅｎ ｐｒｏｖｅｎ ｂｙ ｅｘｐｅｒｉｍｅｎｔａｔｉｏｎ ｔｈａｔ ｔｈｉｓ ｄｅｔｅｃｔｉｏｎ ａｐｐｒｏａｃｈ ｗａｓ ｆｅａｓｉｂｌｅ ａｎｄ ｒｅｇｉｓｔｅｒｅｄ ａ ｌｏｗ ｅｒｒｏｒ ｄｅｔｅｃｔｉｏｎ ｒａｔｅ，ａｎｄ ｍａｙ
龙源期刊网
基于机器视觉的金属表面缺陷检测方法研究
作者：翟伟良 李有煊 黄浩湄 黄茂发 陈俊杰 莫锦超
来源：《科技传播》2017年第09期
摘 要 普通的图片成像中一般都为像素灰度值的成像形式，因此对于表面缺陷检测方法主要有灰度阈值分割法、灰度数据边缘振幅提取法和傅立叶数据变化提取等方法，一般都是应用于表面内灰度值变化不大的情况[1]。其中对于金属表面的检测中，基本适合使用以上方法进行处理，但是如果出现金属表面有反光或图像噪声异常等情形时，单纯的检测方法不再适合对表面进行检测，本文应用了基于灰度值对比方式对表面异变大的区块独立化进行表面缺陷检测处理，实现良好的反光和图像噪声的控制效果，并且实现了表平面缺陷检测中的划痕、污点和凹陷等功能。
关键词 灰度值；表面缺陷检测；视觉成像；图像噪声
中图分类号 TP3 文献标识码 A 文章编号 1674-6708（2017）186-0047-02
金属表平面的缺陷检测中主要有划痕、污点和凹陷等检测功能，应用基于灰度阈值的分割法能实现基本检测功能，但是实际的场景应用中金属会出现较大的反光情况，会导致检测效果极差，主要的误判经常出现在反光边缘交界处，反光的内部区域灰度变化的情况依然适合灰度阈值的处理方法，因此我们就可以通过标准图片的灰度值对比方式，把变化大的区域独立分离成适合于灰度阈值处理的区域，再细化进行检测。应用灰度对比提取缺陷区域的方法和基于灰度阈值分割的缺陷判断方法相结合进行金属表面缺陷检测[ 2 ]。如图1为本文使用的金属检测表平面。 龙源期刊网
龙源期刊网
1 独立缺陷区块的提取
对整体的检测区域进行一个粗略的分离效果，通过一个标准的表面内的像素点进行灰度值的提取，后通过检测过程中对每个像素点灰度值对比的方式提取出变化较大的点集，初步形成含有缺陷的区域，为后面的准确查找缺陷区域做准备[ 3 ]。
产品表面缺陷在线检测方法研究及系统实现(分布式视觉)
Study on Methodology of Product Surface Defects Online
Detection and System Implementation
【作者】彭向前
【导师】陈幼平; 周祖德
【作者基本信息】华中科技大学，机械电子工程，2008年，博士
【中文摘要】：随着生产和工艺的进步,人们对产品的质量要求越来越高,基于机器视觉的在线检测系统成为一种重要的质量控制手段。本文对应用于宽幅面、高精度的基于分布式机器视觉的产品表面缺陷在线检测理论与算法进行了研究,并在此基础上以印刷品和浮法玻璃的缺陷检测为例,完成了模式产品和非模式产品的缺陷在线检测系统。根据产品表面检测中的宽幅面、高精度的特点,本文设计了一种分布式机器视觉的在线检测系统结构,采用多个图像处理子系统协同完成检测任务。本文提出了一种基于轮廓子空间的快速图像配准方法。该方法实现了一种基于方向的多分辨率形态学轮廓提取算法,设计了基于预测的双阈值轮廓点分割方法,应用了基于图像融合的基准图像更新方法,建立了对轮廓子空间的评价标准,在轮廓子空间上进行图像配准,降低了计算量,保证了图像配准的准确性和实时性。针对模式图像和非模式图像分别提出了不同的缺陷分割方法和伪缺陷剔除方法,并提出了一种基于顺序和行程长的缺陷快速聚类算法。本文设计了一种基于图像差分的模式产品缺陷分割方法,设计了一种基于阈值曲面的非模式产品表面缺陷分割方法。为了解决阈值曲面插值构建方法的巨大计算量和准确性,提出了一种基于方向统计的快速阈值曲面构建算法。针对模式图像上的轮廓伪缺陷,提出了一种基于边缘的伪缺陷剔除算法;针对浮法玻璃上昆虫、灰尘和油污等伪缺陷,提出了一种基于纹理的伪缺陷剔除方法。在对比各种模式识别方法的基础上,提取了缺陷特征,根据印刷生产和浮法玻璃生产对缺陷分类的不同要求,设计了一种基于规则的印刷品缺陷分类方法,实现了一种基于改进的BP神经网络的浮法玻璃缺陷分类器,解决了缺陷的快速识别问题。研究了分布式机器视觉系统中的同步和网络拥塞问题,解决了多图像处理子系统的同步问题;设计了一种基于RTT预测的改进拥塞控制方案;实现了分布式机器视觉系统的自诊断和自恢复。在上述算法和理论的基础上,开发两种专利产品,即浮法玻璃缺陷在线检测系统和印刷品缺陷在线检测系统,并成功应用于生产实际,取得了良好的经济和社会效益。'
