机器视觉表面缺陷检测综述

Ｉｍａｇｅ＆Ｍｕｌｔｉｍｅｄｉａ　Ｔｅｃｈｎｏｌｏｇｙ・图像与多媒体技术　机器视觉技术在工业检测中的应用综述　

本丈主要综述机器视觉技术　在国内外领域的研究应用状况等，　以输血袋的字符在线识别为例讲　述视觉技术在工业生产上的智能　检测应用，同时也阐述了机器视　觉在应用中存在的一些问题。　

【关键词】机器视觉应用研究识别预处理　ｌａｂＶＩＥＷ　１引言　机器视觉主要研究用计算机来模拟人的　视觉功能，通过摄像机等得到图像，然后将它　转换成数字化图像信号，再送入计算机，利用　软件从中获取所需信息，做出正确的计算和判　断，通过数字图像处理算法和识别算法，对客　观世界的三维景物和物体进行形态和运动识　别，根据识别结果来控制现场的设备动作。从　功能上来看，典型的机器视觉系统可以分为：　图像采集部分、图像处理部分和运动控制部分，　计算机视觉是研宄试图建立从图像或者多维数　据中获取“所需信息”的人工智能识别系统。　正广泛地应用于医学、军事、工业、农业等诸　多领域中。　２视觉技术研究与应用的必要性　视觉技术在国内外发展极其必要。２００８　年经济危机极大冲击了美国至全球的各个领　域。美国汽车制造业“Ｂｉｇ　Ｔｈｒｅｅ”频ｌ临破　产，进一步自动化是唯一出路。美国政府推行　“Ｍａｄｅ　ｉｎＵＳ”计划。出台多个政策刺激鼓励　企业技术发明创新，视觉技术的应用就显得非　常必要。近年在国内，劳动力工资成本大幅提　高，很多生产企业迁移到人力资源更低廉的国　家和区域，食品、医药质量事件不断。“Ｍａｄｅ　ｉｎ　Ｃｈｉｎａ”在世界声誉亟需提高，为提高质量　保持竞争力，各领域的视觉检测及高度自动化　势在必行。视觉检测对工业自动化的重要性与　曰俱增，工业自动化需求对视觉技术的推动高　度集成化。　３国外典型研究与应用　对于机器视觉技术，世界各国都在研究与　应用。１９９４年ｓ．Ｔ　ｒｉｋａ等研究了一种基于机器　视觉的多面体零件特征提取技术，获得零件特　文／张国福　沈洪艳　征。１９９８年，Ｊ．Ｍｅｒｌｅｔ等将机器视觉技术应用　于部件装配。同年，Ｄｕ—Ｍｉｎｇ　Ｔｓａｉ等将机器视　觉和神经网络技术相结合，实现对机械零件表　面粗糙度的非接触测量。２００３年，Ｅｌａｄａｗ．ｉＡ．　Ｅ将机器视觉技术用于数控铣加工中，以获得　实时加工数据。日本的视觉识别机器人研究，　从数量或研究成果看都占据着明显的领先地　位．美英德韩也都在开展相关研究。国外的卡　耐基一梅隆Ｍ．Ａ．Ｓｍｉｔｈ等提出了一种在视频帧　中检测文字的方法。韩国Ｓｏｏｎｇｓｉｌ大学的Ｋｉｍ　基于支持向量机和Ｃａｍｓｈｉｆｔ算法检测视频帧　中的文字。　４国内典型研究与应用　相对国外，国内计算机视觉技术应用研究　起步较晚，与国外有差距。还需进一步在深度、　广度及实践方面作出努力。国内的李留格等采　用ＢＰ神经网络来进行轮胎胎号字符识别；李　朝辉等利用形态算子提取视频帧的高频分量，　把文本字符从复杂的视频中分离出来；周详等　利用改进的ＢＰ神经网络对字符进行识别，提　高了识别率和识别速度。字符识别技术是机器　视觉领域的一个重要分支，在文字信息处理，　办公自动化、实时监控系统等高技术领域，都　有重要的使用价值和理论意义。本文以输血袋　的字符识别为例介绍机器视觉在工业智能检测　中的应用。　５机器视觉识别技术应用实例　当前，机器视觉己成功地应用于工业检　测领域，大幅度地提高了产品的质量和生产效　率。企业中用于检测输血袋编号。在血袋生产　过程中，血袋上的字符编号的正确和唯一是必　不可少的检测信息。依靠工人的肉眼逐条检测　带状转印薄膜上的字符串，来追踪血袋编号是　否错印，劳动强度大，效率低，不能从根本上　保证检测质量。一旦血袋编号出现重印、错印　将会发生严重医疗事故，因此一种基于机器视　觉技术的血袋编号字符的提取、识别与错误反　馈于一体的检测系统就适时、必要的诞生了，　用以提高一次性血袋出厂编号的检测精度和自　动化水平，保证产品质量，解决生产实际问题。　５．１字符在线识别系统组成　为达到识别目的，识别系统由硬件和软　件构成。硬件系统主要有血袋编号检测台机械　结构、ＬＥＤ阵列照明系统、血袋编号图像采　集系统、摄像机和计算机等。软件部分是系统　的核心，主要由图像预处理、字符定位、字符　倾斜校正、字符分割、字符识别等部分组成。　５．２识别系统的实现　本系统基于ｌａｂＶｌＥＷ编程、图像处理、　微型计算机接口技术等实现输血袋的文字在线　识别。使用图像灰度化技术、平滑、校正、直　方图均衡化等技术进行图像预处理。使用投影　定位法等对字符进行定位。使用投影法、模版　匹配等进行倾斜角度调整。使用垂直投影法对　字符进行分割。使用了ＢＰ神经网络来识别分　割后的字符。为提高识别率，设计训练了三个　神经网络：字母网络、数字网络、字母与数字　网络。　５．３实验结果　利用该系统做过多次实验，测试了大量　数据，整体看，系统稳定可靠，系统对输血袋　文字识别程度非常高。本系统提高生产效率和　生产过程的自动化程度，并为机器视觉系统应　用于此种生产线，提供了成功的先例和经验。　但由于各种原因，也会对识别的结果有一定的　影响，因此，在识别率方面，尚有一定的差距。　６机器视觉技术在应用中存在问题　虽然机器视觉技术目前已广泛应用到各　领域，但由于其自身或配套技术上仍有不完善　的地方，要广泛的应用还有一定限制。而图像　处理算法的效率高低是计算机视觉成功应用的　关键，尽管国内外都提出一些新的算法，但是　大部分仍处于实验阶段。特别是有复杂背景的　工业现场，对视觉识别技术的识别率和精度降　低。　７结束语　机器视觉技术应用前景极为广阔，目前应　用于生产生活各领域，但我国发展滞后，在工　业检测中离实用化、商业化还有差距，因此亟　待提高我国机器视觉技术的发展速度和水平，　达到工业生产的智能化、现代化，为我国的现　代化建设做出应有贡献。　参考文献　［１］周平，王思华．基于机器视觉技术的压缩　机编码识别系统设计［Ｊ】．ＰＬＣ技术应用　２Ｏ０例．２００９．　［２］范祥，卢道华，王佳．机器视觉在工业领　域中的研究应用…．现代制工程，２００７．　作者单位　１．长春工业大学吉林省长春市１　３０１　２２　２．吉林俄语专修学院吉林省长春市１　３０１２２　Ｅｌｅｃｔｒｏｎｉｃ　Ｔｅｃｈｎｏｌｏｇｙ＆Ｓｏｆｔｗａｒｅ　Ｅｎｇｉｎｅｅｒｉ

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。'

机器视觉技术在工件表面质量检测中的应用

近年来随着科技的不断发展，机器视觉技术作为一种全新的检测手段逐渐被应用到了工业生产领域。其中，机器视觉技术在工件表面质量检测中的应用更是得到了广泛的关注，下面本文将就此方面展开探讨。

一、机器视觉技术在工件表面质量检测中的应用概述

机器视觉技术在工件表面质量检测中的应用是指通过对工件表面图像的数据采集和处理，快速、精准地检测出工件表面是否存在缺陷、裂纹、毛刺等质量问题。相比传统的目视检测方法，机器视觉技术具有检测速度快、效率高、稳定性好等优点，可以大大提高生产效率和产品质量。

二、机器视觉技术在工件表面缺陷检测中的应用

在工件生产中，常常会出现表面缺陷的问题，如划痕、裂纹、气泡等。这些缺陷往往会影响到工件的性能和质量，给企业带来诸多损失。针对这些问题，机器视觉技术在工件表面缺陷检测中的应用已经越来越成熟。通过对工件表面图像进行采集和处理，机器视觉系统可以自动识别不同类型的缺陷，并及时发出报警信号，方便操作人员进行及时的工艺调整，保证产品质量。

三、机器视觉技术在工件表面外观检测中的应用 除了表面缺陷，工件的外观问题也是生产中常见的问题，如色差、图案偏移等。这些问题虽不会影响到工件的内在性能，但对于一些高端消费品、电子产品等有着极高的要求。针对这些问题，机器视觉技术同样可以发挥重要作用。通过对工件表面的颜色、形状、大小等因素进行综合分析，机器视觉系统可以自动判断工件是否达到了要求的规格、外观质量等级等，实现对工件外观的自动化检测。

四、机器视觉技术在工件表面几何形状检测中的应用

针对一些具有特殊形状或规格的工件，其几何形状是否符合标准也是一个必须考虑的问题。传统的检测方法需要操作人员逐个对工件进行测量，工作量大、效率低。而运用机器视觉技术，可以使得对工件表面几何形状的检测更为精准、快速。机器视觉系统通过对工件表面进行拍摄，再自动分析处理出所需的几何参数，可以快速地评估出工件几何形状是否符合标准。

基于计算机视觉技术的工业缺陷检测

工业生产是国民经济的重要组成部分，就像手术时人的身体一样，如果出现缺陷，就会对整个产业链产生严重影响。因此，在工业生产中，缺陷的发现以及及时处理就显得尤为重要。随着计算机视觉技术的飞速发展，其在工业缺陷检测中的应用也日益广泛和深入。本文就基于计算机视觉技术的工业缺陷检测进行分析。

一、 计算机视觉技术的基本概念

计算机视觉技术是指利用计算机实现对数字图像或视频等视觉信息的处理、分析，以及从中获取特定信息的一种跨学科技术。该技术实现了机器对图像的自动解释和识别能力，并多应用于智能自动化、智能监控等领域。其基本的分析方法主要包括：滤波、边缘检测、特征提取、目标检测、识别与分类等。

二、 工业缺陷检测中的计算机视觉技术

工业缺陷检测中常出现的缺陷有：表面缺陷、裂纹缺陷、尺寸缺陷和表面瑕疵等。而计算机视觉技术则可以利用计算机分析图像信息，识别和检测这些缺陷。以下是具体应用。

1. 表面缺陷识别：

表面缺陷主要是指物品表面的杂物、毛刺、氧化物等。该缺陷比较常见，通过人眼检查可以判断是否存在缺陷，并对其程度进行判定。但人眼的判断存在主观性，同时也会因为疲劳和精神状态的影响，使判断结果存在误差。而计算机视觉技术则可以通过图像处理技术，对被检测物体表面图像进行自动处理、分析和比对，从而实现对表面缺陷的准确识别和判定，为后续处理提供必要的数据支撑。

2. 裂纹缺陷检测：

裂纹缺陷是指由于过度疲劳或机械损坏等造成的物体裂纹，在工业生产过程中是比较常见的缺陷。传统的检测方法主要是通过人工进行人盯的方式进行，这种方式效率十分低下，同时也对检测人员的视力要求非常高。而计算机视觉技术则采用图像分析中的边缘检测技术，通过对图像中裂纹部位的边界识别和轮廓提取等操作，实现对物品中裂纹缺陷的检测。

3. 尺寸缺陷检测：

尺寸缺陷一般是指制造物品的尺寸大小不合格。传统的测量方式一般采用人工测量，效率低下，而且准确度也无法保证。而计算机视觉技术通过图像处理中的特征提取和测量，可以对物品的尺寸大小进行准确测量与判断。