機(jī)器視覺(jué)檢測(cè)分解.doc

《機(jī)器視覺(jué)檢測(cè)分解.doc》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。

1、研究背景：產(chǎn)品表面質(zhì)量是產(chǎn)品質(zhì)量的重要組成部分，也是產(chǎn)品商業(yè)價(jià)值的重要保障。產(chǎn)品表面缺陷檢測(cè)技術(shù)從最初的依靠人工目視檢測(cè)到現(xiàn)在以CCD和數(shù)字圖像處理技術(shù)為代表的計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)，大致經(jīng)歷了三個(gè)階段，分別是傳統(tǒng)檢測(cè)技術(shù)階段、無(wú)損檢測(cè)技術(shù)階段、計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)階段。[]傳統(tǒng)檢測(cè)技術(shù)（1）人工目視檢測(cè)法（2）頻閃檢測(cè)法無(wú)損檢測(cè)技術(shù)（1）渦流檢測(cè)法（2）紅外檢測(cè)法（3）漏磁檢測(cè)法計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)（1）激光掃描檢測(cè)法（2）CCD檢測(cè)法采用熒光管等照明設(shè)備，以一定方向照射到物體表面上，使用CCD攝像機(jī)來(lái)掃描物體表面，并將獲得的圖像信號(hào)輸

2、入計(jì)算機(jī)，通過(guò)圖像預(yù)處理、缺陷區(qū)域的邊緣檢測(cè)、缺陷圖像二值化等圖像處理后，提取圖像中的表面缺陷的相關(guān)特征參數(shù)，再進(jìn)行缺陷圖像識(shí)別，從而判斷出是否存在缺陷及缺陷的種類信息等。優(yōu)點(diǎn)：實(shí)時(shí)性好，精確度高，靈活性好，用途易于擴(kuò)充，非接觸式無(wú)損檢測(cè)?；跈C(jī)器視覺(jué)的缺陷檢測(cè)系統(tǒng)優(yōu)點(diǎn)：集成化生產(chǎn)縮短產(chǎn)品進(jìn)入市場(chǎng)時(shí)間改進(jìn)生產(chǎn)流程100%質(zhì)量保證實(shí)時(shí)過(guò)程監(jiān)控提高產(chǎn)量精確檢測(cè)100%檢測(cè)由于經(jīng)濟(jì)和技術(shù)原因國(guó)內(nèi)絕大多數(shù)圖像處理技術(shù)公司都以代理國(guó)外產(chǎn)品為主，沒(méi)有或者很少涉足擁有自主知識(shí)產(chǎn)權(quán)的機(jī)器視覺(jué)在線檢測(cè)設(shè)備，對(duì)視覺(jué)技術(shù)的開(kāi)發(fā)應(yīng)用停留在比較低端的小系統(tǒng)

3、集成上，對(duì)需要進(jìn)行大數(shù)據(jù)量的實(shí)時(shí)在線檢測(cè)的研究很少也很少有成功案例，但是隨著國(guó)內(nèi)經(jīng)濟(jì)發(fā)展和技術(shù)手段不斷提高對(duì)產(chǎn)品質(zhì)量檢測(cè)要求就更高，對(duì)在線檢測(cè)設(shè)備的需求也就更大具有巨大的市場(chǎng)潛力。機(jī)器視覺(jué)圖像處理技術(shù)是視覺(jué)檢測(cè)的核心技術(shù)鑄件常見(jiàn)缺陷：砂眼氣孔縮孔披縫粘砂冷隔掉砂毛刺澆不足缺陷變形問(wèn)題的提出：1.水漬、污跡等不屬于鑄件缺陷，但由于其外觀形貌與缺陷非常類似,因此易被檢測(cè)系統(tǒng)誤識(shí)為缺陷。從目前發(fā)表的文獻(xiàn)來(lái)看，對(duì)于偽缺陷的識(shí)別率較低。2.不同種缺陷之間可能存在形狀、紋理等方面的相似性，造成缺陷誤判。國(guó)外研究發(fā)展現(xiàn)狀：20世紀(jì)90年代后，基

4、于機(jī)器視覺(jué)檢測(cè)系統(tǒng)的自動(dòng)化功能和實(shí)用化水平得到了進(jìn)一步的提高。1990年芬蘭RautaruukkiNewTechnology公司研制了Smartivis表面檢測(cè)系統(tǒng)[]，該系統(tǒng)具有自學(xué)習(xí)分類功能，應(yīng)用機(jī)器學(xué)習(xí)方法對(duì)決策樹(shù)結(jié)構(gòu)進(jìn)行自動(dòng)設(shè)計(jì)優(yōu)化。1996年美國(guó)Cognex公司研發(fā)了一套iLearn自學(xué)習(xí)分類器軟件系統(tǒng)并應(yīng)用于其研制了iS-2000自動(dòng)檢測(cè)系統(tǒng)。通過(guò)這兩套系統(tǒng)的無(wú)縫銜接，極大地提高了檢測(cè)系統(tǒng)實(shí)時(shí)的運(yùn)算速度，有效的改進(jìn)了傳統(tǒng)自學(xué)習(xí)分類方法在算法執(zhí)行速度、數(shù)據(jù)實(shí)時(shí)吞吐量、樣本訓(xùn)練集規(guī)模及模式特征自動(dòng)選擇等方面的不足之處[]。

5、2004年P(guān)arsytec公司發(fā)布了新一代表面質(zhì)量檢測(cè)產(chǎn)品Parsytec5i，該系統(tǒng)運(yùn)用了自學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)分類方法進(jìn)行缺陷分類，將表面質(zhì)量信息輸入到支持決策信息中，不僅可以對(duì)產(chǎn)品的表面質(zhì)量進(jìn)行檢測(cè)和評(píng)價(jià)，還能預(yù)測(cè)潛在質(zhì)量問(wèn)題，并將檢測(cè)信息提供給使用者進(jìn)行整合和利用[]國(guó)內(nèi)研究發(fā)展現(xiàn)狀：2005年北航周正干等人提出了一種新型的數(shù)學(xué)形態(tài)學(xué)濾波與計(jì)算機(jī)視覺(jué)算法相結(jié)合的缺陷自動(dòng)提取方法。2009年北京科技大學(xué)徐科等采用線形激光進(jìn)行連鑄坯表面裂紋的在線檢測(cè)，并用AdaBoosting分類器成功地實(shí)現(xiàn)了對(duì)表面裂紋、水痕、渣痕、氧化鐵皮和振痕等

6、5種缺陷和偽缺陷樣本的識(shí)別。北京科技大學(xué)高效軋制國(guó)家工程研究中心研制開(kāi)發(fā)了具有全部自主知識(shí)產(chǎn)權(quán)的冷軋帶鋼[19-20]和熱軋帶鋼表面在線檢測(cè)系統(tǒng)[21]，并在生產(chǎn)線上得到成功應(yīng)用。《基于光度立體學(xué)的金屬板帶表面微小缺陷在線檢測(cè)方法》徐科等機(jī)械工程學(xué)報(bào)2013檢測(cè)示意圖微小缺陷與常規(guī)缺陷同步檢測(cè)裝置關(guān)鍵點(diǎn)：二維圖像上缺陷研究的關(guān)鍵是如何準(zhǔn)確地分割出缺陷目標(biāo)。圖像目標(biāo)分割方法大多是為特定應(yīng)用設(shè)計(jì)的，具有較強(qiáng)的針對(duì)性和局限性。缺陷分割就是指將感興趣的缺陷目標(biāo)從被測(cè)表面的背景信息（如顏色、輪廓、亮度、形狀）中分離出來(lái)，使缺陷直接成為分析和

7、處理對(duì)象的過(guò)程，是視覺(jué)檢測(cè)的關(guān)鍵。缺陷分割是后續(xù)缺陷分析判別的基礎(chǔ)，若分割中出現(xiàn)錯(cuò)誤或誤差而傳播給后續(xù)的圖像分析中，將導(dǎo)致檢測(cè)錯(cuò)誤或失敗。因此，缺陷分割性能的優(yōu)劣直接影響著后續(xù)的研究工作的進(jìn)行，是表面缺陷檢測(cè)中的一項(xiàng)關(guān)鍵技術(shù)。全局閾值分割雙峰法、自適應(yīng)迭代法和最大類間分割法東北林業(yè)大學(xué)紋理分割（可否獲得高質(zhì)量的圖像，突出缺陷？）光源的作用是形成有利于后續(xù)檢測(cè)算法復(fù)雜度降低和缺陷檢測(cè)率提高的鑄坯表面缺陷圖像效果。光源的選擇直接關(guān)系到采集圖像的質(zhì)量和圖像中能否明顯表露存在的缺陷。據(jù)統(tǒng)計(jì)，至少30%的圖像質(zhì)量和應(yīng)用效果受到光源選擇的直接

8、影響。采集到的理想圖像應(yīng)是完整的、均勻亮度、對(duì)比度強(qiáng)且沒(méi)有畸變。難點(diǎn)：由于生產(chǎn)環(huán)境而造成的偽缺陷的出現(xiàn)極大的影響了檢測(cè)的精度和準(zhǔn)確度，引起檢測(cè)系統(tǒng)的誤動(dòng)作。多維視角分析在上圖一些步驟的基礎(chǔ)上，增加了一些基于多維視角幾何的分析步驟。多維視角分析的核心